论文部分内容阅读
供应链中的牛鞭效应导致供应链巨大的效率损失:它误导了生产计划、导致过多的库存投资、收益减少,并且降低了服务水平,还会导致无效运输等等。因此对其形成机理、影响因素进行系统的理论与实证研究具有重要的理论与现实意义。本文在分析供应链牛鞭效应形成机理的基础上,首先以Prof H.L.LEE提出的基于AR(1)需求模式的两级供应链牛鞭效应的理论模型为参考,从影响供应链牛鞭效应的外部因素即市场需求模式,以及内部因素即供应链的组织结构和决策结构等多个方面,对H.L.LEE的简单供应链牛鞭效应理论模型在深度和广度上进行了系统完整的拓展研究。主要的拓展性理论研究工作包括:建立了在无信息共享条件下基于AR(1)和ARMA(1,1)需求模式,采用移动平均预测技术、一次指数平滑预测技术、均方误差优化预测技术和订货点库存策略的供应链牛鞭效应理论模型并进行了参数影响分析,给出了订货量输出的随机特性。在信息共享条件下建立了基于AR(1)和ARMA(1,1)需求模式,采用移动平均预测技术、均方误差优化预测技术和订货点库存策略的供应链牛鞭效应理论模型。同时,本文利用EXTEND系统仿真软件,建立了在共享和不共享信息的条件下,市场需求为AR(1)或者ARMA(1,1)时间序列,采用移动平均预测技术、一次指数平滑预测技术或者均方误差优化预测技术等各种组合情况下,供应链牛鞭效应的仿真模型,并对供应链牛鞭效应理论模型和仿真模型进行了相互验证。在此基础上,结合正交试验、极差分析技术和方差分析技术对影响供应链牛鞭效应的各种因素的重要度进行了排序,为降低供应链牛鞭效应提供了参考和依据。在上述研究工作的基础上,本文比较了在AR(1)和ARMA(1,1)需求模式下,供应链各级成员共享或不共享市场需求信息、采用移动平均预测技术或者均方误差优化预测技术时供应链系统整体牛鞭效应的大小,给出了共享或不共享信息以及不同预测技术的适用场合。最后,本文结合供应链牛鞭效应的概念,首次对航运市场上的牛鞭效应进行了实证研究。通过上述对供应链牛鞭效应的理论和仿真试验研究,本文得到了如下主要结论:(1)对基于AR(1)需求模式、移动平均预测技术、订货点库存策略的供应链,总是存在牛鞭效应。其值随备货期L的增加而增加,随需求预测时依据的基础数据期数p的增加而减小。至于需求相关系数ρ,当0≤ρ≤1时,供应链牛鞭效应随ρ的增大而减小,当-1≤ρ≤0时,如p为偶数,供应链牛鞭效应随ρ的增大而增大,如p为奇数,供应链牛鞭效应随ρ的增大而减小。上述结论对于ARMA(1,1)需求模式仍然成立。(2)对基于AR(1)需求模式、一次指数平滑预测技术、订货点库存策略的供应链,总是存在牛鞭效应,其值随ρ的增大而减小,随L的增大而增大,随α的增大而增大。(3)对基于AR(1)需求模式、均方误差优化预测技术、订货点库存策略的供应链,仅当相关系数ρ大于0时才存在牛鞭效应,其值随备货期L的增加而增加。至于相关系数,存在一个临界点ρ~*,当ρ<ρ~*时,牛鞭效应随ρ的增加而增加,当ρ>ρ~*时,牛鞭效应随ρ的增加而减小。当需求为ARMA(1,1)模式时,仅当ρ>θ,供应链存在牛鞭效应,并且存在一个临界点ρ~*,当ρ<ρ~*时,牛鞭效应随ρ的增加而增加,当ρ>ρ~*时,牛鞭效应随ρ的增加而减小。(4)基于AR(1)和ARMA(1,1)需求模式、移动平均预测技术、订货点库存策略的两级供应链,其订货量输出为ARMA(1,p)时间序列;基于AR(1)需求模式、一次指数平滑预测技术、订货点库存策略的两级供应链,其订货量输出为ARMA(1,∞)时间序列;基于AR(1)和ARMA(1,1)需求模式、均方误差优化预测技术、订货点库存策略的两级供应链,其订货量输出为ARMA(1,1)时间序列。(5)无论是AR(1)需求模式和ARMA(1,1)需求模式,当供应链各级成员采用移动平均预测技术预测需求时,共享市场需求信息总能显著降低供应链系统整体牛鞭效应。(6)对于AR(1)需求模式,采用均方误差优化预测技术时,仅当ρ>0,共享信息有利于降低牛鞭效应。对于ARMA(1,1)需求模式,存在一个临界相关系数ρ~*,当ρ>ρ~*时,共享信息有利。(7)无论是否共享信息,对于AR(1)需求模式,存在一个临界备货期L~*,当L<L~*时,采用移动平均预测技术有利于降低系统整体牛鞭效应,而当L>L~*时,采用均方误差优化预测技术有利于降低系统整体牛鞭效应,并且该临界值随ρ的增大而增大。对于ARMA(1,1)需求模式,也存在类似的现象。