快時尚品牌產品開發流程對時間績效的影響

石春樂， 陳 煒， 楊以雄

(1. 東華大學 旭日工商管理學院， 上海 200051； 2. 東華大學 現代服裝設計與技術教育部重點實驗室，上海 200051； 3. 東華大學 服裝與藝術設計學院， 上海 200051)

快時尚品牌產品開發流程對時間績效的影響

石春樂1,2， 陳 煒1， 楊以雄3

(1. 東華大學 旭日工商管理學院， 上海 200051； 2. 東華大學 現代服裝設計與技術教育部重點實驗室，上海 200051； 3. 東華大學 服裝與藝術設計學院， 上海 200051)

針對快時尚產品開發流程的時間績效問題，以快時尚品牌S為實際案例，對產品開發流程進行系統動力學建模，構建了仿真實驗平臺。采用“戰略-資源-績效”的基本框架，對流程的7個主要變量進行資源配置的仿真實驗，預測了周期時間、準交率和平均產能等3個關鍵績效指標(KPI)的仿真估計值。使用局部靈敏度分析和熵值法，確定周期時間、準交率和平均產能等KPI指標的權重系數，分別為53.5%、2.7%和43.4%。根據權重系數和S品牌的時間競爭戰略，對流程的時間績效進行綜合評價。研究發現，批量、服裝設計速率、面料重復使用率和面料生產速率等變量對流程的時間績效影響較大。當S品牌的企劃確認批量減少約25%時，整體時間績效最優。

績效評價； 流程優化； 系統動力學； 快時尚品牌； 局部靈敏度

快時尚是指盡可能縮短時尚產品從設計到銷售所需時間，更好地滿足消費者的需求[1]。伴隨著H&M、ZARA、UNIQLO等國外知名品牌迅速崛起，快時尚的消費觀念受到年輕人的推崇[2]。然而，如何縮短快時尚產品的開發周期[3-4]，減少交貨時間的波動和提高準交率，科學而量化地評估企業的時間績效，都還沒得到較好的解決[5-7]。

以時間競爭為戰略的快時尚企業，流程[8]是關鍵因素。本文以資源基礎理論[9](resource-based theory, RBT)范式“資源—戰略—績效”為研究框架[10]，將流程作為企業各類資源的載體，對產品開發流程進行結構性建模，以此解釋一個企業從資源到戰略再到競爭力的因果關系[11]。通過績效管理可將戰略轉化為行動，建立起包括行為標準、結果標準和開發計劃等內容在內的績效體系[12]。績效評價方法大致可分為主觀評價法、客觀評價法、綜合評價法。各種績效評價方法各有特色，但也存在一些問題[13]。隨著評價目標的多維度化，考核內容的多元化，考核方法的多樣化，如何設計一套綜合績效評價體系，把企業戰略目標、資源配置與工作成效有效地結合起來，是績效管理的一項重大課題。

1 產品開發流程的系統動力學模型

1.1 概念模型和仿真模型

某公司創于2002年，在國內有6個品牌(含S品牌)，年銷售額40億元。消費者以18～25歲的年輕女性為主，她們大都具有較高的文化素質及一定的經濟能力與審美水平，服裝品牌意識強，喜愛運動，持有健康積極生活態度。近年來，作為大中型企業的S品牌正致力于打造基于時間競爭的快時尚供應鏈，其產品開發流程沿用業內通用的看樣會形式。通過與S品牌總監、設計總監、供應鏈主管、樣板師主管等資深專業人士進行訪談和素材整理，梳理了S品牌產品開發流程，并界定流程的研究范圍如下：從產品企劃和設計開始，涵蓋生產樣板和面料開發以及準備大貨生產的過程。

本文使用系統動力學[14](system dynamics, SD)的方法，從中觀視角對S品牌的產品開發流程進行建模，構建仿真實驗平臺[15]。系統動力學用存量和流量描述系統。存量表示系統在任意特定時刻的狀態，是系統積累作用的結果。流量是一段時間內，進入或離開存量的物質或信息。流量表示存量變化的快慢。參數描述存量和流量之間的數量關系。實線箭頭表示變量之間存在數量關系。“源匯點”表示系統的外部環境，即研究界限以外的部分。如圖1所示，概念模型[16]定義了包括存量、流量和參數在內的67個變量，以及周期時間、周期時間標準差、準交率和平均產能等4個函數，共71個變量。根據S品牌產品開發流程，建立了存量—流量圖。

