陳長(zhǎng)彬， 盛　鑫， 梁永奕

(1. 清華大學(xué)現(xiàn)代物流研究中心， 北京 100083； 2. 電子科技大學(xué)中山學(xué)院， 中山 528402；3. 中山大學(xué)嶺南學(xué)院， 廣州 510275)

?

一種減少供應(yīng)鏈牛鞭效應(yīng)的資產(chǎn)組合管理方法①

陳長(zhǎng)彬1, 2， 盛鑫3*， 梁永奕3

(1. 清華大學(xué)現(xiàn)代物流研究中心， 北京 100083； 2. 電子科技大學(xué)中山學(xué)院， 中山 528402；3. 中山大學(xué)嶺南學(xué)院， 廣州 510275)

考慮一個(gè)由單個(gè)供應(yīng)商和多個(gè)零售商組成的供應(yīng)鏈系統(tǒng)，零售商面臨無(wú)促銷(xiāo)活動(dòng)和有促銷(xiāo)活動(dòng)兩種動(dòng)態(tài)需求環(huán)境，采用周期性檢查庫(kù)存策略，基于當(dāng)前市場(chǎng)需求信息向供應(yīng)商訂貨.同時(shí)，市場(chǎng)中的零售商由于訂貨決策行為的相互影響而存在一定的相關(guān)性.本文探討零售商之間具有不同相關(guān)性訂貨決策時(shí)，運(yùn)用資產(chǎn)組合管理方法調(diào)整零售商之間的供應(yīng)量，減少訂貨的總方差，實(shí)現(xiàn)減少訂貨所產(chǎn)生牛鞭效應(yīng).隨后，通過(guò)對(duì)比分析零售商訂貨量調(diào)整前后庫(kù)存水平、庫(kù)存成本、缺貨損失和利潤(rùn)，驗(yàn)證了零售商調(diào)整訂貨量的動(dòng)機(jī)和積極性.數(shù)值算例的結(jié)果表明，運(yùn)用資產(chǎn)組合管理方法能夠減少供應(yīng)商的總方差，同時(shí)能夠激勵(lì)具有不同相關(guān)系數(shù)的零售商調(diào)整訂貨量，在一定程度上減少供應(yīng)鏈中的牛鞭效應(yīng).零售商之間的相關(guān)系數(shù)越大，供應(yīng)鏈中牛鞭效應(yīng)減少的效果就越顯著；且在同一相關(guān)系數(shù)下，零售商對(duì)市場(chǎng)需求預(yù)測(cè)的方差越大，運(yùn)用資產(chǎn)組合管理方法所達(dá)到的牛鞭效應(yīng)減少的效果就越大.

供應(yīng)鏈； 依據(jù)水準(zhǔn)訂貨策略； 牛鞭效應(yīng)； 資產(chǎn)組合管理方法

0　引　言

牛鞭效應(yīng)最早由寶潔公司的研究人員所發(fā)現(xiàn)，是指供應(yīng)鏈中的需求變異放大現(xiàn)象，這種現(xiàn)象的存在及其對(duì)供應(yīng)鏈的影響迅速引起了許多研究者的廣泛關(guān)注，牛鞭效應(yīng)主要是由于信息在供應(yīng)鏈中傳遞過(guò)程的扭曲而產(chǎn)生的逐級(jí)放大效應(yīng)，在定量模型中通常用方差變大來(lái)表示.從20世紀(jì)中期至今，許多學(xué)者為探討牛鞭效應(yīng)的存在及成因，做了大量深入的研究.Lee等提出了牛鞭效應(yīng)概念的分析框架，根據(jù)該框架，牛鞭效應(yīng)這個(gè)現(xiàn)象可從兩個(gè)方面來(lái)證明，即行為層面和操作層面[1].行為層面主要是通過(guò)案例研究或?qū)嶒?yàn)室環(huán)境來(lái)驗(yàn)證，如系統(tǒng)動(dòng)力學(xué)方法和啤酒游戲就是通過(guò)實(shí)驗(yàn)室的模擬仿真工具來(lái)進(jìn)行實(shí)證分析；操作層面則包括16個(gè)主要的因素，即：需求預(yù)測(cè)，訂貨批量，價(jià)格波動(dòng)，理性與短缺博弈[2]，提前期[3]，庫(kù)存策略[4]，補(bǔ)貨策略[5]，不當(dāng)?shù)目刂葡到y(tǒng)，乘數(shù)效應(yīng)[6]，缺乏透明度[7,8]，節(jié)點(diǎn)數(shù)，生產(chǎn)能力限制[9,10]，缺乏同步[11]，回饋誤覺(jué)，沒(méi)有全局視野的局部?jī)?yōu)化，公司流程[12].

