前置时间：脆弱的蛛丝

• +1 (617) 372-6921
• lora.cecere@supplychaininsights.com
• @lcecere

Youtube Twitter Linkedin

Lora 的最新文章

• 2026年7月16日
• 下午6:38

供应链管理的世界充满了专家。

在我们进行“值得敬佩的供应链”研究时，我发现全球跨国公司在扩大绩效方面遇到了困难。我们无法实现规模经济。我认为其中一个原因是缺乏对供应链基础的关注。

与闪亮的新事物共舞

我发现许多“专家”沉迷于新闪亮的事物——大谈自主供应链的前景和代理技术的力量。我说，让他们去吧。

“更快的马？”这里有一句我喜欢的话。

用户可能不会总是明确表达解决方案——但他们正生活在问题中。要理解这个问题，你需要放下自己的假设。你需要停止将自己的背景投射到他们身上。创新不是通过询问用户该构建什么而来的。它来自于深刻理解他们的感受。

“更快的马？”为什么亨利·福特没有这么说，以及为什么我们应该停止像他那样思考 | 作者 Karolien François | Medium

如果你正在为供应链规划、沉迷于闪亮的新事物而挠头，请继续阅读。我的目标是帮助你。

创造价值：重新思考基础

请不要 AI 愚蠢。我是什么意思？AI 愚蠢是指将代理和代理技术放在现有架构之上，认为让它们更快且无需人工干预就能增加价值。对我来说，这是愚蠢的行为。

我爱 AI。我对新技术感到兴奋。为此，我想强调新技术如何帮助解决当今供应链中的黑洞和不一致性，这些大多源于第一代供应链规划和执行技术的局限性。在这篇博客中，我给你三个起点。

第一步：统一基于第一原则的思考

在之前的博客文章中，我要求团队使用第一原则重新思考他们的流程并提高他们的 AI 准备度。

本质上，你到底要做什么，用简单的语言来说？首先阅读第一列，然后思考第二列的不同之处，并问问自己这个差异在你的组织中是否重要。一旦清晰了，就开始与技术人员讨论。摆脱闪亮物体的废话，专注于创造价值。

表1. 供应链第一原则

第二步：重新定义你与数据的关系

第二步是对你拥有的数据进行盘点，并构思可能的用例或机会，以重新定义数据结构，减少延迟并提高相关性。传统流程具有固有的流程和数据延迟，我们不应再接受这一点。我在市场驱动的研究中写过很多关于需要规划主数据层和统一数据模型的博客。

第三步：拥抱并理解前置时间

在供应链中，前置时间是一根脆弱的蛛丝。前置时间应该连接并链接计划、库存管理、采购、制造和客户交付；正确处理它是推动供应链可靠性的关键，但在大多数供应链中，它是一根断裂的蛛丝。

蛛丝是一种轻而细的网状线。断裂的蛛丝很难看到。

当供应链变得不可预测且难以控制时，供应链熵——不确定性和低效率的累积会增加。混乱占主导地位。公司内部的职能不一致，系统之间也没有一个一致且准确的前置时间定义。供应链的有效性需要参数与实际情况的一致性和对齐。

尽管公司试图通过风险管理或提高韧性来给出标准答案，但通过专注于减少混乱可以取得很大进展。

熵是衡量不确定性、无序性或系统排列方式的数量。

供应链熵与牛鞭效应有关，但两者不同。让我们不要混淆这两者。牛鞭效应描述了客户需求的小变化在供应链中传递时被放大和扭曲的情况。熵更广泛，涵盖了所有增加无序性的来源。一个主要的无序来源是前置时间管理缺乏纪律。组织越大越复杂，机会就越大。

机会

作为一个综合指标，总前置时间是完成所有周期的总时间：订单、补货、制造、采购和物流周期。这因项目、类别、地区、资产类别和时间段而异。它永远不应该是一个设置后就忘记的值。虽然许多领导者谈论动态前置时间——即根据实际供应链数据更新前置时间值——但这很少成为现实。在这个日益多变的世界中，了解平均值和方差以推导出预测的前置时间是很重要的。（见表2）

