（管理科学与工程专业论文）供应链牛鞭效应的控制模型与仿真研究.pdf

人近理 人学硕十学何论文 摘要 供应链中的“牛鞭效应”是一个非常值得研究的课题。传统的牛鞭效应的研究工作 主要集中在三个方面；( 1 ) 牛鞭效应的存在；( 2 ) 牛鞭效应的量化研究：( 3 ) 牛鞭效应 的对策与弱化措施研究。而牛鞭效应的量化研究主要是基于数理统计的方法，用订单和 实际需求的方差之比进行量化分析；基于控制论的方法近年来逐渐成为了供应链管理学 界的焦点。供应链系统中牛鞭效应闻题分析和控制研究将具有重要的理论价值和实践指 导意义。 本文在综述国内外文献的基础上，对供应链系统中牛鞭效应问题与控制方法进行深 入细致的分析与研究。本文的主要工作： 第一，供应链系统中的牛鞭效应问题分析。分析了牛鞭效应产生的原因、危害、量 化方法、信息共享的现状等。 第二，供应商管理库存中牛鞭效应分析，采用基于数理统计的方法量化分析了指数 平滑、移动平均预测力法以及需求信息共享对牛鞭效应的影响，研究结果显示，基于o u t 补货策略，无论采取何种预测方法，供应链系统都不可避免的产生牛鞭效应现象，在实 施信息共享策略以后，有效地抑制系统的牛鞭效应。 第三，供应链系统中牛鞭效应的传递函数分析。研究了供应链系统和供应链系统中 牛鞭效应的传递函数描述。分析了供应链系统的动念性能。分析了需求信息共享对牛鞭 效应的影响，并用s i m u l i n k 对其进行了仿真研究，引入了噪声带宽量化牛鞭效应的方法， 基于控制论的建模方法的优点是，克服了基于数理统计方法，只适用于输入信号为一阶 自回归的随机信号的情况，对仔意模式的需求信号都适用。 第四，采用基于控制论的方法对a p i o b p c s 订货策略进行了研究，通过研究得出 o u t 补货策略实际上是a p i o b p c s 补货策略的一种特殊情况，o u t 补货策略是供应链 企业最常用的补货策略，能够使库存总费用最小，然而不可避免的会产生牛鞭效应现象， 而a p i o b p c s 策略会导致系统总库存费用的增加，却能够有效抑制牛鞭效应，该策略适 用于需求信号剧烈变化，而供应链核心企业却不具有太大柔性的情况。 第五，系统的总结和归纳了减弱牛鞭效应的一系列方法和措施。 关键词：供应链管理；牛鞭效应：控制论；建模；m a t i a b $ i m u i n k 仿真 供应链牛鞭效应的控制模删与仿寅研究 m o d e l i n ga n ds i m u l a t i n gt h eb u l l w h i pe f f e c tb a s e do nc o n t r o l t h e o r y a b s t f a c t t h eb u l l w h i pe f f e c ti sav e r yn e c e s s a r yt o p i cf o ru st os t u d y t r a d i t i o n a lr e s e a r c ho n b u l l w h i pe f f e c tc a nb ed i v i d e di n t ot h r e ea s p e c t s ：f i r s t l y ，t h ee x i s t e n c eo ft h ee f f e c t ；s e c o n d l y ， r e l a t e dq u a n t i t a t i v ea n a l y s i s ；t h i r d l y ，h o wt oc o n t r o lt h ee f f e c ta n do p t i m i z ei t ss t a b i l i t y ，w h i l e t h em a j o rm e t h o df o rq u a n t i f i c a t i o no ft h eb u l l w h i pe f f e c ti sb a s i n go np r o b a b i l i t ya n d s t a t i s t i c s ，i nw h i c hv a r i a n c er a t i oo ft h eo r d e r si sd e f i n e da st h em e a s l l r e m e n to ft h eb u l l w h i p e f f e c t s m d yo nt h eb u l l w h i pe f f e c tb a s e d0 1 3 c o n t r o lt h e o r yh a sb e e naf o c u si ns u p p l yc h a i n m a n a g e m e n ti nr e c e n ty e a r s i ns u p p l yc h a i n ，h o wt oa n a l y z et h es u p p l yc h m n ，h o w t or e m o v e a n dc o n t r o lt h eb u l l w h i pe f f e c