達(dá)慶利等在前人研究的基礎(chǔ)上，總結(jié)了減輕和削弱牛鞭效應(yīng)的多種對(duì)策[13]，如信息共享[1]、VMI[14]、采購(gòu)承諾和數(shù)量柔性等其他方法.Chen等也證明了通過(guò)把需求信息集中化可以部分減少牛鞭效應(yīng)[15]，萬(wàn)杰等也從生產(chǎn)商和零售商利用各自庫(kù)存策略處理信息的結(jié)果得到類(lèi)似的結(jié)論[16].近年來(lái)，關(guān)于牛鞭效應(yīng)的研究也引入了控制論等新方法，部分學(xué)者通過(guò)運(yùn)用控制論以及H∞魯棒控制方法探討削減牛鞭效應(yīng)的具體途徑[17-21].有學(xué)者則從反牛鞭效應(yīng)的角度來(lái)研究如何減少牛鞭效應(yīng)，如李剛等最早提出并驗(yàn)證了供應(yīng)鏈中反牛鞭效應(yīng)的存在，為削弱牛鞭效應(yīng)開(kāi)辟了一個(gè)新途徑[22].莊偉卿等也進(jìn)一步從博弈論的角度論證了反牛鞭效應(yīng)在減少牛鞭效應(yīng)中的作用[23].此外，從預(yù)測(cè)方法的角度，主要探討各種預(yù)測(cè)技術(shù)對(duì)牛鞭效應(yīng)的影響[24,28].

在以往關(guān)于牛鞭效應(yīng)研究中，大部分假設(shè)包含單個(gè)供應(yīng)商和單個(gè)零售商所組成的兩級(jí)供應(yīng)鏈，但實(shí)際上，在許多供應(yīng)鏈中，供應(yīng)商通常面對(duì)多個(gè)零售商的訂貨需求，而零售商在進(jìn)行訂貨決策時(shí)往往都要考慮彼此的決策行為，在同一市場(chǎng)中零售商的訂貨決策行為之間存在著一定的相關(guān)性.因此，可以考慮存在多個(gè)理性的零售商向供應(yīng)商訂貨決策時(shí)，零售商在確定市場(chǎng)需求時(shí)需要同時(shí)考慮彼此訂貨量的相互影響.零售商之間訂貨量的調(diào)整可能在一定程度上減少向供應(yīng)商訂貨的總方差，從而有利于削弱牛鞭效應(yīng)，這是本文研究的主要目的.本文將探討存在單個(gè)供應(yīng)商和多個(gè)零售商的兩級(jí)供應(yīng)鏈中，當(dāng)零售商之間具有不同相關(guān)性的情況下向供應(yīng)商訂貨的決策，并運(yùn)用資產(chǎn)組合管理方法來(lái)減少零售商向供應(yīng)商訂貨時(shí)所產(chǎn)生的牛鞭效應(yīng)，這也是本文與其他研究的區(qū)別所在.

1　基本模型構(gòu)建

1.1零售商無(wú)促銷(xiāo)活動(dòng)下的模型構(gòu)建

在動(dòng)態(tài)需求環(huán)境下，考慮一個(gè)由單個(gè)供應(yīng)商和多個(gè)零售商組成的供應(yīng)鏈系統(tǒng)，零售商采用周期性檢測(cè)庫(kù)存策略，基于當(dāng)前市場(chǎng)需求信息向供應(yīng)商訂貨.假設(shè)零售商沒(méi)有采取促銷(xiāo)行為，根據(jù)Kahn提出的市場(chǎng)需求預(yù)測(cè)模型，其基本思想認(rèn)為未來(lái)的需求必然與當(dāng)前的需求存在著某種關(guān)系[29]，這種關(guān)系可以表示為如下模型

Di,t=di+ρDi,t-1+εi,t，

i=1,2,…,n

(1)

(2)

(3)

由Heyman和Sobel的研究結(jié)果可知[30]，對(duì)具有如式(1)所表示的需求特征的產(chǎn)品來(lái)說(shuō)，當(dāng)?shù)趇個(gè)零售商在時(shí)期t末決定訂貨量為Qi,t時(shí)，為了達(dá)到從訂貨到需求發(fā)生這段時(shí)期內(nèi)的庫(kù)存與缺貨成本的期望值最小，即使從訂貨到需求發(fā)生這段時(shí)間內(nèi)的利潤(rùn)達(dá)到最大，應(yīng)采取order-up-to(依據(jù)水準(zhǔn)訂貨)的訂貨策略來(lái)確定該時(shí)期零售商的訂貨水平Si,t.當(dāng)零售商獲知第t期的市場(chǎng)需求量Di,t后，應(yīng)確定Si,t，并根據(jù)如下公式來(lái)確定訂貨量Qi,t,即

Qi,t=Di,t+(Si,t-Si,t-1)

(4)

其中

(5)

且

(6)

由Heyman和Sobel的推導(dǎo)結(jié)果可知，零售商訂貨的最優(yōu)訂貨依據(jù)水準(zhǔn)應(yīng)為

i=1,2,3,…,n

(7)

其中μRi,t和vRi,t分別表示基于第t期的市場(chǎng)需求量Di,t的均值和方差，則

(8)

(10)

進(jìn)一步地，將式(1)代入式(10)，可得

且

(11)

由式(11)，零售商可以根據(jù)分析和預(yù)測(cè)的市場(chǎng)需求量依次決定各個(gè)期間所決定的訂貨數(shù)量.

