生產計劃中的敏感度分析方法
生產計劃是指確定生產什麼產品、生產多少、何時生產以及需要哪些資源才能在控製成本和風險的前提下滿足市場需求的過程。在實踐中，生產計畫幾乎總是面臨許多不確定因素：需求波動、原物料價格波動、機器產能不穩定以及勞動力短缺。因此，企業需要分析工具來檢驗生產計畫對假設變化的適應力。敏感度分析正是在此發揮至關重要的作用。
敏感度分析是一種評估關鍵變數變化對決策結果影響的方法。在生產計劃中，這些結果可能包括總成本、利潤、產能利用率、服務水準、期末庫存或交貨週期。透過了解哪些變數對結果影響最大，生產經理可以確定控制措施的優先級，制定緩解方案，並選擇更穩健的計劃。
為什麼敏感性分析在生產中如此重要？
敏感度分析之所以是生產計畫的重要組成部分，原因有以下幾點：
1.因應需求不確定性：預測通常存在誤差。敏感性分析有助於了解需求變化±10%至30%如何影響產能、加班或庫存需求。
2. 控製成本：原材料、能源和物流等成本組成要素會改變。敏感度分析有助於識別對利潤影響最大的成本構成要素。
3. 評估產能風險：機器故障、維修或勞動力短缺都會影響產量。敏感度分析可以評估產能下降對訂單履行的影響。
4. 支持投資決策：如果結果對產能或產量高度敏感，則有充分的理由投資新機器、製程改善或品質改進計畫。
5. 簡化管理重點：並非所有變數都需要同等程度的監控；重點應放在最具影響力的變數。
生產計劃中的關鍵變量
在選擇方法之前，重要的是要確定通常需要測試其敏感性的變數：
– 每種產品/每個時期的需求量
售價和邊際貢獻
原料成本和供應情況
– 加工時間（週期時間）、設定時間和換型時間
– 良率/缺陷率
– 機器和勞力產能（可用工時、效率）
庫存持有成本和缺貨/延期交貨成本
供應商交貨週期及其變動性
倉庫限制、最小批量和批量大小政策
這些變數可以納入規劃模型中，例如線性規劃 (LP)、混合整數線性規劃 (MILP)、MRP 或啟發式調度模型。
常用的敏感度分析方法
1. 單因子敏感度分析（單變量分析）
最簡單的方法是每次只改變一個變數（例如，將需求增加10%、20%或30%），同時保持其他變數不變。然後，計算對產出的影響，例如總成本或利潤。
Kelebihan：
簡單易行，容易理解。
能夠快速識別主要變數。
Keterbatasan:
– 忽略變數之間的交互作用（例如，需求增加以及原材料成本增加）。
– 如果現實情況是同時發生變化，那麼這種方法可能會產生誤導。
例如，一家公司會測試如果每月需求量比基準情況增加15%，加班成本會如何變動。如果加班成本大幅增加，管理階層可能會考慮增加班次或將部分工作外包。
2. 多因素敏感度分析（多變量分析）
這種分析方法同時改變兩個或多個變數。例如，一家公司可能會測試這樣一種情境：需求成長 20%，原物料價格同時上漲 10%。
Kelebihan：
——更貼近現實，因為它考慮到了同時發生的變化。
Keterbatasan:
– 組合的數量迅速成長，需要仔細的方案規劃。
多向敏感度分析常用於銷售與營運計劃 (S&OP) 會議中，以共同評估商業和營運決策的影響。
3. 情境分析
情景分析建構了若干相互關聯的未來情景，例如：
樂觀情境：需求旺盛，價格穩定，產能充足。
– 中等情境：需求正常，成本略有上升。
悲觀情境：需求下降，原料價格昂貴，機器停機。
與有時只是簡單的數學組合的多因素敏感度分析不同，情境分析通常反映了合理的商業邏輯。分析結果顯示哪個方案最具適應性。
Kelebihan：
易於與管理層溝通。
– 提升緩解準備能力（應急計畫）。
Keterbatasan:
——這取決於場景設計的品質；如果場景代表性較差，則結果的實用性也較低。
4. 龍捲風圖（最具影響力變數排名）
