第五章 結論與未來研究方向
第二節 未來研究方向
一、本研究將每個階層的前置時間都固定為短期 L=1 或長期 L=2，但在實務上礙於訂貨、
配送與地點等問題，每個階層的前置時間不盡相同，因此建議後續學者可將每個階 層的前置時間假設為變數，對於供應鏈情境模式可完整且更符合現實情形。
二、本研究主要以需求預測方法與資訊分享方式進行探討，並沒討論到存貨成本與缺貨 成本對於供應鏈長鞭效應的影響，建議可考慮加入供應鏈總成本最小化模式，讓整 個模擬更接近實務。
三、本研究的雲端運算資訊分享方式，只考慮到上游階層可利用下游的資訊進行預測，
尚未完善利用雲端的精髓，讓每個階層都可以獲得所有上下階層的資訊做為參考資 料，因此建議後續學者在資訊的時代，有效運用資訊方式，減緩長鞭效應的現象，
讓整體供應鏈提升競爭能力。
參考文獻
中文部分
行政院經濟部(2010)，雲端運算產業發展方案。
何致華(2005)，固定生產率下預測方法與長鞭效應之研究，國防大學國防管理學院後勤 管理研究所碩士論文。
何應欽編譯(2009)，供應鏈設計與管理,普林斯頓國際有限公司。(譯自 Simchi-Levi et al., 2008)
吳坤山、張宏吉編譯(2005)，管理科學導論，華泰文化事業股份有限公司。(譯自 Taylor, 2004)
周天穎、衷嵐焜、辜文元(2011)，格網與雲端技術與 GIS，國土資訊系統通訊，74，2-12。
林家瑜 譯(2009)，雲端運算，台北：基峰資訊股份有限公司。(譯自 Miller, 2008) 財信出版(2010)，雲端運算投資攻略，財信出版有限公司。
陳以明、李文文(2006)，多階層供應鏈在資訊共享下的前置時間管理：解析方法與績效 評估，電子商務學報，8(2)，235-275。
劉賓陽、吳亞穎、陳維中編譯(2007)，供應鏈管理，台灣培生教育出版有限公司。(譯自 Chopra and Meindl, 2006)。
劉基全、廖述賢、鍾香廣(2004)，零售業存貨政策模擬模式建構之研究－以國防部福利 總處為例，科技整合管理國際研討會，177-198。
蔡金宏(2010)，「雲端運算」服務與中小企業，經濟前瞻，131，93-96。
諸志鵬、李宗儒、張育仁、陳秀育、顏進儒編譯(2010)，供應鏈管理(第八版)，華泰文 化事業股份有限公司。(譯自 Langley et al., 2008)
黎正中、陳源樹(2003)，實驗設計與分析(第二版)，台北：高立圖書出版社。(譯自 Douglas, 1997)
謝秉孝(2004)，供應鏈長鞭效應之預測方法比較，國立台北科技大學商業自動化與管理 系碩士班碩士論文。
蘇怡如(2005)，供應鏈管理下需求預測控制之研究，逢甲大學交通工程與管理學系碩士 班碩士論文。
英文部分
Austin, T. (1998), The personal computer supply chain: Unlocking hidden value, London:
Gower press.
Chen, Y. E., Drezner, Z., Ryan, J. K., and Simchi-Levi, D. (2000a), Quantifying the bullwhip effect: the impact of forecasting, leadtime and information, Management science, 46, 436-443.
Chen, Y. E., Drezner, Z., Ryan, J. K., and Simchi-Levi, D.(2000b), The impact of exponential smoothing forecasts on the bullwhip effect, Naval research logistucs , 47, 269-286.
Chopra, S., and Meindl, P.(2006), Supply Chain Management: Strategy, Planning and Operation, 3rd ed., New Jersey: Prentice Hall.
Forrester , J.W(1961), Industrial dynamics, Cambridge: The M.I.T Press.
