緒論 - 產品回收及再利用考量下企業採購決策及再製造決策之研究(II)

1.1 研究背景

台灣是個以製造業為主並高度仰賴貿易的國家，所以生產的產品大部分外銷到歐美各地。面對著國際大廠與主要通路商的成本領導壓力下，製造業的利潤空間逐漸被壓縮；處於供應鏈中游階段廠商必須提高其供應鏈管理效率，降低運籌成本、提供差異化或加值服務以爭取訂單。1998 年所提出的協同規劃、預測與補貨(Collaborative Planning, Forecasting and Replenishment, CPFR )在國外發展多年，目前全球已有上百家知名企業成功採用，並獲得實際的效益，如：

Wal-Mart、IBM、HP、Johnson & Johnson 等公司。企業導入 CPFR 就像打破企業之間無形的藩籬，讓整個供應鏈就像一個虛擬企業，與貿易夥伴共同參與規劃、

預測及補貨作業。

目前國內外廠商在推動 CPFR 不遺餘力，在正向運籌方面的協同已經蓬勃發展多年，許多研究報告也紛紛提出，CPFR 有助於 1. 降低訂單出錯的機會 ;2.

改善預測的準確性及適時 ;3. 縮短訂單週期，提升庫存周轉率,提升平均客單價;4. 降低促銷品過期報廢金額、降低促銷缺貨率；5. 提供自動預警及預測供應的短缺可能性； 6. 協同合作尋找最佳的組件及原料採購安排。

MaCarthy and Golicic (2002)、 Helms et al.(2000)學者在探討協同預測績效與效益，注重在導入研究所帶來的效益。Aviv(2002)、黃蘭禎 (2004)研究中主要探討預測方法為主。但隨著各國法令限制在全球化的影響下，面對日漸減少的有限資源，以及社會環保意識抬頭以及相關法令規範。

企業必須從新思考整個產品流程設計，從產品設計、原物料的取得、產品製造、

配送、甚至回收，整條供應鏈的運作設計上都必須加上環保這個因素去加以考量。在歐洲地區，歐盟訂定「廢棄電子電機設備指令」WEEE(Waste Electronics

and Electrical Equipment)，針對電子產品的廢棄物問題，要求製造商必須負責回收環保方面問題，提出有效循環利用機制，以減少每年應電子設備廢棄物所帶來的汙染，法規裡要求歐盟會員國將 WEEE 納入該國法規；各企業廠商須在 2005 年八月底前完成相關配套(包含 collection, inspection, recycle,

disposal)，企業須負起處理這些產品的責任，減少廢棄產品對環境的影響，相關歐盟法令還包含「危害物質限用指令」(RoHS)、「包裝廢棄物指令」(PPW)全球的製造商必須符合這項法令才能講產品出口到歐盟。根據經濟部工業局於 2006 年初公布的調查數據，歐盟實施 RoHS 環保指令後，將波及國內十大產業，約 34,533 家廠商，受影響產值更將高達 2,446 億元。此外根據經濟部的評估，WEEE 與 RoHS 指令將使台灣約有 44 項的電機電子產品在輸出歐盟時受到管制，占了歐盟管制 81 項產品的一半以上，這些輸往歐盟屬於十大類管制的電機電子產品在 2005 年產值約為 2,025 億元，國內產業受影響的程度可見一般。

另外伴隨產品生命週期縮短和產品淘汰速度增快，企業在面對複雜的市場若不能精準預測產品的生命週期與需求量，常常造成大量生產囤積品。尤其以電子性產品方面若不能在當季售出，不僅本身公司會造成巨大的存貨成本壓力，後續滯銷品處理也需付出高額費用。根據統計美國每年消費性電子產業退貨額達 150 億美元來自於商品的退貨、生產過剩、報廢與回收等隱藏性損失，使得各企業營運成本提高。企業除了加強品質管理與 CPFR 協同預測機制降低因生產過剩缺失外，亦可在對這些滯銷產品、退貨產品做妥善處理，將回收品透過產品復原活動加以復原其價值。與其將產品直接丟棄，不如當作另一原物料管道的取得，降低原物料取得成本，充分利用回收品剩餘價值，將可替企業帶來可觀的效益。

所以面臨法令與回收復原活動雙重新因素下，CPFR 中對於訂單預測在考慮逆向運籌下實行再製造策略下如何創造新的契機；根據訂單預測動態調整訂購數量，以降低不確定因素影響，所以建立買賣雙方可達成共識的訂單預測模型是非常重要的。

1.2 研究動機

長久以來企業對於運籌的觀點只單方面的考慮產品的研發設計、採購、生產製造、運輸，配銷，藉由最佳化上述流程以提升產品整體價值，即所謂的正向供應鏈；但隨著環保法令限制、產品生命週期縮短、消費者環保意識抬頭、地球資源有限影響下，必須將正向運籌延伸至包含產品的回收、分類，復原，丟棄處理等逆向運籌的處理活動，將產品的生命從產出到死亡提供完整運籌模型。許多研究報告中也提出，實行逆向運籌有助於企業從中獲利與節省成本。

