论文部分内容阅读
摘要：本文主要研究肯德基跨国连锁企业在集成化供应链环境下供应商的运作模式，通过餐厅原材料采购、物流配送频率和静态路线等三个方面探讨了肯德基餐饮在采购、配送的运营情况，并运用数学模型对大数据和人工智能在循环取货模式、动态物流配送以及物流路线规划的应用进行运算分析，为其实现智能化的供应商管理体系提供些许建议。
关键词：供应链;肯德基;运作模式
一、基于STAR系统的供应商评估
STAR系统评估主要从五个方面进行，第一，质量评估，即供应商所提供的原料品质的评估。第二，技术评估，即对供应商技术改进能力的评估，确保其质量控制、工艺过程和设施设备符合要求。第三，财务评估，确保供应商在营运过程中有充足的资金支持，不会出现资金链断裂等问题。第四，沟通评估，肯德基会针对供应商与客户的沟通系统和管道进行检测。第五，可靠性评估，即审核供应商的诚信度和可靠性，以确保与供应商合作地顺利进行。肯德基根据年末综合评分在下一年度中给予供应商相应的业务量并淘汰分数低的供应商。自运用STAR系统后，仅有2年时间，肯德基在外购上的成本就降低了约1亿元人民币，在一定程度上降低成本提升运营效率，优化管理操作，提升供应商管理能力。
二、供应链环境下肯德基供应商管理存在的问题
（一）采购管理中智能应用技术不成熟
近几年，肯德基推出了不少智能应用，比如KI上校点餐机、O2O线上点餐公众号等，但是在供应链管理中的智能技术应用甚少。目前，肯德基面临的最主要的问题之一就是其高额的物流成本，这与采购管理中需求预测量的变动与配送频率息息相关。仓库管理人员和订货人员仍采用传统方法，根据以往的数据以固定的总供货量和时间供应，这很有可能导致由于补货与订货不协调而出现的配送频率上升的现象，最终导致物流成本来的增加。
（二）肯德基物流管理成本过高
大部分餐饮企业仍然采用的是传统的取货模式，大致流程是各供应商将货物送至DC（Distribution Center），再由DC分别将货物运送至各餐厅。这种传统的取货模式会出现各供应商供应时间不同的现象，从而使物流成本上升。肯德基在物流管理中存在的问题，传统的取货模式会出现因各食材供应时间的不同从而面临食材浪费的风险，影响物流成本。
（三）肯德基配送路线规划不合理
1.静态路线无法解决多因素的变动
肯德基采用的静态路线配送模式无法实现车辆的灵活调度和路线的合理规划，比如出现某段道路施工，阴雨天气影响等。然而，动态路线就可以在一定程度上解决这些问题。路线排程软件（Networks Routings）是目前比较新兴的智能技术，多应用于配送路线上的安排，但这项技术尚未在餐饮行业大量应用[1]。
2.传统路线排程难以实现最优解
肯德基目前比较受关注的是其配送路线的问题。举一个例子，2018年假设在武汉硚口区有2家餐厅A，B。2019年新增3家餐厅C，D，E。18年的运输路径是从DC出发分别派两辆货车将货物送至A，B餐厅，19年新增餐厅后，按照传统的配送模式将新增3辆货车送往C，D，E三家餐厅。
显而易见，这种运输路线存在大量问题，譬如A，B路线的重复等。怎样安排路线能使成本最低且效率最高？在某个时间段从DC到E段突然出现路段施工无法通行的情况，运输路线该如何安排在突发情况下的解决方案最优？这些都是企业需要考虑的问题。
三、供应链环境下肯德基供应商管理的策略优化
（一）运用商务智能技术进行需求预测
目前，肯德基所采用的是IMS和BOH，IMS（Inventory Management System）即订存货管理系统，BOH（Back Of House）即后台管理系统。现在，肯德基传统采购模式已然出现了许多问题，他们利用历史销售数据和库存信息对下个月的需求量进行预测和估算，这种方法大大降低了准确度，使得每个月的采购数量与实际需求量偏差较大，必然会出现配送频率的增加和不满载供货的现象。我认为企业可以尝试引入商务智能BI应用系统，该系统通过多种数学方法计算出实时的需求量并实现信息共享，让各供应商能够随时随地接受到餐厅的采购量，灵活调整。该系统还可以用于供应商的提前备货活动，在一定程度上节约了时间，又减少了误差。
（二）采用循环取货模式合理调配物流运输