在概念模型的基礎上，用數學方程進一步描述模型變量間的數量關系，由系統動力學仿真軟件STELLA編譯模型的微分方程從而實現仿真。仿真以天為單位，運行期設定為2年(730 d)，時間步長(DT)取1/4 d。關于S品牌產品開發流程建模和仿真的詳細過程可參考文獻[16]。

1.2 變量的初始值

仿真前，把主要存量的初始值設置為零，同時為各流量和參數賦予初始值，這些初始值依據S品牌的調研數據，并根據訪談記錄和歷史數據進行核對校驗，如表1所示。

1.3 時間績效的KPI指標

Chase等總結了企業運營競爭的7個維度：價格、質量、交付速度、交付可靠性、應變需求變化的能力、柔性和新產品開發速度、特定產品的其他標準[17]。其中，涉及到時間的維度有4個：交付速度、交付可靠性、批量(應對需求變化的能力)、品種(柔性和新產品開發速度)。結合S品牌的實際運營狀況，本文研究提煉了3個戰略型的時間績效KPI指標：T(cycle time,周期時間)、R(delivery rate,準交率)、F(MEAN flow，平均產能)。指標定義如下：T為采用仿真的方法，在各流量進入流程時設置計時標簽，記錄各流量離開流程的時間，并計算流量經過整個流程的平均時間，天(d)；R=(1-S/T)×100%，描述整個產品開發流程交貨的可靠性，%。其中，S(cycle time STDDEV)為描述周期時間的標準差；F表示仿真過程中計時流量的平均速率，描述整個產品開發流程的平均有效設計產能，款式/天(SKC/d)。

1.4 模型的仿真與驗證

模型的準確性和實用性必須用一系列驗證和確認(verification & validation，簡稱V&V驗證)進行測試。從調研數據、概念模型、仿真模型和輸出結果等4個方面[18]對流程的系統動力學模型進行V&V驗證。仿真結果與S品牌的實際運營情況基本一致，如表2所示。為有效降低仿真結果與實際值的偏移，采用批均值法對仿真結果進行統計處理，使得仿真估計值(即KPI的仿真平均值)具有較好的無偏性、有效性和相合性[16]。

序號變量類型數值數據來源與說明1款式面料比參數1．35企業實地調研。款式數/面料數=98/73=1．34(取1．35)2服裝設計速率流量3．5每年銷售的款式數為900款，通過率70%，則每天設計速率為900/0．7/365=3．52(取3．5)3制作初樣流量3企業實地調研4制作二樣流量6企業實地調研5制作三樣流量12企業實地調研6新開發面料比例參數0．5企業實地調研7制作面料花版流量1．5企業實地調研8單款訂貨量參數3000企業實地調研9面料生產速率流量8000企業實地調研10歷年面料比例參數0．25企業實地調研11庫存面料比例參數0．25企業實地調研12企劃通過率參數0．7企業實地調研13訂購率參數1企業實地調研14服裝款式烤箱160企業實地調研15二樣款式烤箱112企業實地調研16周期時間KPI68．62使用CTMEAN函數計算流程仿真模型的周期時間17準交率KPI81．71R=(1-S/T)×100%18平均產能KPI1．85使用THROUGHPUT函數計算流程的平均有效設計產能

表2 KPI指標調研平均值Tab.2 Average research values of KPI

2 優化流程的仿真實驗

2.1 優化流程與資源配置

通過對產品開發流程的不同資源配置方案進行仿真實驗，從復雜的流程中找到影響時間績效KPI指標的主要變量，定量地研究業務流程的資源投入量(如資金、設備、人力等)變化對預期產出量(時間績效KPI)變化的影響，從而降低管理成本，幫助企業對流程優化進行決策。本文采用局部靈敏度分析方法[19]進行流程資源配置的仿真實驗。摩爾斯分類篩選法[20]是目前應用較廣的一種局部靈敏度分析方法，屬于一次1個因子變量法(one factor at a time，OAT)，即選取仿真模型中的某個變量，在取值范圍內改變其數值，且保持其他變量不變，運行仿真模型得到時間績效KPI數值。

