MathArt | DTC模式下供应链应对策略
- 2021 / 09 / 20
- 阅读:16713
- 来源:转载自《汽车商业评论》
如何同时满足这条价值链上“靓”“廉”“稳”三个核心诉求?
文 | 董事长兼CEO 张椿琳
汽车电动化趋势在2021年有了实质的销量数字印证,与之相伴而生的是智能化、个性化、定制化,传统高度趋同的商业模式已经不再能满足消费者愈发多样化的需求。在此背景下,结合了互联网与智能制造的DTC(Delivery To Customer)模式应运而生。
DTC对于汽车行业最本质的变革是从需求端到供应端的重塑,具体到供应链领域,我们可以将问题的核心简化为:个性化生产如何快速响应个性化需求。
在销售-生产-供应这条价值链上,销售端以“靓”为主——更多的可选配置、更短的OTD时间、更少的整车库存;生产端以“廉”为主——更稳定的生产、更高的产能利用率、更低的生产成本;供应端以“稳”为主——更平稳的供应链、更早的需求获取、更低的采购价格。
如何同时满足这条价值链上的三个核心诉求,是当前供应链应对DTC模式的关键所在。
在实践探索过程中,我们发现几乎所有车企都有以下共性问题:
-
用户个性化需求十分广泛,存在上亿种组合,选购平台该如何维护其中容斥关系,以使用户快速选择自己的爱车?
-
离散式的接单模式,要求交期快且准,而制造端受制于信息不透明、工艺水平等,往往无法快速响应,导致产能利用率较低,制造成本大幅上升。
-
C端与M端信息流存在延迟,产销衔接矛盾日益凸显,产销模式亟需重新规划。
生产端作为在价值链上衔接上下游的纽带,是解决上述问题的核心,只有拥有成熟的数字化制造体系,才能实现供应链的高效协同和大规模的个性化定制。在数字化制造体系中,能够实现工艺规划及设计的模块化,“人”“机”“料”位置的全数字化展示,以及生产运营的实时可视化管控。基于全链打通的信息流,才能实现业务流之间的实时协同。第一步,企业内部的横向打通,连接企业内部业务流断裂的部分,实现企业数据流转闭环,加强“数”治,减轻“人”治,实现业务流程自动化、智能化。第二步,企业外部的横向打通,拉通从终端客户到供应商的数据链,实现预测-生产-物料的动态更新,推演供应链上下游的风险,及时干预,秒级通知。当个性化定制成为行业趋势时,其对生产制造端的冲击远大于销售端。当上千种配置传递到生产端,问题不仅仅是配置的组合呈指数型爆炸式上升,系统如何秒级响应将会是更大的挑战。从企业战略层面出发,个性化生产与实时反馈,对于销售端与生产端的协同沟通提出了很高的标准,传统产销协同模式根本行不通。结合多年实践经验,笔者试图回答以下几个问题:产销一体化计划,全局化思考,加快产销决策。我们将该过程划分为三个阶段:准备阶段、组织阶段、执行阶段。准备阶段中,先从需求端入手,整合年度业务计划、市场营销计划、品类计划、需求预测,从而初步回答有多少需求需要满足的问题;其次,从供应端入手,整合运营计划、供应计划、分销计划,从而试图回答有多少需求能够满足的问题;再次,在两者之间寻求平衡点,对需求进行调节解析,对供应进行响应解析;最终,生成产销存协同计划并发布。组织阶段中,需要对绩效及根因、产销存场景进行讨论,最终达成一致的需求、供应、市场和定价策略。最后执行阶段中,需要依据沟通、执行的结果对计划进行修改,并衡量绩效与盈利能力。采用推拉结合的LBTO模式,弥合生产与销售的矛盾。实际生产中,通常会面临无法确定订单到达时间,而现有订单不足以填满产能的情景。LBTO模式下,在制定长周期生产计划时,统筹考虑大客户订单、经销商订单、销售公司订单以及预测订单,根据整合后的需求,先填满产能。当接收C端的实际订单后,根据实际订单配置,优先匹配在制车辆,该过程需要配置严格匹配;其次匹配锁定期内的生产计划,该过程可以针对生产计划中的配置进行调整;最后匹配锁定期外的生产计划,该过程配置可替换比例更大。该模式在有效提升产能利用率的同时,也降低了销售端与生产端的矛盾。对于汽车制造业来讲,预测的核心是,在传统模式下,车型级数量和颜色比例的预测将转向DTC模式下平台级数量、选装包配比、颜色配比的预测。这一变革将带来如下问题:由于复杂的配置关系,在做整车预测时,无法将配置比例转化成整车数量;由于核心零件的产能限制,如果不考虑该情况按比例组合,会造成连接件相关件库存虚高。针对该问题,运用考虑车型、现状包配比、关键零部件等多约束计算模型,将能更好地输出目标预测。DTC模式下,有限的时间内满足交付,需要几乎无限的配置组合,如何备库成为又一个挑战。针对这一挑战,我们认为应从三个阶段来应对:在产品配置设计阶段,广泛收集用户需求,并开放大规模的选装配置,最后基于实际配置选择关闭不常用的配置及缺料配置。在用户选配阶段,当识别用户选择的配置会产生较长的OTD时间与较高的成本时,系统会根据用户的选择情况与实际整车和配件的库存情况,计算出与用户配置相近的整车,并辅以一些商务政策,引导用户选择其他配置。在配置呆滞阶段,由于预测失准造成的长周期呆滞物料,由反向收敛算法推算组成整车,采用优惠活动削减库存。DTC模式下,生产计划面临的最大挑战是频繁的计划调整和实时滚动更新。当计划变动时,要求供应链上下游及时响应,对于计划的可操作性与计划的准确性要求更高,需要考虑大量的因素。区别于传统排产、周度排产、长周期锁定的业务模式,DTC模式要求高频次地计算出最有利于当前的计划。根据获取到的数据信息,依据排程的交付策略、库存策略、锁定规则、产品的优先级、生产工艺参数等规则、约束及目标,计算周度生产计划、作业计划。可以通过计划管理模块对周度生产计划、日次作业计划进行调整,通过高级分析模块可对生产实际进行监控并反馈,版本确认后发布到ERP及MES系统。在DTC模式下,计划的变更频次将导致供应链协同的难度陡增。通过纵向打通信息流,能够实现车企系统和供应商系统的线上对接,能够实时监控供应商的生产计划,帮助跟单员快速跟踪情况。主机厂及供应商能够根据重要的节点信息优化生产计划,建立报警点,完善的报警机制,提前识别风险,人工介入,最终实现供应链整体效率的提升,以及供应链整体风险的可控。随着工业化4.0的开启,工业互联网的历史进程才刚刚拉开序幕,DTC模式给制造端带来的变革也尚处于萌芽阶段。沿着制造端数字化变革的方向,DTC模式带来的变革将不断迭代和深化传统汽车制造业对于行业的认知。
身处其中,任何企业都不无法逆时代的浪潮而行,围绕DTC模式打造的智能的汽车制造体系,将会是车企在下一个群雄逐鹿时代脱颖而出的必经之路。