提前期预测对牛鞭效应的影响

1302

收藏 2022-05-05

英文标题：
《The impact of lead time forecasting on the bullwhip effect》
---
作者：
Zbigniew Michna and Peter Nielsen
---
最新提交年份：
2015
---
英文摘要：
In this article we quantify the bullwhip effect (the variance amplification in replenishment orders) when demands and lead times are predicted in a simple two-stage supply chain with one supplier and one retailer. In recent research the impact of stochastic order lead time on the bullwhip effect is investigated, but the effect of needing to predict / estimate the lead time is not considered in the supply chain models. Under uncertainty conditions it is necessary to estimate the lead time for a member of the supply chain to place an order. We find a new cause of the bullwhip effect in the form of lead time forecasting and we give an exact form of the bullwhip effect measure (the ratio of variances) when demands and lead times are predicted by moving averages. In the bullwhip effect measure we discover two terms amplifying the effect which are the result of lead time estimation
---
中文摘要：
在本文中，我们量化了在一个供应商和一个零售商的简单两阶段供应链中预测需求和提前期时的牛鞭效应（补货订单中的方差放大）。在最近的研究中，研究了随机订单提前期对牛鞭效应的影响，但在供应链模型中没有考虑需要预测/估计提前期的影响。在不确定性条件下，有必要估计供应链成员下订单的提前期。我们以提前期预测的形式发现了牛鞭效应的一个新原因，并给出了用移动平均预测需求和提前期时牛鞭效应测度的精确形式（方差比）。在牛鞭效应测度中，我们发现两个项放大了提前期估计的结果
---
分类信息：

一级分类：Mathematics 数学
二级分类：Probability 概率
分类描述：Theory and applications of probability and stochastic processes: e.g. central limit theorems, large deviations, stochastic differential equations, models from statistical mechanics, queuing theory
概率论与随机过程的理论与应用：例如中心极限定理，大偏差，随机微分方程，统计力学模型，排队论
--
一级分类：Quantitative Finance 数量金融学
二级分类：General Finance 一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
-->

The_impact_of_lead_time_forecasting_on_the_bullwhip_effect.pdf
大小:(444.67 KB)

马上下载

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

何人来此

2022-5-5 00:32:20

提前期预测对牛鞭效应的影响*1和彼得·尼尔森（Peter NielsenDepartment of Mat hematics and Controlytics Wroclaw University of Economics Department of Mechanical and Manufacturing Engineering）阿尔堡大学机械与制造工程系摘要本文中，我们量化了在一个简单的两阶段供应链中预测需求和交付周期时的牛鞭效应（补充订单中的方差放大）。在最近的研究中，研究了随机订单提前期对牛鞭效应的影响，但在供应链模型中没有考虑需要预测/估计提前期的影响。在不确定性条件下，有必要估计供应链成员下订单的提前期。我们以提前期预测的形式找到了牛鞭效应的新原因，并给出了当需求和提前期由移动平均预测时，牛鞭效应度量的精确形式（方差比率）。在Bullwip effect测量中，我们发现两个术语适用于提前期估计的结果。*相应的authorEmail:zbigniew。michna@ue.wroc.plTel/传真：+48713680335关键词：供应链、牛鞭效应、订单升级政策、随机提前期、提前期预测、需求预测、提前期需求预测1简介牛鞭效应在二十世纪中叶被福雷斯特（Forrester）[10]认可，并被宝洁（Procter&Gamble）管理层创造为一个术语。这种现象在供应链中表现为，如果供应链中有人上移，则采购订单中的方差放大（定义和历史回顾见Disney and Towill[8]和Geary等人[11]）。它被认为是有害的，因为它的后果非常严重（参见Buchmeisteret等人。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-5-5 00:32:24