t ，h o wt oi m p r o v ee c o n o m i cg a i na n ds o c i a lb e n e f i to fs u p p l y c h a i ns y s t e m ，h o wt o d e s i g nl o g i s t i c sp r o c e s s ，i n f o r m a t i o nc h a n n e l ，m a k ed e c i s i o no f i n v e n t o r ya n dp r o d u c t i o ne t c ，i no r d e rt oc o n t r o lt h eb u l l w h i pe f f e c ti ns u p p l yc h a i n , b yt h e s m o o t hp r o d u c t i o n ，l o w e rs t o c k ，h i g h e rc u s t o m e rs a t i s f a c t i o nl e v e l ，t os t r e n g t h e nt h e c o m p e t i t i o na b i l i t yo ft h ee n t e r p r i s e s ，i ti sav e r yi m p o r t a n tv a l u eo ft h e o r e t i c a lr e s e a r c ha n d g u i d i n gp r a c t i c e b a s e do nt h er e v i e wo ft h eo v e r s e a sa n dd o m e s t i cs t u d y ，b u l l w h i pe f f e c tp r o b l e ma n di t s c o n t r o lm e t h o d si ns u p p l yc h a i na r ea n a l y z e da n ds t u d i e d t h em a i nw o r k si n t h i sp a p e ra r e c o n s i d e r e d ： ( 1 ) a n a l y s i so ft h eb u l l w h i pe f f e c tp r o b l e mi ns u p p l yc h a i n t h ee x i s t e n c eo fb u l l w h i p e f f e c t ，t h ec a u s e sa n di m p a c t so fb u l l w h i pe f f e c t ，t h er e s e a r c hm e t h o d sa n dv m io fb u l l w h i p e f f e c ta r ea n a l y z e d ( 2 ) a n a l y s i so fb u l l w h i pe f f e c ti ns u p p l yc h a i na n dv m i b a s e do ns t a t i s t i c sm e t h o d s ， i m p a c t s o fe x p o n e n t i a l s m o o t h i n g f o r e c a s t s m e t h o d ，m o v i n ga v e r a g em e t h o d s a n d i n f o r m a t i o ns h a r i n go nt h eb u l l w h i pa r ea n a l y z e d ( 3 ) a n a l y s i so ft h et r a n s f e rf u n c t i o n so fb u l l w h i pe f f e c ti ns u p p l yc h a i n 1 1 1 et r a n s f e r f u n c t i o no fs u p p l yc h a i ns y s t e ma n db u l l w h i pe f f e c ti ss t u d i e d n l ed y n a m i cp e r f o r m a n c e so f s u p p l yc h a i na r ea n a l y z e d t h ed y n a m i ci m p a c t so fi n f o r m a t i o ns h a r i n gp o l i c yo nb u l l w h i p e f f e c ta r ea n a l y z e d s i m u l a t i o n so ft h es u p p l yc h a i ns y s t e ma r ep e r f o r m e du s i n g m a t l a b s i m u l i n k ( 4 ) b