供应链零售商预测技术研究——基于牛鞭效应的视角

一阶自回归(AR(1))序列模拟需求过程是传统文献采用的经典模型,然而上述文献关于需求过程参数(如需求自回归系数)对牛鞭效应的影响分析缺乏实践意义,为了更符合企业的实际决策过程,本文建立了需求依赖于价格、而以AR(1)序列模拟价格过程的需求函数模型,分析了最小均方差、移动平均和指数平滑预测下的牛鞭效应,确定了零售商的预测技术选择条件。研究表明:(1)产品市场规模不影响零售商预测技术的选择;(2)当产品价格敏感系数较小或价格自回归系数较小时,零售商应选择最小均方差预测技术;(3)当产品价格敏感系数和价格自回归系数均较大时,零售商应选择移动平均预测技术。

基于需求预测技术弱化牛鞭效应影响研究

研究了供应链系统中的牛鞭效应.不同于通常研究采用的量化公式模型,建立计算机模型模拟当供应链成员采用需求预测技术进行订货决策时的订货过程.利用模拟过程产生的数据进行研究分析,比较不同需求预测方法下产生的牛鞭效应.并得出与指数平滑法比,最小均方差法对抑制牛鞭效应更有效,在某些情况下,采用最小均方差法可以消除牛鞭效应.

需求信息模型对供应链牛鞭效应的影响

建立需求信息为AR(1)及ARMA(1,1)平稳可逆时间序列,采用移动平均法预测市场需求,以订货点法确定订货量的简单两级供应链牛鞭效应的量化模型,并对模型下供应链牛鞭效应的大小及其影响因素进行对比分析.对于服从ARMA(1,1)平稳可逆时间序列模型的需求,根据模型参数ρ和θ的具体情况,采用适当的历史数据期数,可有效降低供应链牛鞭效应.

需求信息的延迟对牛鞭效应的影响

研究在一个库存环境中,用于未来需求预测的需求信息的延迟对于需求预测的影响.当通过一种补充订货策略控制补货时,这种延迟降低了历史订单信息的波动性,最终减弱了牛鞭效应的影响.

基于产品需求替代的两级供应链牛鞭效应分析

考虑两种产品需求替代下的自回归移动平均时间序列,零售商采用最小均方差技术预测市场需求,以订货点法确定订货量的两级供应链牛鞭效应量化模型,并对该模型牛鞭效应的大小及其影响因素进行理论分析和算例验证,研究表明:1)需求替代情形下牛鞭效应的表达式对有无需求替代的情况都适用;2)替代系数对被替代产品的牛鞭效应无影响,对替代产品的牛鞭效应有影响,并且替代系数同替代产品的牛鞭效应变化方向一致;3)需求替代情形下缩短提前期并不一定能减少替代和被替代产品的牛鞭效应.

供应链牛鞭效应建模与仿真

该书共分九章，内容包括供应链结构与牛鞭效应、基于All（1）需求的多级供应链牛鞭效应建模与仿真、基于ARMA（1，1）需求的多级供应链牛鞭效应建模与仿真、基于不同预测技术的两级供应链牛鞭效应建模与仿真、ARMA（1，1）需求下不同预测技术的多级供应链牛鞭效应建模与仿真、信息共享下多级供应链牛鞭效应建模与仿真、航运市场中牛鞭效应实证分析、总结与展望。

联合预测精准市场需求

如今,激烈的市场竞争及快速变化的客户需求,企业不得不面对一系列习惯的更改,这其中包括缩短的交货期、更高的质量要求以及成本,也使得制造商、供应商、分销商和零售商走向更为亲密的合作。供应链作为包括供应商、制造商、分销商和零售商在内的将物料获取并且加工销售的复杂网络,如何让网络中的每个环节通力合作以实现各方利益,在现有情况下的最大化,成为整个行业研究的重要一环。

基于SARMA需求模式的牛鞭效应分析

在自回归移动平均(ARMA)模型的基础上,建立需求过程为季节性自回归移动平均(SARMA)的时间序列,零售商采用最小均方差(MMSE)预测技术预测市场需求,库存采用补充订货至目标库存(order-up-to)策略的简单两级季节性供应链牛鞭效应量化模型,并对模型牛鞭效应的大小及其影响因素进行理论分析和实例验证,不仅刻画出各种情形下牛鞭效应存在的辨别条件和属性,而且实证结果表明煤炭供应链采用SARMA模型度量牛鞭效应优于ARMA模型.