[4] ）：库存投资过多、客户服务水平差、亏损、生产率降低、决策难度更大、运输次优、生产次优等。这使得找到牛鞭效应的根本原因并量化供应链每个阶段需求变化的增加至关重要，因为这与成本直接相关。在目前的研究状态下，通常会考虑牛鞭效应的五个主要原因（见Lee et a l[12]和[13]）：需求预测、非零提前期、供应短缺、订单批次和价格波动。为了减少供应链中的变量放大（即减少牛鞭效应），我们需要确定导致牛鞭效应的所有因素，并量化它们对效应的影响。在本研究中，我们将调查牛鞭效应的另一个原因，即提前期预测。从库存理论中可以看出，供应商交付周期的平均值和可变性会影响其客户的发明家和订单决策。虽然提前期通常被认为是决定性的，但它们实际上并不存在于许多供应链中（见聊天室[5]）。文献中对库存系统中随机提前期的影响进行了深入研究，如Bag chi等人[3]，Hariharan和Zipkin[17]，Mohebbi和Po sner[19]，Song[21]和[22]，Song和Zipkin[23]和[24]以及Zipkin[25]。最近的研究调查了随机提前期对牛鞭效应的影响（见So和Zheng[20]，Ducet等人[9]或Kim等人[18]以及其中的参考文献），但目前的研究都没有解决在提前期是随机的情况下估计/预测提前期的内在需要的后果。这些工作通过牛鞭效应的分布特征，研究随机提前期对牛鞭效应的影响。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-5-5 00:32:27

均值或方差。在论文So和Zheng[20]中，供应商的交货提前期取决于供应商现有的订单积压，这意味着它不是确定性的，但取决于零售商的订单数量。他们用数字来解决这个问题。在典型的方法中，如果假设某个特征是随机的，则需要预测其在未来时期的价值。在我们的情况下，供应商的提前期与其客户（零售商）的订单数量之间的关系非常密切，尤其是当供应商在产能紧张的情况下运营，并且难以调整产能并保持向客户的恒定交货提前期时。我们还应该注意到，零售商的订单数量反过来可以决定供应商的交货时间绩效。如果零售商发现需求和交付周期存在不确定性（即随机性），并希望根据特定的库存政策向供应商下订单，以便及时向客户提供订单，那么他需要预测未来客户的需求和未来供应商的交付周期。在未来的时间里，供应商需要确定其他供应商的服装数量。这是通过所谓的提前期需求预测来实现的，以便在提前期内拥有满足客户需求所需的库存。提前期需求预测可以通过需求预测和提前期预测来执行。因此，我们无法避免未来交付周期的价值对于确定供应商的订单数量是必要的。它产生了一种基于其先前值预测交付周期的需求。实际上，零售商需要估计（预测）下一个交付周期的价值，以便向供应商订货。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-5-5 00:32:30

在之前关于随机提前期对牛鞭效应影响的研究中，没有注意到提前期估计的这种需要。在本文中，我们发现了牛鞭效应的一个新原因，即通过预测进行提前期估计，并量化其对补货订单中的方差放大的影响。许多假设交付周期确定的论文研究了不同的需求预测方法对牛鞭效应的影响，如简单移动平均、指数平滑和最小均方误差预测，当需求独立相同分布或构成综合移动平均时，自回归过程或自回归移动平均（见Graves[16]，Lee等人[14]，Chen等人[6]和[7]，Alwan等人[2]，Zhang[26]和Duc等人[9]）。此外，Agrawal等人[1]以及Li和Liu[15]最近关于提前期对牛鞭效应影响的研究也值得注意。然而，在这些论文中，第一篇论文没有考虑随机提前期，第二篇论文研究了需求、生产过程、供应链结构、库存策略实施以及供应商订单安排提前期延迟等不确定性的过渡状态模型。他们发现了一个最大可降低的供应商订单安排提前期延迟，从而使供应链系统指数稳定。这种方法使用动态控制系统理论，并且不是概率的（类似模型见Li和Liu[15]中的参考文献）。在本文中，我们将移动平均作为需求和交付周期预测的方法，并找到了与交付周期和需求预测相关的牛鞭效应的精确形式。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-5-5 00:32:33

