未來研究方向

本研究所提的混合式訂單預測模型雖能夠有效提升預測績效，但由於產業類 別的不同，其變數考慮原因極為複雜，因此為提升本研究的適用範圍與彈性，對 於未來的研究方向提出

下列幾點建議：

1. 本研究多元回歸模型中之變數選取方面，應依照其產業適用性或公司實用性 作一適合性調查。研究文獻所舉之解釋變數，為一般指標性預測模型變數架構，

各企業針對其個案發展出雙方共同認定之變數，加強雙方協同績效。

2. 在多元回歸模型部分，由於傳統針對 CPFR 訂單預測解釋變數之文獻探討並未 包含企業考慮再製造策略下的活動的變數，後續研究可針對更多不同公司類別或 產品之屬性等資訊進行著手調查，考慮其影響再製造活動下之影響變數。

3. 本研究中提出的模糊物料訂購總量模型中，其輸入的變數可以加入更多相關 限制，如前置時間、產能限制、其他相關成本與配送問題的條件，更符合實際面 的需求。

4. 本研究只針對訂單預測階段提出預測模型，排除例外事件的處理機制，未來 研究可朝此方向努力。

5. 本研究為一 CPFR 流程中一協同訂預測步驟，未來後續發展能與相關補貨流程 做結合，使得銷售預測、訂單預測與補貨，三位一體發揮出最大功效。

參考文獻 中文文獻

1. 于宗先，1972，經濟預測，大中國圖書有限公司。

2. 王文俊，1997，認識Fuzzy，全華科技圖書股份有限公司。

王立志，2006，系統化運籌與供應鏈管理-企業營運新典範，滄海書局。

3. 吳子逢，2003，使用直交實驗設計的高效率演化策略及其應用，逢甲大學資 訊工程所碩士論文。

4. 呂柏賢，2000，灰色需求預測模型之研究─以易腐性商品為例，東海大學工 業工程學系碩士論文。

5. 李順益，2002，灰色理論於短期銷售預測之適用性探討，義守大學資訊工程 學系碩士論文。

6. 林坤德，2004，逆向運籌再製造存貨策略之最佳經濟生產與訂購批量之探 討，雲林科技大學工業工程與管理研究所碩士論文。

7. 林思宏，2000，非線性系統之預測控制研究，國立成功大學機械工程學系博 士論文。

8. 洪維謙，2006，逆向運籌下供應鏈管理策略對成本之影響，國立政治大學資 訊管理學系碩士論文。

9. 留英龍，2000，模糊理論應用於地層下陷之預測，國立成功大學海洋工程學 系碩士論文。

10. 張育偉，2003，以知識地圖為基礎發展的遠距測驗選題策略，中原大學資訊 工程研究所碩士論文。

11. 許純君(譯)，DeLurgio,S.A.著，1999，預測的原則與應用，台灣西書有限 公司。

12. 陳嘉文，1998，模糊邏輯在機械設計之應用，元智大學機械工程研究所碩士 論文。

13. 陳寬茂，2005，CPFR流程下之訂單預測方法，國立政治大學資訊管理學系碩 士論文。

14. 曾永勝，2005，CPFR銷售預測模型之探討，國立政治大學資訊管理學系碩士 論文。

15. 黃肆海，2003，混合型模擬退火法於結構工程之應用，國立成功大學航空太 空工程學系碩士論文。

16. 黃慨郁，2006，供應鏈網路中考量回收機制之主規劃排程演算法，國立台灣 大學資訊管理研究所碩士論文。

17. 黃蘭禎，2004，CPFR流程下之銷售預測方法~混合預測模型，國立政治大學 資訊管理學系碩士論文。

18. 溫士城，2006，逆向運籌下的最佳經濟訂購批量與製造批量，國立政治大學

資訊管理學系碩士論文。

19. 鄭偉平，2005，華文圖書出版的供應鏈管理---探討逆向運籌，高雄第一科 技大學運輸與倉儲營運系碩士論文。

20. 羅慕君，2004，短期訂單預測模型之研究—PDA產業為例,中原大學資訊管理 研究所碩士論文。

英文文獻

1. Arnold, D. V. and Beyer, H.-G., 2002, “Local Performance of the (1 + 1)-ES in a Noisy Environment”, IEEE Trans. Evolutionary Computation, Vol. 6, No. 1, pp.