1.2零售商有促銷(xiāo)活動(dòng)下的模型構(gòu)建

根據(jù)Raghunathan的研究結(jié)果，當(dāng)零售商在前一期有促銷(xiāo)行為時(shí)，該市場(chǎng)需求特征可表示為

DPi,t=di+ρDi,t-1+qXi,t-1+εi,t-1

i=1,2,…,n

(12)

i=1,2,3, …,n

(13)

(14)

(15)

(16)

與式(1)需求分布特征類(lèi)似，由零售商訂貨量Qi,t與需求量DPi,t之間的關(guān)系表達(dá)式可得

(17)

1.3零售商訂貨量方差分析

零售商無(wú)論是否有促銷(xiāo)行為，根據(jù)order-up-to level 策略進(jìn)行訂貨量的決策，訂貨數(shù)量與實(shí)際的市場(chǎng)需求均會(huì)產(chǎn)生一定的方差，具體方差的產(chǎn)生取決于多個(gè)方面的因素，為簡(jiǎn)化分析，不妨以無(wú)促銷(xiāo)活動(dòng)下的市場(chǎng)需求特征為例來(lái)分析，根據(jù)式(1)、式(3)和式(4)，零售商訂貨量的方差可表示為

i=1,2,…,n

(18)

從方程(5)可以看出，當(dāng)零售商采用最優(yōu)庫(kù)存策略時(shí)，也就是零售商進(jìn)行所謂“理性決策”將會(huì)造成信息的扭曲，即產(chǎn)生“牛鞭效應(yīng)”.供應(yīng)鏈末端需求的方差將會(huì)通過(guò)提前期、訂貨周期、零售商之間訂貨的相關(guān)系數(shù)以及各個(gè)預(yù)測(cè)的參數(shù)等多個(gè)變量不斷放大.

從式(10)可以得出所有零售商向供應(yīng)商的總訂貨量為

(19)

方差為

(20)

方程(20)說(shuō)明了零售商總訂貨量的方差取決于零售商需求量的相關(guān)性而不是每個(gè)零售商訂貨量之間的相關(guān)性.當(dāng)相關(guān)系數(shù)rij為正值時(shí)，零售商總訂貨量的方差將增加，反之，零售商總訂貨量的方差將下降.實(shí)際上，當(dāng)市場(chǎng)需求處于高增長(zhǎng)時(shí)期，rij一般取正值，但市場(chǎng)需求處于較平穩(wěn)的時(shí)期，rij一般取負(fù)值，原因在于較為成熟的市場(chǎng)增長(zhǎng)不快，零售商要提高自己銷(xiāo)售額，就必然從其他的零售商吸引顧客，從而構(gòu)成了零和博弈.因而，不同零售商的訂貨量必然有升有降，這主要取決于零售商的促銷(xiāo)行為，但對(duì)供應(yīng)商來(lái)說(shuō)總訂貨量可能是不變的.根據(jù)以上分析，又因?yàn)?/p>

所以，可得

(21)

在市場(chǎng)需求是隨機(jī)的情況下，零售商總訂貨量的方差將會(huì)減小.Zinn等認(rèn)為，對(duì)于供應(yīng)商來(lái)說(shuō)，必須把所有零售商的需求量加總來(lái)估計(jì)總訂貨量方差[31].該理論的根據(jù)是所有零售商都是采用同一種市場(chǎng)促銷(xiāo)策略，但這與實(shí)際并不相符，所以，基于所有零售商總需求量數(shù)據(jù)進(jìn)行的市場(chǎng)預(yù)測(cè)比基于單個(gè)零售商需求量數(shù)據(jù)進(jìn)行預(yù)測(cè)的結(jié)果還更不準(zhǔn)確.

2　減少牛鞭效應(yīng)的資產(chǎn)組合管理方法

2.1牛鞭效應(yīng)的衡量及資產(chǎn)組合管理方法的運(yùn)用

根據(jù)Simchi-Levi等人的研究結(jié)果[32]，可以用式(22)衡量牛鞭效應(yīng)的大小.

(22)

從式(18)可以看出，當(dāng)BE≤0時(shí)，供應(yīng)商需求量的方差將會(huì)減小.進(jìn)一步地，將式(18)和式(20)代入式(22)，可得

(23)

由于ρ>0,對(duì)于任何兩個(gè)零售商之間的相關(guān)系數(shù)均為負(fù)值，即對(duì)于所有零售商，當(dāng)i≠j時(shí)，所有的rij=-1,從式(23)可以看出，供應(yīng)商的需求量方差存在著一個(gè)最小值.