更准确地说，我们研究了一个模型，其中：a）供应链包含两个阶段，由接收客户需求的零售商和供应商（客户）组成<-> 零售商<-> 供应商（制造商）；b）客户需求构成了一个iid序列；c）供应商和零售商之间的交付周期构成一个iid序列；d）零售商使用订单升级策略向供应商下订单；e）零售商基于简单的移动平均法，利用过去的观察结果预测未来的需求值和提前期值。我们提出以下提前期需求预测DDLT=bLt-1Xi=0cDt+i，其中Cl是对t期开始时订单的下一个交付周期的预测，Cdt+i注意到t期开始时t+i期的需求预测。我们的方法的关键点是最后一个子点（e），与之前的方法不同。也就是说，在Duc等人[9]的工作中，提前期需求预测定义如下：ddlt=Lt-1Xi=0cDt+i，其中lti是时间t开始时的下一个提前期。零售商在时间t开始时不知道他何时向供应商下订单。这意味着最后一次交付周期预测在实践中是不可行的。Kim等人[18]的论文还研究了供应链中的随机提前期，并提出了提前期需求预测。更准确地说，提出了提前期需求的简单移动平均法，即isdDLt=ppXj=1DLt-j、（1）其中p是预测和DLt的延迟参数-jis是在时间开始时所下订单的已知提前期要求- J这种方法实际上是可行的。让我们注意到这一点-j=Lt-J-1Xi=0Dt-j+i，（2）其中-jis是在时间t开始时发出的订单的交付周期-jand Dt-j+i是t期间的需求- j+i。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

可人4

2022-5-5 00:32:37

结合（1）和（2）我们得到一个双和，我们不能交换这些和，因为-jaredi offerent（与Kim等人[18]进行比较）。在我们的方法中，我们表明牛鞭效应度量包含两个总和，这取决于预测的提前期。这些术语放大了牛鞭效应度量的价值，并证明提前期估计本身是牛鞭效应的另一个原因。2供应链模型我们将建立一个包含两个阶段的供应链模型，即一个零售商和一个供应商。在我们解决提前期预测问题的方法中，我们假设零售商o观察其客户的需求dt（通常t表示一个时间段，dt表示相同时间段内的需求）。更准确地说，我们假设{Dt}∞t=-∞构成一系列独立分布的随机变量，IEDt=u，VarDt=σ，需求的通用随机变量用D表示。引入了类似的提前期，即零售商在t期开始时向供应商下订单的提前期。提前期{Lt}的随机变量∞t=-∞独立同分布，IELT=uLand VarLt=σLand我们将用L表示提前期的通用随机变量。让我们注意到，我们没有对D和L的分布强加任何假设。我们只假设他们的第二个时刻是有限的。序列{Dt}∞t=-∞和{Lt}∞t=-∞彼此独立。周期t开始时的提前期需求定义为：Dlt=Dt+Dt+1+…+Dt+Lt-1=Lt-1Xi=0Dt+i.（3）零售商在一个时期开始时不知道该值，但需要预测其价值，以便向供应商下订单。实现这一点的自然方法是预测需求和交付周期。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-5-5 00:32:40

如果CDT+IDE在时段t开始时（即在i+1时段之后，i=0，1，…）记录时段t+i的需求预测和FDt-1=σ（Dt）-1，Dt-2, . . .) 是由需求产生的西格玛代数直到时间t吗- 1然后CDT+i∈ FDt-1，这意味着t+i期t开始时的预测是之前已知需求{Dt的函数-1，Dt-2, . . .} . 相似的提前期是随机的，零售商需要预测下一个订单期的价值。让FLt-1=σ（Lt）-1，Lt-2, . . .) 是由提前期到时间t生成的西格玛代数-1.因此，如果预测周期t开始时的下一个提前期，则为g enerallyct∈ 外语教学-1，这意味着t期的预测是之前已知的提前期{Lt-1，Lt-2, . . .} . 因此，向供应商下订单的零售商对交付周期需求的预测如下DDLT=bLt-1Xi=0cDt+i.（4）采用长度为n的移动平均预测方法≥ 1对于需求预测，我们得到CDT+j=nnXi=1Dt-i、（5）其中j=0，1。和Dt-ii=1，2，n是指零售商在t期开始前未满足的需求。同样，零售商预测了交货期。准确地说，使用移动平均预测方法，长度为m≥ 1对于提前期预测，我们得到CLT=mmXi=1Lt-i、（6）如果-ii=1，2，m是零售商在t期开始前观察到的提前期。如果我们想更精确，我们需要假设铅的分布是这样的≤ M>0的交货期以M为界。我们假设，为了避免这种情况，例如提前期-1在我们下订单的时间开始时不知道。然后提前期预测如下所示CLT=mmXi=1Lt-M-我（7）也就是说，我们至少有M个周期。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-5 00:32:43

