[摘 要]传统的自动补货模型并没有考虑到现实经济生活中，商品的需求随时间发生变化是普遍规律(即需求的时变性)。本文提出在高时变需求环境下，建立基于ERP的门店自动补貨模型，从而有效控制连锁零售业分店库存。
[关键词]连锁零售；时变性；自动补货模型
[中图分类号]F252 [文献标识码]A [文章编号]1005-6432(2008)52-0020-02
以连锁化、信息化和规模化为特征的零售业发展很快，已成为当今社会经济的支柱产业。目前，就销售额而言，零售企业已超过制造、金融服务、信息等类型企业而成为世界第一，这在过去是不可想象的。而其中连锁这个先进的企业组织形式的应用是今天商品零售企业能发展到如此大的规模的一个核心因素。
连锁店分店的补货一直是各连锁企业十分关注的问题。因为对于零售企业来说，适当的库存是销售的保证，而过量的库存又会导致连锁企业因库存积压而导致损失，或资金周转困难，甚至因库存管理失误而导致企业资金周转不灵而不得不宣告破产的案例也比比皆是。而大型连锁店在其各分店的库存往往超过了配送中心的直接库存，同时，分店的库存往往不同于配送中心库存处于公司商品采购人员随时监控之中，而多数是依靠不同的分店经理来进行控制。各分店经理的管理水平参差不齐，同时由于营业额的压力，往往倾向于过度补货来避免缺货导致的营业损失。分店越多，企业面临的库存风险则越大，因此通过自动补货来有效控制分店库存成为各连锁企业的重要研究课题。
1 连锁店销售季节性时变系数与安全系数
零售业的销售情况有两大特点，一是周六周日的销售额高达平时的2倍以上；二是淡旺季销售差异巨大，如饮料在夏天的销售额往往高达冬天的10倍，因此自动补货模型必须考虑到一周之内各日的销售情况以及随着季节的变化各类商品的销售变化。
由于商品的生产准备需要时间，因此在补货时需要一定的提前期，订货日与到货日之间的时间差即为订货提前期。为了考察商品的销售波动情况，定义日时变系数、周时变系数为上下两日、两周之间的销售量之比，用来描述商品销售的波动性。
传统的模型门店安全系数只有一个，但对于零售店里销售情况千差万别的商品来说，用一个相同的系数很难全部适用，而且不同的门店销售波动情况差异也非常大。因此，完善的解决方案是每个商品根据在不同商圈门店的销售特性，设定各自的安全系数，同时，需要在不同的季节或时段及时修正这些补货系数来适应商品在不同时段的销售情况。本文根据门店销售的波动性将门店分成3类，同时根据商品在某门店的波动性将其分成3类，各安全系数如表1所示。
2 自动补货模型的建立
参数说明：
(1) 剩余库存=期初库存量-已经销售量-已订货未到货量(36小时内有效)-已打退单未退货量(当日)-已调出数量(当日)+已调入数量(当日)
(2) 促销系数有两个：促销中系数有效期为从促销开始前最后一次订货到促销中6天；促销后系数有效期为促销结束前最后一次订货到促销结束后6天。
(3) 安全系数=门店安全系数×商品安全系数。将商品按销售量波动情况分成三类（根据其标准方差），将门店按销售业绩波动情况分成三类（根据其标准方差）得出九类商品安全系数。
计算步骤如下：
(1)计算出订货日前该商品7日的销售量的平均值。
(2)计算每日商品波动系数=销量/平均销售量的比 值。
(3)当波动系数大于30或者小于0.03时，排除此数据。
(4)计算排除异常数据后的平均业绩。
这样可以排除团购或断货的因素。有效日的概念，就是当波动系数大于30或小于0.03时，此数据排除，当日数据不算，有效日减一天。
每个商品都设定一个阈值，当计算出该商品的目前可销售库存低于阈值时，则该商品在订货日必须订货，该商品的阈值=该商品在该门店最小陈列量。
3 实际运行结果
表2为某上海连锁企业试用该补货模型，在10个分店的实际运行结果，该企业配送周期为天。
从表2可以看到，试用该模型后取得了非常良好的效果，其中断货率从之前的5%，降低到了2%，库存周转天数从之前的11天，降低到了7天，而库存金额从之前的11.2万元，降低到了7.4万元，目前该企业已经全面运用该自动补货模型。
4 结论
在连锁企业门店的商品库存管理中，由于商品品种太多，品种数量超过千种，一般常见的进销存软件的补货公式都是需要人工去设定或修改这些补货系数，因而分店在运用这些补货公式补货时，要时常修正补货系数或补货量；这样，要求补货人有相当的经验，须了解商圈特点、各个商品的销售特征、商品本身的供应情况、商品的最小陈列量以及一些其他方面的信息，如促销活动，广告力度，季节因素，等等。自动补货实际变成了人工补货。本模型考虑到门店销售随着季节而变化的特点，利用信息技术建立了较为精确的自动补货数学模型，并且在某大型连锁企业进行了实际运用，得到了较好的效果。
参考文献：
[1]van Houtum G.J..On the relation between costand service models for general inventory systems[J].StatisticNeerlandica,2000,54(2):127-147.
[2] Sudhir J.,Daniel R..A simulation-based geneticalgorithm for inventory optimization in a serial supplychain[J].Operation Research,2005,12:101-127.
[3]Helen P..Understanding the sources and drivers ofsupply chain risk.Financial Times Handbook of Management[M].London:Pearson Publishing,2004.