Georgoff, D.M., and Murdick, R. G.(1986), Managers guide to forecasting, Hrvard business review, 64(1), 1-9.
Hadley, G., Whitin, T.M.(1963), Analysis of Inventory Systems, New Jersey: Prentice Hall.
Houlihan,J.B.(1987), International supply chain management, International journal of physical distribution and materials management, 17(2), 51-66.
Kelle, P., and Milne, A.(1999), The effect of (s, S) ordering policy on the supply chain, International journal of production economics, 59(1), 113-122.
Langley Jr., C. J., Coyle, J. J., Gibson, B. J., Novack, R. A., and Bardi, E. J.(2008), Managing supply chains: A logistics approach ,8th ed., Cincinatti: South-Western.
Lee, H. L., Padmanabhan, V., and Whang, S.(1997a), The bullwhip effect in supply chain, Sloan management review, 38(3), 93-102.
Lee, H.L., Padmanabhan, V., and Whang, S.(1997b), Information distortion in a supply chain:
The bullwhip effect, Management science, 43(4), 546-558.
Lee, H.L., So, K.C., and Tang, C.S.(2000), The value of information sharingin a two-level supply chain, Management Science, 46(5), 626-643.
O’Donnell, T., Maguire, L., McIvor, R., and Humphreys, P.(2006), Minimizing the bullwhip effect in a supply chain using genetic algorithms, International journal of production research, 44(8), 1523-1543.
Sahin, F., and Robinson, E.P.(2005), Information Sharing and Coordination in Make-to-Order Supply Chains, Journal of Operations Management, 23(6), 579-598.
Silver, E.A., Pyke, D.F., and Peterson, R.(1998), Inventory management and production planning and scheduling ,3rd ed., New York: Wiley.
Simchi-Levi, D., Kaminsky, P., and Simchi-Levi, E.(2000, 2008), Designing and managing the supply chain: Concepts, strategies, and case studies,3rd ed.,
Boston:
McGraw-Hill College.Sterman, J. D.(1989), Modeling managerial behavior: Misperceptions of feedback in a dynamic decision making experiment, Management science, 35, 321-339.
Sheu, J. B. (2005). A multi-layer demand-responsive logistics control methodology for alleviating the bullwhip effect of supply chains, European Journal of Operational Research, 161(3), 797-811.
Towill, D. R.(1991), Smoothing supply chain dynamics, International journal of production economics, 22, 231-248.
Towill, D. R.(1994), The application of filter theory to the study of supply chain dynamics, Production planning & control, 5(1), 82-96.
Xu, K., Dong, Y., and Evers, P.T.(2001), Towards better coordination of the supply chain, Transportation research part e, 37, 35-54.
附錄一 模擬過程
利用軟體 Microsoft Excel 設定需要的模擬假設流程，模擬時間為一年，每週進行訂 購，共有約 52 次的訂購次數，將各階層(顧客、零售商、批發商、配銷商、製造商)一年
二、零售商的模擬
三、批發商的模擬
每週期初= ( A ) 每週期中= ( B ) 每週期末=( C )
(四捨五入) 出貨-接單
平均值 96.48 42.23 262.23
變異數 14024.8
四、配銷商的模擬
每週期初= ( A ) 每週期中= ( B ) 每週期末=( C )
(四捨五入) 出貨-接單
平均值 109.13 92.75 482.08
變異數 28780.8
五、製造商的模擬
每週期初= ( A ) 每週期中= ( B ) 每週期末=( C )
(四捨五入) 出貨-接單
平均值 132.35 140.33 551.77
變異數 62731.3
六、各階層訂購量統計表
平均值 101.3 101.5 110.9 112.2 103.0 變異數 87.2 11800.2 28444.8 46529.9 53769.9
顧客需求 零售商 批發商 配銷商 製造商
附錄二 Excel VBA 程式
將各階層一年的訂購量變異數值保留，利用軟體 VBA 程式進行模擬 80 次。