论文部分内容阅读
[摘 要]CPFR（Collaborative Planning Forecasting and Replenishment）是针对零售行业的一种供应链管理方案，致力于提高企业内部管理和外部协作的效率。企业间的协同预测是CPFR实施的核心，它提高了需求预测的精度。本文将协同预测的理论与方法进行了整理与归纳，讨论了当前研究的特点。
[关键词]CPFR协同预测ARIMA神经网络
PFR是协同计划、预测与补货(Collaborative Planning Forecasting and Replenishment)的英文简称，是针对零售业的一个供应链管理解决方案，致力于提高企业内部管理和外部协作的效率。
CPFR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，减少不确定性因素的影响，提高预测的准确性，以尽可能降低库存成本，是企业目前以至未来所追求的目标。CPFR强调零售商与供应商共同合作建立一个供应链的预测方式，协同预测是CPFR中极为重要的一部分，它又分为销售预测与订单预测。销售预测着重在市场需求部分的预测；订单预测则是依据销售数据、库存状况和生产因素来做实际订单预测。
一、CPFR的研究现状
国内对于CPFR的研究较之国外要少，起步相对晚。文献[1]认为，CPFR是一种想要扩张的供应链，使之成为需求导向(Demand-Driven)的理念。CPFR为一连串的企业流程所组成，而一连串的流程是由供应链中互相合作的交易伙伴共同拟定的企业目标及方法、共同发展联合销售及作业性规划与电子化的整合，以及更新销售预测及补货计划。CPFR也是供应链合作的应用实务，使合作伙伴运用互联网分享预测结果的信息，借此减少供应链的库存成本，并增加商品的可利用率。CPFR主要强调的是零售商与供应商共同合作建立一个供应链的预测方式，并分享信息与分担风险。文献[2]对CPFR的定义为正式规范两个企业伙伴间的处理流程，双方需先同意接受协同合作计划和预测，监控全程直至补货之间的运作是否成功，然后确认异常状况，最后采取可行方案加以解决。
文献[3]认为，CPFR系统是一个以网络为基础标准，利用联合预测，以提升卖方管理库存及持续再补货效果的网络信息系统。借由CPFR，不同供应链成员利用电子方式交换一系列的意见及支持信息，包括过去销售趋势、排定的促销活动和预测等资料。文献[4]认为，CPFR可降低供应链的成本、迅速且实时面对市场变化，并可以提升伙伴间的合作发展。就整体而言，可从三方面探讨CPFR所带来的效益：在存货方面，由于CPFR提高了产品销售的精准度，因此可降低存货；在生产效率方面，由于进行CPFR规划时，必须先了解市场对产品的喜好程度与产品生命周期，因此能提高生产的效率，以最准确的数量响应市场；在收益方面，透过信息共享而发展出的联合计划，对销售与订单量的预测将比传统的预测方式更贴近市场需求，因此既可以减少无谓的浪费，又能生产出顾客需要的产品，带来收益的提升。
二、ARIMA与神经网络预测模型研究现状
也有学者分别运用ARIMA模型和神经网络进行需求预测。文献[5]研究了两级供应链中ARIMA(0, 1, 1)需求模型下信息共享的价值，并对其结果进行评价；文献[6]介绍了ARMA模型的基本原理，并且分析了ARMA模型在市场需求预测中的不足，进行了改进；文献[7]为对不确定的市场需求进行预测，运用SAS系统中的时间序列预测系统，整合自回归移动平均模型(ARIMA)，对产品销售的时间序列数据进行了预测；文献[8]从ARIMA(0, 1, q)需求模式下一个供应商和一个零售商组成的两节点两阶段供应链系统出发，详细推导了牛鞭效应的量化过程，并在此基础上分析了参数q和提前期对牛鞭效应的影响。文献[9]对多层感知型神经网络进行了研究，并用进化策略法对其改进，将其用于区域物流的需求预测，取得了一定的成果；文献[10]运用遗传算法对供应链上的需求进行了预测，得出了该方法在很大程度上提高了预测的精度。
三、结束语
通过对以上文献的综述分析，CPFR条件下的协同预测仍存在着一下特点：
(1) 信息在供应链管理和CPFR的重要性，当今信息技术飞速发展，信息共享有了很好的平台，利用历史信息进行需求预测不可或缺。
(2) 在供应链需求预测领域，预测多是在企业内部进行，而管理的目标是双赢，协同预测已成为CPFR的关键环节。
(3) 供应链的需求多呈现不确定性，各个模型有其自身的适用条件，这就需要根据具体情况选择多种适合的互补模型进行预测。
参考文献:
[1]吴志忠.建构一个具有CPFR流程特性之企业间商务电子交易市集平台的模式[D]．国立政治大学，2000.
