Excel 案例
43｜Optimization：多市場庫存與倉庫配置最佳化
一、案例定位
從單一 SKU 備貨最佳化提升到 Network Optimization：八個海外市場、三個區域倉，在容量限制下決定由哪個倉供應哪個市場。
二、學習目標
理解多節點供應網路的 allocation problem。
建立市場需求、倉庫容量與 lane cost 矩陣。
在容量限制下配置需求。
辨識局部最低成本與整體網路最佳化的差異。
三、案例情境
公司在台北、新加坡、鹿特丹有區域倉。每個市場從不同倉出貨的單件成本不同，且每個倉都有容量上限。若所有市場都選自己最低成本的倉，可能超出倉庫容量。
Excel 核心表格（Word 完整閱讀版）
下列內容直接整理自本案例對應的 Excel 工作簿。Word 版保留理解案例所需的核心輸入、計算結果與管理輸出；若原始資料筆數很大，正文列示代表性樣本，而模型結果與管理摘要則完整呈現。學生可先只閱讀 Word 完成案例理解，再到 Excel 修改參數與資料進行情境重算。
Excel表 43-1｜市場需求與倉庫容量
市場 |
月需求 |
倉庫 |
月容量 |
固定成本 |
|
Japan |
1,011 |
Taipei Hub |
2,600 |
18,000 |
|
Taiwan |
832 |
Singapore Hub |
2,400 |
21,000 |
|
Singapore |
968 |
Rotterdam Hub |
3,000 |
26,000 |
|
Thailand |
467 |
||||
Germany |
618 |
||||
Spain |
943 |
||||
France |
1,259 |
||||
Malaysia |
751 |
Excel表 43-2｜運輸成本矩陣
倉庫 |
Japan |
Taiwan |
Singapore |
Thailand |
Germany |
Spain |
France |
Malaysia |
Taipei Hub |
4.68 |
4.68 |
7.83 |
8.62 |
7.37 |
9.58 |
8.82 |
9.42 |
Singapore Hub |
8.60 |
10.99 |
5.18 |
5.18 |
8.62 |
10.86 |
9.53 |
5.18 |
Rotterdam Hub |
12.65 |
12.44 |
9.21 |
11.13 |
5.90 |
5.90 |
5.90 |
9.28 |
Excel表 43-3｜最佳配置
倉庫 |
市場 |
配置量 |
單件配送成本 |
配送成本 |
市場需求 |
需求滿足率 |
倉庫容量 |
容量使用率 |
固定成本分攤 |
總配置成本 |
Taipei Hub |
Japan |
1,011 |
4.68 |
4,731.48 |
1,011 |
100.00% |
2,600 |
70.88% |
9,874.12 |
14,605.60 |
Taipei Hub |
Taiwan |
832 |
4.68 |
3,893.76 |
832 |
100.00% |
2,600 |
70.88% |
8,125.88 |
12,019.64 |
Singapore Hub |
Singapore |
968 |
5.18 |
5,014.24 |
968 |
100.00% |
2,400 |
91.08% |
9,299.18 |
14,313.42 |
Singapore Hub |
Thailand |
467 |
5.18 |
2,419.06 |
467 |
100.00% |
2,400 |
91.08% |
4,486.28 |
6,905.34 |
Singapore Hub |
Malaysia |
751 |
5.18 |
3,890.18 |
751 |
100.00% |
2,400 |
91.08% |
7,214.55 |
11,104.73 |
Rotterdam Hub |
Germany |
618 |
5.90 |
3,646.20 |
618 |
100.00% |
3,000 |
94.00% |
5,697.87 |
9,344.07 |
Rotterdam Hub |
Spain |
943 |
5.90 |
5,563.70 |
943 |
100.00% |
3,000 |
94.00% |
8,694.33 |
14,258.03 |
Rotterdam Hub |
France |
1,259 |
5.90 |
7,428.10 |
1,259 |
100.00% |
3,000 |
94.00% |
11,607.80 |
19,035.90 |
Excel表 43-4｜市場摘要
市場 |
需求 |
已配置 |
缺口 |
主要倉庫 |
加權平均配送成本 |
Japan |
1,011 |
1,011 |
0 |
Taipei Hub |
4.68 |
Taiwan |
832 |
832 |
0 |
Taipei Hub |
4.68 |
Singapore |
968 |
968 |
0 |
Singapore Hub |
5.18 |
Thailand |
467 |
467 |
0 |
Singapore Hub |
5.18 |
Germany |
618 |
618 |
0 |
Rotterdam Hub |
5.90 |
Spain |
943 |
943 |
0 |
Rotterdam Hub |
5.90 |
France |
1,259 |
1,259 |
0 |
Rotterdam Hub |
5.90 |
Malaysia |
751 |
751 |
0 |
Singapore Hub |
5.18 |
Excel表 43-5｜管理摘要
KPI |
結果 |
市場數 |
8 |
總需求 |
6,849 |
已配置 |
6,849 |
未滿足需求 |
0 |
配送成本 |
36,586.72 |
啟用倉庫固定成本 |
65,000 |
總網路成本 |
101,586.72 |
四、主要結果
八市場總月需求為 6,849 件，模型配置 6,849 件，未滿足需求 0 件。
配置後配送成本約 36,587，啟用倉庫固定成本約 65,000，總網路成本約 101,587。
Excel 保留每條『倉庫→市場』lane 的配置量、單位成本、容量使用率與固定成本分攤。
五、Excel 決策模型
Decision variable：每個倉庫供應每個市場的數量。
Objective：在滿足需求與容量限制下，降低整體配送與倉庫成本。
Constraints：市場需求、各倉容量、配置量不得為負。
本教材用透明配置法呈現邏輯；可再延伸使用 Excel Solver 求線性規劃最佳解。
六、主要結果與管理解讀
Network Optimization 不能逐市場各自找最低價，因為大家可能搶同一個有限容量。
容量不足時，模型應清楚呈現 unmet demand，而不是假裝所有需求都能滿足。
固定成本是否應關閉某倉，會把問題從 allocation 推進到 facility location。
七、What-if／敏感度
把新加坡倉容量增加 30%；關閉鹿特丹倉；或讓歐洲 lane 成本上升 25%，觀察配置與總成本。
八、AI Prompt
你是跨境供應網路 Optimization Copilot。根據八市場需求、三倉容量、配送成本矩陣與最佳配置，說明：①哪些倉庫接近容量瓶頸；②哪些市場被迫使用次佳 lane；③是否有 unmet demand；④若增加一筆容量投資，最值得投在哪個倉。不得在容量不足時虛構已滿足需求。
九、Excel＋AI 分工
Excel：需求、容量、lane cost、配置量與網路成本。
AI：瓶頸解讀、投資優先級、替代網路方案與管理敘事。
十、課堂討論題
為什麼每個市場各自選最低成本不一定得到全局最低成本？
固定成本加入後，是否可能關閉某一倉？
若服務時效也成為限制，模型要增加什麼資料？
十一、資料來源
全部為教材模擬資料。