由以上分析可知，對(duì)于供應(yīng)商來(lái)說(shuō)，通過(guò)零售商彼此之間的信息共享可以在一定程度上減少牛鞭效應(yīng).但是，供應(yīng)商對(duì)于那些來(lái)自零售商的促銷(xiāo)行為等因素所產(chǎn)生的需求量方差卻無(wú)法采取有效的措施，這將導(dǎo)致嚴(yán)重的牛鞭效應(yīng).因而，為有效減少供應(yīng)鏈中的牛鞭效應(yīng)，可以考慮在保持市場(chǎng)中所有零售商訂貨總量不變的條件下，對(duì)每個(gè)零售量的訂貨數(shù)量進(jìn)行調(diào)整，本文運(yùn)用資產(chǎn)投資組合方法確定每個(gè)零售商在訂貨時(shí)應(yīng)增加或減少的訂貨數(shù)量，從而通過(guò)對(duì)零售商訂貨數(shù)量的重新分配達(dá)到減少牛鞭效應(yīng)的目的.其原理在于根據(jù)資產(chǎn)投資組合理論，投資者應(yīng)該進(jìn)行多元化組合投資，可以產(chǎn)生最大的預(yù)期收益和最小的方差，借鑒該理論，要最大程度地減少供應(yīng)鏈中的牛鞭效應(yīng)可以通過(guò)最小化零售商的訂貨方差來(lái)實(shí)現(xiàn)，具體如下：

令Xi為第i個(gè)零售商的一個(gè)正的調(diào)節(jié)系數(shù)，在第t期，市場(chǎng)中實(shí)際的供應(yīng)數(shù)量可以表示為XiQi,t,目標(biāo)的庫(kù)存量水平為XiSi,t.根據(jù)資產(chǎn)組合管理理論，可以通過(guò)設(shè)定一系列調(diào)節(jié)系數(shù)Xi,i=1,2,…,n,使總訂貨量的方差達(dá)到最小.基本模型如下式所示

minVar(QR,t)=Var(X1Q1,t+

X2Q2,t+…+XnQn,t)

(24)

Xi>0,i=1,2,…,n

由于Xi>0,則

由于質(zhì)心是物質(zhì)系統(tǒng)上被認(rèn)為質(zhì)量集中于此的一個(gè)假想點(diǎn)，表示質(zhì)量分布的平均位置，故可以據(jù)此來(lái)確定撒料點(diǎn)在撒料區(qū)域中的平均位置，以確保最終撒料能夠覆蓋到實(shí)際需要撒料區(qū)域.設(shè)撒料區(qū)域像素點(diǎn)集合 Ui中的元素是 p（x，y），n 為集合 Ui內(nèi)像素點(diǎn)總數(shù)量，質(zhì)心坐標(biāo) Z（x，y）的求解公式為式（9）.

(25)

否則，當(dāng)Xi<0時(shí)，則

(26)

從式(26)可知，所有其他的供貨數(shù)量將為負(fù)數(shù)或0，而這顯然是不可能的.

由于兩種需求特征不同的市場(chǎng)訂貨量分別可表示為

Qi,t=Di,t+(Si,t-Si,t-1)=ρl+1Di,t+

假設(shè)存在單個(gè)供應(yīng)商與R1和R2兩個(gè)零售商，正常情況下R1的銷(xiāo)售量更大，但R2在t-1期單方采取促銷(xiāo)行為來(lái)提高需求量的情況下，如何預(yù)測(cè)本期雙方的市場(chǎng)需求量和和決定訂貨量以及減小由此而產(chǎn)生的牛鞭效應(yīng)就成了本文要研究的主要問(wèn)題.

2.2在零售商R2促銷(xiāo)條件下雙方需求量相等時(shí)

根據(jù)以上假設(shè)，當(dāng)R2在前一期通過(guò)促銷(xiāo)手段使得兩個(gè)零售商的市場(chǎng)平均需求量相等，即：令di=E(Qi,t)=d,i=1,2.因而，兩個(gè)零售商的期望訂貨量是相等的.在零售商雙方獨(dú)立決策的情況下，R2會(huì)根據(jù)式(12)的市場(chǎng)需求特征模型決定訂貨量.在兩種不同需求特征情況下，有促銷(xiāo)活動(dòng)的R2訂貨量的方差會(huì)高于無(wú)促銷(xiāo)活動(dòng)的R1，即Var(Q2,t)>Var(Q1,t)，因而，從式(20)可得

minVar(QR,t)=Var(X1Q1,t+X2Q2,t)

(27)

由于假設(shè)每個(gè)零售商的平均訂貨數(shù)量都是相等的，即

(28)

把式(28)代入式(27)，可得

minVar(QR,t)=Var(X1Q1,t+X2Q2,t)

(29)

相應(yīng)地，可知總訂貨量QR,t的方差為

2X1(2-X1)Cov(Q1,t,Q2,t)

(30)

由式(29)、式(30)，可得

(31)

2.3在零售商R2促銷(xiāo)條件下需求量不同的模型

在式(38)中是假定R2在通過(guò)促銷(xiāo)行為銷(xiāo)售量得到提高，因而使得原來(lái)R2在需求量小于R1的情況下實(shí)現(xiàn)雙方的市場(chǎng)平均需求量相同，從而所有零售商向供應(yīng)商訂貨的數(shù)量是相同的.但實(shí)際上，每個(gè)零售商的訂貨數(shù)量通常取決于顧客的需求量大小，如果R1需求量遠(yuǎn)大于R2，R2即使通過(guò)促銷(xiāo)手段獲得一定的銷(xiāo)售量增加，在短期內(nèi)也難以在市場(chǎng)中獲得與R1平起平坐的地位.因而，R2可能從R1奪取一部分的市場(chǎng)需求量，但總體上，R2的需求量還是要比R1小.當(dāng)兩個(gè)零售商的訂貨量不同的情況下，對(duì)供應(yīng)商供貨數(shù)量也相應(yīng)地產(chǎn)生影響.

