風險因子及其相關策略項目

Make、Deliver 和 Return 等階段方式介紹風險因子與相關的風險策略。本研究根 據 Chen 與 Lin (2013)所提及的十二項風險因子，接者蒐集相關的險因子策略，

Tse & Tan, 2012 Managing product quality risk and visibility in multi-layer supply chain

Yoo et al, 2012 Inventory models for imperfect production and inspection processes with various inspection options under one-time and continuous improvement investment

針對企業所需之原物料品質不佳的部分，根據本研究所蒐集的文獻，找出相 關的風險管理策略，如 Tse 與 Tan ( 2012 )提出的品質管理策略，運用包括增加

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

33

整體供應鏈的可見度(visibility)並利用邊際增加分析(Marginal incremental

analysis；MIA )計算需增加多少產品好確保品質產品數量。MIA 主要是應用遞增 積分與邊際分析來評估控制變量和成本之間增量關係的綜合方法。主要 MIA 規 則包括加法、減法、乘法與除法，公式如下表示：令 y*=△y/y，△y=ynew-yold。而 提出的算式為：

R_𝑓^𝑖 = 𝛱_𝐺^𝑖𝑃_𝑆^𝑖𝑃_𝐿^𝑖 +(1 − 𝑃_𝑆^𝑖)𝑃_𝐵^𝑖𝑈_𝐵^𝑖 +(1 − 𝑃_𝑆^𝑖)(1 − 𝑃_𝐵^𝑖)𝛱_𝐵^𝑖 + 𝑃_𝑠^𝑖(1 − 𝑃_𝐿^𝑖)𝛱_𝐵^𝑖 (1)

Maxmize ∑^𝑛_𝑖=1𝑅_𝑓^𝑖𝑋_𝑖 (2)

限制式：

𝑋_𝑖 ≤ 𝑉_𝑖, 𝑖 = 1,2,3, … . , 𝑛 (容量限制) (3)

∑^𝑛_𝑖=1𝑉_𝑖 ≥ 𝐷 (容量限制) (4)

∑^𝑛_𝑖=𝑧𝑋_𝑖 = 𝐷 (需求限制) (5)

∑^𝑛_𝑖=𝑛𝑋_𝑖(1 − 𝑃_𝑠^𝑖)= 𝑄𝐷 (品質限制) (6)

其中ΠG代表外製造商商品沒有缺失利潤，Π^B代表因企業外部所產生失敗的 利潤，UB代表因企業內部分生故障的利潤，Rf為製造商 R 單位利潤 f，D 為製 造商需要提供的產品量，PS 為配送衣符合要求產品的機率，PL為物流業者從製 造商到客戶配送沒有受損產品的機率，PB為不良品的機率，Q 為買家最大可接 受瑕疵品的比例。B 代表效益，L 為資訊可見度的公式，d 為製造商所需的產品 品質資訊，xd為供應商所需 d 洩漏程度，βd代表重要性。L 的公式表示如下：

L = ∑𝑑∈𝐷𝛽𝑑𝑥𝑑 (7)

限制式：

𝑥_𝑑 ∈{0, 1} for ∀D ∈ d (8)

∑_𝑑∈𝐷𝛽_𝑑 = 1 𝑓𝑜𝑟 0 < 𝛽_𝑑 ≤ 1 (9)

此篇文獻所提出的方法將可以有效地計算並改善有關原物料品質不佳的風 險因子。

Yoo et al. (2012) 提出持續改善 (Continuous inspection；CI) 策略，利用持續 改善策略計算能達到最大利潤之最小生產批量，同時運用樣本檢查 (Sample inspection；SI) 、多次篩檢(Lot screening；LS)等方式達到此效果。此篇文獻主 要是提出計算最大利潤(Total Profit Per unit Time ; TPU)方式來計算其中各個因影 響程度，最後求一個最大的值，其公式表示如下：