30-41.

2. Arnold, D. V. and Beyer, H.-G., 2002, “Performance Analysis of Evolution Strategies with Multi-recombination in High-dimensional RN-search Spaces Disturbed by Noise”, Theoretical Computer Science, 289, pp. 629–647.

3. Aviv, Y., 2001, “The Effect of Collaborative Forecasting on Supply Chain Performance”, Management Science, Vol. 47, No. 10, pp. 1326-1343.

4. Aviv, Y., 2002, “Gaining Benefits from Joint Forecasting and Replenishment Processes: the Case of Auto-Correlated Demand”, Manufacturing & Service Operations Management, Vol. 4, No. 1, pp. 55-74.

5. Beyer, H.-G., 1995, “Toward a Theory of Evolution Strategies: On the Benefit of Sex--The (µ/µ,λ)--Theory”, Evolution Computation, Vol. 3, No.1, pp. 81-111.

6. Beyer, H.-G., 2001, “The Theory of Evolution Strategies”, Springer.

7. Carter, C. R. and Ellram, L. M , 1998, “Reverse Logistics: a Review of the Literature and Framework for Future Investigation”, Journal of Business Logistics, 19(1), pp. 85-102.

8. Chamber, J. C., Mullick, S. K. and Smith, D. D., 1971, “How to Choose the Right Forecasting Technique”, H.B.R., July-Aug.

9. Charles, C. W. and Chase, Jr., 2000, “Composite Forecasting: Combing Forecasts for Improved Accuracy”, The Journal of Business Forecasting, Vol. 19, pp. 20-22.

10. Cohen, M., 1988, “Replace, Rebuild or Remanufacture”, Equipment Management, 16(1), pp. 22-26.

11. DeLurgio, S. A., 1998, “Forecasting Principles and Applications”, Boston: Irwin McGraw-Hill.

12. Dowlashahi, S., 2000, “Developing a Theory of Reverse Logistics”, Interfaces, Vol. 30, No. 3, pp. 143-55.

13. Fleischmann, M., Bloemhof-Ruwaard, J. M., Dekker, R. and Van Der Laan, E, 1997, “Quantitative Models for Reverse Logistics: A Review”, European Journal

of Operational Research, 103(1), pp. 1-17.

14. Fleischmann, M., Krikke, H. R., Dekker, R. and Flapper, S. D. P., 2000, “A Characterization of Logistics Networks for Product Recovery”, Omega, 28(6), pp.

653-666.

15. Helms, M., Ettkin, L. P. and Chapman, S., 2000, “Supply Chain Forecasting—Collaborative Forecasting Supports Supply Chain Management”, Business Process Management Journal, Vol. 6, Iss. 5, pp. 392-394.

16. Holmstrom, J., Framling, K., Kaipia, R. and Saranen, J., 2002, “Collaborative Planning Forecasting and Replenishment: New Solutions Needed for Mass Collaboration”, The Journal of Supply Chain Management, Vol. 7, No. 3, pp.

136-145.

17. Inderfurth, K. and Van Der Laan, E. A., 2001, “Leadtime Effects and Policy Improvement for Stochastic Inventory Control with Remanufacturing”, International Journal of Production Economics, Vol. 71, No. 1, pp. 381-390.

18. Jain, C. L., 2002, ”Benchmarking Forecasting Models”, The Journal of Business Forecasting,Vol. 21, No. 3, pp. 18-30.

19. Koh, S.G., Hwang, H., Sohn, K.I. and Ko, C.S., 2002, “An Optimal Ordering and Recovery Policy for Reusable Items ”, Computers & Industrial Engineering, 43, pp. 59-43.

20. Levary, R. R. and Han, D., 1995, “Choosing a Technological Forecasting Method”, Forecasting, January-February, pp. 14-18.

