库存控制：从1到0

第一，一个备件在一个地方用不掉，并不意味着在别的地方也用不掉。在备件库存系统里，备件的放置其实很区域化：由于交货时间要求（例如半导体设备一旦停机待料，客户的期望是4个小时之内货就送到，有些地方例如台湾，期望会更高），有些备件得放在离客户非常近的地方，在客户比较分散的情况下，这意味着只能支持有限几个客户。如果这些客户的装机量小、产能利用率低、生产流程对某些备件的损耗小，那对这些备件的需求就可能非常小。这类备件的库存水位大多为1。把用不着的库的水位降为零，把库存转到有用量的库，是不影响服务水平而降低库存的一个行之有效的方法。这种降法周期挺长，但很稳妥，行之有效，需要的是耐心和库存清零的决心。

第二，对用不着的料不要心存侥幸，该销毁的就销毁，该折价卖给第三方的就卖掉。一个料，三年没用了，第四年用得到的概率能有多高？库存堆积着，保险费、仓储费、管理费就得开支。有些大城市，寸土寸金，备件仓库塞得满满地，便不得不找更大的仓库；大仓库不久又塞满了，于是继续搬家。这些都是成本。这些呆料，每次降库存时都首当其冲地成为靶子，你得一遍又一遍地解释为什么还放在那里，做的其实都是无用功。长痛不如短痛，早点处理掉，也好。按国内的法规，境外公司的设备维修备件只能存放两年，如果两年还没动用过，那就得运到境外（例如香港）再运进来，这样就算"获得了新生"，再开始新的两年。想想真是上有政策，下有对策，你不得不佩服人的创造力。不过这无非是小聪明罢了，除了给物流公司和海关增加收入外，为什么不想着把那些压了几年的料给清掉呢？

库存水位从1到0的决策难做，背后其实是心态问题：拿掉库存，万一有需求怎么办？对于备件规划部门来说，他们的服务水平目标允许一些失误，例如服务水平为95%，允许5%的情况下没料。但对用户来说，他们的心态是100%。当停机待料时，他们想到的不是95%的情况下有料，而是5%的情况下没料。这5%其实被放大到100%，成为做那些从1到0的决策的最大障碍。这其实可通过分析、量化风险来解决。例如假定某个备件的全球装机量为1000，全球每年用5个。如果某地区的装机量是30，那每年的预期用量就是0.15个，即六七年用一次。这样你就把风险量化了。如果这个料是10块一个的话，你八成会放在那里，如果是10000块一个的话，这决策就可能完全两样。对一个具体的料，你很难准确地告诉内部客户，如果拿掉库存的话，下一年停机待料的风险有多大。但是，如果是几十、几百个料的话，概率统计就会起作用，你可以相当准确地量化风险。例如拿掉70个周转极慢或根本不周转的料号，可降低库存100万，未来一年停工待料的可能性有7次。这样决策就相对明了，报送上去，高层管理可以较容易地拍板。

这方法论也跟规划三步走一样：先搜集数据（例如装机量、历史消费等），再做分析，最后加入主观判断，做决策，即start with facts and end with judgment（起始于事实，结束于判断）。很多公司不搜集和分析数据，而是全凭经验或潜移默化的规则，这是库存膨胀的一大原因。例如某公司不成文规定，凡是设计上几年坏一次的料，只要在某个地区有装机量，就备一个，以应不测。设计人员往往比较保守，零部件的实际寿命往往远长于设计寿命。等这些设备运行了几年、装机量挺大、有了相当多的历史消费数据的时候，就应该按照历史数据来决定是否要备。很多备件计划人员还是按照简单的规则，只要某个地区第一次安装这样的机台，就保证备这些料，却不知道按照别的地区的数据和经验，你就根本没必要备这个料。而这库存一旦放上去，拿下来就难了。

这里也有信息不对称的问题。很多库存决策是由下级库做出的，这些计划员负责一个地区或几个具体客户，对全局信息了解很少，在库存决策上倾向于保守，做出上面提到的那样的决策来。有些库存决策是由总部做，但决策者欠缺具体地区和客户的信息，或者在不了解全局信息的分部人员强烈要求下，也做出保守的库存决策。例如在半导体生产行业，生产记忆芯片的客户与生产逻辑芯片的客户对备件的需求模式大不相同。记忆芯片是大批量生产，很多设备在运行同样的制程，这意味着需求的备件种类较少，但每种备件的需求量挺高；逻辑芯片和代工厂（foundry）正好相反。所以，在备件计划上，前者的重点不是每样都备一个，而是选对那些关键的几十个料号，每个备足；而后者则涉及到很多料号，不过每个料号备一个就OK。不了解这些，计划员针对记忆芯片客户也是各种料都备一个，造成浪费。而这些库存水位从0到1很容易，从1到0就得费些周折了。

Free counters