很多公司的組織內外部彼此之間，除了必要的指令與回饋以外，為了資料安全或成

本、技術問題，大多不執行資料交換。因此，很多重要的資料在沒有被共同分享之

下，無法進一步分析，轉化為有用的資訊，以協助管理者做出更好的決策。簡單來

說，就是資料的傳遞、分享，僅限制在操作流程上(transactions)，未提升至管理

的階段。比方說，協助原物料進口的forwarder受到公司的要求，經常回報貨物的

最新運送情況，但掌握訊息的人員(shipping、採購、物控等)，在原物料到貨之後

，就把此訊息視為不再必要的資料，而將其刪除或疏於管理。如果有一天，突然想

要知道某器材每年催貨幾次、由開始催貨到貨物抵達耗時多久、急件運送與普通件

各佔多少比例等，則因為資料無法立即取得而經常會放棄分析，或是隨便找幾個案

子計算平均值，草草了事。想要管理logistic，最後只得憑個人經驗及膽識做決定

，輸贏各憑本事與上輩子造化。

古人早有交代：Garbage in, garbage out，利用蒐集來的垃圾資料做成的分析，

絕對也是垃圾，最後導出的決策也好不到哪裡去。應該沒有人想被老闆指著鼻子罵

「沒用的垃圾」吧？自重者人恆重之，拿薪水就要辦事，物控人員本來就要有資料

管理的本事：先把手上的垃圾資料辛苦地分門別類、整齊歸檔，再拿一些統計或管

理工具進行分析，依導出的結論做出建議事項。垃圾變黃金後，包裝成漂亮的簡報

再拿給老闆聞聞看，恭請裁示到底是香還是臭的。

還好隨著電腦科技的進步，大部分公司的重要資料都已經電子化，節省了物控的勞

力密集工作(即使很多公司的老闆仍不知道為什麼要買電腦和系統，為了趕流行，

或多或少都有資料電腦化的傾向)。只要組織內外資料輸入者循規蹈矩地操作，資

料的基本品質就不會太差。接下來，令人頭疼的關鍵問題來了：面對海量的資料(

並非真的海量，但對於無資料處理專長的員工而言，就已經可以淹死人了)，要如

何整理出頭緒、又要如何才能從千萬個不確定因素當中找出最佳答案？

以下有兩個例子：

案例一

產品BOM表(Bill Of Material)展開後，有好幾個項目有互換性器材可以選擇，但

各自又有不同的屬性及使用限制。其中一個項目的互換性如下：
A件號 - 可以直接裝用，但單價最高
B件號 - 可以替代A件號，單價較低、但交期很長
C件號 - 可以替代A件號，但可靠度較低、且客戶XX不同意使用
D件號 - 必須與K件號同時使用，才能替代A件號
E件號 - 備料過多，執行ZZ加工程序後，可以替代A件號(增加加工成本)
物控人員對於上述五種件號平時各要備多少料、這次生產建議使用哪一種件號比較好？

案例二
公司向某供應商採購一批貨，發貨點在國外偏遠的工業城鎮。運送的方式有好幾種

，除了要決定運輸工具的組合以外(卡車、飛機、貨船)，還要考慮到貨時間、運輸

途徑、運輸公司、最低運輸成本等因素。排列組合有這麼多種，到底要如何做決定

？

上述兩個案例，即使所有的成本、時間、風險等參數都已經取得，想要算出一個好

的答案，還真是個大麻煩。若以紙筆計算，可能要耗費好幾天的時間，不如把比較

複雜、或老闆沒有意識到的項目偷偷刪除掉，快速歸納出答案，以節省自己寶貴青

春的浪費與頭髮的耗損。拜科技之進步，這種事已經可以交代電腦系統代為處理了

。

感謝老天，讓我們沒有在西元前(BC - Before Computer)的時代上班！

電腦在模擬人腦運作方面，仍有一大段的路要走，但是替代人腦做長時間的資料儲

存及複雜運算，卻是相當方便的。電腦輔助決策系統(DSS - Decision Support

Systems)，可以將蒐集到的參數以電腦計算後，取得最佳化之數據，提供建議。以

下的連結paper，就是利用DSS來支援物料管理決策的個案研究，值得參考：

http://umdrive.memphis.edu/g-cscm/www/ctr4/dssintegratedinvmgmt.pdf

以往尋求解答的方式，是將一個事件轉化為公式(建立模型)，再求最佳解，但並不

是每個人都有足夠的能力與知識來建立模型的(否則就去念博士了)。DSS可以利用

優越的運算速度，將所有的可能性運算出來，再從中尋找最佳答案。此外，1975年

即出現的基因演算法(GA - Genetic Algorithms，利用交配的原理進行運算，以產

生多樣性的後代，再從中選擇出最佳的答案)，也因為電腦科技的進步，得以真正

運用在實務上，輔助人腦執行決策工作。

然而，物料管理採用DSS、或是加強公司的ERP系統，使其更接近DSS，真的值得信

任嗎？

(待續)