21. Mabini, M. C., Pintelon, L. M., and Gelders, L. F., 1992, “EOQ Type Formulations for Controlling Repairable Inventories”, International Journal of Production Economics, pp. 21-33.

22. Makridakis, S. and Hibon, M., 2000, “The M3 - Competition and Implications”, International Journal of Forecasting, Vol. 16, pp. 451-76.

23. Makridakis, S. and Wheelwright, S. C., 1989, “Forecasting Methods for Management”, New York: John Wiley & Sons.

24. Marien, E. J., 1998, “Reverse Logistics as Competitive Strategy”, Supply Chain Management Review, Vol. 2, No. 1, pp. 43-52.

25. McCarthy, T. M., and Golicic, S. L., 2002, “Implementing Collaborative Forecasting to Improve Supply Chain Performance”, International Journal of Physical Distribution & Logistics Management, Vol. 32, No.6, pp. 431-454.

26. Mentzer, J. T., Achrol, R. S. and Gundlach, G. T., 1995, “The Structure of Commitment in Exchange”, Journal of Marketing, Vol. 59, No. 1, pp. 78-92.

27. Nahmias, S. and Rivera, H., 1979, “A Deterministic Model for a Repairable Item Inventory System with a Finite Repair Rate”, International Journal of Production Research, Vol. 17, No. 3, pp. 215-221.

28. Ozturkmen, Z. A., 2000, “Forecasting in the Rapid Changing Telecommunications Industry: AT&T’s Experience”, The Journal of Business Forecasting, Vol. 19, No. 3, pp. 3-4.

29. Richter, K., 1996, “The EOQ Repair and Waste Disposal Model with Variable Setup Numbers”, European Journal of Operational Research, Vol. 96, pp.

313-324.

30. Schrady, D. A., 1967, “A Deterministic Inventory Model for Repairable Items”, Naval Research Logistics Quarterly, Vol. 14, pp. 391-398.

31. Seifert, D., 2002, “Collaborative Planning, Forecasting and Replenishment; How to Create a Supply Chain Advantage”, Preprint Edition, Galileo Press GmbH.

32. Teunter, R. H and Vlachos, D., 2002, “On the Necessity of a Disposal Option for Returned Items that Can be Remanufactured”, International Journal of Production Economics, Vol. 75, pp. 257-266.

33. Teunter, R. H., 2004, “Lot-sizing for Inventory Systems with Product Recovery,”

Computers & Industrial Engineering, 46(3), pp. 431-441.

34. Van Der Laan, E. A. and Salomon, M., 1997, “Production Planning and Inventory Control with Remanufacturing and Disposal”, European Journal of Operation Research, 102(2), pp. 264-278.

35. Van Der Laan, E. A. and Teunter, R. H., 2006, “Simple Heuristics for Push and Pull Remanufacturing Policies”, European Journal of Operational Research, 175, pp. 1084–1102.

計畫成果自評

本研究為兩年期計畫，主要是藉由 CPFR（Collaborative Planning, Forecasting and Replenishment）流程模型，探討當製造商零件的供貨來源有 兩種時：(1)向外部供應商訂購的新零件、(2)由再製造中心利用回收品進行再製 造生產的再生零件，在符合相關環保法令規範及考量因應不確定性之備料庫存等 成本最小下，提出一製造商、外部供應商及再製造中心三者的協同運作機制與訂 單預測模型，產生回收再製造量及新零件訂單預測量的建議值。研究內容與原計 畫完全相符，並達成計畫預期目標；現正著手將研究成果整理成文章，以便投稿 於適當學術期刊。謹將本計畫之研究成果的貢獻說明如下：

(1) 學術方面：之前於逆向運籌的研究，對於再製造中心的製造量和向供應商採 購新零件的訂購量的決定，多是在需求率及回收率為常數的假設下進行；

而於 CPFR 的研究，則多著重在正向運籌的導入效益與預測模型等議題，而 對於涵蓋逆向運籌∕再製造活動策略時的協同機制與預測模型則少有提 及。本研究提出一製造商、外部供應商及再製造中心三者的協同運作機制 與訂單預測模型，考量當需求率、回收率為隨機變數及需符合相關環保法 令規範、回收與採購等存貨管理總成本最小的情況下，決定再製造中心的 經濟再製造量和向供應商採購新零件的經濟訂購量。

