Risk Simulator软件案例研究:汽车零件生产与销售

2018-07-30 05:11来源:未知

  本案例由Andy Roff和Larry Blair提供,他们的研究获得了作者提供的模型的帮助。Andy和Larry都是汽车零配件的经理,且他们都各自拥有并管理数家店面。他们每人都有30多年的经验,并且他们在为供应商和分销商提供互惠互利的信息系统方面颇有心得。他们的联系方式是:。

  在一个世纪前,自从有了不用马拉的车以后,汽车零件市场(AAM)就产生了。这种情况之所以发生,可能是由于曾经习惯于驾驶马车的人粗鲁地使用离合器。因此,当人们需要更换第一枚螺丝钉时,AAM就产生了。随着汽车制造商的增加,汽车零件生产商也开始增加(其中一些生产商是由汽车制造商委托的),他们生产各种规格、各种品质和耐久度的零件。在撰写本案例分析时,世界AAM的销售额大约8000亿美元,预期年增长率是3%。

  由于有如此众多的零件和供应商,所以我们需要把它们汇编成目录。20世纪60年代单片缩影胶片的运用是一项重大的突破,它几乎被专门用于汽车的售后服务网络。对于汽车修理技师来说,准电子数据库为零件销售和汽车修理的过程提高了效率。然而,由于AAM具有很高的竞争度,故而使用大量造价高昂的图片库逐渐变得不可行。

  20世纪80年代,随着个人电脑的普及,它们自然而然地成为了编制电子目录的工具。此时的一个重大困难是,不同的系统有不同的数据格式,而如果将这些不同的格式打印出来,将会是代价高昂的。同样,当供应商们各自需要零件装配平台时,他们都会各自设计并安装电子目录。更糟糕的是,这些平台与20世纪70年代引进的销售终端系统(PoS)不相互兼容。

  从概念和技术上讲,这个需求缺口都极其巨大。欧洲人的首次尝试将精力集中于提供独立的终端,这些终端以“书柜”格式从多个供应商那里调配零件,汽车可以获取由供应商和代理商提供的信息。这套系统起源于荷兰,并于20世纪90年代在英国获得经营许可。

  虽然这套系统最终失败了,但它却使生产商和供应商将精力集中于提供电子数据而非打印的数据。这种转变趋势被全国零件分销链的雄心壮志所加强,他们提供电子目录,并且要求PoS系统将电子目录引入到每一个终端。生产商和供应商的行为增加了对电子数据的要求。

  在美国,全国PoS供应商决定于1984年进行大规模投资,这使得美国于1985年拥有了专门的、兼容的电子目录。欧洲的电子目录于5年之后开发成功。

  所以制造商在主要的门面都设置了第三方电子目录系统。他们被迫减少了对数据的使用权、减少了对提交给市场数据的时间和精确的可控制,并且他们不得不为不同国家的供应链和第三方供应商提供不同版本的电子目录。在某些情况下,他们甚至要为系统的配置和展示负责。

  家家都有本难念的经。鉴于现在的数据变得越来越通用并且要符合行业标准(在美国,可以获得行业赞助商的列表),数据正变得越来越兼容并且传到市场的速度更快。既然科技越来越先进,那么零件的图片和注释、汽车的位置、注意事项以及其他关键信息就有必要被添加到目录中。这些改进可以增加购买经验并且使制造商可以区分他们的产品。

  此外,制造商生产的产品将会被精确地链接到汽车的列表,而该列表又会被链接到国家的统计资料。现在,对于汽车的生产和销售,我们可以引入风险分析、模拟、预测、最优化以及实物期权模型。当把制造和搜索零件的各种可能影响纳入考虑范围时,我们就可以看到传统决策方法的脆弱之处和漏洞。