資源投入一般分為2類：一類是增加投入，以提升價值、提高產品和服務質量、增加產能、加快交貨周期、提高組織運作效率及保證安全生產等；另一類是減少投入，以降低運營成本、減少環節耗費時間、降低庫存和節能減排等。如表1所示，其中的服裝設計速率、制作面料花版、面料生產速率3個變量的運行值隨資源(成本)投入增加而增大，其余變量則相反。

2.2 優化流程對預期時間績效的影響

本文研究將各變量的原投入比例設為100%，按投入比例的增減進行分檔仿真實驗。Sterm認為進行仿真實驗時取值比例一般在2倍于統計和主觀猜測的范圍內[14]比較合適，也是容易實現的，因此，資源投入比例設為基準比例的25%到175%之間，按增加投入分為3檔(125%、150%、175%)，而減少投入也分為3檔(25%、50%、75%)。

仿真結果表明，多數變量的擾動變化對時間績效的影響為零，或者非常小，影響較大的變量有7個。用批均值法對7個主要變量進行處理，得到KPI指標的仿真估計值(以下簡稱輸出值)，如表3所示。

3 仿真結果與分析

本文研究采用熵值法測算預期KPI指標的權重比例，然后對流程主要環節的資源配置進行局部靈敏度分析，得到各預期時間績效KPI指標的靈敏度系數及其綜合評價指標，根據靈敏度系數的大小給出優化流程的參考方案。

3.1 時間績效KPI指標的信息熵及權重

在信息論中，信息熵是系統無序程度的度量[21]，其表達式為

表3 流程主要變量的資源配置仿真實驗結果Tab. 3 Simulation results on resource allocation of process key variables

注：SKC表示服裝款式的數量。

式中：xi為第i個狀態值(總共有m個狀態)；P(xi)為出現第i個狀態值的概率。

1)計算第j項指標下第i個方案占該指標的比重

(1)

2)由計算第j項指標的熵值

(2)

3)計算第j項指標的差異系數

(3)

對于第j項指標，指標值Xij的差異越大，對方案評價的作用越大，熵值越小。所以，gj越大指標越重要。

4)求權重

(4)

由以上步驟經計算可得到，各項KPI指標T、R、F權重分別為53.9%、2.7%、43.4%。由此說明，S品牌通過優化流程能相對有效地提高周期時間T和平均產能F，而優化準交率R則比較困難，占比僅2.7%。

熵值法根據各項指標的變異程度來確定權重，是一種客觀賦權法，避免了人為因素帶來的偏差，但由于忽略了指標本身的重要程度，有時確定的指標權重會與預期的結果相差甚遠。本文研究結合S品牌的時間競爭戰略和實際運營情況，提高準交率R的權重比例，將各項KPI指標的比例調整：T為40%、R為20%、F為40%。

3.2 KPI指標的綜合評價

為進一步定量研究資源投入比例對流程時間績效KPI指標的影響，本文用研究局部靈敏度系數Si表示資源投入量(表1中的流量和參數等變量)變化對預期產出量(時間績效KPI輸出值)變化的影響程度。

(5)

式中：Si為靈敏度系數；P0為變量的初始值；Y0為模型的初始輸出值；Pi為參數第i次運行值；Yi為模型第i次運行，本文研究每次仿真實驗的3個KPI輸出值分別為YT, i、YR, i、YF, i。

根據S品牌開發設計流程的運行狀況，結合表1的變量初始值P0和KPI初始輸出值Y0，表3的變量運行值Pi和KPI輸出值Yi，以及式(5)，可得到各KPI指標的靈敏度系數。為便于數據分析，本文對(Pi-P0)/P0進行取絕對值處理，得到下式：

(6)

此外，由于指標R和F與流程的時間績效呈正相關，而指標T與流程的時間績效呈負相關，故對T的靈敏度系數取負值，使3個KPI指標可統一分析。最終得到S品牌開發流程的各關鍵變量的局部靈敏度系數，如表4所示。可看到，經過預處理后，當靈敏度系數為正數時，投入資源對KPI指標產生正影響；反之，靈敏度系數為負數，投入資源對KPI指標產生負影響。

結合3.1節的各KPI指標權重系數，得到下式：

(7)

