本案例由Andy Roff和Larry Blair提供，他们的研讨取得了作者提供的模型的协助。Andy和Larry都是汽车零配件的经理，且他们都各自拥有并管理数家店面。他们每人都有30多年的经历，并且他们在为供给商和分销商提供互惠互利的信息零碎方面颇有心得。他们的联络方式是：larblair@aol.com。

　　汽车零件市场的背景与历史

　　在一个世纪前，自从有了不必马拉的车当前，汽车零件市场(AAM)就发生了。这种状况之所以发作，能够是由于已经习气于驾驶马车的人粗鲁地运用离合器。因而，当人们需求改换第一枚螺丝钉时，AAM就发生了。随着汽车制造商的添加，汽车零件消费商也开端添加(其中一些消费商是由汽车制造商委托的)，他们消费各种规格、各种质量和耐久度的零件。在撰写本案例剖析时，世界AAM的销售额大约8000亿美元，预期年增长率是3%。

　　由于有如此众多的零件和供给商，所以我们需求把它们汇编成目录。20世纪60年代单片缩影胶片的运用是一项严重的打破，它简直被专门用于汽车的售后效劳网络。关于汽车修缮技师来说，准电子数据库为零件销售和汽车修缮的进程进步了效率。但是，由于AAM具有很高的竞争度，故而运用少量造价昂扬的图片库逐步变得不可行。

　　20世纪80年代，随着团体电脑的普及，它们自但是然地成为了编制电子目录的工具。此时的一个严重困难是，不同的零碎有不同的数据格式，而假如将这些不同的格式打印出来，将会是代价昂扬的。异样，当供给商们各自需求零件拆卸平台时，他们都会各自设计并装置电子目录。更蹩脚的是，这些平台与20世纪70年代引进的销售终端零碎(PoS)不互相兼容。

　　从概念和技术上讲，这个需求缺口都极端宏大。欧洲人的初次尝试将精神集中于提供独立的终端，这些终端以&ldquo书柜&rdquo格式从多个供给商那里分配零件，汽车可以获取由供给商和代理商提供的信息。这套零碎来源于荷兰，并于20世纪90年代在英国取得运营答应。

　　虽然这套零碎最终失败了，但它却使消费商和供给商将精神集中于提供电子数据而非打印的数据。这种转变趋向被全国零件分销链的雄心壮志所增强，他们提供电子目录，并且要求PoS零碎将电子目录引入到每一个终端。消费商和供给商的行为添加了对电子数据的要求。

　　在美国，全国PoS供给商决议于1984年停止大规模投资，这使得美国于1985年拥有了专门的、兼容的电子目录。欧洲的电子目录于5年之后开发成功。

　　所以制造商在次要的门面都设置了第三方电子目录零碎。他们自愿增加了对数据的运用权、增加了对提交给市场数据的工夫和准确的可控制，并且他们不得不为不同国度的供给链和第三方供给商提供不同版本的电子目录。在某些状况下，他们甚至要为零碎的配置和展现担任。

　　全行业所面临的成绩

　　家家都有本难念的经。鉴于如今的数据变得越来越通用并且要契合行业规范(在美国，可以取得行业资助商的列表)，数据正变得越来越兼容并且传到市场的速度更快。既然科技越来越先进，那么零件的图片和正文、汽车的地位、留意事项以及其他关键信息就有必要被添加到目录中。这些改良可以添加购置经历并且使制造商可以区分他们的产品。

　　此外，制造商消费的产品将会被准确地链接到汽车的列表，而该列表又会被链接到国度的统计材料。如今，关于汽车的消费和销售，我们可以引入风险剖析、模仿、预测、最优化以及实物期权模型。当把制造和搜索零件的各种能够影响归入思索范围时，我们就可以看到传统决策办法的软弱之处和破绽。