a s e do nc o n t r o lt h e o r y ，am o r es m o o t h i n gd e c i s i o nr u l ei sa n a l y z e d u s i n gt h e m a t l a b s i m u l i n ks i m u l a t i o n ，i tp r o v e st h a ti n f o r m a t i o ns h a r i n gm e t h o dc a ng r e a t l yr e d u c e d t h eb u l l w h i pe f f e c t 人迎理 大学硕士学付论文 ( 5 ) s o m et e c h n i q u e sf o rr e d u c i n gt h eb u l l w h i pe f f e c ta r eg e n e r a l i z e d k e yw o r d s ：s u p p l yc h a i nm a n a g e m e n t ：b u l l w h i pe f f e c t ；c o n t r o lt h e o r y ：m o d e l i n g ； m a t l a b s i m u l i n ks i m u l a t i o n 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名2 惮日期：j 竺m 供麻链牛鞭被府的控制模邓与仿真研究 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数掘库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名：聋盏。聋! 导师签名：互扛盟牡 玉! l 年l 月l 同 大连理工大学硕十学位论文 1 绪论 1 1 问题提出 随着经济的全球化、市场的国际化和信息技术的蓬勃发展，企业所处的竞争环境发 生了根本性的变化，企业独立地进行生产和销售已经不能适应快速发展的市场和不断变 化的顾客需求。由于各产业所面l 临竞争环境的改变( 如顾客服务的剧增、时间的压缩、 产业的全球化与组织的整合等1 及信息技术的进步，促成了供应链管理的蓬勃发展，供 应链成员间从传统的对立关系，变为合作的关系。 目前，供应链管理已愈来愈成为国际管理学界的重要研究课题，同时也是企业管理 专家谈论的热门话题。人们关注和加强对供应链的研究，主要给予以下几点的考虑：由 于日益激烈的竞争，需要极大程度的改进和优化生产过程，并向用户提供充足的产品， 以增加利润；越来越多的生产过程由一些独立的生产和供货实体组成；市场形势变得越 来越残酷无情；对特殊顾客的服务，如快速、可靠地供货等等的竞争压力越来越大。供 应链管理做为一种新的经营与运作模式，为企业在新的竞争环境下取得持续的竞争优势 提供了系统的管理思想，它的出现，将促使企业重新审视并放弃旧的经营模式，通过战 略思想的提升和经营模式的转变为企业的竞争和发展战略赋予新的内涵。 供应链的管理模式，一般可以分为两大类：一是集中控制的方式，另一类是分散控 制的方式。在集中控制下，供应链的所有成员都由一个决策者来控制，该决策者能够获 得供应链中所有必需的信息，建模时将各成员纳入一个系统中，所有成员的利益都服从 供应链整体的利益。在分散控制下，供应链由若干独立实体构成，供应链各自的利益目 标往往有很大的不同，与供应链的整体利益也会有很大偏差，系统目标的最优不等于每 个成员的最优，在分散控制的供应链中，供应链管理只能通过协调供应链成员的决策来 完成1 ”。与集中控制的供应链相比，分散控制的供应链主要有两个缺点1 2 1 ：( 1 ) 供应链成 员之间的目标常常发生冲突，导致供应链效率的降低；( 2 ) 供应链成员之间缺乏信息的 交流，导致供应链中的信息扭曲，产生牛鞭效应现象。但集中控制在实施上有极大的障 碍，在目前乃至以后的很长一段时间都很难得到真正的实施，分散控制是供应链管理的 主流。所以对分散控制所带来的两个弊端的研究是目前供应链管理研究的一个热门问 题。而本文研究的目标和重点将聚焦在供应链管理中的牛鞭效应问题上。 1 2 国内外文献综述 牛鞭效应的研究是供应链管理中不可或缺的一环，其研究对整个供应链管理的研究 是一个有益而必要的补充。“牛鞭效应”，也称需求放大效应，是美国著名学者h a u l l e e 墓丁| 控制论的牛鞭效应建模与仿真研究 教授对需求的信息扭曲( i n f o r m a t i o nd i s t o r t i o n ) 在供应链中传递的一种形象描述。“牛 鞭效应的基本定义解释是：当供应链各节点企业只根掘来自其相邻的下级需求信息进行 生产或供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象， 达到最源头供应商时，其获得的需求信息和实际消费市场中的顾客需求信息发生了很大 的偏差，需求变异系数比分销商和零售商的需求变异系数大得多【3 1 。由于这种需求放大 效应的影响，上游供应商往往维持着比下游供应商更高的库存水平【4 l 。