Maximize TPU

TPU = ((p(1 − π + 𝛼1π)) + ν𝛼2𝜋 − 𝜇 − 𝑖𝜃 − 𝑟(1 − 𝜃 + 𝜃𝜌)𝜋 − 𝑤𝛼1𝜋 − 𝑔𝛼3𝜋 − 𝜄(1 − 𝛽)(1 − 𝜃 +

𝜃𝜌)𝜋))𝐷^′−^{(𝐾+𝑛𝐾}_𝑄^𝑟)𝐷′−^ℎ𝑢₂ (1 −^𝐷_𝑀^′)𝑄 −ℎ(2𝑢+2𝑖+2𝑟(1−𝜃+𝜃𝜌)+𝑤)

2 × (1 −^𝛼1_𝑊^𝜋𝐷′)^𝛼1_𝑛^𝜋𝑄− (𝑌_𝑃+ 𝑌_𝐼) (10)

‧

Snyder, 2006 A tight approximation for a continuous-review inventory model with supplier disruptions

Schmitt, &

Singh, 2012

A quantitative analysis of disruption risk in a multi-echelon supply chain

在原物料規劃不佳的階段，Snyder (2006) 運用改良的 EOQD(Economic order quantity with disruptions)模型，解決傳統 EOQ 模式上對於原物料連續與中斷期間 的問題。該篇文獻主要的運算公式表示如下：

g(Q) =^{𝐾+ℎ𝑄22𝐷}_𝑄 ^{+𝐷𝑝𝛽/𝜇}

𝐷+𝛽/𝜇 =^{ℎ𝑢𝑄2+𝐾𝐷𝜇+𝐷}_{𝑄𝜇+𝛽𝐷} ^2𝑝𝛽 (17)

‧

Schmitt 與 Singh (2012)的運用彈性的策略，增加整體供應鏈的容錯率，以渡 過此一風險。主要的方法是計算庫存成本，成本包括原物料(Raw Materials ; RM)、

再製品(Work In Process ; WIP)、完成品(Finish Goods ; FG)的成本，再利用該學者 提出的模式去計算安全庫存所需的 Y 週和額外 X%的庫存容量，以便解決原物料 規劃不佳的風險。

表 11 風險因子 1.3 企業依賴單一供應商

作者/時間 文獻

Sawik, 2013 Selection of resilient supply portfolio under disruption risks Nicola &

Roberta, 2010

Choosing between single and multiple sourcing based on supplier default risk

在風險因子：企業依賴單一供應商這個階段，解決的策略比較單一，大多數 的文獻都是選擇多供應商的方式來處理。如 Sawik (2013)供應來源組合策略，針 對自身的需求分成重要的關鍵零件及其他零件，為了確保關鍵零件的數量，使用 投資組合。其中相關符號，風險價值(Value-at-Risk ; VaR)，有條件的風險價值 (Conditional Value-at-Risk ; CVaR)，其他表示如表 12：

‧

Wakolbinger &

Cruz, 2011

Supply chain disruption risk management through strategic information acquisition and sharing and risk-sharing contracts Jing et al., 2012 Supplier risk management: An economic model of P-chart

considered due-date and quality risks

Wakolbinger 與 Cruz (2011)提出資訊共享策略，建立一個資訊分享的框架，

並分析資訊的分類與權重以及重要性，並以此為依據，分享重要的資訊，增加彼

‧

Yoo et al., 2012 Lot sizing and quality investment with quality cost analyses for imperfect production and inspection processes with commercial return

Yoo et al., 2009 Economic production quantity model with imperfect-quality items, two-way imperfect inspection and sales return

Lee et al., 2013 Discrete lot sizing and scheduling problem under batch processing constraints in the semiconductor manfacturing Li & Marianthi,

2009

Integrated production planning and scheduling using a decomposition framework

Taj et al., 2012 A spread-sheet model for efficient production and scheduling of a manufacturing line cell