假設(shè)d1≠d2，di=E(Si,t)，由于E(X1S1,t+X2S2,t)=E(S1,t+S2,t)，可以推出X1d1+X2d2=d1+d2，所以，式(24)可重新表示為

minVar(QR,t)=Var(X1Q1,t+X2Q2,t)

(33)

由式(33)可解得

(34)

(35)

從式(34)、式(35)可以看出，對(duì)于零售商訂貨量的分配比率取決于期望訂貨量和訂貨方差.不失一般性，為簡(jiǎn)化分析，本文以零售商之間的訂貨需求量相等時(shí)為例來(lái)討論.

(36)

從式(36)可以看出，當(dāng)市場(chǎng)上最終消費(fèi)者的需求彼此高度正相關(guān)時(shí)，即當(dāng)r12→1時(shí)，式(34)和式(35)中無(wú)法找到一個(gè)可行解來(lái)減少總需求的方差.

2.4采用資產(chǎn)組合管理方法前后零售商的分析

與比較

2.4.1調(diào)整訂貨量前后零售商平均總庫(kù)存水平

與單個(gè)零售商庫(kù)存水平的分析與比較

(37)

(38)

(39)

由于訂貨量調(diào)整前零售商R1和零售商R2的平均庫(kù)存水平分別為

2.4.2調(diào)整訂貨量前后零售商庫(kù)存機(jī)會(huì)成本的

分析與比較

R1在未調(diào)整訂貨量前的庫(kù)存成本與短缺損失的表達(dá)式為

(40)

E(CR1(Q1,t))=[2(p-cR1)+hR1]×

(41)

S1,t)f(X1Q1,t)d(X1Q1,t)

(42)

E(CR1(Q1,t))=[2(p-cR1)+hR1]×

(43)

(44)

E(CR2(Q2,t))=[2(p-cR2)+hR2]×

(45)

且

(46)

從以上對(duì)R1和R2在調(diào)整訂貨量前后的庫(kù)存成本與短缺損失來(lái)看，通過(guò)賦予某個(gè)調(diào)整因子調(diào)整訂貨量后，R1和R2的庫(kù)存成本與短缺損失均減小了.2.4.3調(diào)整訂貨量前后零售商利潤(rùn)的分析與比較

Q1,t)]f(Q1,t)dQ1,t

(47)

則R1在未調(diào)整訂貨量前的期望利潤(rùn)可表示為

[2(p-cR)+hR][αR1FR(αR1)+

(48)R1在調(diào)整訂貨量后的期望利潤(rùn)可表示為

(49)

2.4.4供應(yīng)商的需求方差

零售商在調(diào)整訂貨量前的供應(yīng)商需求量方差可以表示為

Var(QR,t)=Var(Q1,t)+Var(Q2,t)+

2Cov(Q1,t,Q2,t)

而在零售商調(diào)整訂貨量后，供應(yīng)商需求量的方差可表示為

Cov(Q1,t,Q2,t)+4Var(Q2,t))

(50)

把式(31)代入式(50)，得

(51)

因此，對(duì)于供應(yīng)商的需求量方差的減少數(shù)值大小為

由上式，可以進(jìn)一步求得供應(yīng)商需求量減少的方差的比率為

(52)

BE*=

則由式(31)、式(32)可得

3　算例分析

(53)

2)R1與R2之間有信息共享的情況下，兩個(gè)零售商分別就訂貨量進(jìn)行決策存在一定的相關(guān)性，零售商向供應(yīng)商訂貨的總需求量方差用Var(QR,t)表示，可得

Var(QR,t)=Var(Q1,t)+Var(Q2,t)+

2Cov(Q1,t,Q2,t)=

(54)

(55)

進(jìn)一步地，可以把r12的取值推廣至一般的情況，分別取各個(gè)不同的相關(guān)系數(shù)，同時(shí)其余的參數(shù)分別仍舊取原來(lái)的值，即r12=-0.1～-0.9時(shí)，k分別取1.2，1.4，1.6，1.8以及2.0，如表1所示.同樣地，當(dāng)r12=0.1～0.9時(shí)，k分別取1.2，1.4，1.6，1.8以及2.0，如表2所示.另外，根據(jù)前文的分析

(56)

1)當(dāng)r12<0時(shí)

表1　數(shù)值模擬中的參數(shù)設(shè)定(r12<0)