长期以来，许多 企业，特别是许多制造业经常发现他们面临的产品需求量很大，其波动程度远大于产品 市场需求的变化程度，并且在很大程度上导致了企业生产能力的过剩、库存的大量积压 以及制造成本过高等问题，在激烈的市场竞争中使企业处于不利的位置。一些企业往往 将原因只简单归结为生产计划安排失误和市场预测偏差。随着近年来对供应链管理的研 究不断深入，人们对这一现象的认识也逐渐明朗起来。近年来牛鞭效应已经成为系统 的理论研究的焦点，对牛鞭效应的研究发展大致经历了三个阶段，即牛鞭效应的存在、 量化和控制。已经大量文献研究证明了牛鞭效应的存在其中最著名的是啤酒游戏实验以 及宝洁公司的尿布现象调查研究，牛鞭效应的量化研究也正在日益成熟完善，许多学者 已经用统计分析的方法对牛鞭效应进行了量化研究，目前有关牛鞭效应的弱化和控制已 经成为国内外学者研究的焦点。 1 2 1 牛鞭效应的存在及其危害研究综述 9 0 年代初，美国p & g 公司曾组织一批物流管理专家对该公司的一种畅销的产品一 一一次性纸尿布“帮宝适”的订货方式进行考察1 5 j 。他们惊奇的发现虽然产品的最终用 户( 婴儿) 对产品的需求呈相对稳定的态势；虽然最终的顾客( 婴儿) 需求很容易预测 ( 因为容易知道婴儿的数量) ，然而零售商的订货却有明显的波动；而p & g 公司收到 的来自分销商的订单却呈现强烈的变化和波动，当p & g 公司向其上游原材料供应商订 货的时候发现，与分销商的订单相比，订单急剧增加，以后许多公司也发现本身也存在 着这种现象，这种从零售商、分销商、制造尚以及原材料供应商之间订单逐级放大的现 象就是所谓的牛鞭效应。麻省理工学院的斯隆管理学院教授们在六十年代初设计的供应 链动态模拟实验啤酒游戏( b e e rd i s t r i b u t i o ng a m e ) 为我们再现了牛鞭效应产生的 过程。这个实验以4 人为一组，实验者分别代表供应链中的生产商、经销商、批发商和 零售商。在实验过程中，由指导教师代表的消费者发出订单，每个经营者则根据本期从 下游经销商收到的订单发出货物，并以此为依掘参考销售的历史记录预测未来需求的变 化，结合本期期末库存量向上游供应商发出订单。在任意两个经营者之问订单的传递需 要两个经营周期，货物的运送也需要两个经营周期，换句话讲，每个经营者从发出订单 大连理t 犬学硕十学位论文 到收到该订单的订货需要四个经营周期。这样在经营一段时问以后，这样，在经营一段 时问以后，首先消费者需求出现微小调整，随后零售商、批发商、分销商的订单、库存 量相继出现波动，并且，沿供应链回溯波动幅度越来越大。几十年来，上万次的实验结 果表明，虽然参加游戏的人有不同的国籍、年龄、文化和行业背景，但是总是发生相同 的结果：零售商销售量的微小波动，沿整个供应链向上各个节点的订货量、库存和生产 量成倍数大幅度的增加。以上案例已经得到各国学者的一致认可，牛鞭效应的存在已经 被充分证实，许多学者也已经用数学的方法将牛鞭效应量化用订货和实际需求的方差之 比表示。关于牛鞭效应的量化和控制正在深入研究。 文献1 5 - 6 1 研究表明，牛鞭效应会引发一系列的负面影响，导致供应链整体运做效率 的低下。牛鞭效应给供应链企业带来的负面影响如下：由于位于供应链不同环节的零售 商、分销商、供应商需要设置各自的安全库存以应付需求的变动，从而导致了过量的库 存费用的增加；由于需求波动以及位于供应链上的部分节点企业缺乏有效的方法应付这 种需求波动，导致了部分产品的缺货，使顾客满意度下降；需求波动引起缺货引起了收 益损失；因为收益受损引起实际的生产资金投入减少；决策者对需求波动做出反应，进 行投资决策、调整计划生产量来满足需求高峰，这些决策很可能是被误导的，因为通过 供应链重组可以消除需求高峰；需求波动引起物流链的波动，从而引起运输能力的波动， 很难得到最优的运输、调度方案，从而增加了运输费用；牛鞭效应引起的需求波动还扰 乱了整个产品生产进程，而这是不必要的，因为实际上需求并没有真正改变，只能导致 供应链的低效率运做。 1 2 2 牛鞭效应的成因及其解决措施研究 牛鞭效应并非最近才发现，早在1 9 6 1 年f o r r e s t e r l 7 1 采用系统动力学的方法对供应链 进行了研究，通过对一系列的案例分析研究发现了牛鞭效应现象的存在，认为这是组织 行为的变化引起的。f o r r e s t e r 的分析中假设系统参与人具有某种特定的行为方式，认为 牛鞭效应可以通过改变组织的行为方式加以克服【8 】。 s t e r m a n l 9 1 通过对b e e rd i s t r i b u t i o ng a m e 的分析，认为是参与人的系统性的非理性行 为和对反馈信息错误理解是产生牛鞭效应的真正原因，并认为可以通过对参与人进行培 训可以消除牛鞭效应。 t o w i l l l l o l 采用仿真分析的方法对牛鞭效应进行分析，得出库存管理方式是有效抑制 供应链上各环节之b j 信息扭曲的重要因素，他发现没通过供应链上的一个环节需求信息 的变化幅度就会增加一倍，而生产商从中问商那瞿得到的订货信息对市场需求变化的预 测幅度几乎是初始波动的八倍之多。 