在此風險因子階段，本研究蒐集表 14 之文獻，相關的供應鏈風險管理策略 如下。如學者 Yoo et al. (2012)所提出的解決策略是在不完善之生產及檢驗過程中 提出最佳數量的批量生產：經濟生產批量(economic production quantity；EPQ)以 取得最大利益。此文獻主要是計算最佳的經濟生產批量，而成本(total cost per cycle ; TC )的部分由以下的算式表示：

TC =

(K + n𝐾𝑟) + (u + i + r𝜆𝐸𝐹(w𝛿1+ g𝛿3)λ + l(1 − γ)𝜆𝐸𝐹)𝑄 +^ℎ𝑢₂ (_𝐷¹_′−_𝑀¹) 𝑄²+

ℎ(2𝑢+2𝑖+2𝑟(^𝜆𝐸𝐹_λ )+𝑤)

2 (_𝐷¹_′−^𝛿_𝑊^1λ)^{𝛿1𝜆𝑄}_𝑛 ² (28)

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

38

其中各符號所代表意義如表 15：

表 15 Yoo et al.符號表

D^’ 生產線上淨耗損率 𝛿₁₂₃ 失敗品中重製、搶救與報廢比例

E 匯率 n 重製頻率

F 通過檢查的篩選率 K 安裝成本

M 生產率，M> D^’ 𝐾_𝑟 重製安裝成本

W 返回重作比率 u 生產成本

Q 批量 i 檢查成本

λ 徹底失敗比例 r 回報成本

𝜆_𝐸𝐹 外部故障比例 w 重置成本

γ 收益之間的交換比例 g 廢品成本

(1 − γ) 收益之間的退還比例 l 懲罰成本

學者 Yoo et al.(2009)更早之前也提出其它解決方法，是針對整體最大利潤之 庫存最大化生產策略，其實也是 EPQ 的延伸版。其中成本的計算方式為：

TC = K + [c + i + (t + l)𝑝𝑞₂+ wδr]y +^{ℎ(𝑐+𝑖)}₂ ^{𝛽(𝛽+2𝛿𝛾)}_𝐷 𝑦²+^{ℎ(𝑐+𝑖)}₂ ^1−2𝛼_𝑀 𝑦²+^{ℎ(𝑐+𝑖+𝑡)}₂ ^𝑝𝑞_𝐷^2𝛼𝑦²+

ℎ

2[𝑐 + 𝑖 +^𝑝𝑞_𝛿²𝑡 + 𝑤 (1 −_𝑀^𝐷

𝑅)]^𝛿2𝛾_𝐷^2𝑦2 (29)

其中 K 為固定生產線上的設置成本，p 為缺陷比例 q2為型二的誤差比例，𝛿為 檢查週期，r 為重製比例，y 為生產批量，i 為檢查成本，c 為生產成本，t 為返回 成本，l 為懲罰成本，h 為持有成本，𝛽為維修項目比例，D 為需求率，𝛼為維修 率，M 為生產與檢驗比例，MR為返回重製的比例。

學者 Lee et al. (2013)提出混合整數規劃模式(Mix Integer Programming；MIP) 來解決複雜的排程問題，使整體效率提高。而此 MIP 表示如下：

minimize ∑_{𝑐,𝑝,𝑡}𝛼(𝑐, 𝑝, 𝑡) ∗ 𝑤1 +

∑_{𝑐,𝑝,𝑡}𝛽(𝑐, 𝑝, 𝑡) ∗ 𝑤2 + ∑_{𝑐,𝑚,𝑡}𝑢(𝑐, 𝑚, 𝑡) + ∑_𝑚,𝑡𝑤(𝑚, 𝑡) +∑_𝑚,𝑡𝑤𝑆(𝑚, 𝑡) + ∑_𝑚,𝑡𝑤𝐸(𝑚, 𝑡) +

∑𝑐,𝑚,𝑡𝑧(𝑐, 𝑚, 𝑡) +

∑_𝑚,𝑡𝑧𝑆(𝑚, 𝑡) + ∑_𝑚,𝑡𝑧𝐸(𝑚, 𝑡) + ∑_𝑚,𝑡𝑠(𝑚, 𝑡) +∑_{𝑝,𝑚,𝑡}𝑣𝑆(𝑝, 𝑚, 𝑡) + ∑_{𝑝,𝑚,𝑡}𝑣𝐸(𝑝, 𝑚, 𝑡) (30)

