行政院國家科學委員會專題研究計畫 成果報告
供應鏈需求變異之管理--訂單重分配與提供替代品
計畫類別： 個別型計畫 計畫編號： NSC91-2416-H-006-028- 執行期間： 91 年 08 月 01 日至 92 年 07 月 31 日 執行單位： 國立成功大學工業與資訊管理學系（所） 計畫主持人： 林清河 報告類型： 精簡報告 處理方式： 本計畫可公開查詢中 華 民 國 92 年 10 月 8 日
2
行政院國家科學委員會專題研究計畫成果報告
供應鏈需求變異之管理—訂單重分配與提供替代品
Preparation of NSC Project Reports
計畫編號：NSC 91-2416-H-006-028
執行期限：91 年 08 月 01 日至 92 年 07 月 31 日
主持人：林清河教授 國立成功大學工業管理科學系
計畫參與人員：專任研究助理
一、中文摘要 降低長鞭效應為供應鏈管理中之關鍵 性問題，此觀點已在甚多文獻中被討論 過。在實務上常出現供應商及製造商所察 覺之自身需求變異往往大過零售業者實際 所認知消費者之需求變異，這樣的效應會 在整個供應鏈中由下游至上游逐層擴大， 而主要的原因乃是由於資訊的扭曲所造 成，也就是說零售商所得到實際的消費者 需求量無法正確地往上游傳遞，上游的供 應商及製造商所獲得的都是扭曲的資訊； 而扭曲的資訊所導致錯誤的產銷規劃，將 造成銷售的損失，進而喪失市場競爭先 機，並造成過量的存貨，因此如何降低資 訊扭曲所導致整個供應鏈在產銷活動上的 混亂，對於供應鏈管理來說，實為一相當 重要的課題。針對上述現象，本研究分別 探討三個相關研究主題：(1) 個別零售商訂 單數量的波動程度遠大於其它零售業者之 時，如何透過供貨數量的重新分配降低上 游供應商所面對之需求變異；(2) 零售商本 身依替代性產品觀念，滿足顧客需求，以 降低製造商所面對顧客產品需求之變異； (3) 製造商及零售商依替代性產品觀念，滿 足顧客需求，以降低供應商所面對顧客產 品需求之變異。本研究將分別對此三個主 題建構數學模型，並發展出有效的演算法 以尋得降低顧客產品需求變異之最佳投資 組合；最後，針對模型中參數對最佳投資 組合的影響，進行敏感度分析。 關鍵詞：長鞭效應、供應鏈管理、投資組 合、替代性商品、資訊扭曲 AbstractOne of key factors in supply chain management is the elimination of the bullwhip effect. This issue has been examined in many studies. In practice, the variance of the manufacturer’s or supplier’s perceived demand far exceeds that of the consumer demand. Furthermore, we noticed that the effect is amplified at each stage in the supply chain, by the distortion of the information distortion between different supply levels of companies and that such systems are too complicated for managerial intuition to correct it. Information distortion results in error planning, which can cause miss sales, lost market opportunities, and excessive inventories. The study will focus on these obvious issues and carries out the three following studies: (1) how to reduce the demand variation through redistributing orders in the supply chain, when the order quantity of the individual retail fluctuates
3
more violent than the quantity of the whole retailer, (2) If retailers use the opinion of the substitute product to meet the customer demand, how can manufacturer reduce the variation of customer demand, (3) when manufacturer or retailer uses the opinion of the substitute product to meet the customer demand, how can supplier reduce the variation of the customer’s demand. We will formulated three models and develop efficient algorithms to determine the optimal portfolio. Finally, sensitivity analysis will be carried out to examine the effects of the model parameters on each subject’s optimal portfolio.