基丁：控制论的牛鞭效应建模与仿真研究 c h e n “1 等人指出有两个原因造成牛鞭效应的存在：需求的波动和订货周期的存在。 需求的波动是指客观的市场需求的波动，市场需求波动越剧烈，牛鞭效应就越强烈。订 货周期( 从经营者发出订单到收到订货的时间间隔) 越长，需求预测就越不准确，牛鞭 效应的表现就越明显。 r i c a r d o 和b a r d i a l l 2 】认为供应链各个层次节点企业一般都会设置安全库存，造成产 品的多重累积；而同一层次的不同企业在考虑自身经济利益的j ； 提下，同样也会设置库 存点。供应链系统各个企业间设置安全库存是导致了牛鞭效应的加剧。 l e e 5 】对这一现象进行了深入而细致的研究分析，归纳得出形成牛鞭效应的原因主要 有四个方面：限量供应和短缺博弈、供应链各节点企业对需求信号的多重处理、零售商 的批量订货方式造成的订货集中、促销活动带来的价格波动等。 从根本上消除牛鞭效应，几乎是不可能的，但是可以通过供应链的协调、重组、订 立合理的契约、建立完善的激励机制和监督机制和实施有效的信息共享完全可以将牛鞭 效应弱化和抑制。实际应用中通常采用如下的方法：( 1 ) 共享销售数据和库存信息1 1 3 - 2 2 1 ； ( 2 ) 减少供应链的环节，比如采用v m i 或c r p 计划f 2 3 - 卅；( 3 ) 协调买卖双方的订货【猢3 】； ( 4 ) 简化价格方案【卸；( 5 ) 缩短订货提前期或交货周期i 卅等。国内许多学者相继提出了牛鞭 效应的弱化措施，马新安等在应用自动控制原理分析牛鞭效应的基础上给出了牛鞭效应 的弱化方法和措施：尽量减小各级子系统的时滞或系统增益；减少供应链系统的级数； 将供应链中不稳定的环节越靠近供应链上游越好；订，供货方式由一次性大批量向多批次 小批量转变；信息共享或信息强化；加大预测的精度等。万杰等分析了不同分配机制下 的牛鞭效应，从供应链结构角度分析了供应链的形成原因，着重分析了三种不同的信息 共享方式和契约管理策略对牛鞭效应的抑制和弱化。张钦、达庆历等1 1 】在非平稳市场需 求条件下，用数学方法证明了理论牛鞭效应的存在，并研究了v m i 计划和需求信息共 享对牛鞭效应、降低安全库存、平均库存和期望成本的作用。 1 2 3 基于控制论的牛鞭效应量化研究综述 量化牛鞭效应的研究方法大体分为：数学或统计分析的方法、仿真分析的方法、用 控制理论和控制工程分析的方法。 ( 1 ) 国外同类文献研究综述 牛鞭效应的量化方法主要有基于统计学的方法和基于控制论的方法。在本文中我们 主要研究基于控制论的方法。基于控制理论的方法包括离散时问差分方程模型以及连续 时间微分方程模型，或者借助z 变换和l 氏变换建立对应离散系统和连续系统的模型 大近理i ：大学硕 ：学付论文 1 3 5 j 。这种借助于控制理论方法来研究供应链管理的相关问题，许多控制理论的方法就可 以应用，比如传递函数、根轨迹、频域分析等等。 应用控制工程方法进行生产和库存控制，早在可以追溯到s i m o n ”1 用拉氏变换的方 法进行生产和库存控制。不久o r 工作小组把研究转换到更被大家更为接受的z 变换上 来，著名的研究文献有v a s s i a n ( 3 7 ) ，a d e l s o n l 3 引，e l m a g h r a b y 3 9 l 和d e z i e la n de i l o n 4 0 l 。通 过文献检索，很容易发现应用拉氏变换进行研究的要比z 变换研究的多。可能的原因是 应用拉氏变换的方法更容易进行数学运算和处理。遗憾的是，我们所要研究的订至点补 货策略本身就是离散的，不允许我们用拉氏变换进行研究。然而z 变换是拉氏变换的一 个特例，拉氏变换的许多工具、技术都很容易应用到z 域中，通常只需要在符号上稍微 改变就可以做到。文献t o w i l l l 4 1 4 3 l ，b e r t r a n d ”，b o n n e ya n dp o p p l e w e l l l 4 5 1 ，b o n n e ye t a 1 m ，g r u b b s t r o m l 4 7 1 ，a n dd i s n e y 4 8 l 等应用变换技术对补货策略和库存波动方面所做的 研究。a s e l t i n e 4 9 1 ，j u r y l 卯ja n dh o u p i sa n dl a m o n t 5 1 1 也是讨论z 变换的几篇代表文献。 归纳起来，国外供应链管理基于控制理论的方法在国外的发展可以归结如下：运筹 学小组，直接采用z 变换进行研究；系统动力学小组，通过因果环进行仿真研究；控制 论小组，通过信号流图，方框图，s z 变换，频率响应曲线和仿真进行研究。 ( 2 ) 国内同类文献研究综述 与国外应用控制理论方法研究供应链管理起步较早、发展也相对系统的状况相比； 国内供应链管理研究起步较晚，用控制理论方法研究供应链管理发展也很缓慢，相关的 学术论文也很少。