为了简单起见，我们将在计算中使用（6）中给出的提前期，因为我们可以看到对证明的轻微修改。1牛鞭效应度量是指sameunder假设提前期有界，并应用（7）中给出的提前期预测。因此，通过等式（4），（5）和（6），我们得到了以下alead时间需求预测：DDLT=cLtcDt=mnmXi=1Lt-inXi=1Dt-i、（8）我们必须指出，与（8）类似的想法出现在el的聊天区。[5] 但在那里，牛鞭效应度量是模拟的，没有显示提前期预测和牛鞭效应之间的关系。我们可以采用提前期预测（7）到（8），但正如我们提到的，这并不影响牛鞭效应的衡量。此外，在我们的模型中，零售商采用了abase库存策略，这是一种简单的订单到水平库存策略。让Stbe为周期t开始时的库存头寸（之后会下订单）。如果采用了订单升级策略，则按照以下方式确定STI：ST=dDLt+zcσt，（9），其中Cσt=Var（DLt-dDLt）是提前期需求预测误差的方差，z是正常的z分数，该分数规定了现有库存满足需求的概率，并且可以根据给定的服务水平找到需求。在一些文章中，σ的定义更为实际，它不是方差，而是DLt的经验方差-dDLt。这使计算变得非常复杂，但我们必须指出，Cσ的估计增加了牛鞭效应的大小。如果z=0，这两种方法是一致的。因此，在时段t开始时放置的订单数量qt为qt=St- 圣-1+Dt-1.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-5-5 00:32:46

（10）我们的主要目的是找到Varqt，然后计算以下牛鞭效应测量值Bm=VarqtVarDt。命题1提前期需求的预测误差的方差不依赖于t和is，因为fo llowscσt=Var（DLt-dDLt）=uLσD+σLuD（m+1）m+uLσDn+σLσDmn。证明：通过等式（3）和（8）并假设独立，我们得到iedlt=IEdDLt=uLuDandVar（DLt-dDLt）=IE（DLt-雅思-1Xi=0Dt+i+mnIEmXi=1Lt-我IEnXi=1Dt-我-2教学-1Xi=0Dt+i！mIEmXi=1Lt-我nIEnXi=1Dt-我！=IELIED+IE（L）- 1））（IED）+mn[mIEL+m（m）- 1）（IEL）[nIED+n（n- 1）（IED）]-2（IELIED）=uL（σD+uD）+（σL+uL- uL）uD+mn（σL+muL）（σD+nuD）- 2uLuD=完成证明的uLσD+σLuD（m+1）m+uLσDn+σLσDmn。由于提前期需求预测误差的方差与t无关，我们可以从等式（9）和（10）qt=dDLt中得出-dDLt-1+Dt-1允许计算qt的变化。命题2一个订货量在一个时间段内的方差为varqt=2σLσD（m+n）- 1） mn+2σLuDm+2uLσDn+2uLσDn+σD.证明：让我们注意到ddlt-1=mnmXi=1Lt-1.-inXi=1Dt-1.-i=mnm+1Xi=2Lt-in+1Xi=2Dt-i=mnmXi=1Lt-i+Lt-M-1.- 书信电报-1.nXi=1Dt-i+Dt-N-1.- Dt-1!=dDLt+mn（Dt-N-1.- Dt-1） mXi=1Lt-i+mn（Lt-M-1.- 书信电报-1） nXi=1Dt-i+mn（Lt-M-1.- 书信电报-1）（Dt）-N-1.- Dt-1) .因此我们得到qt=-mn（Dt）-N-1.- Dt-1） mXi=1Lt-我-锰（Lt）-M-1.- 书信电报-1） nXi=1Dt-我-锰（Lt）-M-1.- 书信电报-1）（Dt）-N-1.- Dt-1） +Dt-1.通过独立性，很容易注意到IEqt=uD。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-5 00:32:49

