会计库存信息决策支持系统建立的构想
一、库存决策支持功能研究对会计信息系统的意义
(一)库存决策支持系统研究现状存货是重要的流动资产，需要占用大量流动资金，一般情况下存货占企业总资产的30%左右。据估算，库存成本降低的潜力比任何其它市场营销环节要大得多，如企业物流成本占营销成本的50%，其中存货费用大约占35%。由此看来，降低存货成本已经成为“第三利润源泉”。在企业管理的其他环节成本降低潜力不大的情况下，在降低存货成本上努力已经是成本管理和企业管理的最终所向(于凌宇、冯玉萍，1998)。从现实状况看，库存管理决策具有对象种类繁多、数量巨大的特点，管理人员被大量的单据、台帐所淹没，信息处理效率低下，造成了对库存供应和需求的变化反映迟钝，库存决策效果差。从管理方法看，多数库存管理一般局限于库存的上下限报警，在提高周转率、库存资金合理分配、优化库存管理等方面意识淡漠，管理方法原始。库存管理引入库存决策支持系统可以发挥计算机信息处理速，辅助管理者做出科学的决策。因此，深入研究库存决策支持功能(Inventory Decision Suppot System，以下简称IDSS)很有必要。目前研究决策支持系统(以下简称DSS)的文献不多。在研究方法上，主要采用演绎法，认为决策支持系统结构应采用多库模型，倡导根据多库模型及理论框架开发系统。然而这些理论只是一种建立相应系统的框架和草图，只提供了一些开发系统最基本的观点和思考问题的角度。只是分别规定了相应系统的组成、结构和功能及内部相互关系以供人们根据工作的需求，建立自己的决策支持系统，但还远没有达到具有可操作、可实现的层次(李京文，2002)。在研究内容上主要集中在特殊库存模型的解法、开发某行业库存决策系统某具体环节、开发某具体企业库存决策支持系统，对开发库存决策支持系统理念和目标探讨的文献不多。
(二)会计信息系统增加库存决策支持功能的可行性及意义会计信息的质量，在很大程度上取决于会计信息能否有助于人们据以进行经济决策和不断提高经济效益的需要，会计的有用性主要指决策的有用性(葛家澍，2001)。对高质量会计信息的需求迫使会计软件从核算型、管理型不断向决策型发展。决策可以分为结构化决策、半结构化决策和非结构化决策，决策型会计软件的开发目前应以开发相对简单的结构化、半结构化决策模块为主，并力求实现与企业管理信息系统的完美融合。库存管理规范性较强，库存决策属于半结构化决策在会计信息系统中加强库存决策支持功能是可行的，原因在于库存决策以销售、采购为条件，通过应用功能完整的进销存模块，会计信息系统可以提供详细的销售、采购环节相关数据及业务信息，为分析销售、采购规律打下基础。会计信息系统提供了各种库存商品、原材料等真实的采购及销售价格，使用成本会计、管理会计计算库存的每种商品及原材料的利润贡献率、各个管理环节消耗的费用，按照商品利润贡献率标准用ABc分类法对商品及原材料进行分类，实现库存重点管理。
库存决策支持功能的研究对会计信息系统具有重大意义：(1)会计信息系统不仅需要提供信息，将来会计信息系统更需要发挥其决策辅助控制功能，通过库存决策支持功能企业可以实现对库存的管理和控制，使系统具有反馈、调节控制功能，为降低库存资金实现科学的库存管理提供保障。(2)库存决策支持功能的需求是会计信息系统进一步发展的动力，要求会计信息系统提供信息的“粒度”更小，同时库存决策支持功能的开发需要对库存管理的数学模型进行更深一步的研究与优化，从而促使会计信息系统的数据管理更详细低层、更全面丰富和科学。(3)库存决策支持能够自动提供新的有价值的指库存指标——缺货率(用缺货的程度反映存货满足用户需求的能力)。