国内学者马新安等【3 5 】将自动控制原理用于供应链长鞭效应产生原因的 分析，建立了供应链多级库存控制系统模型，用经典控制论中的根轨迹方法对供应链多 级库存系统进行研究，给出了其系统方框图和传递函数，分析了供应链多级库存控制系 统稳定的条件，提出了弱化牛鞭效应的相应措施；国内学者黄小原、卢震等研究了电子 商务系统牛鞭效应的h * 控制应用分析，建立了具有多个分销中心和多个客户的单一产 品的电子商务系统的动态模型，研究了牛鞭效应的h o o 控制问题【5 习；研究了具有不确定 性要求的供应链牛鞭效应的随机控制问题，在供应链多层控制动态库存模型基础上，研 究了顾客端不确定性需求是白噪声，以及其更复杂的情况有色噪声条件下的供应链 模型【5 3 】：并针对在不同的顾客不确定性需求环境，采用随机控制理论对供应链中牛鞭效 应进行了抑制控制的研究1 5 4 l 。台湾学者p i n h ol i n ，d a v i ds h a h h i l lw o n g 等【1 1 研究了 借助z 变换方法通过控制器设计来弱化牛鞭效应【5 ”。本文主要采用基于控制论的频域分 析的方法进行研究。 基丁控制论的牛鞭效府建模与仿寅研究 1 2 4 信息共享研究综述 信息共享( i n f o r m a t i o ns h a r i n g ) 是实现供应链协调的基础。供应链的协调运行建立在 各个节点企业高质量的信息传递与共享的基础之上。 c h e n 5 6 j 7 】等考虑一类由一个生产商和一个零售商的简单二级供应链，零售商利用简 单移动平均法和指数平滑法进行需求预测。文章量化研究了需求预测和订单提前期对造 成牛鞭效应的影响，并把结果扩大到多级供应链，证明信息共享集中需求信息能够减少 但不能完全消除牛鞭效应。m e t t e r s | 58 l 量化研究牛鞭效应对供应链的影响，研究表明消除 牛鞭效应能提高产品收益率1 0 3 0 。x u l 5 9 1 等通过建立预测模型，零售商和制造商各自 独立预测下一周期的需求，并根据预测结果向其上游供应商提出订单请求。研究显示， 通过有效的信息交换和一致预测能够达至q 供应链协调。 y u 删等分析了包含一个制造商和一个零售商的供应链，在三种不同信息共享情况 下的库存优化政策：1 ) 分散控制情况，制造商只收到零售商订单信息；2 ) 协调情况，制 造商收到零售商订单信息和顾客需求信息；3 1 集中控制情况，通过电子数据交换和供应 商管理库存系统，制造商和零售商同步地收到顾客需求信息，制造商可以直接根据顾客 需求而不是根据零售商的订单来制定库存政策。研究显示提高信息共享程度能降低库存 水平，减少成本，使整个供应链达到p a r e t o 优化目标。 本文主要通过控制论频域分析的方法，对需求预测环节和信息共享策略进行建模， 研究分析需求预测和信息共享对牛鞭效应的影响，本文在c h e ne t a l l 5 6 j 7 l 的研究基础上进 行了深入研究，能够使我们更加清晰的了解补货策略的动态特性，对牛鞭效应的主要成 因，需求信号的多重处理和信息共享因素有更加深刻的理解，理论上有一定的新意，也 具有一定的现实指导意义。 1 3 本文主要研究内容 本文将研究重点聚焦在供应链中的信息扭曲牛鞭效应问题，论文的后续安排如 下： 第二章，采用数理统计的方法对牛鞭效应进行了量化研究，着重分析了移动平均预 测和指数平滑预测以及自适应滤波预测对牛鞭效应的影响，以及供应链各成员企业共享 零售商p o s 销售数据时，对供应链各个节点企业中的牛鞭效应的影响。 第三章研究分析了基于控制理论的牛鞭效应量化方法，并基于一个由一个生产商和 一个零售商组成的简单二级供应链系统中各成员分别采用指数平滑预测方法和移动平 滑方法，以及需求信号处理方法情况下的牛鞭效应，并提出了用噪声带宽量化牛鞭效应 的方法。 人连理r ：人学硕十学位论文 第四章我们将二级供应链系统推广到多级线性供应链系统，基于控制理论的方法分 析了指数平滑预测方法和移动平滑方法，以及需求信号处理预测方法和实旌需求信息共 享对牛鞭效应的影响，用噪声带宽做为牛鞭效应的度量方法和用控制系统仿真的方法进 行研究，并与第二章中基于数理统计方法的牛鞭效应的研究结论做了对比分析；并进一 步提出了一种能够产生更为平滑的订货模式的补货策略，研究结果显示这种补货策略能 够有效的消除牛鞭效应现象。 第五章提出弱化牛鞭效应的措施。对经模型验证的牛鞭效应的内在原因进行深入分 析，并结合企业实际，提出了弱化牛鞭效应的几项关键措施，使本文的研究更加具有实 际意义。 基f 控制论的牛鞭效应建模与仿真研究 2 基于控制论的供应链牛鞭效应建模研究 2 1 基于数理统计方法的牛鞭效应量化研究 2 1 1 移动平均预测策略与午鞭效应 为研究方便，我们考虑一个只含有一个制造商和一个零售商的二级供应链系统，假 设零售商面临的市场需求信息为一随机信号： d t d + p b - 1 + ( 2 1 ) 其中d 是一个非负的常数，户为自相关系数，f 。是一个服从标准正态分布的随机变 量，即一蒯( o ，6 2 ) 。可以得出： e ) 一而d ( 2 2 ) 妇，( q ) 一番 ( 2 3 ) 零售商采用订至点补货策略，期望库存水平： s 一岔+ z 砖 ( 2 4 ) 讲等于l 期间平均需求的估计值，宠等于l 期间预测误差的标准差估计值，z 为 服务水平常数。 