表2　不同參數(shù)(r12<0)時(shí)的牛鞭效應(yīng)

2)當(dāng)r12>0時(shí)

表3　數(shù)值模擬中的參數(shù)設(shè)定(r12>0)

表4　不同參數(shù)(r12>0)時(shí)的牛鞭效應(yīng)

從表1、表2的數(shù)值計(jì)算結(jié)果可知，當(dāng)r12≠0時(shí)，不管k的取值是多少，通過(guò)資產(chǎn)組合管理方法所確定的調(diào)節(jié)系數(shù)X1和X2，均使得BE*

4　結(jié)束語(yǔ)

供應(yīng)鏈中由于牛鞭效應(yīng)的存在使得上下游企業(yè)往往不能獲取準(zhǔn)確的需求和供應(yīng)信息，這將極大地影響供應(yīng)鏈的整體績(jī)效，從而無(wú)法達(dá)到最優(yōu)水平，因而，不論對(duì)于整條供應(yīng)鏈，還是供應(yīng)鏈中的節(jié)點(diǎn)企業(yè)，采取有效的措施或設(shè)計(jì)優(yōu)化的策略來(lái)對(duì)其進(jìn)行協(xié)調(diào)從而減少牛鞭效應(yīng)都是十分必要的.供應(yīng)鏈中的上下游企業(yè)如果信息無(wú)法實(shí)現(xiàn)共享，那對(duì)雙方來(lái)說(shuō)，要么可能導(dǎo)致更高的安全庫(kù)存，從而要負(fù)擔(dān)更高的庫(kù)存成本，要么可能會(huì)產(chǎn)生大量的缺貨成本.以往關(guān)于供應(yīng)鏈信息共享或牛鞭效應(yīng)的研究主要基于上下游企業(yè)雙方對(duì)市場(chǎng)需求的預(yù)測(cè)，在本文中，嘗試采用資產(chǎn)組合管理方法并結(jié)合市場(chǎng)需求的預(yù)測(cè)信息來(lái)減少供應(yīng)鏈中的牛鞭效應(yīng)，同時(shí)在此基礎(chǔ)上可以改善供應(yīng)鏈的整體績(jī)效.

從本研究的分析結(jié)果可以看出，通過(guò)運(yùn)用資產(chǎn)組合管理方法可以減少供應(yīng)商的總方差，對(duì)于零售商不論相關(guān)系數(shù)大于零或小于零，即不管零售商彼此的需求是正相關(guān)還是負(fù)相關(guān)，都能夠在一定程度上減少供應(yīng)鏈中的牛鞭效應(yīng)，且相關(guān)系數(shù)的絕對(duì)值越大，減少牛鞭效應(yīng)的效果就越好，而且在同一相關(guān)系數(shù)下，零售商對(duì)市場(chǎng)需求預(yù)測(cè)的方差越大，運(yùn)用資產(chǎn)組合管理方法所減少的牛鞭效應(yīng)的效果就越大.

[1]Lee H L, Padmanabhan V, Whang S. The bullwhip effect in supply chains[J]. Sloan Management Rev., 1997, 38(3): 93-102.

[2]Lee H L, Padmanabhan V, Whang S. Comments on information distortion in a supply chain: The bullwhip effect[J]. Management Science, 2004, 50: 1887-1893.

[3]Heydan J, Kazemzadeh R B, Chaharsooghi S K. A study of lead time variation impact on supply chain performance[J]. International Journal of Advanced Manufacturing Technology, 2009, 40: 1206-1215.

[4]Aharon B T, Boaz G, Shimrit S. Robust multi-echelon multi-period inventory control[J]. European Journal of Operational Research, 2009, 199: 922-935.

[5]Su C T, Wong J T. Design of a replenishment system for a stochastic dynamic production/forecast lot-sizing problem under bullwhip effect[J]. Expert System with Application, 2008, 34: 173-180.

[6]Geary S, Disney S M, Towill D R. On bullwhip in supply chains-historical review, present practice and expected future impact[J]. Int. J. Production Economics, 2006, 101: 2-18.

[7]Sohn S Y, Lim M. The effect of forecasting and information sharing in SCM for multi-generation products[J]. European Journal of Operational Research, 2008, 186: 276-287.

[8]Agrawal S, Sengupta R N, Shanker K. Impact of information sharing and lead time on bullwhip effect and on-hand inventory[J]. European Journal of Operational Research, 2009, 192: 576-593.

[9]Alony I, Munoz A. The bullwhip effect in complex supply chains[C]. International Symposium on Communications and Information Technologies on IEEE, 2007, 1355-1360.

[10]Nepal B, Murat A, Chinnam R B. The bullwhip effect in capacitated supply chains with consideration for product life-cycle aspects[J]. Int. J. Production Economics, 2012, 136: 318-331.

[11]Erkan B, Lenny Koh S C, Gunasekarn A, et al. The role of forecasting on bullwhip effect for E-SCM applications[J]. Int. J. Production Economics, 2008, 113: 193-204.