　　剖析的复杂性

　　此案例研讨的例子是基于Casky汽车公司，这是一家实际上公有的公司，它为汽车行业的原装设备制造商(OEM)设计和消费汽车配件。Casky擅善于消费回路电器，这通常被称为交流发电机启动器。该公司与福特和通用汽车(GM)有着亲密的联络，并且这些公司为Casky在北美和欧洲展开业务提供了根底。作为世界上两个最大的汽车制造商的开发协作同伴，Casky运用它在工程技术方面的优势为两家制造商提供世界上最受喜爱的车型启动器。Casky与这两家公司的协作关系使得它拿到了一些新车型的订单，这些车型的燃油效率失掉了最大水平的进步。这些车型对启动器提出了更高的要求，因而也相应添加了本钱和复杂性。Casky于2005年博得了为GM消费Phalynx小型货车启动器的合同。GM要求这些启动器在组装进程中被装置在汽车上。但是，Casky也博得了为启动器提供售后效劳的合同。思索到经济价值和失业率，汽车行业在这些国度是最大的产业。当然，北美和欧洲在世界上拥有最多的汽车数量，并且它们在人均拥有的汽车数量上也是最多的。

#p#分页标题#e#

　　Phalanx在第一年的销售量估计将到达100000台，第二年将上升至150000台，第三年将被消减为100000台。对相似车型的估计销售量的误差在5%之内。该车型将在欧洲大陆消费，并在北美和欧洲销售。最终，该车型的数量将在北美和欧洲发生差别，辨别占45%和55%。不同的供货商每年都将提供汽车数量的统计材料。全新车型的营销寿命为4年，销售量将会从150000台稳步下降到第5年的75000台，这正好赶在另一种新车型上市之前。因而该车型的数量总计将到达575000台，其中年报废率为2%(这包括保险的全额赔付和从经济角度看不应该再维修的)。一共有两种汽油机型和一种柴油机型，这三种引擎的预期需求量相反，它们将被运用于原始和创新车型上，但不会被运用于一切的新车型上。

　　Casky被选为三种引擎启动器的供给商。其只提供全新的(而非维修过的)产品给GM和AAM。每一款启动器都是不同的，它们具有共同的设计，并且具有不同的磨损特征(报废前行驶的最小里程数MTBF)，较小的汽油引擎是100000英里，较大的汽油引擎是85000英里，柴油引擎是100000英里。年预期均匀里程如下：较小的汽油引擎为12000英里，较大的汽油引擎和柴油引擎为15000英里。在欧洲大陆，保修期为2年在英国、爱尔兰和北美为3年。

　　由于GM拥有足够的股票，因而其要求一周内的装置成功率到达100%。失败概率(即在到达MTBF之前的维修要求)为1:10000。GM的批发业务网络在欧洲有250个门面，在北美有150个门面，在新车型下线之前，每个门面都要至多拥有两种以上的车型。Casky有3个欧洲的和2个北美的分销点，它们效劳于GM的批发网络，并且对AAM实行独立销售和连锁批发。GM的空缺额最少，全国性的连锁店是20%，独立经销店是25%。

　　Caskey希冀为GM提供90%的售后效劳量(保修范围之外)，并且希冀在第四年与其他的消费商竞争，第五年向新的调理安装进军。欧洲的消费商在北美拥有分销网络，这种分销网络改装的启动器，异样适用于另外一种车型(此车型具有类似的拥有率和引擎)。消费商希冀新车型在最开端就可以取得10%的市场份额，年增长率为2%(复式增长率)，额定的车型增长率为50%，这款车型被两款汽车配件的原始设备的两个制造商(VPMs)之一。两款重置设备在北美销售，三款在欧洲销售，每一款的希冀市场份额为5%并且只对AAM停止分销。重置设备的效劳才能直接与收益相关(期限总共为5年，在第一年的运作中，GM为100%，在随后的年份中随着新的VPM的衰退而逐渐下降)。重置设备的MTBF只占全新设备的66%。

