协同规划、预测与补货(Collaborative Planning Forecasting and Replenishment, CPFR)目前是供应链管理中一个热门的研究问题。如何利用协同合作所获得的实时信息来进行预测,减少不确定性因素影响,提升预测的准确性,以降低不必要的库存成本,是企业未来所应追求的目标。本文着重研究CPFR流程中的协同预测和协同补货阶段。具体研究内容包括:1、将时间序列预测、多元回归、岭回归相结合,并将销售信息作为销售量的解释变量,构建了CPFR流程下的混合协同预测模型。实验计算结果表明,该模型预测效果较传统的预测方法要好,可作为供应链中合作产商参考的依据。2、构建的协同订单预测模型将CPFR流程下买卖双方所取得的协同信息作为订单量解释变量,这样模型可以更好地反映订单特性,预测模型的绩效与品质会更佳。实验结果显示,二阶段协同订单预测模型无论在4周、8周或11周的预测绩效皆优于传统时间序列或一般线性回归模型,因此,该模型可作为CPFR流程下欲进行协同订单预测或一般订单预测的参考。3、由于预测模型中的解释变量较多,变量间若存在共线性会降低模型绩效。岭回归分析是一种修正的最小二乘估计法,当自变量系统中存在多重相关性时,它可以提供一个更为稳定的预测。4、在建立最佳库存和最佳运送周期之间的函数关系基础上采用进化策略法对建立的目标函数进行寻优,最终得到最佳运送周期与最佳库存下所需的最小总成本。在取不同参数的情况下所计算的结果与事实相符。这证明该研究方法是正确的。CPFR提供了一整套工作流程,本文对CPFR流程下的协同预测和协同补货策略进行了有益的探讨,所得到的研究结果为CPFR的应用提供了理论基础和实践经验,同时也为企业实施CPFR策略提供了新的思路和方法。