供应链波动性研究简述.pptVIP

供应链外生波动性和内生波动性 供应链波动性的测量 在途库存的管理 许多测量这种波动性的模型关注于定量计算“牛鞭效应”，即有随机需求导致的上游定单方差扩大效应。在这些研究中，供应链动态性被认为是外部需求波动的放大过程：波动性以随机需求的方式带入供应链，然后逆供应链而上通过预测和订货阶段的共同作用一起导致了订单方差的放大。 但是，更早的关于供应链动态性的研究不仅仅是订单方差放大，还有关于不是周期也不是随机需求时零售商和上游供应商的订单和库存可能产生波动性的可能性。（Forrester，1958）和（Forrester，1961）就曾经观察到过一个有趣的现象：零售商需求的一次简单阶跃就可以导致供应链持久的订单和库存波动。 在Forrester看来，供应链的波动性不应该仅仅只关注于订单方差的放大，也应该还包括输入零售商需求已经稳定后订单周期波动的时间；而且，不仅仅是外生因素导致了这种波动性，仅仅由需求一次变化带来的波动性被认为是供应链内生因素的作用。随着这种波动性的出现和定义，这种作用可以用输出订单量与输入需求量的比值来衡量。 因此，外生变量的放大仅仅是供应链波动性的一个方面。当然，忽视掉外生条件可以引起内生波动性的特性，这是一个很重要的用来衡量供应链不稳定性的指标。然而内生波动性应该被重视的一个重要原因是，一旦这种变化产生，他可以成为外生波动性的一个源头，从而导致供应链上游的更加不稳定状态。 然而不幸的是，内生波动性并没有向外生波动性一样被重视并被度量研究；仅有的关于这方面研究也是基于仿真或者实证研究。事实上，Forrester也是做的仿真研究，虽然他提出的系统动态模型非常适合分析这种现象，但是几乎还没有利用这种模型来进行供应链这种动态性的解析性研究。 供应链波动性的测量 以前关于牛鞭效应的研究都是针对供应链波动性的一个方面，即持久的外生变量的局级放大，这个变量以随机需求的形式进入供应链，由于顾客的不确定需求，结合供应链的成员的预测和订单处理过程，订单一级一级的被放大，这就是牛鞭效应的产生。这种方法中牛鞭效应程度是用订单方差/需求方差的比值来衡量的。这种经典的测量方法是使用了期望理论和持久状态度量。 2007年，Cachon对这种方法做了实证性分析，他利用14年的关于几个工业企业每月普查数据计算了牛鞭效应度量值。在计算中为了得到与周期无关的每个企业的单独变化率，Cachon分别分析了数据的长期和短期趋势。通过对几年的每月数据分析，Cachon和他的合作者得到了每个工业企业长期的持久外在的牛鞭效应牛鞭效应度量值。 此外，也有人利用动态系统的方法，研究了短暂的内生的供应链波动性。这种波动性研究的是由非周期和非随机需求导致的零售商和它的上层供应商的临时的周期性的库存波动。（Kim和Springer,2008）利用解析性方法证明了在一个二级供应链中，一次简单阶跃型需求增加可以带来供应链上订单和库存的持续性波动。这说明了这种暂时、内生的动态性甚至可能在相当普通的情况下产生。 （Kim和Springer,2010）从一个新角度研究了需求突变时供应链的瞬时波动。在08年的基础上又发展了两个新的测量供应链波动性的衡量指标。一是在途库存和库存波动范围的划分，波动范围越大，系统越不稳定，二是收敛的时间，即波动后重新收敛到新的平衡点所需要的时间，收敛时间越短，就说明供应链模型越稳定。 在途库存管理策略 一个适合的在途库存管理政策能有效的管理供应链，而且库存管理的一个重要方面就是在途库存管理，如果不把在途库存管理纳入库存管理的范围，整个供应链的稳定性将下降。在他的著名的行为实验“啤酒游戏”中，Sterman (1989)观察到游戏者的错误决策和在途库存是供应链动态性产生的重要原因。John et al. (1994)随后通过仿真证明了在途库存反馈机制的增加提高了供应链的稳定性。 Sterman (1989)认识到确定在途库存目标值也就是在途储备量的期望值是影响在途库存管理的重要参数，决策者被认为要决定库存和在途库存的期望值，这两个值都是根据决策者对订货量的调整来确定的。一般决策者假设已知在途库存和手头库存的期望值，决策者通过不断调整订单率来达到这个目标值。 并且，sterman假设这个目标在途库存是个变量，它依靠于目标提前期和生产量的目标值，比如提前期的延长或生产量目标值的提高都必然会提高在途库存。虽然考虑到了这个方面，然而由于时间限制Sterman在他的啤酒游戏里每个决策者仍以常量作为它们的目标在途库存值。 在sterman后来的出版物中，他进一步讨论了这一假设，也就是如果需求的值和提前期都是常数的话，决策者就能够利用这两个参数来决定一个不变的在途库存目标值。在这种情况下，决策者在制定在途库存目标值时会忽略手头库存的短暂变化，我们称这种