[12]Moyaux T, Chaib-draa B, D’Amours S. Information sharing as a coordination mechanism for reducing the bullwhip effect in a supply chain[J]. IEEE Transaction on Systems, Man and Cybernetics Part C: Applications and Reviews, 2007, 37: 396-409.

[13]達(dá)慶利， 張欽， 沈厚才. 供應(yīng)鏈中牛鞭效應(yīng)問(wèn)題研究[J]. 管理科學(xué)學(xué)報(bào)， 2003, 6(3)： 86-93.

Da Qingli, Zhang Qin, Shen Houcai. Study on bullwhip effect in supply chain[J]. Journal of Management Sciences in China, 2003, 6(3)： 86-93.(in Chinese)

[14]Disney S M, Towill D R. The effect of vendor managed inventory (VMI) dynamics on the bullwhip effect in supply chains[J]. Int. J. Production Economics, 2003, 85: 199-215.

[15]Chen F, Drezner Z, Ryan J K, et al. Quantifying the bullwhip effect in a simple supply chain: The impact of forecasting, lead time, and information[J]. Manage Sci., 2000, 46(3): 436-443.

[16]萬(wàn)杰， 寇紀(jì)松， 李敏強(qiáng). 需求信息預(yù)測(cè)與處理中的牛鞭效應(yīng)[J]. 天津大學(xué)學(xué)報(bào)， 2003, 36(3)： 369-373.

Wan Jie, Kou Jisong, Li Minqiang. Bullwhip effect in demand forecasting and processing[J]. Journal of Tianjin University, 2003, 36(3)： 369-373. (in Chinese)

[17]Dejonckheere J, Disney S M, Lambrecht M R, et al. Measuring and avoiding the bullwhip effect: A control theoretic approach[J]. European Journal of Operational Research, 2003, 147: 567-590.

[18]黃小原， 郭海峰， 盧震. 供應(yīng)鏈時(shí)滯系統(tǒng)模型及其牛鞭效應(yīng)的H∞控制[J]. 系統(tǒng)工程學(xué)報(bào)， 2005, 20(6)： 585-590.

Huang Xiaoyuan, Guo Haifeng, Lu Zhen. H∞control of supply chain time delay system model and its bullwhip effect[J]. Journal of Systems Engineering, 2005, 20(6)： 585-590. (in Chinese)

[19]羅衛(wèi)， 張子剛， 歐陽(yáng)明德. 基于DE-APIOBPCS策略的牛鞭效應(yīng)和庫(kù)存方差[J]. 中國(guó)管理科學(xué)， 2005, 13(2)： 88-94.

Luo Wei, Zhang Zigang, Ouyang Mingde. Bullwhip effect and inventory variance based DE-APIOBPCS policy[J]. Chinese Journal of Management Science, 2005, 13(2)： 88-94. (in Chinese)

[20]唐亮， 靖可. H∞魯棒控制下動(dòng)態(tài)供應(yīng)鏈系統(tǒng)牛鞭效應(yīng)優(yōu)化[J]. 系統(tǒng)工程理論與實(shí)踐， 2012, 32(1)： 155-163.

Tang Liang, Jing Ke. Bullwhip effect optimization of dynamic supply chain system based on H∞r(nóng)obust control[J]. Systems Engineering: Theory & Practice, 2012, 32(1)： 155-163. (in Chinese)

[21]魏永長(zhǎng)， 王紅衛(wèi)， 祁超, 等. 橫向調(diào)貨策略下供應(yīng)網(wǎng)絡(luò)中牛鞭效應(yīng)的魯棒控制[J]. 系統(tǒng)工程學(xué)報(bào)， 2013, 28(5)： 633-640.

Wei Yongchang, Wang Hongwei, Qi Chao, et al. Robust control for the bullwhip effect of a supply network under the lateral transshipment policy[J]. Journal of Systems Engineering, 2013, 28(5)： 633-640.(in Chinese)

[22]李剛， 汪壽陽(yáng)， 于剛, 等. 牛鞭效應(yīng)與生產(chǎn)平滑模型有效性問(wèn)題[J]. 管理科學(xué)學(xué)報(bào)， 2004, 7(1)： 1-18.

Li Gang, Wang Shouyang, Yu Gang, et al. Bullwhip effect and validity of production-smoothing model[J]. Journal of Management Sciences in China, 2004, 7(1)： 1-18.(in Chinese)

[23]莊偉卿， 劉震宇. 牛鞭效應(yīng)弱化與反牛鞭效應(yīng)強(qiáng)化在完美信息下聯(lián)合作用的博弈[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)， 2012, 42(13)： 20-31.

Zhuang Weiqing, Liu Zhenyu. Game of the combined effects of bullwhip effect weaken and anti-bullwhip effects strengthen under the perfect information[J]. Mathematics in Practice and Theory, 2012, 42(13)： 20-31. (in Chinese)

[24]Wright D, Xin Yuan. Mitigating the bullwhip effect by ordering policies and forecasting methods[J]. Int. J. Production Economics, 2008, 113: 587-597.