　　运用风险剖析、模仿、预测以及最优化的剖析框架

　　了解成绩并处理成绩并不是一项容易的义务，这需求纯熟运用Risk Simulator®的Monte Carlo模仿、预测以及最优化。图1.1显示的是汽车需求量的模型，其基于以前所列出的假定。最大值、最小值以及价值变化范围都已列出。图1.2显示的是每一个周期的需求量的模仿后果。欧洲和美国的每个季度都有模仿后果，这正好与每年的值(100、150、100、150、75000)辨别对应。

　　

　　图1.1 汽车需求量预测

　　

　　图1.2 汽车需求量预测的蒙特卡罗仿真

　　图1.3显示的是其他的限制条件和要求的模型，这些额定的要素诸如汽车的每个局部的报废率、磨损率以及均匀每年行驶的里程数。我们应该留意，在图1.1和1.3中突出的单元格是对限制条件的模仿，其中每一个值都是在模型中停止了数千次迭代的后果。下一步，基于这些需求量的不确定性，我们要运用最优化模型(图1.4)。在这个模型中，决策变量是消费的质量(即给定基于不确定性的预期需求量，我们要找出最优化的消费质量)。在本模型中，我们思索了每单位的价钱、报废率以及每年的均匀行驶里程。此剖析提供了最优的消费质量，所以总的净利润可以失掉最大化，这样就可以免去由于过多或许过少持有存货而带来的额定本钱。

#p#分页标题#e#

　　

　　图1.3 额定的要求

　　

　　图1.4 最优化模型

　　例如：假定我们多持有一个单位的本钱是$1.00，少持有一个单位的销售额的损失是$1.20。另外，6个月内，存货的最小持有量是800，全球的最小销售量是400。最初，每年的消费量不能超越预期消费量的1.5倍，这样就可以坚持市场的颠簸。Monte Carlo模仿和预测办法异样被运用于静态最优化。消费商消费配件的真本质量可以使净利润到达最大化、最小化额定的损失，并且它们总是遭到消费商消费的零件的最大值和最小值的影响(图1.4、图1.5)。如图所知，最优的办法是，在开端引入Phalanx时，消费较小的数量渐渐地，当车龄增大时，添加配件的数量。数量的顶峰呈现在第七年到第十年之间，此时保修到期并且各部件最为紧缺，随后数量逐步下降(此时汽车将服役、被出售或被弃置)。

　　

　　图1.5 最优产量和消费约束

　　运用这些初级的剖析办法，我们可以预测最优的产量、详细部件的生命周期(基于历史数据并且在最优化模型中对潜在后果和停止数千次的模仿)。现实上我们可以更进一步，在完成了最优化剖析后，我们可以反复模仿并且可以取得某个局部的净支出的概率散布(图1.6~图1.8)。

　　

　　图1.6显示的是详细配件在生命周期中的净利润，相信区间为90%、散布在$15.64和$18.87(百万)之间。我们可以判定，假如制造以后的配件，那么以后配件的净利润超越其他业务的支出的能够性是91.20%。

　　相比起来，假如没有运用最优化、对风险停止模仿，那么将会失掉一组次优的后果。例如：假定消费预测值的均匀值(基于每个周期所要求的最大、最小消费量)，则总的净利润将是$13.43(百万)假如消费要求产量的最小值，那么总的净利润将是$0.71(百万)。因而，鉴于数值的动摇很大，运转最优化后就可以保证，基于不确定性和风险的最大化的净利润$17.54(百万)。

　　我们可以将以上的讨论总结如下：Monte Carlo模仿、预测以及最优化在判别风险成分、定价的不确定性以及需求量方面起着至关重要的作用。此外，这种剖析可以给出量化的后果，从而为消费商的消费提供指点。所以，借助于风险剖析，决策者不只可以决议消费什么而且可以决议消费多少而且在消费当前还可以决议最优的销售价钱，从而可以最大化利润并且最小化损失和风险。