对于供应时间差导致浪费的问题，餐饮企业可尝试运用循环取货模式——Milk Run，大致的方式是根据各供应商地点和路程所需时间算出一个最优的路线和取货时间，采用一辆货车按照事先规划的路线依次到达各个供应商完成取货。
肯德基配送中心采用MR模式，可以在一定程度上解决由于供应商供货时间差带来的风险，不仅如此，在物流管理中还可应用GPS车辆监控系统来实时监控货车的具体位置，当车辆发生故障或路段发生事故时，GPS系统都可以将车辆位置信息和路段状况信息及时上报给物流系统，不仅方便肯德基的物流管理人员调整车辆调度和路线安排也方便供应商们了解取货车的状态，及时调整备货或其他方面的作业。智能技术和MR模式的结合能够降低变更带来的风险，加强肯德基与供应商的合作水平，提升整体供应链的运作效率。
（三）优化智能路线规划以压缩物流成本
1.基于路线规划技术的静态路线优化
静态路线模式是保持原有固定路线的同时新增其他路线，然而这种模式对于快速变化的市场环境的应对能力较差，灵活性也较弱，那么要想降低成本有效提高运输效率就需要变静态为动态，采取智能化的路线规划技术——Networks Routings，它是一种基于人工智能等高端技术，利用建立矢量图、数据测量和处理等数学方法完成动态的路线规划实现配送路线距离最短、耗时最少以及成本最低。将各站点连结形成一条最佳路线，这样既可以减少可压缩的物流成本又可以提高运输效率，最大的优势在于它较强的灵活性，可以随时应对各種环境的变更。 2.基于Dijkstra算法的模拟路线排程分析
基于循环取货模式，在此，模拟路线排程技术用计算机和数学方法做一个简单的路线排程模型，假设如下：其一，货车在所有路径上的行驶速度相同;其二，货车以匀速行驶;其三，忽略天气等因素影响;其四，货车返回路程为固定值。数学模型如下，DC为配送中心，A，B，C，D，E为5家肯德基餐厅。箭头表示两地点直接存在的有向路径，箭头上的权值（即图中的数字）表示从地点一到地点二所需的时间。
带权有向图是数学中比较常用的一种结构图，多应用于处理带有权值的实际问题，比如公里数、运费、时间等被称为权值，有向则表示从地点一倒地点二的有效行驶路径，现需要解决的是图论中的最短路径问题。
迪杰斯特拉（Dijkstra）算法，主要用于计算一个点到其他点的最短路径，即从源点开始向外层层扩展，每一次选取最大或最小的节点，每次遍历到始点距离最近且未访问过的顶点的邻接节点，直到扩展到终点为止[2]。
现声明一个dis[]组，DC到DC的权重被赋为 0 即dis[DC] = 0，若DC可以直接达到某顶点，则将dis[]值赋为该路径的权值，若DC无法直接达到某顶点，则该路径的权值为dis[]=∞，赋予初值集合T{DC}，dis[0]=0。数组中的值表示的是DC到该点的距离，要求寻找最短距离，因此需要不断地从dis[]组中找到最小值，然后将该值对应的点放入集团T中，直到所有点全部加入到集合T中结束。
具体解决步骤首先根据已知信息可以得出一个赋权矩阵，第一排和最左列表示DC，A，B，C，D，E各顶点，每一个数字表示两个顶点之间路径的权值，如DC到B的权值为10，所以表中第一行第三列为10，同理，DC到A没有路径所以权值为无穷。
初始，T={DC}，当前dis[]数组中的最小值为10，因此将B并入集合T即T={DC，B}，dis[2]的值为DC-B的长度。根据三角形两边之和大于第三边的原理，DC到达B的路程比DC经过其他顶点再到B路程短，其后同理可证。以顶点B为研究对象，发现两条路径<B，A >，<B，C>，由图可知不存在DC到A的路径，因此dis[1]的值为。DC-B-A的路径成立，其长度为5+10=15，15小于无穷大，因此dis[1]更新为15。DC-B-C的长度为10+50=60，dis[3]=， 60小于无穷大，因此更新dis[3]的值为60。
继续寻找，发现dis[1]的值最小，因此将A加入到集合T中，此时集合T={DC，B，A}。其后，由于从A出发没有路径，因此不再考虑A顶点出发的路径是否会影响数组dis的值。继续以上步骤，发现dis[4]最小，值为30，所以将D并入集合T，此时集合T={DC，B，A，D}，发现两条路径< D，C>和< D，E>，DC-D-C长度为50，而dis[3]=60，因此更新dis[3]的值为50。DC-D-E长度为90，dis[5]=100，所以将dis[5]的值更新为90。
