DDMRP相比库存优化的落后与创新

“DDMRP？这就是TOC换汤不换药啦，看那三个颜色分区都一样！” 

“呵，这玩意和订货点/安全库存有什么区别么？” 

“这玩意是未来啊！你看各大软件系统商解决方案都跟进了！”

DDMRP作为一种全新的库存计划方法，这两年兴起很快速，同时也面临很大的争议，一时间供应链圈、TOC圈、SCP计划系统圈大佬纷纷发文或褒或贬。

更有趣的是，Gartner每年发布的供应链计划技术成熟度，早在2019年就纳入DDMRP，却很耐人寻味的认为【达到高峰期按会被淘汰】（果不其然，次年在曲线上DDMRP就消失了）

BT君作为大陆地区2020年第一位通过DDMRP的DDPP认证的供应链爱好者（当时还写了篇考试心得 点这里），一直以来想谈谈个人的理解看法，近期把库存优化/自动补货一类理论和系统逻辑，对比到DDMRP做了一些整理，方便进行差异比较

 近年DDI把DDMRP理论范围越扩越大，今年已经到战略层adaptive S&OP，本文仅特指DDOM需求驱动运营模型那个模块里的DDMRP库存计划范畴，大致逻辑如下

 一 DDMRP整体逻辑

（想了解详细逻辑，可以报名SCOM协会的DDMRP课程）

（有水印大家凑合看，2020年写的DDMRP连载，被大量未授权全文抄袭转载到知乎等等平台，所以不得已要保护版权...不好意思)

1 设定库存水位目标

2 通过累计逾期订单/Spike峰值大单纳入计算Net Flow净流量判断订购触发

3 按TOG计算订购量/补货量

      主要聚焦在库存水位的设定上（或者叫净流量设定），对于服务水平几乎没有纳入考量（因此图中打了个？有不同理解的朋友可以说说）

二 库存优化整体逻辑

从60年代开始的订货点，到如今AI算法/运筹优化应用普遍的库存优化方法，特别是在电商业/零售业，应用库存优化来改善整体运营绩效有着悠久的历史，如今无论是电商RDC、物流前置仓、零售业门店都在采用类似的方法进行仓网布局、网络优化与自动补货技术。具体到每家做法有所不同，但考虑点大致如图。

从上图可以看到，除了库存水平设定外（短周期决策的自动补货基本也只看这一点），还要纳入整体的服务水平考量，TCO总拥有成本的考量（例如：经济订货批量里要考虑的持有成本与订货成本平衡），再包括各类订购规则复杂约束与供应网络结构（主要面向多级库存场景）。

三 DDMRP与库存优化的对比：过于简化的模型

 从下图对比来看，DDMRP通过VF，DAF，LTF，ADU，MOQ等参数对库存水位设定上做了考量

（红黄绿区的划分，个人理解就是涵盖了周转库存、安全库存与预建库存）

此外，在VF设定上，缓冲配置文件组合，DDMRP划分了几十种场景，其实这部分是用固定参数简化了需求/提前期波动性

当前主流的库存优化模型，在需求预测和需求分布上有非常详细而复杂的算法去进行对需求的描述。特别是在波动性上，而这一点DDMRP并没有关于怎么设定参数的说明，甚至没有计算逻辑，依赖人为经验区设定是0.2,0.5，还是0.7。

在2021年SCOM的供应链年会上，我也问到DDMRP创始人Craol Ptak,怎么看待机器学习等算法在需求预测上应用的普及，DDMRP在波动性因子上是否有借鉴。当时Craol承认说ML/DL对于计算需求波动效果显著，可以协助计算波动因子作为DDMRP输入。这方面可以说DDMRP有对波动考虑的思路，但没有提供工具方法指导。

此外，在服务水平与成本上完全没有提及，也是该模型局限之处，当然也可能是更现实容易落地之处

DDMRP简化了服务水平和成本，让模型更现实更容易落地

毕竟能把TCO成本模型建立起来，把服务水平与成本损失对应起来，都是在理论上过于理想化的参数，而在现实中大部分企业很难拉通财务与供应链建立统一成本标准。

四 DDMRP的核心优势是优先级

DDI提到了六大特点，个人看来这两点较为突出

——解耦：打破供应端提前期相关性

——双向利益：供需端双赢，聚合供应，可靠产出

——订单独立性：库存分配给订单，就无法分配给其他

——初步计划机制：通过缓冲等级触发供应单信号

——相关优先级：缓冲颜色提供相关优先级

——动态调整：根据用户使用频率动态调整如DAU，V factor

DDMRP对整个供应链链路，重点节点建立缓冲点Buffer，来阻断牛鞭效应的传递，从而使得供需双方的稳定性得以提高。

（在零售业不存在该问题，由于不存在加工制造过程，所以稳定性不如制造业要求严格）

例如下图，当库存/供应不足时，怎么分配给补货需求？在库存优化场景下假设任何补货量都能满足，又或是把每个点最大补货量作为约束条件，结果是无法实现优先级的输出（按点/按补货量都不太合理）

 DDMRP通过颜色分区来建立优先级，同样是补货，55%与 25%的优先级很容易判断，这是个人认为最突出的贡献。

综合来看，DDMRP这套方法足够简单容易落地，在优先级分配上也提供了更易于识别的画面感，虽然在模型的参数细致程度与综合考量上有所不足（例如无法用于多级补货，更无法基于总成本指导决策优化），但越简单的方法越容易落地。

最后提个设想，需求预测+库存优化+仿真推演，如果这套方法能加上DDMRP的战略解耦点+缓冲可视化优先级来进行管理，是否意味着是终极方案？