國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
14
第三節 視供應鏈為複雜適應性系統
供應鏈的演化在許多情況下並非可單一廠商藉由強勢優勢下所能主導設計，
相異於過去主要文獻強調以控制的負向回饋方法，一個允許個體以最大化自我利 益的自主決定正向回饋管理模式應被重視。此思維下，應用 ABMS 於供應鏈管 理議題上開啟了許多研究，其研究主要是針對供應鏈個體間互動下，探討特定的 重要因子，如何影響供應鏈系統與成員的績效表現，及互動過程中的變化與最後 均衡穩定的狀態。學者 Choi（2001）等人首先提出將供應鏈的互動視為一個複 雜適應性系統（Complex Adaptive System ，簡稱 CAS）觀點進行研究。Surana
（2005）提到複雜適應性系統可以詮釋生態系統、社會系統等其他領域的複雜現 象，了解到複雜現象背後遵循的法則，供應鏈同樣能應用 CAS 提供策略的學習。
Pathak 等人（2007）提到陎對供應鏈環境持續動態變化下，策略的制定需考 量錯綜複雜的連結網絡及所處環境中組織持續適應特性，在這樣動態環境下，可 採用 CAS 觀點來獲得可能的洞察。Amaral（2007）指出供應鏈集權式管理漸不 可行，其具有網路結構演化與突現行為特性，以複雜理論與代理人基塑模與模擬 方式可使實驗資料有限或需昂貴取得代價下，在複雜互動環境中，了解到關鍵變 數如何影響供應鏈系統績效(Amaral & Uzzi, 2007)。相同在 CAS 觀點下，供應網 路拓墣結構（Supply network topology structure，簡稱網路結構）的擴展、縮減及 結構的動態改變引起學者的注意，學者想了解的是甚麼變數或法則會影響及如何 影響網路結構的演化與最後穩定網路結構？Hanaki 等人探討合作行為之機制下 觀察網路結構的行為型態演化(Hanaki, Peterhansl, Dodds, & Watts, 2007)。Cowan 等人探討創新行為機制下網路結構的行為型態(Cowan, Jonard, & Zimmermann, 2007)。Pathak 等人探討產能策略機制下的拓樸類型(S. Pathak, Dilts, & Mahadevan, 2009; S. D. Pathak, Dills, & Biswas, 2007)。Li 等人以 Pathak 之模式為基礎，探討
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
15
不同的產業環境、不同的合作策略（長期、短期）對供應網路演化及個體獲利能 力的影響(G. Li, Ji, Sun, & Lee, 2009; G. Li, Yang, Sun, Ji, & Feng, 2010)。相較於供 應網路中非固定角色扮演的情境，部分研究針對固定角色下進行探討：Kim（2009）
以定貨與補貨策略觀察供應網路的行為型態(Kim, 2009)。
一、 供應鏈演化相關探討
Amaral（2007）指出供應鏈管理中具有網路結構與突現行為之特性，值得應 用複雜理論進行研究。尤其針對目前供應鏈管理中如何創新與達到高容錯力之健 全供應鏈。該學者認為複雜理論與藉由 ABM 實驗可提供研究一個複雜互動環境 下，了解到可能對應的起因變數，及關鍵變數變動下如何影響與系統績效的因果 關係。例如合作（Cooperation）、創新（Innovation）、演化網路（Evolving networks）、
系統效率（System efficiency）(Amaral & Uzzi, 2007)。
Hanaki(Hanaki, et al., 2007)探討合作行為在可以選擇互動對象之機制下觀察 網路結構的演化。在其模式中設計個體具有觀察互動對象之報酬與學習其最佳策 略，策略為合作與自私策略，學習為模仿學習，並有機會選擇空間中其他有益的 成員進行互動。其結果發現網路結構中，相較於連結與互動容易建立的情況，高 建立連結成本與缺乏區域的網路結構，則易傾向呈現高層次的合作型態。
Schilling(Schilling & Phelps, 2007)針對組織間合作的網路結構與創新間的關 係進行探討，該研究分析產業資料，較密集的產業網路結構具有較高的創新性（以 專利數目表示）。
Cowan(Cowan, et al., 2007)等人以組織追求創新績效所呈現動態行為之情境 下，以選擇互動對象的決策為主軸，探討互動雙方創新融和能力與探索因子對網 路結構的影響。該研究設計每個組織具有不同種類的知識，藉由探索能力，由過 去互動經驗與鄰近結構的組織成員中，依據預期報酬作排序，來選擇互動的對象。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
16
當雙方的知識類型相異度愈高則預期產生創新的程度亦愈高，互相合作的可能性 亦較高，仍不排除由於相異度過高而無法產生綜效知情況，來觀察與分析最後所 形成網路結構的特性，包括拓墣結構、群聚程度或集中度等。
Pathak 針對供應網路結構的演化、成長與適應的了解有限，應用複雜適應 性系統觀點研究供應鏈網路結構之演化，期望找出影響結構演化的因子。該研究 設計任一廠商制定兩類決策，首先決定在此產業中與誰連結？繼而決定本身的能 力配置，如產能與價格等。該研究主要測試產業門檻、產能改變能力與角色學習 能力的分別以高及低程度，分析研究最後所形成的拓樸類型，包括線型（Linear）、
層級（Hierarchical）、星狀（Star）及無結構。從結果可以觀察特定條件的組合，
有相對適合生存的網路結構。包括高產業門檻條件下，適合層級網路結構的生存，
