2.2 物流大数据下的服装服饰供应链模式
对服装服饰品的需求,客户的异质性偏好逐渐增大,[12]个性化、定制化的买方市场正在快速形成,促使传统的供应链向大规模定制模式下的新型供应链转型。[13]以产业集群形式参与市场竞争的服装服饰业,以MTO 生产和集群式供应链协作的方式来适应这种大规模定制。而在大数据背景下,服装服饰企业可以根据集群式供应链中产生的物流大数据,分析从供应商供应零部件到定制产品送达客户过程中的关键物流信息,如物流时段、物流方式、物流路径、物流时间等数据产品,辅助企业制定合理的运营决策。因而,服装服饰供应链由产品“推动”模式转向客户需求数据“拉动”模式,如图1所示。
在这一模式下,为解决服装服饰供应链难以实现柔性生产与快速响应的问题,可在3D打印逐渐普及的基础上,设置若干模块化小型生产线[14]来保证服装服饰生产系统的动态组合与调整能力;其次为了解决服装服饰业收集、处理全局信息能力不足的问题,需要引入中间平台,负责获取服装服饰供应链中采购、生产、配送等方面的物流大数据并将数据分析结果实时反馈给企业。
3 大数据导向下的服装服饰供应链间协作
3.1 传统服装服饰供应链内协作特点
服装服饰品的季节性、时尚性以及个性化特征促使服装服饰企业采用按订单生产(MakeTo Order,MTO)方式,也即生产延迟,以最低总成本达到客户期望的满意度。生产延迟必须以快速的物流服务为前提,在有精准物流服务保证的情况下,企业利用生产延迟,能及时满足客户的个性化、定制化需求,独特产品能创造价值,为客户带来“溢价”收益。但随着越来越大量的个性化、定制化市场需求,在处理这些大规模、大批量以及紧急的定制化订单时,往往由于超出了局部采购(如某一规格、某一类型服装原料)、生产(如某一类型、某一款式服饰等)或配送(如某一时段、某一线路等)的负荷,导致缺乏即时的订单确认与传递系统和迅捷的物流服务的配合,即使是局部的延迟,也会造成产品在供应链中滞留,从而使得客户等待收货时间延长,导致客户满意度降低。造成这种问题的原因在于:①众多的服装服饰企业在供应链上处于从属地位,其经营决策的制定源于来自主导供应链的核心企业对市场的需求预测,计划性和指令性较强,一旦因客户需求波动引起订单发生变化,企业难以及时做出合理订单配置,以达到对资源和能力的均衡利用;[15]②服装服饰企业若选择性接受订单,可保证短期利润最大,但可能会丧失客户;若照单全收,就需要加班或外包,又会带来较高的固定- 可变成本。企业缺乏科学的决策依据进行订单决策以兼顾短期利润与持续发展;[16]③服装服饰企业的企业资源、运营能力有限,在面对紧急订单或爆发式订单时,企业难以在加班和外包(依赖于延长工作时间和外包会导致的成本上升和利润率下降,甚至是亏损)之外进行资源互补和能力协调。
3.2 订单驱动下的服装服饰业供应链间协作策略
在MTO 方式下,客户订单是服装服饰企业生存和发展的先决条件。而既要获得订单成交量,又要保证客户能够及时收货,这其中,如何进行订单决策就成为迫切需要解决的首要问题。考虑服装服饰产业集群中,因为存在着多条供应链,各链生产产品的相似性以及地域的临近性,使得不同服装服饰企业在供应链上下游跨链协作存在可能。[17]因此,在客户订单的驱动下,服装服饰企业可依据物流大数据跨供应链间寻求协作,以兼顾达到最优的客户满意和企业利润。
这种跨链协作策略,可以描述如下:订单由客户随机下达(直接订单)到某条供应链上的企业(可以是供应企业、生产企业或销售企业),在进行订单最优配置时,企业借助物流大数据的分析,综合考虑供应链和企业自身因素及客户满意因素,拒绝部分订单。随后,这部分订单进入(跨链订单)另一条供应链上的企业,在物流大数据辅助下再次进行订单最优配置,循环往复,直至供应链资源和能力充分利用。这一过程如图2 所示。
服装服饰业跨供应链协作策略包括四个方面:
(1)跨链订单接受策略。考虑交货期、价格等客户方面因素,生产能力、生产利润等企业方面因素的影响外,以及不同供应链间的合作水平、利润分配等因素,从客户、企业、供应链三个维度进行跨链订单接受决策,并分析各因素对订单接受决策影响程度与影响方式。
(2)跨链订单释放策略。考虑各条并行的供应链及链上企业的生产能力并对其进行合理配置。当某条供应链的生产能力已满负荷运行时拒绝订单,使之进入另一条供应链成为跨链订单,或者将订单暂时保留在一个预释放队列中直到有空余的生产能力可以开始生产。