  此案例研究的例子是基于Casky汽车公司,这是一家理论上私有的公司,它为汽车行业的原装设备制造商(OEM)设计和生产汽车配件。Casky擅长于生产回路电器,这通常被称为交流发电机启动器。该公司与福特和通用汽车(GM)有着密切的联系,并且这些公司为Casky在北美和欧洲开展业务提供了基础。作为世界上两个最大的汽车制造商的开发合作伙伴,Casky运用它在工程技术方面的优势为两家制造商提供世界上最受青睐的车型启动器。Casky与这两家公司的合作关系使得它拿到了一些新车型的订单,这些车型的燃油效率得到了最大程度的提高。这些车型对启动器提出了更高的要求,因此也相应增加了成本和复杂性。Casky于2005年赢得了为GM生产Phalynx小型货车启动器的合同。GM要求这些启动器在组装过程中被安装在汽车上。然而,Casky也赢得了为启动器提供售后服务的合同。考虑到经济价值和就业率,汽车行业在这些国家是最大的产业。当然,北美和欧洲在世界上拥有最多的汽车数量,并且它们在人均拥有的汽车数量上也是最多的。

  Phalanx在第一年的销售量预计将达到100000台,第二年将上升至150000台,第三年将被消减为100000台。对类似车型的预计销售量的误差在5%之内。该车型将在欧洲大陆生产,并在北美和欧洲销售。最终,该车型的数量将在北美和欧洲产生差异,分别占45%和55%。不同的供货商每年都将提供汽车数量的统计资料。全新车型的营销寿命为4年,销售量将会从150000台稳步下降到第5年的75000台,这正好赶在另一种新车型上市之前。因此该车型的数量总计将达到575000台,其中年报废率为2%(这包括保险的全额赔付和从经济角度看不应该再维修的)。一共有两种汽油机型和一种柴油机型,这三种引擎的预期需求量相同,它们将被运用于原始和翻新车型上,但不会被运用于所有的新车型上。

  Casky被选为三种引擎启动器的供应商。其只提供全新的(而非维修过的)产品给GM和AAM。每一款启动器都是不同的,它们具有独特的设计,并且具有不同的磨损特征(报废前行驶的最小里程数MTBF),较小的汽油引擎是100000英里,较大的汽油引擎是85000英里,柴油引擎是100000英里。年预期平均里程如下:较小的汽油引擎为12000英里,较大的汽油引擎和柴油引擎为15000英里。在欧洲大陆,保修期为2年;在英国、爱尔兰和北美为3年。

  由于GM拥有足够的股票,因此其要求一周内的安装成功率达到100%。失败概率(即在达到MTBF之前的维修要求)为1:10000。GM的零售业务网络在欧洲有250个门面,在北美有150个门面,在新车型下线之前,每个门面都要至少拥有两种以上的车型。Casky有3个欧洲的和2个北美的分销点,它们服务于GM的零售网络,并且对AAM实行独立销售和连锁零售。GM的空缺额最少,全国性的连锁店是20%,独立经销店是25%。

  Caskey期望为GM提供90%的售后服务量(保修范围之外),并且期望在第四年与其他的生产商竞争,第五年向新的调节装置进军。欧洲的生产商在北美拥有分销网络,这种分销网络改装的启动器,同样适用于另外一种车型(此车型具有相似的拥有率和引擎)。生产商期望新车型在最开始就能够获得10%的市场份额,年增长率为2%(复式增长率),额外的车型增长率为50%,这款车型被两款汽车配件的原始设备的两个制造商(VPMs)之一。两款重置设备在北美销售,三款在欧洲销售,每一款的期望市场份额为5%并且只对AAM进行分销。重置设备的服务能力直接与收益相关(期限总共为5年,在第一年的运作中,GM为100%,在随后的年份中随着新的VPM的衰退而逐步下降)。重置设备的MTBF只占全新设备的66%。

  理解问题并解决问题并不是一项容易的任务,这需要熟练运用Risk Simulator®的Monte Carlo模拟、预测以及最优化。图1.1显示的是汽车需求量的模型,其基于以前所列出的假设。最大值、最小值以及价值变化范围都已列出。图1.2显示的是每一个周期的需求量的模拟结果。欧洲和美国的每个季度都有模拟结果,这正好与每年的值(100、150、100、150、75000)分别对应。