2]联合通商和EAN TAIWAN.CPFR中文版指南[M]．译自VICS协会(2002)CPFR英文版指南，2002.
[3]但斌，张旭梅.基于CPFR的供应链合作关系[J]．工业工程与管理，2000，6 (1)：28-30.
[4]廖嘉伟.前导性协同预测架构与实施系统之研究[D]．东海大学工业工程与经营资讯研究所硕士论文，2003.
[5]张钦，达庆利，沈厚才.在ARIMA(0, 1, 1)需求下的牛鞭效应与信息共享的评价[J]，中国管理科学，2001，12(9)：0001-0006.
[6]郭大宁，王磊，陈成.利用改进的ARMA模型来预测供应链中的需求[J]．物流科技，2004，09：0060-03.
[7]李勇，吴宝亮，但斌.基于乘积ARIMA模型的产品不确定性需求预测[J]．系统工程与电子技术，2005，01：0060-03.
[8] 朱顺泉.ARIMA模型下的牛鞭效应与信息共享价值研究[J]．统计与信息论坛，2006，06：0031-06.
[9]后锐，张毕西.基于MLP神经网络的区域物流需求预测方法及其应用[J]．系统工程理论与实践，2005，12 (12)：0043-0047.
[10]蔡建峰，杨敏.基于遗传算法的供应链需求预测优化模型研究[J]．工业工程，2006，05：0081-05.
[关键词]CPFR协同预测ARIMA神经网络
PFR是协同计划、预测与补货(Collaborative Planning Forecasting and Replenishment)的英文简称，是针对零售业的一个供应链管理解决方案，致力于提高企业内部管理和外部协作的效率。
CPFR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，减少不确定性因素的影响，提高预测的准确性，以尽可能降低库存成本，是企业目前以至未来所追求的目标。CPFR强调零售商与供应商共同合作建立一个供应链的预测方式，协同预测是CPFR中极为重要的一部分，它又分为销售预测与订单预测。销售预测着重在市场需求部分的预测；订单预测则是依据销售数据、库存状况和生产因素来做实际订单预测。
一、CPFR的研究现状
国内对于CPFR的研究较之国外要少，起步相对晚。文献[1]认为，CPFR是一种想要扩张的供应链，使之成为需求导向(Demand-Driven)的理念。CPFR为一连串的企业流程所组成，而一连串的流程是由供应链中互相合作的交易伙伴共同拟定的企业目标及方法、共同发展联合销售及作业性规划与电子化的整合，以及更新销售预测及补货计划。CPFR也是供应链合作的应用实务，使合作伙伴运用互联网分享预测结果的信息，借此减少供应链的库存成本，并增加商品的可利用率。CPFR主要强调的是零售商与供应商共同合作建立一个供应链的预测方式，并分享信息与分担风险。文献[2]对CPFR的定义为正式规范两个企业伙伴间的处理流程，双方需先同意接受协同合作计划和预测，监控全程直至补货之间的运作是否成功，然后确认异常状况，最后采取可行方案加以解决。