现代的企业竞争从价格、质量转到服务竞争，满足客户(顾客)个性化需求是企业的生命，缺货率从反面反映满足客户需求的程度，该指标可以从不同角度计算。根据周期计算公式为：周期缺货率=有缺货的周期/订货周期总数;按年计算的缺货频率克服了不同产品由于不同前置时间引起的不可比性，通过一年的订货周期数(Q/q，Q表示一年的需求，q表示每次采购量)乘按订货周期计算的缺货水平，表示为年缺货率=(Q/q)×(周期缺货概率);根据作业日计算公式为：作业日缺货率=缺货的作业日/总作业日;按照所供应的企业数计算公式为：缺货企业数/供应企业数;按物资数的缺货程度计算公式为：企业数缺货率=缺货量/需求量。
二、库存目标决定库存决策支持系统目标
(一)不同时期的库存目标所决定的IDSS决策目标生产水平和技术发展程度决定企业的目标。早在工业化时期生产的规模不大、市场几乎无限的情况下，企业无需考虑需求、竞争与合作。企业目标为扩大生产能力，节约生产成本赚取高额利润，库存管理关注的重点为如何降低企业自身的库存费用。这种情况下适应社会需求的近代早期的存储论(或库存论)以实现满足需求的情况下存储费用最小化的库存目标，作为实现节约成本赚取利润企业目标的途径。在此目标指导下，开发的IDSS几乎都忽略需求的满足程度而仅将满足需求情况下库存费用最小化作为IDSS的决策目标，这是IDSS不能发挥应有效果最根本原因。进入信息时代后，顾客多元化、个性化的需求日益明显，促使企业生产规模变小，敏捷制造、客户关系管理等新型的经营和管理理念成为企业生存和发展的必然选择，库存管理的重点也单个仓库管理转向从物流学角度分析多级库存、供应链中的库存管理。物流学与供应链管理认为每个企业的库存都是整个供应链的一部分，库存目标为更好的满足客户需求情况下供应链成本最小，即从局部费用(单库存费用)最小发展到整体费用(供应链费用)最小。但以此目标指导IDSS开发和使用缺乏可实现性和可操作性，因为目前国内市场经济发展不成熟，供应链内企业合作、供应链之间的竞争的经营环境没有形成，企业管理水平较低，管理人员的素质不高，供应链管理方法并未得到较好的应用。其次，此目标无法指导IDSS和使用，供应链上的单个企业无法完全控制整个供应链成本，并且带来的收益没有形成合理的分配制度。
(二)IDSS开发与使用构想笔者认为，指导IDSS开发和使用的目标是使“库存贡献”与“库存成本”之差的最大化。其中“库存贡献”与“库存成本”包括显性的、隐性的，可计量的、不可计量的，即库存目标是一个多维目标，不能或很难用一维角度去衡量。库存贡献和库存成本(看作变量)的计量及比较问题是库存目标指导IDSS开发和使用需首要解决的问题。变量的测量实质是对属性的测量，变量的属性对应测量尺度，分别为定类尺度、定序尺度、定距尺度和定比尺度，各种尺度只有定比尺度有绝对零点可以进行加减运算(李怀祖，2004)。库存目标中的贡献与成本包含许多很难或不可用货币表示数量化的因素，如缺货造成企业信誉及形象的损失、库存对企业发展战略的影响等，需要使用前几种测量尺度度量。变量的比较问题指库存贡献、库存成本使用前几种度量尺度度量无法直接度量，解决的方法即对非定比尺度变量按照一定统一的规则赋值，转化为定比尺度经过四则运算计算出每种库存的“库存贡献”与“库存成本”之差再比较大小。按上述库存目标的指导，笔者对IDSS开发和使用作如下构想：IDSS输入是多维库存策略和多维参数，分两个个阶段数据处理。如果使用时输入库存策略，第一层次数据处理用公式表示为：库存目标集=Ft(库存策略集，参数集)，处理Fl表示IDSS根据输入相应的参数值(从采购、销售、系统参数构成的参数集中)及库存策略，计算库存目标集合中各指标的属性值;如果使用时不输入库存策略，第一层数据处理表示为：库存目标集=F2(参数集)，处理F：表示系统根据输入的参数集合中各属性值选择库存策略，并计算库存目标集合中各指标属性值。使用输入库存目标与实数影射规则时，第二层数据处理表示为：实数集=G(库存目标集，映数规则集)，其中影射规则集是如何把库存目标中的各类变量值赋予某个实数值的规则;反之，系统使用默认的映射规则，数据处理表示为实数集=G(库存目标集)。