(3)跨链订单生产排序策略。生产设备、生产时间等因素形成了供应链及企业的生产能力,跨链订单的生产需要根据生产设备的类型、生产时间的先后进行排序。并考虑专用生产(即一台机器只能生产一种产品)和柔性生产(即一台机器可以生产多种产品)两种方式,根据订单完工时间、订单延迟时间形成跨链订单生产排序策略。
(4)跨链订单生产能力规划。跨链订单的生产规划基于供应链及企业的生产能力,受到生产资源、生产规模等因素的限制,企业在接受跨链订单后需要对其生产能力进行合理规划,以确保订单的完成有与之相匹配的生产能力。
4 结语
服装服饰供应链中产生的物流大数据为客户订单进行跨供应链协作提供了决策依据,在客户订单的驱动下,服装服饰企业可依据物流大数据形成精准的跨供应链协作策略,通过制定跨链订单接受策略、跨链订单释放策略、跨链订单生产排序策略和跨链订单生产能力规划,寻求在产业集群内跨供应链协作,优化配置资源和均衡运营能力。
参考文献:
[1]东方.时尚云吹响集结号,服装纺织大数据时代[EB/OL].http://fashion.rayli.com.cn/accessories/2014-09-22/L0002002004_1175665.html, 2014-09-22.
[2]李婕,谢宁铃. 纺织和服装:大数据时代之服饰行业的应用[EB/OL]. http://data.eastmoney.com/report/20140914/hy,e87e69a8-d7f3-af8a-7c9a-4397d58484f2.html, 2014-09-14.
[3]Bughin J, Chui M, Manyika J.. Clouds, bigdata, and smart assets: Ten tech-enabled businesstrends to watch [J]. McKinseyQuarterly,2010(8):1-14.
[4]Anderson C.. The end of theory: The datadeluge makes the scientific method obsolete[J]. Wired Magazine,2011, 16(7) :1-3.
[5]Frankel F, Reid R.. Big data: Distillingmeaning from data [J]. Nature, 2011, 455(7209): 30.
[6]李健,史浩. 大数据背景下再制造闭环供应链竞争情报系统研究[J]. 图书情报工作, 2014, 58(2):96-101.
[7]Hsinchun Chen, Roger. H. L.. Chiang. BusinessIntelligence and Analytics: from Big Datato Big Impact [J]. MIS Quarterly, 2012 (36):55-65.
[8]戴定一.物流业的大数据时代[M/OL].http://www.itrans.cn/i/91.html, 2013.
[9]姚尧.大数据时代的智能物流[J].中国经济信息,2013(7):70-71.
[10]周兴建,叶茂升,张莹,郭雨萌.供应链下纺织服装物流流程优化及实证研究[J].武汉纺织大学学报,2013,26(1):15-20.
[11]周兴建,金涛,黄雅萍.汉派服装产业价值链分析[J].服饰导刊,2012(2):67-69.
[12]樊茂清,任若恩.基于异质性偏好的中国城镇居民消费结构研究[J].中国软科学,2007(10):37-46.
[13]周晓东,邹国胜,谢洁飞,等.大规模定制研究综述[J]. 计算机集成制造系统,2003 (12):1045-1052,1056.
[14]Monden Y. Toyota production system: An integratedapproach to just-in-time [M].Boca Raton:CRC Press, 2012.
[15]周兴建,李顺,骆祥.汉派服装与ZARA 及H&M 企业供应链发展比较[J]. 武汉纺织大学学报,2013(2):10-13.
[16]李顺,周兴建.中小服装企业物流价值链优化设计[J].中小企业管理与科技,2013(27):53-54.
[17]周兴建,黎继子,谢少安.集群式供应链中的物流价值链优化[J].中国流通经济,2011(4):34-37.