在规划周期中的作用

总前置时间定义了规划范围。如图1所示，规划过程各不相同，并由总前置时间定义。明确这些定义是迈向治理和纪律的第一步。

• 战术规划。在战术范围内——需求和供应规划以及销售和运营（S&OP）规划的重点——重点是超出总前置时间的规划。
• 运营规划。在运营时间范围内，规划的重点是在源头、制造和交付之间同步和协调数据，以提高交付可靠性。运营时间范围包括运输装载投标、生产调度、物料需求计划、分销需求计划和库存分配。前置时间在JIT和VMI流程中也起着关键作用。没有它，材料永远不会按时到达。
• 执行规划。订单周期时间定义了执行规划的时间范围，并推动了路线、仓库管理和库存部署的节奏。

在传统部署中，前置时间由一系列平均值定义。随着供应变异性增加和新的数学形式及求解器的出现，概率引擎使用平均值和前置时间模式来计算包含在总前置时间计算中的前置时间概率。在图2中，我们展示了一个汽车分销商原材料入厂前置时间的例子。

在安全库存中的作用

前置时间的实际值应用于安全库存的计算。不幸的是，在我们采访的三十位供应链专业人士中，没有一位领导根据实际值更新安全库存计算中的前置时间，或者在其计算中使用需求变异性。因此，许多人对自己的安全库存计算感到满意，但他们不应该这样。

为了帮助读者，这里分享一个用于计算安全库存的公式（还有很多其他公式）：

安全库存 = Z × √[(LT × σd²) + (D² × σLT²)]

其中：

• D = 平均每日需求
• σd = 需求的标准差
• LT = 平均前置时间
• σLT = 前置时间的标准差

这考虑了需求和供应商表现的变异性。

那么，这意味着什么，谁在乎呢？

所以，当你玩弄闪亮的新事物并谈论AI的前景时，请记住，你当前的架构受到了五十年前技术限制的影响。当你用新技术重新定义规划的前景时，从第一原则开始，重新定义你与数据的关系（以使用各种形式的数据），并在使用前置时间方面施加一些纪律。你的供应链会感谢你的。

如果你想计算当前供应链熵的影响，在附录中，我分享了一些公式。为了量化熵对供应链的影响，将这些见解推送到你的网络设计技术中运行模拟，以了解熵对成本和客户服务的影响。

然后打电话给你的CFO和COO进行不同的讨论。

在追逐闪亮的新事物之前，先从清晰的基础开始。

附录：计算供应链熵

首先使用表2计算你的总前置时间。对按产品、资产和价值分类的重要元素进行分析。我相信这项分析会让你感到惊讶。

表2：总前置时间发现

总前置时间分析定义订单周期成品补货周期内部制造周期采购周期入境运输周期外部制造周期当前系统值实际值的平均值变异性预测或概率

我相信你会发现采购和运输/物流周期对高熵贡献最大。外包越多，预测的熵越大。

关注实际值与当前值之间的差异，并理解变异性。H=−i=1∑n​pi​ln(pi​)

其中：

• pip_ipi​ = 观察到前置时间 iii 的概率。

解释：低熵意味着前置时间高度可预测，而高熵则将前置时间分散在许多值上，表明更大的不确定性。虽然熵捕捉了不可预测性，但它并不反映延迟的幅度。两个供应商可能具有相同的熵，即使其中一个的前置时间要长得多。

一个有用的综合指标是：SE=H×CVSE = H times CVSE=H×CV

其中CV=σμCV=frac{sigma}{mu}CV=μσ​

• μmuμ = 平均前置时间
• σsigmaσ = 前置时间的标准差

当前置时间既不可预测又高度可变时，这个指标会增加。这就是我们不幸的现实。

© Lora Cecere. 由 SCI.AI 转载。