按照以上步骤继续寻找最小值，待观察后将C加入集合T中，此时集合T={DC，B，D，C}，发现从C出发存在一条路径<C，E>，DC-D-C-E长度为60，而dis[5]=90，所以更新dis[5]的值为60。
最后将节点E并入集合T，此时集合T={DC，B，A，D，C，E}，所有节点并入，操作结束。
上述数据表示从DC到其余各点的最短路径，dis[1]表示DC到A的最短路径是DC-B-A为15，dis[2]表示DC到B的最短路径为10，dis[3]表示DC到C的最短路径是DC-D-C为50，dis[4]表示从DC出发到D的最短路径是DC-D为30，dis[5]表示从DC出发到E顶点的最短路径是DC-D-C-E为60。
综上，从DC出发到其余五家肯德鸡的最短路径为DC-B-A和DC-D-C-E两条，因此，安排两辆货车按上述路线运输为最优结果。此方案的总时间为75，而传统方案的总时间是205。因此，相较于传统运输路线，此方案更优。当然，实际生活中还存在诸多其他因素，因此，引入人工智能，如Networks Routings应用，能够大大提升效率，减少误差，也能解决人工所解决不了的多自变量路线安排问题[3]。
在肯德基的需求预测和现有系统中应用BI技术可减少误差节约采购成本，提升供应商管理能力，在物流管理中基于循环取货模式应用GPS定位系统可提升物流管理水平，在运输管理中运用Networks Routings應用可解决多因素路线排程问题，提高运输效率。以上这些人工智能在管理中的应用可大大提升运作效率，实现人工技术所不能达到的高度，全面进入“餐饮4.0”智能时代。
参考文献：
[1] 张金霞.供应商管理之采购物资质量管理的研究[J].营销界，2019（46）：95-96.
[2] 马士华，林勇.供应链管理[M].机械工业出版社，2016（05）：215
[3] 杨志勇，叶冯彬，冯艳辉，刘秀秀，朱岩.有向非负权图中经过必经节点集最短路径算法[J].电子设计工程，2017，25（16）：32-36+41.
武汉学院管理学院 湖北武汉430212
基金项目：武汉学院2019年度校级科学研究项目（重点项目），课题编号：KYZ201902，指导老师：罗丽琼。
关键词：供应链;肯德基;运作模式
一、基于STAR系统的供应商评估
STAR系统评估主要从五个方面进行，第一，质量评估，即供应商所提供的原料品质的评估。第二，技术评估，即对供应商技术改进能力的评估，确保其质量控制、工艺过程和设施设备符合要求。第三，财务评估，确保供应商在营运过程中有充足的资金支持，不会出现资金链断裂等问题。第四，沟通评估，肯德基会针对供应商与客户的沟通系统和管道进行检测。第五，可靠性评估，即审核供应商的诚信度和可靠性，以确保与供应商合作地顺利进行。肯德基根据年末综合评分在下一年度中给予供应商相应的业务量并淘汰分数低的供应商。自运用STAR系统后，仅有2年时间，肯德基在外购上的成本就降低了约1亿元人民币，在一定程度上降低成本提升运营效率，优化管理操作，提升供应商管理能力。
二、供应链环境下肯德基供应商管理存在的问题
（一）采购管理中智能应用技术不成熟
近几年，肯德基推出了不少智能应用，比如KI上校点餐机、O2O线上点餐公众号等，但是在供应链管理中的智能技术应用甚少。目前，肯德基面临的最主要的问题之一就是其高额的物流成本，这与采购管理中需求预测量的变动与配送频率息息相关。仓库管理人员和订货人员仍采用传统方法，根据以往的数据以固定的总供货量和时间供应，这很有可能导致由于补货与订货不协调而出现的配送频率上升的现象，最终导致物流成本来的增加。
（二）肯德基物流管理成本过高
大部分餐饮企业仍然采用的是传统的取货模式，大致流程是各供应商将货物送至DC（Distribution Center），再由DC分别将货物运送至各餐厅。这种传统的取货模式会出现各供应商供应时间不同的现象，从而使物流成本上升。肯德基在物流管理中存在的问题，传统的取货模式会出现因各食材供应时间的不同从而面临食材浪费的风险，影响物流成本。
（三）肯德基配送路线规划不合理
1.静态路线无法解决多因素的变动