让我们计算qtIEqt==mnIE（Dt）的第二个矩-N-1.- Dt-1） IE（mXi=1Lt）-i） +mnIE（左）-M-1.- 书信电报-1） IE（nXi=1Dt）-i） +mnIE（左）-M-1.- 书信电报-1） IE（Dt）-N-1.- Dt-1） +IEDt-1+mnIE[（Lt）-M-1.- 书信电报-1） mXi=1Lt-i] IE[（Dt-N-1.- Dt-1） nXi=1Dt-i] +mnIE（Dt）-N-1.- Dt-1） IE[（Lt）-M-1.- 书信电报-1） mXi=1Lt-[i]-mnIE[Dt-1（Dt）-N-1.- Dt-1） ]IE（mXi=1Lt-i） +mnIE[（Lt）-M-1.- 书信电报-1） IE[（Dt-N-1.- Dt-1） nXi=1Dt-[i]-曼尼（上尉）-M-1.- 书信电报-1） IE（Dt）-1nXi=1Dt-（一）-曼尼（上尉）-M-1.- 书信电报-1） IE[Dt-1（Dt）-N-1.- Dt-1） ]=2σDmn[m（σL+uL）+m（m- 1） uL]+2σLmn[n（σD+uD）+n（n- 1） uD]+4σLσDmn+σD+uD+mn（uL- σL- 微升（微升）- σD- uD）+4σDmn（uL- σL- 微升）-锰（uD）- σD- uD）muL+4σLmn（uD）- σD- uD）- 0- 0=2σLσD（m+n）- 1） mn+2σLuDm+2uLσDn+2uLσDn+σD+uD，这是本文的主题。因此，我们可以导出牛鞭效应测度的精确形式。定理1牛鞭效应的度量具有以下形式bm=VarqtVarDt=2σL（m+n- 1） mn+2σLuDmσD+2uLn+2uLn+1。备注1如果我们在提前期有界的假设下使用提前期预测（7），我们得到相同的ula形式。让我们分析一下公式。公式中的第一个总结包括交付周期和需求预测的影响。第二个总结显示了提前期预测的影响。第三个和第四个四元组通过需求预测给出了方差的放大。效果非常大（见下一节和下表），如果我们取m=1，即如果下一个交付周期的预测是基于对交付周期的一次最后观察，那么我们得到BM=VarqtVarDt=2σLn+2σLuDσD+2uLn+2uLn+1=2σLuDσD+2uLn Ln 2（uL+σL）n+1。如果交付周期是确定的，则Lt=L=const。然后用bm=VarqtVarDt=2Ln+2Ln+1来描述牛鞭效应，这与Chen等人[6]的结果一致。我们应该注意到，Duc等人[9]还获得了Chen等人[6]在特殊情况下的结果，这是牛鞭效应的精确值（不是下限）。陈等人。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-5 00:32:53