由此可計算各變量優化比例的時間績效總靈敏度系數STOTAL。

3.3 優化產品開發流程的時間績效

由表4靈敏度系數的大小可知，流程的各時間績效KPI指標優化方案分別如下。

1)T的靈敏度系數在服裝款式的資源投入比例為125%(即企劃確認批量減少25%)時，為最大正值0.58，時間績效最佳；在面料生產速率的資源投入比例為25%(即面料生產速率降低75%)時，為最大負值-1.71，時間績效最差。

2)R的靈敏度系數在服裝設計速率的投入比例為125%時，為最大正值0.28；在款式面料比的投入比例為125%(即每種面料用于服裝款式的數量比例下降25%)時，為最大負值-0.23。

3)F的靈敏度系數在服裝設計速率的投入比例為125%時，為最大正值1.06；在服裝設計速率的投入比例為50%～75%時，為最大負值-1.06。

4)由式(7)計算STOTAL的靈敏度系數，在服裝款式的投入比例為125%時，為最大正值0.588；在面料生產速率的投入比例為25%時，為最大負值-1.016。

表4 流程變量對時間績效KPI的局部靈敏度系數Tab. 4 Local sensitivity coefficients of process variables to time performance KPI

4 結 語

通過快時尚S品牌的產品開發流程的系統動力學模型，對時間績效進行仿真實驗。對優化方案進行實踐驗證，基本與仿真實驗結果吻合，于是得到以下主要結論。

1)時間績效指標周期時間T和平均產能F比較容易優化。

2)優化流程的資源配置可有效改善產品開發流程的時間績效。適當加快服裝設計速率，能提高整體時間績效，明顯改善準交率R和平均產能F；適當減少企劃確認批量，能有效縮短周期時間T；而過低的面料生產速率，則對整體時間績效有較大的負面影響。

3)資源投入和時間績效KPI指標并非簡單的線性關系。增加投入資源可能使時間績效降低；同時，不同的資源投入比例對時間績效的正負影響差異也很大。需要注意的是，S品牌的產品開發流程通用的看樣會形式，具體應用到不同企業和流程時，優化比例往往有所差異，并對優化效果產生直接影響。

綜上所述，對以時間競爭為戰略的快時尚品牌企業而言，應不斷完善多品種、小批量的產品開發流程，合理配置有限的資源，并改善面輔料的生產與交貨速度，避免其成為時間績效的瓶頸。

FZXB

[1] CHRISTOPHER M, LOWSON R, PECK H. Creating agile supply chains in the fashion industry[J]. International Journal of Retail and Distribution Management, 2004,32(8):367-376.

[2] CACHON G P, SWINNEY R. The value of fast fashion: quick response, enhanced design, and strategic consumer behavior[J]. Management Science, 2011,57(4):778-795.

[3] STALK G. Time-the next source competitive advan-tage[J]. Harvard Business Review, 1988:41-51.

[4] FORD D N, STERMAN J D. Dynamic modeling of product development processes[J]. System Dynamics Review, 1998,14(1):31-68.

[5] ATTEMA A E, BLEICHRODT H, ROHDE K I M, et al. Time-tradeoff sequences for analyzing discounting and time inconsistency[J]. Management Science, 2010,56(11):2015-2030.

[6] MASON-JONES R, TOWILL D R. Total cycle time compression and the agile supply chain[J]. International Journal of Production Economics, 1999,62(1/2):61-73.

[7] SHANG W, LIU L. Promised delivery time and capacity games in time-based competition[J]. Management Science, 2011,57(3):599-610.

[8] HAMMER. Reengineering work: don′t automate, obliterate[J]. Harvard Business Review, 1990,4:104-112.

[9] 黃旭, 程林林. 西方資源基礎理論評析[J]. 財經科學, 2005(3):94-99. HUANG Xu, CHENG Linlin. Comments on western enterprise resource -based theory[J]. Finance Economics, 2005(3):94-99.

[10] MINTZBERG H, LAMPEL J. Reflecting on the strategy process[J]. Sloan Management Journal, 1999(4):23-24.

[11] ADDAMS H L, EMBLEY K. Performance management systems: from strategic planning to employee productivity[J]. Personnel, 1988,65:55-60.

[12] TAPINOS E, DYSON R G, MEADOWS M. The impact of performance measurement in strategic planning[J]. International Journal of Productivity and Performance Management, 2005,54:370-384.

