本研究之目的是要找出拉式補貨模式的適用環境，針對「補貨前置時間」與
「產品壽命週期」比例關係進行研究。透過一個供應鏈的模擬系統及實例說明，
可得結論如下：
1. 以最低庫存滿足顧客需求是首要目標，但由模擬結果，傳統依據預測方式進 行補貨者有缺貨情況發生並無法確保顧客需求被滿足，而拉式補貨模式則無 缺貨情況。
2. 在補貨前置時間與產品壽命週期比例小者，傳統依據預測方式補貨的在庫存 表現(包含在庫庫存量、在庫+在途量、滯銷量)較拉式補貨模式佳，但隨著比 例增加，拉式補貨模式則優於傳統依據預測方式。
3. 補貨前置時間與產品壽命週期比例小者相對於比例大者較不適用拉式補貨模 式。本研究建議補貨前置時間與產品壽命週期比例少於 1:6 的環境下較不適 用拉式補貨模式。
4. 在上述非適用拉式補貨模式之應用環境中，建立中央倉庫以縮短補貨前置時 間，能使原本不適用之供應鏈環境改善其使用效果。
本研究系統中所提出的驗證方法與假設條件，仍有未盡完善之處，值得後續 研究，在此整理如下：
1. 現實供應鏈有高度複雜性，其環境變化不僅在「補貨前置時間」與「產品壽 命週期」兩者，可考慮更多的影響因子來加以探討。
2. 本文探討的銷售商品僅有一種，然而零售商擺放的產品種類多樣化時執行拉 式補貨模式是否有影響是本研究未考慮的部份，值得進行後續研究。
21
參考文獻
1. Archibald, B. and E.A. Sliver,“(s, S) Policies under Continuous Review and Discrete Compound Poisson Demands with Lost Sales”,Management Science, 24(9), pp. 899-909, 1978.
2. Federgruen, A. and Zipkin, P,“An Efficient Algorithm for Computing Optimal (s, S) Policies”, Operation Research, 32(6), pp. 1268-1285, 1984.
3. Goldratt, E.M., and Cox, J. , The Goal, 2nd edition, North River Press, 1992.
4. Goldratt, E.M., , It’s Not Luck, North River Press, 1994.
5. Goldratt, E.M., The Choice, North River Press, 2008.
6. Goldratt, E.M.,“Standing on the Shoulders of Giants”, Goldratt group, 2008.
7. Lin, C.C., Shieh, S.C., Kao, Y.H., Chang, Y.T., Chen, S.S.,“The Simulation Analysis of Push Shelf Replenishment Policies for Retail Supply Chain”, 2008 International Conference on, Machine Learning and Cybernetics, pp.3964-3969, 2008.
8. Lee, H. L., V. Padmanabhan, & Whang, S.,“The Bullwhip Effect in Supply Chains”, Sloan Management Review/Spring , pp. 93-102, 1997a.
9. Lee, H. L., V. Padmanabhan, & Whang, S., “Introduction Distortion in a Supply Chains”, Management Science, pp. 546-558, 1997b.
10. Masuchun, W., Davis, S., Patterson J. W.,“Comparisons of Push and Pull Control Strategies for Supply Network Management in a Make-to-stock
Environment,”Journal of Production Research, 42(20), pp. 4401-4419, 2004.
11. Matteo Coppini, Chiara Rossignoli, Tommaso Rossi and Fernanda Strozzi,
“Bullwhip Effect and Inventory Oscillations Analysis Using the Beer Game Model ”, International Journal of Production Research, pp. 3943-3956, 2010.
22
12. Smith, D.A.,“Linking the Supply Chain Using the Theory of Constrains Logistical Applications and a New Understanding of the Role of
Inventory/Buffer Management”, Premier Issue TOC Review , pp. 50-54, 2001.
13. Simchi-Levi , D., Kaminsky, P. and Simchi-Levi, E., Designing & Managing the Supply Chain, McGraw-Hill, New York, 2003.
14. Ward, J.B.,“Determining Reorder Points When Demand is Lumpy”, Management Science, 24(6), pp. 623-632, 1978.
15. Zhang , X.H., Lv, L.,“Performance Comparisons of Supply Chain Between Push and Pull Models with Competing Retailers”, Wireless Communications,
Networking and Mobile Computing, 2008. WiCOM 08.4th International Conference on, pp. 12-14, 2008.
16. 李榮貴，「製造管理專題上課講義」，國立交通大學工業工程與管理研究所
21. 蔣易殷，「Demand-pull 手法應用在啤酒遊戲之可行性研究」，國立交通大 學，碩士論文，民國 97 年。
23
附錄一：模擬平台操作方式
模擬步驟：
1. 輸入市場需求分配、補貨前置時間、期初目標庫存等設定。
2. 依補貨機制輸入訂購量，並按下出貨。
3. 按下訂貨/計算目標庫存，產生之數據會回傳至結果輸出工作表。
4. 如需重新模擬，須按下清除鍵方可再次模擬。
24
附錄二：加入中央倉庫模擬平台操作方式
模擬步驟：
1. 輸入市場需求分配、補貨前置時間、期初目標庫存等設定。
2. 依補貨機制輸入訂購量，並按下出貨。
3. 按下訂貨/計算目標庫存，產生之數據會回傳至結果輸出工作表。
如需重新模擬，須按下清除鍵方可再次模擬。
4. 依步驟 1-3 反覆完成 5 個配銷端之模擬後。
5. 再重回步驟 1 輸入不同資訊執行中央倉庫端之模擬。若欲模擬無建立中 央倉庫之情境則無需執行此步驟。
6. 將模擬結果工作表彙整。