  图1.2 汽车需求量预测的蒙特卡罗仿线显示的是其他的限制条件和要求的模型,这些额外的因素诸如汽车的每个部分的报废率、磨损率以及平均每年行驶的里程数。我们应该注意,在图1.1和1.3中突出的单元格是对限制条件的模拟,其中每一个值都是在模型中进行了数千次迭代的结果。下一步,基于这些需求量的不确定性,我们要运用最优化模型(图1.4)。在这个模型中,决策变量是生产的质量(即给定基于不确定性的预期需求量,我们要找出最优化的生产质量)。在本模型中,我们考虑了每单位的价格、报废率以及每年的平均行驶里程。此分析提供了最优的生产质量,所以总的净利润可以得到最大化,这样就可以免去因为过多或者过少持有存货而带来的额外成本。

  例如:假设我们多持有一个单位的成本是$1.00,少持有一个单位的销售额的损失是$1.20。另外,6个月内,存货的最小持有量是800,全球的最小销售量是400。最后,每年的生产量不能超过预期生产量的1.5倍,这样就可以保持市场的平稳。Monte Carlo模拟和预测方法同样被运用于动态最优化。生产商生产配件的真实质量可以使净利润达到最大化、最小化额外的损失,并且它们总是受到生产商生产的零件的最大值和最小值的影响(图1.4、图1.5)。如图所知,最优的方法是,在开始引入Phalanx时,生产较小的数量;渐渐地,当车龄增大时,增加配件的数量。数量的高峰出现在第七年到第十年之间,此时保修到期并且各部件最为紧缺,随后数量逐渐下降(此时汽车将退役、被出售或被弃置)。

  运用这些高级的分析方法,我们可以预测最优的产量、具体部件的生命周期(基于历史数据并且在最优化模型中对潜在结果和进行数千次的模拟)。事实上我们可以更进一步,在完成了最优化分析后,我们可以重复模拟并且可以获得某个部分的净收入的概率分布(图1.6~图1.8)。

  图1.6显示的是具体配件在生命周期中的净利润,置信区间为90%、分布在$15.64和$18.87(百万)之间。我们可以断定,如果制造当前的配件,那么当前配件的净利润超过其他业务的收入的可能性是91.20%。

  相比起来,如果没有运用最优化、对风险进行模拟,那么将会得到一组次优的结果。例如:假设生产预测值的平均值(基于每个周期所要求的最大、最小生产量),则总的净利润将是$13.43(百万);如果生产要求产量的最小值,那么总的净利润将是$content$.71(百万)。因此,鉴于数值的波动很大,运行最优化后就可以保证,基于不确定性和风险的最大化的净利润$17.54(百万)。

  我们可以将以上的讨论总结如下:Monte Carlo模拟、预测以及最优化在判断风险成分、定价的不确定性以及需求量方面起着至关重要的作用。此外,这种分析可以给出量化的结果,从而为生产商的生产提供指导。所以,借助于风险分析,决策者不仅可以决定生产什么而且可以决定生产多少;而且在生产以后还可以决定最优的销售价格,从而可以最大化利润并且最小化损失和风险。

  Palisade公司邀请您参加为期一天的风险与决策分析培训研讨会。对于在任何行业中处于不确定性状态下处理风险或决策的专业人士而言,这是必须参加的一次活动。本次研讨会专门为风险分析作为其工作...

  @Risk是应用最为广泛的风险评估软件之一,使用蒙特卡罗模拟执行风险分析,用来显示电子数据表模型中的可能结果,并告诉其发生的可能性。它可以客观地自动计算并跟踪众多不同的未来方案,然后告知...

  Risk Simulator软件案例研究:实物期权模型以及KVA在美国海军军事策略中的运用

作者:admin