在 CPFR 流程中多數研究著重在正向供應鏈的協同預測的架構、導入效益與預測方法等議題，但對於當企業活動中包含逆向運籌-再製造活動策略下時的協同預測方法少有提之，因此與其相關之研究探討有其必要性；並且在預測模型建置上，大多數以內部企業銷售預測與存貨需求預測為主，少數有針對 CPFR 中的訂單預測方面來提出協同訂單模型之文獻；且在供應鏈中屬於生產製造階段的中游廠商，需要面對未來環保法規及綠色意識地壓力，所以製造商有其必要將回收活動納入 CPFR 預測方法，精確的控管物料需求量，協調物料供應、製造活動與再製造活動三者之間的運作；一方面能使存貨可以達到有效控管以因應回收所帶來的相關存貨成本壓力；另一方面回收品的前置時間皆會高於正常的採購流程 (Inderfurth and Van Der Laan, 2001)，但若在法令規定最小回收量要求下，

廠商就不能直覺的從新物料來源來進行採購，必須以符合生產時程與低成本要求，在物料供應商和再製造中心間來源作零件數量取捨，同時也能規避來自於法令罰則的懲罰。

表 1-1 協同預測方法相關研究

作者研究內容與重點

Aviv(2002) 透過自我共同相關(Auto-correlated)需求模型來探討聯合預測與補貨流程之效益

Holmstrom et al.(2002)

針對零售商與配銷商，在品類管理前提下，提出可以適用於大規模協同合作的「商品等級-佔有率(Rank-share)」預測方法，

提供由上而下的集合銷售預測

李順益(2002) 利用灰色理論中灰預測的簡易、少數據之特性，來設計一套有效的短期預測架構，並探討灰色預測應用於短期預測之適用性黃蘭禎(2004) 透過混合性架構，結合時間序列和多元回歸模型預測方法且利

用基因演算法來提供協同銷售預測模型

曾永勝(2005) 利用類神經網路找出適合混合性預測架構解釋變數，且利用演化策略演算法，求得符合協同銷售預測特性與需求之預測模型陳寬茂(2005) 透過時間序列和多元回歸模型與演化策略法三階段預測方

法，建構出協同訂單預測模型

【資料來源：黃蘭禎(2004)、曾永勝(2005)、陳寬茂(2005)】

現今預測方法之研究，如表 1-1 所示，包括了時間序列分析、多元回歸分析、

基因演算法、灰色理論等，期望以更加的預測模型為企業提供更準確的資訊。羅慕君(2004)指出企業的訂單預測主要利用歷史資訊，透過簡單的預測方法在加上內部人工的產能預估產生。黃蘭禎(2004)、曾永勝(2005)與陳寬茂(2005)三位在混合預測模型上，步驟上採用時間序列方式，再加入事件影響因子並透過多元回歸分析求參數解，最後使用最佳演算法進行求解。然而在將回收活動考慮進來同

時，來自回收數量因素上，時間變異呈現高度不確定性，時間序列模型在估計預測容易造成缺失；實際的生產活動與復原活動的交錯進行，也在時間序列以及多元回歸分析中難以解釋。所以本研究希望如何在協同機制下加入再製造策略活動，考慮實際工廠運作情形；滿足需求的前提下，配合逆向運籌下的存貨管理政策使存貨成本最小化。使得未來訂購零件不確定性增添下，希望能藉由新的短期訂單方法能找出最佳的預測值幫助企業與供應商能加強協同規劃，提升供應鏈競爭力。

1.3 研究目的

本研究主要以 CPFR 流程中之訂單預測階段為主題，基於上述背景動機，將生產製造情形、逆向運籌活動和事件因子、供應鏈績效因素等整合，建構出具有協同機制的採購計量模型。在逆向運籌需求的趨勢下，產品回收及再利用勢必將成為企業不可免除的問題，而回收與再利用衍生的作業成本，也將對企業帶來不小成本負擔；且相關法令規範的也使得企業不得不將逆向運籌活動納入營運活動範疇。

所以本研究的目的就是探討基於前述背景與動機，當回收量與需求量為不確定情況要求下，建立具有產品回收與再利用考量下與物料供應商的採購決策模型。

1.4 研究方法與研究範圍

本研究的主要目的是希望能找出當製造商擁有回收機制下，如何透過結合 CPFR 流程步驟下發展出適合的協同訂單預測方法。使得供應鏈中各成員所觀察到的，相互分享之訊息、事件納入模型考量中，得以提供供應鏈中單一最佳化訂單預測量。此外供應鏈成員也可以進一步利用此模型來分析各訊息與事件對訂單預測量可能之影響與決策績效。

基於上述方法與概念，本研究模型將透過文獻探討方式，蒐集有關存貨管理、協同預測與逆向運籌等相關領域；歸納出當企業流程中引進回收活動時，物料提供商和製造商進行協同訂單預測之影響因子，作為模型的解釋變數。透過「模型推導」研究方法，將存貨管理之經濟訂購量概念與多元回歸分析法結合，並透

在文檔中產品回收及再利用考量下企業採購決策及再製造決策之研究(II) (頁 10-16)