(2) 實務方面：環保的意識抬頭及政府立法的大環境下，逆向運籌的採行是必然 的趨勢，亦是企業主必須面對的課題。本研究所提出之協同運作機制與訂 單預測模型，可做出符合企業效益的回收再製造及新零件訂購決策，以減 少企業面對環保法令規範與客戶要求下，帶給企業管理上的衝擊。

附件：

行政院國家科學委員會補助國內專家學者出席國際學術會議報告

97 年 10 月 27 日

報告人姓名 林我聰 服務機構

及職稱

政治大學資訊管理學系 教授

會議 時間 7/7/2008 - 7/9/2008 本會核定

補助文號 NSC 95-2416-H-004-050-MY2 地點 Seoul, Korea

會 議 名 稱

(中文)

(英文) 2008 International Conference on Business and Information (BAI 2008)

發 表 論 文 題 目

(中文)

(英文) A Reputation-Based Model for Selecting Collaborative Partners with High Level of Initial Trust

報告內容：

一､參加會議經過

Business and Information (BAI) 國際學術會議本年度（2008）由 University of Hanyang, Korea 與 ATISR 共同主辦，於 7/7/2008 至 7/9/2008 在韓國首爾（Seoul, Korea）舉行。本次研討會共有來自全球 39 個國家的 700 篇文章投稿，最終錄

取 465 篇；會議中除論文的發表，並作相關研究成果的討論與意見的交流。會

議之議程為：7/7 報到及聯誼，7/8 及 7/9 兩天論文發表與研討；本人於會議中 發表之論文題目為「A Reputation-Based Model for Selecting Collaborative Partners with High Level of Initial Trust」，論文全文附於本心得報告之後。

二､與會心得

本次會議所發表之 465 篇論文可分為 23 個領域：

1. Accounting

2. Business Administration 3. Business Policy and Strategy 4. Economics

5. Electronic Commerce 6. Entrepreneurship 7. Financial and Banking 8. Health Care Administration 9. Human Resource

10. Information System and Technology 11. International Business

12. Management and Organization Behavior 13. Management Education

14. Management Information Systems 15. Managerial Consultation

16. Marketing

17. Operations Management

18. Organizational Development and Change 19. Non-Profit Sector Management

20. Research Methods

21. Social Issues in Management 22. Technology and Innovation

23. Web Technology and Management

與會之發表人員皆能就其論文題目及所屬研究領域，提出頗為深入的想法與創 見；同時藉由和發表人員的面對面討論與意見交流，更能掌握其研究成果的精 髓，及觸發可能之研究議題。

三､建議

1. 隨著所處外在環境愈趨複雜且變化快速，企業需處理之資訊愈趨繁多且多樣 化，過往以決策者個人之經驗法則為依歸的決策制訂方式，已難以制訂出令 人滿意的決策品質；決策制訂相關技術之學術研究近年來發展迅速，然實務 界瞭解、應用並不多，可加強此方面之宣導。

2. 隨著知識經濟時代的來臨與資訊科技的快速發展，企業組織應如何提昇其知 識管理與應用的能力，及善用資訊科技創新其經營模式、改善其經營體質與 決策制訂模式，以強化企業整體競爭力等相關議題是我們需重視、關心的；

應多加鼓勵、補助相關研討會及計畫等活動的進行。

3. 與會人士均表示產學合作之重要性，應多加鼓勵、獎助國內產學合作活動之 進行。

四､攜回資料名稱及內容 1.會議議程手冊(紙本) 2.會議論文集(光碟片)

A Reputation-Based Model for Selecting Collaborative Partners with High Level of Initial Trust

A Reputation-Based Model for Selecting Collaborative Partners with High Level of Initial Trust