Transport deadlines and common demand batches in regional generator spare stock allocation

当一台大型发电机在偏远地区发生故障时，几小时的停机时间与灾难性的全面瘫痪之间的区别，往往取决于仓库里是否有一件备用零件。工程师面临的挑战在于决定将这些零件存放在哪里。公司应该维持一个拥有大量库存的巨大中央仓库，寄希望于在灾难发生时能将零件运送到任何地点？还是应该将较小的库存分散到不同的区域，使零件更靠近需要它们的机器？这个问题是库存管理的核心，该领域试图在持有额外物品的成本与在最需要时面临缺货风险之间寻求平衡。一个关键的复杂之处在于，机器并不总是逐一发生故障。有时，单一事件——如风暴、电压浪涌或协调一致的维护检查——会导致多个发电机在同一时刻发生故障，从而在不同地点产生突发的、同步的需求。理解这些“批次”需求如何与零件运输时间相互作用，对于维持电力供应至关重要。

Mahmoud Abdelfattah Abbas Mahmoud 最近的一项研究通过建立一个精确的数学模型，探讨了这两种策略的对比：一个是单一的中央库，另一个是三个独立的区域库存。研究人员并未使用来自特定公司的现实世界数据，而是构建了一个包含三个不同区域的假设场景，每个区域都有其各自的随机单体故障率。至关重要的是，该模型还包含了一个单独的“共同事件”流，即单一事件会同时触发每个区域的一个零件请求。研究假设，每当需要零件时，都会立即向供应商下单，且无论如何，新零件都会在整整七天后到达。研究的目标是观察每种系统在满足从八小时到四十八小时不等的严格交付期限方面的表现如何。

研究结果显示，答案完全取决于允许的交付时间。当期限非常紧迫（例如八小时）时，区域化策略具有压倒性优势。在测试的九件总备件的具体场景中，区域化设置能满足约 91% 的请求。然而，中央仓库仅能完成约 21%。这并不是因为中央仓库缺乏零件，而是因为将零件从中心运送到最远区域所需的时间本身就超过了八小时的限制。即使中央仓库拥有无限的库存，也无法克服物理运输时间的限制。随着期限延长至二十四小时，中央仓库的表现显著提升，达到了约 51%。到期限延长至四十八小时时，中央仓库成为了更优的选择，其履行率接近 98%，而区域库存则维持在之前的水平。

研究还揭示了某些公司在估算需求时可能存在的细微但重要的缺陷。在库存规划中，一种常见的做法是将所有需求视为独立的随机事件，忽略了它们有时会成组出现的现象。研究表明，如果你使用这种简化的“平均值”法来规划高服务目标，你将会低估实际所需的零件数量。在一个目标为 98% 准备就绪率的例子中，简化方法建议十六件零件就足够了，而考虑了同时发生的三个零件需求的精确计算则显示，实际上需要十八件。依赖这种较简单的数学计算会导致系统短缺两件，从而无法达到既定目标。

该研究进一步探讨了当零件无法立即获得时的情形。在现实世界中，如果某种零件缺货，请求会进入等待队列，直到新货运达。研究人员计算了从机器故障到零件送达的总时长，包括这段等待期。当计入这段等待时间后，两个系统的表现都有所提升，但中央仓库的增益最大。在四十八小时的期限内，中央系统的成功率从约 98% 跳升至 99% 以上，而区域系统则上升至 95% 左右。这表明，虽然区域库存对于即时需求反应更快，但中央仓库在追赶进度并按时交付方面却出人意料地有效，即便它们必须先等待新货运达。

最终，该论文对这两种架构进行了清晰且精确的对比，表明两者并非绝对优劣。选择取决于运营的具体约束条件：零件需要运输多远、供应链的补货周期有多长，以及故障是否会成组发生。研究强调，虽然数学可以预测零件按时到达的可能性，但它并不能保证机器一定会被修复，因为这取决于诊断和安装等许多其他因素。通过将零件的物流运输与机器的维修过程分离，这项工作为管理者决定如何配置库存提供了一个精确的工具。它指出，实际应用需要经过校准的需求、补货和运输数据，且研究结果明确了哪些数据类型有助于决定是采用中央仓库、区域库存，还是需要进行更详细分析的混合架构。