三、库存决策支持系统的理论基础与研究方法
(一)库存决策支持系统基础理论 开发IDSS需要相关的基础理论、应用理论作指导，需要借助一定的研究手段、方法研究这一新兴领域。DSS在不少行业和部门获得成功，取得了明显的效益。其理论基础和技术发展到今天离不开相关科学如计算机科学、管理科学、数学、信息科学、人工智能、信息经济学、认知科学等的支持。这些学科构成了其发展的理论框架，以称之为理论基础(张玉峰，2004)。开发IDSS是DSS的具体应用，上述理论也是IDSS的理论基础，并进一步将系统论、预测理论、决策理论、库存管理理论等也作为其基础理论。因为库存是企业大系统的一个子系统，需要系统论为指导处理与其它子系统之间关系;采购、销售、库存决策的外部环境经常变化需要预测理论为指导才能精确预测;决策过程本身比较复杂，只有符合决策理论的库存决策才是科学的决策;库存决策是库存管理链条上的节点，需要其指导。开发IDSS的应用理论包括DSS理论、动态规划理论、统计理论和方法。因为DSS理论是研究如何开发一般的DSS的科学，IDSS是研究对象更为具体的辅助库存决策的DSS;常出现的库存问题是采购、销售量已知，但经常变化且无规律，研究这类问题最简便方法是转化为动态规划问题，使用动态规划求解方法求解;未来采购、销售及其它参数需要运用具体的统计学理论和方法总结规律历史规律，再按照预测理论和方法进行预测。
(二)运用数理统计方法运用库存模型必须已知库存系统内的反映采购、销售业务情况的多个参数值。信息化水平较高的企业保留着大量的销售、采购等业务、财务数据，可以利用概率论与数理统计学的知识及方法总结其规律。能够对采购、销售规律进行研究的根本原因是他们本身具有规律性，各个学科对这些现象作了深入的研究。影响库存决策的采购、销售多数指标(看作随机变量)概率分布常使用正态分布、泊松分布 和指数分布 描述。随机变量满足以下两种条件之一服从正态分布：一是连续受到多个因素影响，并且不受某个特殊因素显著影 响;二是多个随机(一般大于等于9)变量加减运算得出的结果。商品销售量很大且连续(计量单位相对总量很小，可近似连续)，如果没有受到特别因素的影响即满足条件一;某类商品有多个子类，每种子类的销售相互独立，则这类商品销售量满足条件二。现实情况企业商品销售满足条件一或二的例子很多，可以用正态分布近似描述销售规律。可以使用多种检验方法检验采用正态分布描述的误差程度，常用的有正态概率纸法和夏皮洛——威尔克(shapiro-Wilk)检验法(峁诗松、程依明、濮晓龙，2004)。有条件的可以使用SPSS统计软件相应的功能模块给出用正态分布描述分布的误差大小。如果随机变量(只取自然数)均值较低(小于等于20)且满足以下条件：随机变量的取值与时间段的长度成正比，与时间段的起点无关;在很短时间段内，随机变量的取值与该时间段以前的状态无关，即满足无后效应;在充分小的时间段内随机变量最大值为一，数学上可以严格证明该随机变量服从泊松(Poisson)分布。如果商品销售不受时间影响且均值不大(小于等于9)，容易验证满足上述条件，可以用泊松颁布反映销售量的概率分布情况。商品的平均销售量中等(一般大于9，小于50)，且不受特别因素显著影响情况下可以使用指数分布描述。在用上述