Keywords: bullwhip effect 、 supply chain
management、portfolio、substitute product、Information distortion. 二、緣由與目的 在早期，透過價值鏈（value chain）的 觀念，個別廠商可依據自身的策略及資源 對公司營運作最佳化之安排，但在全球化 的潮流下，為了追求在更低的成本之下， 達成更高的顧客滿意度，整個產業上下游 之間的合作便顯得格外重要。供應鏈管理 (Supply Chain Management; SCM)便可整合 上、中、下游的廠商，透過資源共享達成 整體最適。資源分享的過程中，資訊的傳 遞可能因為個人的利益或彼此系統之間協 調上的問題產生資訊失真的現象。例如： 寶僑（P&G）公司曾針對其最暢銷產品－ 幫寶適（Pampers）訂貨情形作過調查，調 查顯示，於零售店中，幫寶適的銷售量相 當穩定，但是當檢視批發商的訂貨情形 時，卻發現訂貨數量會隨著時間大幅度地 波動，更令人驚訝的是，進一步觀察 P&G 公司對原物料供應商的訂貨情形時，這種 波動的現象更加劇烈，而這樣的現象不僅 在寶僑公司發生過，惠普（HP）公司也曾 發生過類似的現象。資訊的扭曲，使得零 售商對批發商，批發商對製造商，製造商 對供應商之訂貨量隨著時間而大幅度的波 動 ， 此 種 現 象 稱之 為 長 鞭 效應 (Bullwhip Effect)。長鞭效應現象所導致錯誤的產銷規 劃，將造成銷貨的損失、喪失市場競爭先 機、及過量存貨準備(如製藥產業，甚至會 造成總存貨超過 100 天的供給量)，如何降 低資訊的扭曲所導致整個供應鏈在產銷活 動上的混亂，對於供應鏈管理來說，實為 一相當重要的課題。 任何生產過程的製造，不是針對真實 的訂單就是對於未來訂單的預測。在一個 存貨式生產（make-to-stock）的環境中，因 為訂單必須以存貨來供應，所以製造活動 完全構建在預測之上。然而，存貨式生產 的定位策略強調的是及時(JIT)交貨、品質 優良、價格合理、及標準品，所以一般顧 客是不願意等待任何的交貨延遲，管理上 必 須 維 持 一 定 的 庫 存 量 (Fogarty et al., 1991)。但是，需求預測的更新，所造成目 標存貨量的變動，卻是造成長鞭效應的因 素之一；以往的文獻大多集中在探討單一 零售商對單一製造商或單一批發商的關 係。基於整體性的考量，本文研究目的分 成以下三個部分進行探討：(1)延伸過去一 對一的關係，探討當個別零售商其訂單數 量的波動程度遠大於其它零售業者之時， 如何透過供貨數量的重新分配降低上游供 應商所面對之需求變異；(2)探討零售商本 身依替代性產品觀念，滿足顧客需求，以 降低製造商所面對顧客產品需求之變異； (3)探討製造商及零售商依替代性產品觀 念，滿足顧客需求，以降低供應商所面對 顧客產品需求之變異；依此三個主題進一 步研究其結果對於抑制長鞭效應之成效。 三、研究結果與討論 藉由 Chen et al.（2000a,b）所提出需求 預測對於長鞭效應相關影響之定量模式， 於第一個研究主題中，我們探討多家零售 業者之間訂購數量的互動關係(Trade-Off) 所 產 生 多 位 置 存 貨 的 投 資 組 合 效 果 (Portfolio Effect)，及其效果對於長鞭效應 的影響。並進一步延伸 Chen et al.（2000a,b） 所提出之定量模式，研究上游供應商如何 在終端需求資訊的分享下，藉由馬克維茲 （Markowitz）投資組合模型中主宰原則 （Dominant Principle）的概念，在維持整 體零售商顧客服務水準不變的前提下，利 用供貨數量的重新分配，分散個別零售商
各自預測需求所造成不同程度的訂單變 異，使其所面對的總需求變異達到最低， 並探討此策略對於零售商未來整個在配給 數量及存貨成本上的影響。最後，再進一 步假設市場需求能夠同時轉移至相對應之 需求分配下，研究此一作法是否能夠同時 達到抑制長鞭效應的效果。結果發現，分 散個別零售商訂單變異的策略，其對於抑 制長鞭效應的成效，主要是由於需求變異 的降低，乃是針對上游製造商而設計的， 部分零售商當期顧客需求具有一定程度的 負相關的情形下，製造商需求變異降低的 幅度，將大於整體零售商其需求變異降低 的幅度。 於第一個研究主題中，我們假設部分 零售商當期顧客需求呈現負相關的情形 下，製造商進行供貨數量的重新分配，以 降低零售商之訂購變異。但是在現實社會 中單一產品在不同零售商之間當期顧客需 求要呈現極度負相關的情形並不多見，只 是若以多樣產品下，不同產品間的替代程 度來思考這樣的做法，或許對於降低製造 商所面對整體產品需求之變異性會有所幫 助。零售商訂購第 i 類產品之機率(比率)， 常需面對不確定的現象作決定，這種不確 定是由於不能控制的顧客產品購買取向變 化，或由於不一致的顧客產品購買意願現 象 。 針 對 此 情 形 ， 我 們 使 用 隨 機 過 程 (Stochastic Process) 中 馬 可 夫 鏈 （ Markov Chain）之機率模式，來處理訂購產品之機 率(比率)，並討論其隨時間隨機變化的過 程。 在第三主題部分，我們延續第二主題 部份之假設，討論製造商及零售商依替代 性產品觀念，滿足顧客需求，以降低供應 商所面對顧客產品需求之變異。零售商訂 購第 i 類產品之機率(比率)與製造商訂購第 i 類原料之機率(比率)，常需面對不確定的 現象作決定，這種不確定是由於不能控制 的顧客產品購買取向變化，或由於不一致 的顧客產品購買意願現象。 處理此種情 形 ， 我 們 仍 是 使 用 隨 機 過 程 (Stochastic Process)中馬可夫鏈（Markov Chain）之機 率模式，來處理訂購產品、原料之機率(比 率)，以討論其隨時間隨機變化的過程。 在第二與第三主題部分，最後我們找 出了一個處理整個供應鏈長鞭效應的方 法；該方法的主要精神，是去尋找在供應 鏈中各個階段，適當的訂購或者製造替代 性產品的比率；經過這樣的處理，我們發 現，可有效降低長鞭效應情形的產生。 四、計畫成果自評 經過一年的探討分析，大致可以獲得 與當初所提計畫內容之預期結果，並且分 析出其他情境的條件，以加強本研究的理 論性與實用性。另外針對本研究所探討的 模式均已整理成文章，並已投稿至國外期 刊，詳述如下：
(1)”Mitigating the Bullwhip Effect Through the Reduction of the Demand Variance in the Supply Chain”.