[25]章魏， 華中生. 多產(chǎn)品供應(yīng)鏈的牛鞭效應(yīng)及其減弱方法[J]. 系統(tǒng)工程學(xué)報(bào)， 2010, 25(4)： 479-483.

Zhang Wei, Hua Zhongsheng. Bullwhip effect in multi-product supply chain and its weakened method[J]. Journal of Systems Engineering, 2010, 25(4)： 479-483.(in Chinese)

[26]馬云高， 王能民， 徐金鵬. 供應(yīng)鏈零售商預(yù)測(cè)技術(shù)研究——基于牛鞭效應(yīng)的視角[J]. 運(yùn)籌與管理， 2013, 22(3)： 53-60.

Ma Yungao, Wang Nengmin, Xu Jinpeng. Analysis of retailer’s forecasting techniques in supply chain: Based on the bullwhip effect[J]. Operations Research and Management Science, 2013, 22(3)： 53-60. (in Chinese)

[27]Li Qinyun, Stephen M Disney, Gerard Gaalman. Avoiding the bullwhip effect using damped trend forecasting and the Order-Up-To replenishment policy[J]. Int. J. Production Economics, 2014, 149: 3-16.

[28]Sanjita Jaipuria, Mahapatra S S. An improved demand forecasting method to reduce bullwhip effect in supply chains[J]. Expert Systems with Applications, 2014, 41: 2395-2408.

[29]Kahn J A. Inventories and the volatility of production[J]. Am Econ Rev., 1987, 77(4): 667-679.

[30]Heyman D P, Sobel M J. Stochastic Models in Operations Research[M]. Vol. Ⅱ, New York: McGraw-Hill, 1984.

[31]Zinn W, Levy M, Bowersox D J. Measuring the effect of inventory centralization/decentralization on aggregate safety stock: The “square root law” revisited[J]. J. Bus Logist, 1989, 10(1): 1-14.

[32]Simchi-Levi D, Kaminsky P, Simchi-Levi E. Designing and Managing the Supply Chain: Concepts, Strategies, and Case Studies[M]. Boston: McGraw-Hill, 2000.

[33]Silver E, Peterson R. Decision Systems for Inventory Management and Production Planning[M]. 2ndedition. New York: John Wiley and Sons, 1985.

Reducing bullwhip effect in supply chain: A portfolio management approach

CHENChang-bin1,2,SHENGXin3*,LIANGYong-yi3

1. Research Centre for Modern Logistics, Tsinghua University, Beijing 100083, China;2. Zhongshan Institute, University of Electronic Science and Technology of China, Zhongshan 528402, China;3. Lingnan College, Sun Yat-sen University, Guangzhou 510275, China

In the supply chain system comprising of one supplier and several retailers, retailers are likely to face two kinds of market demand in a dynamic environment: demand under no sales promotion and demand under sales promotion. In this situation, we assume that the retailers adopt the order-up-to level policy to play orders from suppliers according to the information of market demand. On the other hand, the retailers in the same market may take each other’s order-decision behavior into account. In this article, we discuss the downstream suppliers’ decisions of ordering from upstream suppliers when retailers have different correlations. Furthermore, we investigate the retailers leveraging the portfolio management approach from securities investment theory to adjust the retailers’ quantity of ordering which can reduce the total variance of ordering to suppliers and the bullwhip effect. And we investigate the retailers’ motivation on order adjustment by analyzing and comparing inventory cost, loss of out of stock and profit which the inventory level before and after order adjustment. Our numerical findings show that portfolio management approach can help to reduce the total variance of ordering to the supplier. Also, this method can reduce the bullwhip effect in the supply chain to some extent when multiple retailers have different correlation coefficients of the decision-making behavior in the same market. The greater the correlation coefficient among the retailers is, the more significant the effect on eliminating the bullwhip effect in supply chain will be. Moreover, at the same correlation coefficient, the greater the variance of the market demand forecasted by the retailers, the greater the effect on reducing the bullwhip effect is with the application of the portfolio management approach.

supply chain; order-up-to level policy; bullwhip effect; portfolio management approach

① 2013-06-19；

2014-10-03.

廣東省自然科學(xué)基金資助項(xiàng)目(2014A030313643)； 浙江省科技計(jì)劃一般軟科學(xué)資助項(xiàng)目 (2010C35004)； 浙江省教育廳資助重點(diǎn)項(xiàng)目(Z200908711)； 杭州市哲學(xué)社會(huì)科學(xué)重點(diǎn)研究基地資助項(xiàng)目(2012JD26)； 杭州市科技計(jì)劃軟科學(xué)資助項(xiàng)目(20110934M29)； 浙江省社會(huì)科學(xué)界聯(lián)合會(huì)“民生調(diào)研協(xié)作攻關(guān)”專(zhuān)項(xiàng)課題資助項(xiàng)目(2011XN03).

盛鑫(1982—)， 男， 安徽亳州人， 講師， 博士. Email: shengxinzsu@163.com

F270

A

1007-9807(2016)06-0033-16