[6]将其作为下限，因为他们定义了DLt的经验误差-dDLt。现在，我们研究如果过去观察到的提前期或需求数量很大，即如果→ ∞ 或n→ ∞ . 因此，如果预测中包含的过去交付周期数（预测的延迟参数）变为实际值，我们将得到LIMM→∞BM=2uLn+2uLn+1。这表明，如果预测中包含的提前期数量非常大，提前期预测的影响就会消失。类似地，如果预测中使用的需求数量增长到极限→∞BM=2σLuDmσD+1。如果uD/σD的比值不变，则影响并未消失，且保持不变，且与σL呈线性关系。此外，如果m很小，该术语可能非常有害（见下一节和下表）。3数值示例我们将对牛鞭效应的测量进行数值研究。特别是我们将考虑公式中的每一项。1.因此，让我们计算bm=2σL（m+n）- 1） mn，BM=2σLuDmσD，BM=2uLn+2uLn。（11）在下表中，我们研究了给定值n=5、10、20、30（预测中使用的过去需求的数量）、σD/uD=0.5（需求变化系数）、uL=3（提前期的预期值）和σL=2（提前期的标准偏差）时，牛鞭效应对m值（预测中使用的提前期数）的依赖性。表格显示了提前期预测对牛鞭效应的影响。很明显，对于较小的m（例如m=3或5），术语BM和BM对牛鞭效应的影响很大，当m较大时，提前期预测对牛鞭效应的影响几乎消失，但需求预测仍然会产生影响。例如，对于n=5，如果m从3变为50，则牛鞭效应测量值从6.72444变为2.9397 1（见表1）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-5-5 00:32:56

这意味着提前期预测可以将影响减少两倍以上。类似地，例如在选项卡中。4如果m从3变为50，则牛鞭效应测量值从4.807 16变为1.23308，这表明牛鞭效应的减少量几乎可以达到4倍。此外，如果m=1，影响非常大。这源于这样一个事实，即预测基于交付周期的最后一个已知值，环境是“非常随机的”，因为我们假设交付周期是相互独立的。我们还将牛鞭效应度量可视化为两个变量的函数。在图1中，绘制了牛鞭效应作为m和σLhas函数的测量值，其中m在20和40之间变化，σL∈ [0.5,6]和n=10，σD/uD=0.5和uL=3。作为m=5，6，…，的函数的牛鞭效应的度量，40微升∈ [1,10]对于n=10，σD/uD=0.5和σL=3如图2所示。无花果3显示了牛鞭效应的测量值，取决于n=20、21、，40和σL∈ [0.5,6]对于m=10，σD/uD=0.5和uL=3。类似地，图4将牛鞭效应表示为M和n的函数，其中σD/uD=0.5、uL=3和σL=3的值在20和40之间变化。无花果。5我们根据n=20、21、。40微升∈ [1,10]其中m=10，σD/uD=0.5和σL=3。4结论和进一步研究机会在本文中，我们研究了在一个简单的两阶段供应链中，提前期预测对风险放大的影响，其中一个供应商和一个零售商采用基础库存策略进行补货，而移动平均法用于提前期和电子铸造需求。牛鞭效应测量的精确形式表明，提前期预测是影响牛鞭效应的关键因素。提前期预测给出了两个新的总和BM和BM（见等式。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-5-5 00:33:00

（11））在牛鞭效应测量中，这大大增加了效应的价值。这两个总和与提前期方差σ呈线性关系，且σL的增加会加剧影响。由提前期预测引起的下一个因素是预测中使用的提前期样本的长度，即m值（见第1条）。如果该值增加并趋于一致，则方差放大增加，提前期预测的影响消失。我们还应该指出，对于la r ge m，1/m级的BMI是o（1/m），而对于大m，1/m级的BMI是o（1/m），这意味着总和BM对大m的影响更大。有趣的是，如果在需求预测中应用的需求观测长度为n，则可以忽略术语bm，因为总和和bmi也是O（1/n）。总之，我们应该指出，提前期预测实际上是牛鞭效应的一个关键因素，在供应链的设计和管理中，它的影响不容忽视。值得注意的是，这种影响源于对提前期的估计，而不仅仅取决于提前期的预期和变化。未来的研究机会是广泛的，对供应链管理的发展是必要的。在提前期预测问题的进一步方法中，我们需要研究除iidof提前期和需求之外的其他结构。即使我们考虑更复杂的需求结构，例如自回归移动平均法，提前期的iid结构，这也会在很大程度上使牛鞭效应测度的推导复杂化。其他机会在于对交付周期和需求的不同预测方法。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-5-5 00:33:03