文献[3]认为，CPFR系统是一个以网络为基础标准，利用联合预测，以提升卖方管理库存及持续再补货效果的网络信息系统。借由CPFR，不同供应链成员利用电子方式交换一系列的意见及支持信息，包括过去销售趋势、排定的促销活动和预测等资料。文献[4]认为，CPFR可降低供应链的成本、迅速且实时面对市场变化，并可以提升伙伴间的合作发展。就整体而言，可从三方面探讨CPFR所带来的效益：在存货方面，由于CPFR提高了产品销售的精准度，因此可降低存货；在生产效率方面，由于进行CPFR规划时，必须先了解市场对产品的喜好程度与产品生命周期，因此能提高生产的效率，以最准确的数量响应市场；在收益方面，透过信息共享而发展出的联合计划，对销售与订单量的预测将比传统的预测方式更贴近市场需求，因此既可以减少无谓的浪费，又能生产出顾客需要的产品，带来收益的提升。
二、ARIMA与神经网络预测模型研究现状
也有学者分别运用ARIMA模型和神经网络进行需求预测。文献[5]研究了两级供应链中ARIMA(0, 1, 1)需求模型下信息共享的价值，并对其结果进行评价；文献[6]介绍了ARMA模型的基本原理，并且分析了ARMA模型在市场需求预测中的不足，进行了改进；文献[7]为对不确定的市场需求进行预测，运用SAS系统中的时间序列预测系统，整合自回归移动平均模型(ARIMA)，对产品销售的时间序列数据进行了预测；文献[8]从ARIMA(0, 1, q)需求模式下一个供应商和一个零售商组成的两节点两阶段供应链系统出发，详细推导了牛鞭效应的量化过程，并在此基础上分析了参数q和提前期对牛鞭效应的影响。文献[9]对多层感知型神经网络进行了研究，并用进化策略法对其改进，将其用于区域物流的需求预测，取得了一定的成果；文献[10]运用遗传算法对供应链上的需求进行了预测，得出了该方法在很大程度上提高了预测的精度。
三、结束语
通过对以上文献的综述分析，CPFR条件下的协同预测仍存在着一下特点：
(1) 信息在供应链管理和CPFR的重要性，当今信息技术飞速发展，信息共享有了很好的平台，利用历史信息进行需求预测不可或缺。
(2) 在供应链需求预测领域，预测多是在企业内部进行，而管理的目标是双赢，协同预测已成为CPFR的关键环节。
(3) 供应链的需求多呈现不确定性，各个模型有其自身的适用条件，这就需要根据具体情况选择多种适合的互补模型进行预测。
参考文献:
[1]吴志忠.建构一个具有CPFR流程特性之企业间商务电子交易市集平台的模式[D]．国立政治大学，2000.
2]联合通商和EAN TAIWAN.CPFR中文版指南[M]．译自VICS协会(2002)CPFR英文版指南，2002.
[3]但斌，张旭梅.基于CPFR的供应链合作关系[J]．工业工程与管理，2000，6 (1)：28-30.
[4]廖嘉伟.前导性协同预测架构与实施系统之研究[D]．东海大学工业工程与经营资讯研究所硕士论文，2003.
[5]张钦，达庆利，沈厚才.在ARIMA(0, 1, 1)需求下的牛鞭效应与信息共享的评价[J]，中国管理科学，2001，12(9)：0001-0006.
[6]郭大宁，王磊，陈成.利用改进的ARMA模型来预测供应链中的需求[J]．物流科技，2004，09：0060-03.
[7]李勇，吴宝亮，但斌.基于乘积ARIMA模型的产品不确定性需求预测[J]．系统工程与电子技术，2005，01：0060-03.
[8] 朱顺泉.ARIMA模型下的牛鞭效应与信息共享价值研究[J]．统计与信息论坛，2006，06：0031-06.
[9]后锐，张毕西.基于MLP神经网络的区域物流需求预测方法及其应用[J]．系统工程理论与实践，2005，12 (12)：0043-0047.
[10]蔡建峰，杨敏.基于遗传算法的供应链需求预测优化模型研究[J]．工业工程，2006，05：0081-05.