[13] 鄭培. 動態供應鏈績效評價方法研究[D]. 長沙：湖南大學, 2008:23-24. ZHENG Pei. Research on the dynamic supply chain performance measurement methods[D]. Changsha: Hunan University, 2008:23-24.

[14] 斯特曼. 商務動態分析方法: 對復雜世界的系統思考與建模[M]. 朱巖, 鐘永光, 譯. 北京: 清華大學出版社, 2008:218-220. STERMAN J D. Business Dynamics: Systems Thinking and Modeling for a Complex World[M]. ZHU Yan, ZHONG Yongguang, Translated. Beijing: Tsinghua University Press, 2008:218-220.

[15] 盛昭瀚, 張維. 管理科學研究中的計算實驗方法[J]. 管理科學學報, 2011(5):1-10. SHENG Zhaohan, ZHANG Wei. Computational experiments in management science and research[J]. Journal of Management Sciences in China, 2011(5):1-10.

[16] 石春樂, 楊以雄, 陳煒. 基于時間競爭的快時尚產品開發流程建模與仿真[J].計算機集成制造系統，2016，22(2)：492-500. SHI Chunle, YANG Yixiong, CHEN Wei. Modeling and simulation of fast fashion product development process on time-based competition [J]. Computer Integrated Manufacturing Systems, 2016, 22(2): 492-500.

[17] CHASE R B, JACOBS R F, AQUILANO N J. Operations Managements[M]. Noida: Tata McGraw-Hill, 2012:256-257.

[18] SARGENT R G. Verification and validation of simulation models[J]. Journal of Simulation, 2013,7(1):12-24.

[19] 蔡毅, 邢巖, 胡丹. 敏感性分析綜述[J]. 北京師范大學學報(自然科學版), 2008(1):9-16. CAI Yi, XING Yan, HU Dan. On sensitivity analysis[J]. Journal of Beijing Normal Univer-sity(Natural Science Edition), 2008(1): 9-16.

[20] FRANCOS A. Sensitivity analysis of distributed environmental simulation models: understanding the model behavior in hydrological studies at the catchment scale[J]. Reliability Engineering and System Safety, 2003,2(79):205-218.

Influence of product development process of fast fashionbrand on time performance

SHI Chunle1，2， CHEN Wei1， YANG Yixiong3

(1.TheGloriousSunSchoolofBusinessandManagement,DonghuaUniversity,Shanghai200051,China; 2.KeyLaboratoryofClothingDesignandTechnology(DonghuaUniversity),MinistryofEducation,Shanghai200051,China; 3.Fashion·ArtDesignInstitute,DonghuaUniversity,Shanghai200051,China)

To solve the issue of time performance in fast fashion product development process, this paper constructs a system dynamics model of product development process based on the practical case of a fast fashion brand S, and build a simulation experiment platform. With the basic framework “strategy-resources-performance”, the simulation experiments of resource allocation are carried about 7 key variables in the process flow, and the simulation estimated values of three key performance indicators (KPI), such as cycle time, delivery rate and MEAN flow, are evaluated. Using local sensitivity and entropy method, weight coefficients of cycle time, delivery rate and MEAN flow are recognized as 53.5%, 2.7% and 43.4%. According to weight coefficients and time-based competition strategy of brand S, time performance of process is evaluated comprehensively. The research shows that variables of batches, rate of designing clothing and fabric repeat usage have a great effect on the time performance of the process flow. When layout batches reduce by about 25%, the total time performance is optimal.

performance evaluation; process optimization; system dynamics; fast fashion brand; local sensitivity analysis

2015-08-27

2016-01-29

中央高校基本科研業務費專項資金資助項目(2232012E3-22，13D121504，CUSF-DH-D-2014068)；上海市科技發展基金軟科學研究博士生學位論文資助項目(12692190500)；上海市教委海派時尚設計及價值創造知識服務中心資助項目(13S1070241)；東華大學非線性科學研究所專項資金資助項目(INS-1401)

石春樂(1982—)，男，助理研究員，博士生。主要研究方向為服裝供應鏈，系統建模與仿真。楊以雄，通信作者，E-mail: yyx@dhu.edu.cn。

10.13475/j.fzxb.20150804707

TS 941；TP 391.9

A