实际上常取z 1 0 ，而以增加一至数个交货提静期作为安全库存，故可将式( 2 4 ) 改为： 墨一群= 工启( 2 5 ) a ：未来单一期平均值的估计值。 采用移动平均法，即零售商利用前p 个周期发生的需求来预测下一期需求。预测需 求： d 。 屈一竺：坐一 ( 2 6 ) 砖。掣学 仁乃 订购批量吼+ ，是依照该期的目标存货水平s + l ，减去订购时的存货水平，也就是前一 期的净存货水平表示如下： 人连理j ：人学硕士学位论文 q t 。一s + 。一( 置一d f )( 2 8 ) 零售商的牛鞭效应是指零售商利用预测的需求决定目标存货水平，进而决定订购量 大小的过程中，订购量变异会大于需求变异的现象。要求得订购量的变异，我们先式( 2 8 ) 改写成考虑前置时b j 的预测需求以及标准差： 口，“一( z a + 1 + z 工4 + 1 ) 一( l a + z 上哦) + d f 一( 1 + 兰) d f 一( 与q 一，+ z 云( 毒+ ，一毒) ( 2 9 ) pp 接下来可以推导出订购量变异v a r ( q t ) 如下： v a r ( q | ) 一( 1 + 勺2 v a r ) + 户) 2 v a r ( b 一。) pp 一2 ( 三砸+ - ) c o v ( o , ，q 一。) pp + 2 z x l ( 1 + 2 l - - ) c o v ( d , ，毒) + z 2 r 么，( 毒+ 。一五)( 2 1 0 ) 其中，需求的变异为坛，( d ) ；r ，c o y ( o , ，口，) - 与铲，且对所有i - 1 ，p ， c o y ( 口。4 ) 一0 当z ；0 时，式( 2 1 0 ) 的结果为下式： r l i a r ( 吼+ 1 ) 一【1 + ( 兰兰+ - 2 兰- 2 ) ( 1 - p ) 】砌r ( d ) ( 2 1 1 ) 这时的牛鞭效应为： 丽v a r ( q u a ) j 1 + ( 等+ 等) ( 1 _ 们 ( 2 1 2 ) 当z 一0 时，牛鞭效应的下限为： 器小学+ 等肌 仁均 多级供应链中的牛鞭效应下限为： 器芏i ：i ，+ 譬+ 等肛门 仁- 当p 0 时，即需求正相关，p 越大，牛鞭效应越小，而当p s 0 时，如果p 是偶数， ( 1 一p 9 ) 1 。因此，p 为奇数时的牛鞭效应要大于p 为偶 数时的牛鞭效应。 一9 基丁控制论的牛鞭效府建模与仿真研究 2 1 2 指数平滑预测与牛鞭效应 对指数平滑法进行同样的分析，在这种情况下，零售商面l 临的平均提前期需求为： q 一口q 一。+ ( 1 一a ) d ，- l ( 2 1 5 ) 其中，0 ( 口t 1 ，为平滑常数。 与移动平均方法相似，我们可以得到指数平滑预测策略下的牛鞭效应下限为： 关黑小( 2 l 口+ 坐) ( 黑) ( 2 1 6 ) p 么r ( d 12 一口一1 一助7 、 多级供应链中的牛鞭效应下限为： 器冉州弛警，睇， 仁，乃 2 1 3 实施需求信息共享的供应链与传统供应链的区别 在传统供应链中，供应链各节点企业只根据来自其相邻的下级需求信息进行生产或 供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象，即牛 鞭效应现象。 而本章中讨论的重点是实施需求信息共享的供应链，由于科学技术的飞速发展，在 供应链各节点企业间共享顾客需求信息( 如e p o s 数据) 变得极为现实。如何实施信息共 享并不在本文讨论范围之内，我们只是考虑共享需求信息以后，供应链各成员的受益情 况，以及实施需求信息共享对牛鞭效应的影响。本章以下的章节都分两部分完成，其中 一部分是传统供应链中的情况，即就像啤酒游戏中的操作一样，只有零售商知道顾客的 实际需求信息，而其他供应链成员只根据来自其下游成员的订单进行决策；另一种是实 施需求信息共享的供应链中的情况，即每个供应链成员都能根据实际市场需求信息进行 决策。这里我们所说的信息共享的供应链又区别与v m i ( 供应商管理库存) 的供应链，在 本文研究的信息供应链中，供应链中的各级成员依旧需要满足其下游成员的订单，并向 之运送货物，而供应商无权掌握供应链各成员的库存信息，即供应商无权向下游供应链 成员配货。 2 1 4 移动平均预测策略与信息共享时的牛鞭效应 假定节点企业采用移动平均法进行需求预测，有如下关系式： 扣渺弘。+ 擎阶洋跣 仁埘 同理得出此时节点企业七的订单量相对于最终需求的波动幅度为【6 1 ： 一1 0 人连理r 大学硕十学付论文 畔+ 掣+ 挲 由上式可以看出： b e ： b e y b e y 3 b e y 3 ( 2 1 9 ) ( 2 2 0 ) 从上式可以得出：在实施需求信息共享后，随着供应链企业由下游向上游延伸，其 订单量相对于最终需求的波动幅度逐级放大，即仍产生牛鞭效应现象。 2 1 5 指数平滑预测策略与信息共享时的牛鞭效应 若节点企业采用指数平滑预测方法进行预测，同样可以得到供应链实施需求信息共 享后的订单波动量： 班糍小c 2 扣雩当c 抬 仁z - ， 我们同样可以得到： 8 e ： b e ：4 b e ：。 