(2)”Issues on the Reduction of Demand Variance in the Supply Chain”.
(3)”The Effect of Customers’ Selection of Alternatives on Alleviating the Bullwhip Effect”.
五、參考文獻
[1] Baganha, M. P., and Cohen, M. A., 1998, “The stabilizing effect of inventory in supply chains,” Operations Research, Vol. 46, No. 3, pp. 72-83.
[2] Beamon, B.M., 1998, “Supply chain design and analysis: Models and methods,” International Journal of Production Economics, Vol. 55, No. 3, pp. 281-294.
[3] Cachon, G. P., 1999, “Managing supply chain demand variability with scheduled ordering policies,” Management Science, Vol. 45, No. 6, pp. 843-856.
[4] Cachon, G. P., and Lariviere, M. A., 1999, “Capacity allocation using past sales: when to turn-and-earn,” Management Science, Vol. 45, No. 5, pp. 685-703. [5] Chen, F., Ryan, J. K., and Simchi-Levi,
D., 2000a, “The impact of exponential smoothing forecasts on the bullwhip effect,” Naval Research Logistics, Vol. 47, No. 4, pp. 269-286.
[6] Chen, F., Drezner, Z., Ryan, J. K., and Simchi-Levi D., 2000b, “Quantifying the bullwhip effect in a simple supply chain: The impact of forecasting, lead
5
time, and information,” Management Science, Vol. 46, No. 3, pp. 436-443. [7] Davis, T., 1993, “Effective Supply Chain
Management,” Sloan Management Review, Vol. 34, No. 4, pp. 35-46.
[8] Fogarty, D.W., Blackstone, J.H., and Hoffmann, T.R., 1991, Production &
Inventory Management, 2nd edition,
Cincinnati, OH: South-Western Pub. Co. [9] Forrester, J. W., 1961, Industrial
Dynamics, Cambridge, The M.I.T Press.
[10] Johnson, M.E., 1998, “Giving `Em What They Want,” Management Review, Vol. 87, No. 10, pp. 62-67.
[11] Kelle, P., and Milne, A., 1999, “The effect of (s,S) ordering policy on the supply chain,” International Journal of Production Economics, Vol. 59, No. 1-3, pp. 113-122.
[12] Ketzenberg, M.E., Marucheck, A.E., and Metters, R.D., 2000, “Information value for supply chain inventory replenishment”, Proceedings 2000 of the Decision Sciences Institute, pp. 1206-1208.
[13] Kiely, D.A., 1998, “Synchronizing supply chain operations with consumer demand using customer data,” The Journal of Business Forecasting, Vol. 17, No. 4, pp. 3-9.
[14] Lee, H.L., Padmanabhan, V., and Whang, S., 1997a, “The Bullwhip Effect in Supply Chains,” Sloan Management Review, Vol. 38, No. 3, pp. 93-102. [15] Lee, H.L., Padmanabhan, V., and Whang,
S., 1997b, “Information Distortion in a Supply Chain: The Bullwhip Effect,” Management Science, Vol. 43, No. 4, pp. 546-558.
[16] Lee, H.L., So, K.C., and Tang, C.S.,
2000, “The value of information sharing in a two-level supply chain,” Management Science, Vol. 46, No. 5, pp. 626-643.
[17] Lummus, R. R., Duclos, L. K., and Vokurka, R. J., 1998, “Improving supply chain performance by eliminating demand distortion: A simulation study of the bullwhip effect,” Proceedings 1998 of the Decision Sciences Institute, pp. 1187-1189.
[18] Metters, R., 1997, “Quantifying the bullwhip effect in supply chains,” Journal of Operations Management, Vol. 15, No. 2, pp. 89-100.
[19] Simchi-Levi, D., Kaminsky, P., and Simchi-Levi, E., 2000, Designing and
Managing the Supply Chain: concepts, strategies, and case studies,
Boston :Irwin, McGraw-Hill.
[20] Sterman, J.D., 1989, “Modeling Managerial Behavior: Misperceptions of feedback in a dynamic decision making experiment,” Management Science, Vol. 35, No. 3, pp. 321-339.
[21] van der Vorst, J. G. A. J., Beulens, A. J.M., de Wit, W., and van Beek, P., 1998, “Supply chain management in food chains: improving performance by reducing uncertainty,” International Transactions in Operational Research, Vol. 5, No. 6, pp. 487-499.
[22] Wyland, B., Buxton, K., and Fuqua, B., 2000, “Simulating the supply chain,” IIE SOLUTIONS, Vol. 2, No.4, pp. 37-42.
[23] Xu, K., Dong, Y., and Evers, P.T., 2001, “Towards better coordination of the supply chain,” Transportation Research Part E, Vol. 37E, No.1, pp. 35-54.