肯德基采用的静态路线配送模式无法实现车辆的灵活调度和路线的合理规划，比如出现某段道路施工，阴雨天气影响等。然而，动态路线就可以在一定程度上解决这些问题。路线排程软件（Networks Routings）是目前比较新兴的智能技术，多应用于配送路线上的安排，但这项技术尚未在餐饮行业大量应用[1]。
2.传统路线排程难以实现最优解
肯德基目前比较受关注的是其配送路线的问题。举一个例子，2018年假设在武汉硚口区有2家餐厅A，B。2019年新增3家餐厅C，D，E。18年的运输路径是从DC出发分别派两辆货车将货物送至A，B餐厅，19年新增餐厅后，按照传统的配送模式将新增3辆货车送往C，D，E三家餐厅。
显而易见，这种运输路线存在大量问题，譬如A，B路线的重复等。怎样安排路线能使成本最低且效率最高？在某个时间段从DC到E段突然出现路段施工无法通行的情况，运输路线该如何安排在突发情况下的解决方案最优？这些都是企业需要考虑的问题。
三、供应链环境下肯德基供应商管理的策略优化
（一）运用商务智能技术进行需求预测
目前，肯德基所采用的是IMS和BOH，IMS（Inventory Management System）即订存货管理系统，BOH（Back Of House）即后台管理系统。现在，肯德基传统采购模式已然出现了许多问题，他们利用历史销售数据和库存信息对下个月的需求量进行预测和估算，这种方法大大降低了准确度，使得每个月的采购数量与实际需求量偏差较大，必然会出现配送频率的增加和不满载供货的现象。我认为企业可以尝试引入商务智能BI应用系统，该系统通过多种数学方法计算出实时的需求量并实现信息共享，让各供应商能够随时随地接受到餐厅的采购量，灵活调整。该系统还可以用于供应商的提前备货活动，在一定程度上节约了时间，又减少了误差。
（二）采用循环取货模式合理调配物流运输
对于供应时间差导致浪费的问题，餐饮企业可尝试运用循环取货模式——Milk Run，大致的方式是根据各供应商地点和路程所需时间算出一个最优的路线和取货时间，采用一辆货车按照事先规划的路线依次到达各个供应商完成取货。
肯德基配送中心采用MR模式，可以在一定程度上解决由于供应商供货时间差带来的风险，不仅如此，在物流管理中还可应用GPS车辆监控系统来实时监控货车的具体位置，当车辆发生故障或路段发生事故时，GPS系统都可以将车辆位置信息和路段状况信息及时上报给物流系统，不仅方便肯德基的物流管理人员调整车辆调度和路线安排也方便供应商们了解取货车的状态，及时调整备货或其他方面的作业。智能技术和MR模式的结合能够降低变更带来的风险，加强肯德基与供应商的合作水平，提升整体供应链的运作效率。
（三）优化智能路线规划以压缩物流成本
1.基于路线规划技术的静态路线优化
静态路线模式是保持原有固定路线的同时新增其他路线，然而这种模式对于快速变化的市场环境的应对能力较差，灵活性也较弱，那么要想降低成本有效提高运输效率就需要变静态为动态，采取智能化的路线规划技术——Networks Routings，它是一种基于人工智能等高端技术，利用建立矢量图、数据测量和处理等数学方法完成动态的路线规划实现配送路线距离最短、耗时最少以及成本最低。将各站点连结形成一条最佳路线，这样既可以减少可压缩的物流成本又可以提高运输效率，最大的优势在于它较强的灵活性，可以随时应对各種环境的变更。 2.基于Dijkstra算法的模拟路线排程分析
基于循环取货模式，在此，模拟路线排程技术用计算机和数学方法做一个简单的路线排程模型，假设如下：其一，货车在所有路径上的行驶速度相同;其二，货车以匀速行驶;其三，忽略天气等因素影响;其四，货车返回路程为固定值。数学模型如下，DC为配送中心，A，B，C，D，E为5家肯德基餐厅。箭头表示两地点直接存在的有向路径，箭头上的权值（即图中的数字）表示从地点一到地点二所需的时间。
带权有向图是数学中比较常用的一种结构图，多应用于处理带有权值的实际问题，比如公里数、运费、时间等被称为权值，有向则表示从地点一倒地点二的有效行驶路径，现需要解决的是图论中的最短路径问题。
迪杰斯特拉（Dijkstra）算法，主要用于计算一个点到其他点的最短路径，即从源点开始向外层层扩展，每一次选取最大或最小的节点，每次遍历到始点距离最近且未访问过的顶点的邻接节点，直到扩展到终点为止[2]。