公式中 c 指的是材料，p 為產品，m 為製造所需機器，t 為時間週期，𝛼(𝑐, 𝑝, 𝑡)指 的是在需求不足的鬆弛變量以滿足目標的生產數量，𝛽(𝑐, 𝑝, 𝑡)指在生產過量的鬆 弛變量中滿足目標的生產數量，𝑥(𝑐, 𝑝, 𝑚, 𝑡)指的是產品 p 在機器 m 上用材料 c 及花時間週期 t，若無在其中可代 0，w 表示正在作業中，wS 表示開始作業，wE 表示結束作業，u 代表完成作業，z 表示已加入材料作業，zS 指放入材料情況下 開始作業，zE 表示放入材料情況下結束作業，s 表示問題發生，vS 表示有發現 問題，vE 表示無發問題，w 指的是目標函數的權重。

‧

Li 與 Marianthi (2009)學者發展一套整合生產規劃與調度的決策框架，除能 解決規劃不佳的風險外，還能優化流程，使整體效率提高。其中計算成本公式表

Das, 2011 Integrating effective flexibility measures into a strategic supply chain planning model

Kumar et al., 2010

A closed loop outsourcing decision model for developing effective manufacturing strategy

針對企業製造之彈性能力不佳部分，Das (2011)學者為了解決需求方式和供 INVC (Inventory cost) =

h ∑ (∑^I_i=1 ^N_p=1FI_ipSF_ip) ∑^C_c=1∑^T_t=1P_ict√(MeanTP_jk)σ_ict² +

‧

RMSC (Rawmaterial

input supply cost) = ∑ ∑ 𝐶𝑅_𝑟𝑠

Shipping and in transit carrying cost per unit = [Container cost]+[In transit carrying cost]*[Currency

factor]/[Items per container] (41)

Container cost = RiskNormal (Container, standard deviation) (42) In-transit cost = [Items per container]*[Cost per unit]*[Carrying cost]*[Lead-time/365] (43) Additional inventory carrying cost per unit = [holding cost per unit]/[Annual demand] (44) Holding cost per year = [Carrying cost]*[Additional inventory value] (45) Carrying cost = [RiskMormal (Carrying cost percentage, standard deviation)] (46) Additional inventory value = [Additional inventory]*[Cost per unit] (47) Additional inventory = [(Lead-time) * (Demand per day)]+[(Z-value of safety margin)*(Demand per

day)*(Lead-time standard deviation)] (48)

‧

The use of a multiple attribute decision-making method and value stream mapping in solving the pacemaker location problem Al-Refaie et

al., 2010

A System Dynamics Approach to Reduce Total Inventory Cost in an Airline Fueling system

學者 Yang 與 Lua (2011)提出一個整合多屬性決策(multiple-attribute

decision-making ; MADM)方式與價值流程地圖之策略來解決庫存問題。此文獻主 要是提出持續工作程序(constant work-in-process ; CONWIP)方式改善庫存問題。

先分析工作程序權重，並運用 MADM 決定，且計算生產間隔時間，綜合起來來 解決過高庫存問題。

Al-Refaie et al. (2010) 學者則設計一套以動態系統為基礎的燃油計算系統，

以降低飛機燃油的成本。主要的計算公式如下表示：

“Change in expected demand”=(“demand rate”-“Excepted demand”)/“time to change expectations”(49)

“Desired suppliers”=“Expected demand”+(“Desired fuel level”-“fuel level”)/lead time (50)

“Desired fuel level”=“Excepted demand”*“fuel coverage” (51)

“Supplier orders”=Minimun{available tank capacity,(“Desired fuel level”-“fuel level”)} (52)

“Supplier”=Delaymtr(supply order, lead time)/time step (53)

