论文;信息技术与供应链动态特性

《论文;信息技术与供应链动态特性》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、信息技术与供应链动态特性*西南交通大学经济管理学院青年教师科研基金资助项目代颖马祖军**代颖，1975年出生，硕士,助教。主要研究方向：供应链管理、企业资源计划（ERP）。Email:dymzj@263.net马祖军，1974年出生，博士生。主要研究方向：供应链管理、物流管理、电子商务。Email:mazujun@263.net（西南交通大学经济管理学院，610031）摘要随着市场竞争的加剧，供应链管理倍受关注，但供应链动态特性却严重影响了供应链管理的运作效率。为此，本文系统分析了供应链动态特性产生的原因及缓解对策，并论述了信息技术在改善供应链动态特性方面所起的重要作用

2、。关键词供应链牛鞭效应动态特性信息技术1引言随着全球经济一体化和信息技术的高速发展，顾客个性化需求的不断增加，企业之间的竞争日益加剧，加上政治、经济、社会环境等方面的巨大变化，使得整个市场需求的不确定性大大增加。面对一个变化迅速且无法预测的买方市场，仅靠单个企业的资源已无法快速响应用户需求，企业之间应该为了共同的市场利益而结成战略联盟，形成一条从供应商到制造商再到分销商的贯穿所有企业的供应链（SupplyChain），通过优势互补来获得集体竞争优势，达到双赢（Win-Win）的效果。于是便产生了供应链管理（SupplyChainManagement，简称SCM）这一新的

3、经营与运作模式，并日益成为理论界和实业界的关注热点。在以顾客为中心的供应链管理中，每个成员在决策时都在利用来自直接下游企业的信息进行预测并向上游企业订货，每个企业都面临着前趋和后继间的订货问题。然而当下游需求发生变化时，由于供应链的固有属性会产生信息曲解，而且曲解的信号会沿着供应链自下而上（顾客→分销商→制造商→供应商）逐级放大，这种现象被称为供应链中的牛鞭效应（Bull-whipEffect412）。牛鞭效应会造成低质量的客户服务、低效运输、货物短缺或积压以及错误的需求预测等现象。因此，分析引起牛鞭效应的原因及其缓解对策，是保证供应链管理高效运作的关键。国外学者对此进

4、行了一些研究，如文献[1]分析了引起牛鞭效应的四种因素：需求预测、批量订货、价格波动和理性对策，并提出了相应的对策，文献[2]则对需求预测因素进行了定量分析，等等；国内学者对该问题的研究还不多，仅有的也只是重申了文献[1]中所述的四种因素。此外，现有文献主要研究了供应链动态特性中的波动放大效应，却较少涉及对时间延迟问题的分析。为此，本文将深入系统地分析供应链动态特性产生的原因及缓解对策，并着重论述信息技术对供应链动态特性的改善。1供应链动态特性分析为研究供应链的动态特性，先引入一个简单的供应链模型，如图1所示。图中所示的供应链系统由顾客、零售商、批发商、制造商和供应商组

5、成。基本的运作程序是：顾客向零售商订货；零售商收到订单后，根据库存情况再向批发商订货；批发商向制造商订货；制造商收到订单后，制订生产计划，组织产品生产。制造商将产品运送到批发商仓库；批发商收到货物后，发货给零售商；零售商最终将货物送到顾客手中。在此供应链系统中，信息传递是通过递送订单完成的，它对整个系统的运行起着反馈控制作用。图1供应链模型该供应链中存在时间延迟问题，包括信息延迟和物流延迟。信息延迟有三种：（1）订单业务处理延迟，如零售商收到订单后，进行处理所需的时间；（2）订货延迟，如零售商根据订货量制作新订单并发给批发商所需的时间；（3）邮寄延迟，即订单在邮寄途中花

6、费的时间。此外，还存在两种物流延迟：（1）交货延迟，即某个成员收到订单后到货物交付所需的时间；（2）运输延迟，货物在运输途中花费的时间。通过对供应链中时间延迟问题的分析，综合供应链中信息波动的放大效应，就能反映出供应链的动态特性，如图2所示。图2供应链动态特性412从图2中可以看出，供应链上各成员对市场需求变化的响应存在不同的时间延迟。例如当市场需求首次开始上升时，零售商对批发商的订货仍保持不变；而当市场需求第二次上升时，制造商对供应商的订货反而在减少。结果是供应链上各个成员的业务各自朝着不同的方向运作，同时各企业的库存也围绕着期望库存水平上下波动。随着供应链的增长，参

7、与供应链运作的企业越多，这种动态特性就越明显。1供应链动态特性产生的原因及对策引起供应链动态特性的主要原因有六个方面：需求预测、批量订货、价格波动、理性对策、时间延迟和缺乏协调。3.1需求预测供应链中每个成员总是以其直接下游的需求信息作为自己需求预测的依据，并据此安排生产计划或供应计划。当产品交货周期（LeadTime）较长时，在此期间通常需要保持数周的安全库存，其结果就使得预测的订货量比需求数量的变化要大。为避免这种多头需求预测，供应链上各成员应基于销售点（PointofSale）数据以及各节点企业的库存状况进行需求预测，而不是依据下游