现声明一个dis[]组，DC到DC的权重被赋为 0 即dis[DC] = 0，若DC可以直接达到某顶点，则将dis[]值赋为该路径的权值，若DC无法直接达到某顶点，则该路径的权值为dis[]=∞，赋予初值集合T{DC}，dis[0]=0。数组中的值表示的是DC到该点的距离，要求寻找最短距离，因此需要不断地从dis[]组中找到最小值，然后将该值对应的点放入集团T中，直到所有点全部加入到集合T中结束。
具体解决步骤首先根据已知信息可以得出一个赋权矩阵，第一排和最左列表示DC，A，B，C，D，E各顶点，每一个数字表示两个顶点之间路径的权值，如DC到B的权值为10，所以表中第一行第三列为10，同理，DC到A没有路径所以权值为无穷。
初始，T={DC}，当前dis[]数组中的最小值为10，因此将B并入集合T即T={DC，B}，dis[2]的值为DC-B的长度。根据三角形两边之和大于第三边的原理，DC到达B的路程比DC经过其他顶点再到B路程短，其后同理可证。以顶点B为研究对象，发现两条路径<B，A >，<B，C>，由图可知不存在DC到A的路径，因此dis[1]的值为。DC-B-A的路径成立，其长度为5+10=15，15小于无穷大，因此dis[1]更新为15。DC-B-C的长度为10+50=60，dis[3]=， 60小于无穷大，因此更新dis[3]的值为60。
继续寻找，发现dis[1]的值最小，因此将A加入到集合T中，此时集合T={DC，B，A}。其后，由于从A出发没有路径，因此不再考虑A顶点出发的路径是否会影响数组dis的值。继续以上步骤，发现dis[4]最小，值为30，所以将D并入集合T，此时集合T={DC，B，A，D}，发现两条路径< D，C>和< D，E>，DC-D-C长度为50，而dis[3]=60，因此更新dis[3]的值为50。DC-D-E长度为90，dis[5]=100，所以将dis[5]的值更新为90。
按照以上步骤继续寻找最小值，待观察后将C加入集合T中，此时集合T={DC，B，D，C}，发现从C出发存在一条路径<C，E>，DC-D-C-E长度为60，而dis[5]=90，所以更新dis[5]的值为60。
最后将节点E并入集合T，此时集合T={DC，B，A，D，C，E}，所有节点并入，操作结束。
上述数据表示从DC到其余各点的最短路径，dis[1]表示DC到A的最短路径是DC-B-A为15，dis[2]表示DC到B的最短路径为10，dis[3]表示DC到C的最短路径是DC-D-C为50，dis[4]表示从DC出发到D的最短路径是DC-D为30，dis[5]表示从DC出发到E顶点的最短路径是DC-D-C-E为60。
综上，从DC出发到其余五家肯德鸡的最短路径为DC-B-A和DC-D-C-E两条，因此，安排两辆货车按上述路线运输为最优结果。此方案的总时间为75，而传统方案的总时间是205。因此，相较于传统运输路线，此方案更优。当然，实际生活中还存在诸多其他因素，因此，引入人工智能，如Networks Routings应用，能够大大提升效率，减少误差，也能解决人工所解决不了的多自变量路线安排问题[3]。
在肯德基的需求预测和现有系统中应用BI技术可减少误差节约采购成本，提升供应商管理能力，在物流管理中基于循环取货模式应用GPS定位系统可提升物流管理水平，在运输管理中运用Networks Routings應用可解决多因素路线排程问题，提高运输效率。以上这些人工智能在管理中的应用可大大提升运作效率，实现人工技术所不能达到的高度，全面进入“餐饮4.0”智能时代。
参考文献：
[1] 张金霞.供应商管理之采购物资质量管理的研究[J].营销界，2019（46）：95-96.
[2] 马士华，林勇.供应链管理[M].机械工业出版社，2016（05）：215
[3] 杨志勇，叶冯彬，冯艳辉，刘秀秀，朱岩.有向非负权图中经过必经节点集最短路径算法[J].电子设计工程，2017，25（16）：32-36+41.
武汉学院管理学院 湖北武汉430212
基金项目：武汉学院2019年度校级科学研究项目（重点项目），课题编号：KYZ201902，指导老师：罗丽琼。