Petrovic &

Petrovic, 2001

Multi criteria ranking of inventory replenishment policies in the presence of uncertainty in customer demand

Petrovic 與 Petrovic (2001)學者則是針對補貨策略(Replenishment policy；RP) 提出新的策略模式，運用模糊(Fuzzy)的方式，提高 RP 的精確度，降低預測需求 不準確之風險。而成本方面的計算公式如下：

𝑟_𝑖𝑘 = 1 −^{𝑓𝑖𝑘−𝑓𝑘𝑚𝑖𝑛}

𝑓_𝑘^𝑚𝑎𝑥 (57)

I 為相關策略，K 為標準。

‧

Karimi &

Konstantaras, 2013

An inventory control model with stochastic review interval and special sale offer

Lee, 2014 Dynamic pricing inventory control under fixed cost and lost sales Timmer et al.,

2013

Cooperation and game-theoretic cost allocation in stochastic inventory models with continuous review

學者 Karimi 與 Konstantaras (2013)則是提出庫存控制模式策略，隨機審核與 時間間隔等參數設定，使企業不會讓庫存太低。此篇文獻提出方程式計算最大效

‧

Wakolbinger &

Cruz, 2011

Supply chain disruption risk management through strategic information acquisition and sharing and risk-sharing contracts Jing et al., 2012 Supplier risk management: An economic model of P-chart

considered due-date and quality risks

Wakolbinger 與 Cruz (2011)提出資訊共享策略，建立一個資訊分享的框架，

並分析資訊的分類與權重以及重要性，並以此為依據，分享重要的資訊，增加彼

Teunter &

Flapper, 2011

Optimal core acquisition and remanufacturing policies under uncertain core quality fractions

Kim et al., 2006 Supply planning model for remanufacturing system in reverse logistics environment

Nenes et al., 2010

Inventory control policies for inspection and remanufacturing of returns: a case study

Alinovi et al., 2012

Reverse Logistics: a stochastic EOQ-based inventory control model for mixed manufacturing/remanufacturing systems with return policies

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

44

學者 Teunter 與 Flapper (2011)提出一考慮回收品品質的收購決策模式，此策 略可以有效地降低因企業回收品品質不確定的風險，也可連帶降低其他伴隨而來 的成本。此文獻主要是提出計算最小成本的算式，其相關算是如下：

C(A) = 𝑐^𝑎𝐴 + 𝑐𝑙𝑟𝐿𝑙(𝐷) + ∑^𝐾_𝑘=2𝑐𝑘𝑟(𝐿𝑘(𝐷) − 𝐿_𝑘−1(𝐷)) (68)

𝐿̂_𝑘(𝐷) = min[𝐴∑^𝑘_𝑖=1𝑝_𝑖, 𝐷] (69)

其中 A 代表收購核心數量，𝑐^𝑎代表收購成本，𝑐_𝑖^𝑟每類型的再製造成本，D 代表需求，K 代表品質類別，𝑝_𝑖代表某類型的需求。

學者 Kim et al. (2006)提出一個整合再製造框架的數學模型策略中有考量品 質不確定的風險要素，為達到最大的再製造效益，該項風險發生率將會降低。所 提出的數學式子是求最大值並如下表示：

∑ ∑^𝑇_𝑡=1 ^𝐼_𝑖=1𝑃𝑃𝐶_𝑖𝑅_𝑖𝑡−

{

∑ ∑^𝑇_𝑡=1 ^𝑃_𝑝=1(𝐶𝑃𝐼𝐶_𝑝𝐶𝑃𝐼_𝑝𝑡+ 𝑂𝑈𝑇𝐶_𝑝𝑂𝑈𝑇_𝑝𝑡+ 𝐷𝑆𝑈𝐶_𝑝𝐷𝑆𝑈_𝑝𝑡𝐷𝑆𝑉𝐶_𝑝𝐷𝑃_𝑝𝑡)