龍捲風圖是一種可視化多變量單向敏感度分析結果的圖表。這些變數按對輸出（例如利潤）影響程度從大到小排列。此圖有助於回答以下問題：哪些因素最為關鍵？
Kelebihan：
– 對優先權控制非常有效。
– 支援跨部門溝通。
Keterbatasan:
– 仍基於單一變數的變化；無法捕捉複雜的交互作用。
在製造業中，龍捲風圖通常顯示產量、需求或原料成本是獲利能力的主要驅動因素。
5. LP/MILP 模型中的假設分析（包括影子價格）
如果將生產計劃建模為最佳化問題（線性規劃/混合整數線性規劃），則可以更正式地進行靈敏度分析。在線性規劃中，可以使用以下概念：
– 影子價格（對偶價值）：顯示如果將約束放寬一個單位（例如，機器產能增加 1 小時），目標價值（例如利潤）會增加多少。
– 降低成本：顯示納入目前未最優選擇的決策變數是多麼「昂貴」。
– 最適性/可行性範圍：目標係數或限制條件 RHS 的變化範圍，使得最適解不改變。
Kelebihan：
– 提供關於產能、原料或勞動價值的強大定量見解。
– 對戰術決策（加班、分包、使用替代機器）非常有用。
Keterbatasan:
– LP 中最清晰的解釋；在 MILP（具有整數變數）中，靈敏度變得更加複雜，因為解可以離散地變化。
例如，「CNC工具機工時」約束的高影子價格意味著額外的CNC工具機工時非常有價值；這可能會促使企業做出增加班次、減少停機時間或投資機器的決定。
6. 蒙特卡羅模擬（不確定性模擬）
與離散情境不同，蒙特卡羅模擬透過輸入需求、交貨時間、產量或原料價格等變數的機率分佈，來模擬數千種可能的未來情境。其產出結果是成本/利潤分佈，而非單一數值。
Kelebihan：
– 更真實地捕捉不確定性和變數之間的互動。
– 提供風險指標，例如缺貨機率、VaR（風險價值）或利潤低於目標的機率。
Keterbatasan:
– 需要歷史資料來形成分佈。
需要更複雜的計算和建模。
在生產計劃中，蒙特卡羅方法通常與安全庫存策略相結合，用於計算客戶服務風險。
進行敏感度分析的實用步驟
為了使敏感性分析真正有助於決策，該過程應該是系統化的：
1. 定義指標目標：例如，成本最小化、利潤最大化或目標服務水準。
2. 建立基準模型：一個包含共同假設（預測需求、產能、成本）的初始生產計畫。
3. 選擇關鍵變數：限制關注範圍－通常是 5-10 個最相關的變數。
4. 確定變化範圍：根據歷史波動性或實際限制（例如，需求±20%，收益率下降2-5個百分點）。
5. 執行分析並記錄產出結果：成本、利潤、加班、庫存、缺貨訂單。
6. 確定關鍵點（損益平衡點）：當計畫變得不可行或利潤變成負值時。
7. 制定緩解措施建議：替代供應商、安全庫存、分包、勞動彈性、預防性維護。
8. 溝通結果：使用圖表（龍捲風圖、成本與需求曲線）以便於理解。
管理決策中結果解讀範例
例如，龍捲風圖分析結果表明，利潤對流程良率最為敏感。這意味著缺陷率的少量增加都可能導致銷售產量下降和重工成本上升。管理階層可以優先考慮品質改善項目（例如六西格瑪、統計製程管制），優化標準作業規程，或加強操作人員訓練。
如果線性規劃結果顯示瓶頸產能的影子價格較高，公司可以評估以下方案：加班、設備投資或將生產成本重新分配到其他生產線。如果供應商交貨週期是影響最大的因素，則緩解策略可能包括雙重採購、簽訂長期合約或增加關鍵零件的緩衝庫存。
結論
生產計畫中的敏感度分析方法可以幫助企業了解假設變化如何影響成本、利潤、產能以及滿足需求的能力。從簡單的單因子敏感度分析到溝通性情境分析，再到最佳化方法（影子定價）和基於風險的蒙特卡羅模擬，所有這些方法都提供了不同的視角來提升決策品質。透過嚴謹地運用敏感度分析，企業可以製定不僅在理論上最優，而且更能抵禦市場動態和營運不確定性的生產計畫。