而在低產業門檻條件下，線型與星狀反而是穩定的網路結構。指出這樣的結果可 提供建議給 DELL 與汽車產業，在產業環境變化的同時，如何調整本身供應網路 的結構。相較於實務上常見的層級（Hierarchical）供應鏈網路，在模擬結果中是 最少形成的結構(S. D. Pathak, Dills, et al., 2007)
Kim（2009）模式化供應網路為一個複雜適應性系統，廠商以自我利益最大 化的前提下，以定貨與補貨為決策下進行互動並產生學習行為，觀察供應網路的 行為型態（pattern）與廠商的存貨績效。模擬的結果顯示藉由過去交易經驗可建 立起彼此信任關係，減低供應鏈成員的對於彼此信任的不確定性，有助於穩定存 貨水準，減低存貨的變異，演化出供應鏈協同合作的網路型態(Kim, 2009)。
Varga 等人 2009 首先提到供應鏈發展步入至看待供應鏈關係為突現、非線 性效果、共演化、回饋與動態的階段，至附以一航太工業之供應鏈網路為例，收 集歷史資料，以複雜適應性系統的觀點進行測試(Varga, et al., 2009)。
Li 等人（2009、2010）以 Pathak 之模式為基礎，針對供應網路拓墣的演化，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
17
模式設計共 8 家廠商，生產相同產品，可扮演買方或賣方的角色，並假設市場為 柏川競爭，各廠商決定價格、產能及成本決策，在終端需求、初始產能與成本及 資本皆為隨機（表示在不確定的環境），探討不同的產業環境、不同的合作策略
（長期、短期）對供應網路演化及個體獲利能力的影響(G. Li, et al., 2009; G. Li, et al., 2010)。
二 供應鏈與組織間相關探討
應用 ABMS 研究供應網路複雜現象可由最經典的長鞭現象談起，藉由每個 成員只執行最簡單訂購策略，卻引起供應鏈整體不可預測的存貨波動現象，長鞭 現象被確認為一複雜渾沌現象，應用 ABMS 可以藉由納入簡單的訂購法則即可 仿效出類似的長鞭現象，而達到了解長鞭現象的成因。之後藉由個體在最小化供 應鏈總體存貨成本目標下，決定訂購量，並賦予學習能力，嘗試尋找最佳訂購策 略，在這樣的模擬系統下可進而分析各項影響因子如前置時間的隨機、需求資訊 的分享、需求型態的改變下相對應的最佳訂購策略及觀察長鞭現象的變化，而提 供供應鏈管理的意涵及策略的評估。
Choi（2001）首先提出一個供應鏈網路視為一個複雜適應性系統的新觀點，
認為供應鏈管理中除了以控制作為管理的手段外，應納入突現型態（Emergent patterns）的管理，藉由適當帄衡的應用控制及突現於供應鏈管理(T. Choi, Dooley,
& Rungtusanatham, 2001)。
Surana（2005） 延續 Choi 觀點，提到複雜適應性系統可以詮釋如生態系統、
社會系統等其他領域複雜現象的共同的特質，試圖讓我們了解複雜現象的發生與 其中可能遵循的法則，並認為供應鏈網路具有複雜適應性系統的特性，目前仍缺 乏管理供應鏈複雜適應性系統的原則，提出應用複雜適應性系統學習探索供應鏈 網路的方針(Surana, Kumara, Greaves, & Raghavan, 2005)。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
18
NK 模式（NK model），由 1993 年 Kauffman 設計生物基因演化複雜系統而 來，例如蛋白質與有機體，之後有許多管理與經濟學者應用商業環境，將組織視 為系統的個體，應用兩個參數來決定組織所陎對環境的複雜性（或稱為解空間的 複雜性），其中參數 N 表示組織所要陎臨的決策變數，K 表示此決策的績效受 其他 K 個決策的影響，此組織之整體績效取決於個別決策活動之貢獻總合之帄 均，當參數 N 與 K 的值愈大，則此環境相對複雜（表示解空間為多峰），能找 到的決策組合，通常為次加之決策組合。許多學者探討組織間策略的模仿，Rivkin 研究探討策略本身的複雜性將如何影響其他組織進行策略學習的效果，利用 NK 模式進行模擬，來解釋實務上，組織即使表陎知道其他成功組織所採用的策略，
仍然無法經由模仿學習來達到相對的績效的現象(J. W. Rivkin, 2000)。
Anderson（1999）提到組織間的複雜互動經常展現非線性及令人驚訝的行為，
而複雜適應性系統提供了一個新的方式來研究複雜互動行為下，策略提供的方向 (P. Anderson, 1999)。
Rivkin(Jan W. Rivkin & Siggelkow, 2007)組織間或社會的系統視為決策互相 依賴的個體集合，應用生物與物理模擬模型來應測試系統行為，有逐漸增加的趨 勢。該研究探討發掘一個好的決策配置前需要多少程度的探索（Exploration）之 管理議題進行研究。過去文獻提到，假定一個隨機的互動網路中，在個體間互動 程度較強及區域最佳解較多時，廣泛的探索是需要的。然而在不同型態的系統通 常有其特定的型態（Pattern），亦可為網路結構，例如集中式連結、小世界連結、
階層式或無尺度連結等，該研究測試特定網路結構下是否呈現不一樣的結果？該 研究發現，在固定互動次數下，互動型態的轉移將改變區域最佳解的數目，因此 在某些型態下，需要更多的投資在廣泛的探索。在固定的互動型態下，互動次數
階層式或無尺度連結等，該研究測試特定網路結構下是否呈現不一樣的結果？該 研究發現，在固定互動次數下，互動型態的轉移將改變區域最佳解的數目，因此 在某些型態下，需要更多的投資在廣泛的探索。在固定的互動型態下，互動次數