+∑ ∑^𝑇_𝑡=1 ^𝐼_𝑖=1(𝐷𝑠𝑝𝐶_𝑖𝑊𝑝𝑎𝑟𝑡_𝑖𝑡+ 𝑅𝑆𝐶_𝑖𝑅𝑆𝑈_𝑖𝑡+ 𝑅𝑉𝐶_𝑖𝑅𝑃𝑎𝑟𝑡_𝑖𝑡+ 𝑃𝐼𝐶_𝑖𝑃𝐼_𝑖𝑡+ 𝑃𝑃𝐶_𝑖𝑃𝑃𝑎𝑟𝑡_𝑖𝑡) +∑ ∑ (^𝑇_𝑡=1 ^𝑃_𝑝=1 1 − 𝐷𝑆𝑈_𝑝𝑡)𝐷𝐼𝐷𝐶 +∑ ∑^𝑇_𝑡=1 ^𝐼_𝑖=1(1 − 𝑅𝑆𝑈_𝑖𝑡)𝑅𝐼𝐷𝐶

} (70)

其中相關符號說明如下：

表 25 Kim et al 符號說明

p 產品指數 𝑃𝑃𝐶𝑖 從供應商採購成本

i 部分零件 𝐷𝐼𝐷𝐶 拆解設備的閒置成本

t 時間 𝑅𝐼𝐷𝐶 整修設備的閒置成本

𝑅𝑖𝑡 回收所需時間 𝐷𝑃𝑝𝑡 在時間 T 內分解產品 P 數目

𝑃𝐼𝐶𝑖 部分零件持有成本 𝑅𝑃𝑎𝑟𝑡𝑖𝑡 在時間 T 內翻新零件 I 數目

𝐶𝑃𝐼𝐶_𝑝 蒐集產品所需零件的庫存成本 𝑊𝑝𝑎𝑟𝑡_𝑖𝑡 在時間 T 內處置零件 I 數目

𝐷𝑠𝑝𝐶𝑖 拆卸所需費用 𝐶𝑃𝐼𝑝𝑡 在時間 T 內產品 P 存貨水平

𝐷𝑆𝑈𝐶𝑝 蒐集建置成本 𝑃𝐼𝑖𝑡 在時間 T 內零件 I 存貨水平

𝐷𝑆𝑉𝐶𝑝 蒐集運行成本 𝑃𝑃𝑎𝑟𝑡𝑖𝑡 在時間 T 內外購零件 I 數目

𝑂𝑈𝑇𝐶𝑝 分包產品成本 𝐷𝑆𝑈𝑝𝑡 在時間 T 用設置整修部分 I 的二元變量

𝑅𝑆𝐶𝑖 整修部分零件成本 𝑅𝑆𝑈𝑖𝑡 在時間 T 用設置拆解部分 I 的二元變量

𝑅𝑉𝐶𝑖 收集拆解產品零件運行成本 𝑂𝑈𝑇𝑝𝑡 在時間 T 內外包產品 P 數目

學者 Nenes et al. (2010)提出再製造的環境下三種庫存模式評估策略，並用實 證案例研究作證。此方法是提出一個負二項的方程式，並依據過去的資料進行統 計分析與推估，且計算缺貨的項目與時間，並利用文獻種所提的架構進行計算，

並找出最地的成本總和選項。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

45

學者 Alinovi et al. (2012) 建立一個隨機分析模式並整合製造與再製造的策 略，考量許多逆向物流的不確定因素，包括企業回收品品質不確定等，並有效降 低其不確定性。期主要是以 EOQ 為基礎的庫存控制模型。其數學算是表現如下：

學者 Alinovi et al. (2012) 建立一個隨機分析模式並整合製造與再製造的策 略，考量許多逆向物流的不確定因素，包括企業回收品品質不確定等，並有效降 低其不確定性。期主要是以 EOQ 為基礎的庫存控制模型。其數學算是表現如下：

在文檔中 供應鏈風險管理策略運用之研究 - 政大學術集成 (頁 41-56)