b e ：3c 2 2 2 1 2 1 6 信息共享时需求特征参数对牛鞭效应的影响 由上述分析可知，在实施需求信息共享后，供应链中的牛鞭效应依然存在，此时牛 鞭效应除了受到预测参数的影响，还受到需求参数的影响，以下就此方面做出分析： ( 1 ) 分析移动平均预测时需求特征参数p 对牛鞭效应的影响，式( 2 1 9 ) 表明：当p 为 偶数时，若一1 p 0 ，则牛鞭效应随着p 的上升而上升；若0 p 1 ，则牛鞭效应随着 p 的上升而下降。当p 为奇数时，一1 c p t l ，则牛鞭效应随着p 的上升而下降。 ( 2 ) 分析指数平滑预测参数时需求特征参数p 对牛鞭效应的影响：为此，就式( 2 2 1 ) 对参数p 求导，最后得到： 等雄扣掣，觜 仁z s ， 由于式( 2 2 3 ) 中的【( 1 一a ) ( 2 p 一1 ) 一1 】c 0 ，所以竺： c 0 ，说明牛鞭效应随着p 的上升 口f 而下降。 基丁二控制论的牛鞭效应建模与仿真研究 2 2 基于控制论的建模过程 2 2 1 传递函数 自动控制理论中的传递函数能够很好地描述所研究系统的动态特性。系统的传递函 数定义为系统输出变量的z 变换与系统输入变量的z 变换之比。系统的传递函数的一般 形式表述如下： 砟) 。k 0 竺生竺等) ( 2 2 4 ) 上+ 口1 z + a 2 z+ + 4 口z 。 因为供应链可以看成是一个系统，每个供应链成员之间都有着很复杂的关系，下游 成员向其上游成员发出订单，上游成员做出响应，向其下游成员送货，我们不妨试着用 传递函数来描述供应链成员之间的这种关系。 2 2 2 幅频曲线 为了得到相应补货策略的幅频曲线，我们将把供应链系统抽象成一个控制系统模 型，其中输入是相应的需求信息，输出为相应的订单信息。为了得到控制系统的幅频曲 线，需要给该控制系统加入不同频率的正弦信号，即在输入( 需求) 是不同频率的正弦信 号的情况下，系统将产生什么样的输出( 订单) 。因为我们将要建立的控制系统模型是一 个线性系统，众所周知，输入信号是正弦信号，线性系统将产生同频率的正弦信号，只 是输出正弦信号的幅值和相角可能会改变。输出信号的幅值和输入信号的幅值之比是我 们所关注的主要内容。在每个采样日j 隔，我们将给下面所研究的控制系统加入频率从0 到万的正弦输入信号，由香农采样定理知道，采样系统仅仅可以检测到每个采样问隔中 最大频率为石的正弦输入信号，因此我们所绘制的幅频曲线即为频率从0 到石的幅频曲 线。通常我们可以令z e “，代入相应的传递函数表达式中，来计算复平面中相应向量 的模值。 因为现实当中的需求信号都可以看成是不同频率正弦信号的合成，因此分析供应链 控制系统对不同频率的正弦输入信号的输出响应是非常合理的。幅频曲线将使我们很好 的了解相应补货策略产生的动态特性，研究该补货策略是否产生需求变异放大现象，而 不用考虑需求信息的模式类型，而传统的数理统计方法通常假设需求信号的具体模式。 2 2 3 谱分析 谱分析是一种把时间序列分解成频率分量或周期分量的数学技术。与每一个频率分 量相关的幅值称为谱密度估计。傅立叶变换，是一种可以把任何时间序列分解成一组具 有特定的幅值和相位的不同频率的正弦信号的数学方法。调整过相角之后的各正弦分量 大连理t 大学硕十学位论文 的代数和可以精确的重建最初的时日j 序列。实现谱密度估计的方法有许多种，其中 f f t ( 快速傅立叶变换) 是最常用的一种技术。 对实际市场需求信号( 输入信号) 应用f f t 可以将其分解成有限个不同频率正弦信号 的组合。 2 2 4 噪声带宽 噪声带宽是控制工程与通信工程中的一个专业名词。通常被定义为： f ， - “t f ( e “) r d o ) ( 2 2 5 ) 奄 t f ( e “) 是系统对频率为的激励的稳态响应。根据定积分的几何解释，我们可以 知道- 实际上就是系统幅频的平方曲线下面覆盖的面积。 根据控制工程和随机信号的知识，我们可以用噪声带宽作为供应链系统牛鞭效应的 一个量度。那就是对于均值为零( 常数) 的白噪声( 谱密度为常数) 的输入信号，可以做 为滤波器输出信号方差的度量措施i 删。也就是说对于输入信号是白噪声信号，噪声带宽 1 i ， 讳0 直接与系统输出的方差相关。更确切地说，二生能够准确预测供应链系统的输出( 订 石 1 l ， 单1 方差的变化，可以作为牛鞭效应的准确量度。兰也，1 ，说明系统输出信号的方差比 石 系统输入的方差变动要大，即牛鞭效应现象存在 2 3 基于指数平滑预测方法的订至点补货策略下的牛鞭效应研究 众所周知，在没有固定订货成本的情况下，把库存水平补到期望库存水平( 即订至 点补货策略) ，这种补货策略是最优的，同时订至点补货策略也是最简单的订货策略。 订至点补货策略是最优的，意义在于能够使期望持货和缺货成本最小。理论分析和证明 可以参考文献【6 2 1 。因此，本文主要基于订至点补货策略进行研究，但这种建模和分析方 法同样适用于其他补货策略。 本章我们考虑只含有一个零售商和一个制造商的简单供应链。我们假定下面的事件 顺序，在每一个周期时刻f ，零售商最先收到货物，这时顾客需求