在这里，我们可以使用不同的方法在特定模型中进行提前期预测和需求预测，或者使用相同的方法，但移动平均法除外。在其他研究方向中，人们可以在每个阶段预测随机提前期的情况下研究多级供应链，其中需求和提前期信息在供应链成员之间共享或不共享。在这些情况下，牛鞭效应度量的价值对于供应链管理领域的理论工作者和实践者来说无疑是有价值的。Ackn Owledgments这项工作得到了美国国家科学中心2012/07/B//HS4/00702号拨款的支持。参考文献[1]Agrawal，S.，Sengupta，R.N.，Shanker，K.（2009）。信息共享和交付周期对牛鞭效应和现有库存的影响。欧洲运筹学杂志192，第576-593页。[2] 阿尔万，L.C.，刘，J.J.，姚，D.Q.（2003）。供应链中流上需求过程的随机特征。IIE交易s 35，第207-219页。[3] 巴基，U.，海亚，J.，朱，C.（1986年）。提前期变化的影响：独立需求的情况。《运营管理杂志》，第159-177页。[4] Buchmeister，B.，Pavlinjek，J.，Palcic，I.，Polajnar，A.（2008）。供应链中的牛鞭效应问题。《生产工程与管理进展》3（1），第45-55页。[5] 哥伦比亚特区查特菲尔德，金，J.G.，哈里森，T.P.，海亚，J.C.（2004）。牛鞭效应——随机提前期、信息质量和信息共享的影响：一项模拟研究。奥普警长。管理13（4），第340-353页。[6] Chen，F.，ezner博士，Z.，Ryan，J.K.，Simchi Levi，D.（2000年a）。在简单的供应链中量化牛鞭效应。管理Sci。46（3），第436-443页。[7] Chen，F.，Drezner，Z.，Ryan，J.K.，Simchi Levi，D。（2000年b）。指数平滑预测对牛鞭效应的影响。导航。物件。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-5 00:33:08

日志47（4），第269-286页。[8] 迪士尼，S.M.，托维尔，D.R.（2003）。关于订货策略产生的牛鞭效应和库存差异。Omega 31，第157-167页。[9] 杜天豪、梁天豪、金永德（2008）。随机提前期供应链中牛鞭效应的度量。《国际先进制造技术杂志》y 38（11-12），第1201-1212页。[10] 弗雷斯特，J.W.（1958）。工业动态——决策的重大突破。哈佛巴士。牧师。36（4），第37-66页。[11] Geary，S.，迪士尼，S.M.，托维尔，D.R.（2006）。关于供应链中的牛鞭——历史回顾、当前实践和预期未来影响。《国际生产经济杂志》s 101，第2-18页。[12] Lee，H.L.，Padmanabhan，V.，Whang，S.（1997年a）。供应链中的牛鞭效应。斯隆管理。牧师。38（3），第93-102页。[13] Lee，H.L.，Padmanabhan，V.，Whang，S.（1997年b）。供应链中的信息扭曲：牛鞭效应。管理Sci。43（3），第546-558页。[14] 李汉林，苏，K.C.，唐，C.S.（2000）。信息共享在两级供应链中的价值。管理Sci。46（5），第626-643页。[15] 李灿，刘松（2013）。一种鲁棒优化方法，用于在不确定环境下减少供应商订单提前期延迟供应链的牛鞭效应。应用数学建模37，第707–7 18页。[16] 格雷夫斯，S.C.（1999年）。非平稳需求过程的单件库存模型。马努夫·S·埃尔夫。奥普。管理1，第50-61页。[17] Hariharan，R.，Zipkin，P.（1995年）。客户订单信息、交付周期和库存。管理科学41，第1599-1607页。[18] Kim，J.G.，Chat fi field，D.，哈里森，T.P.，海亚，J.C.（2006）。用随机提前期量化供应链中的牛鞭效应。《欧洲运筹学杂志》，173（2），第617-636页。[19] Mohebbi，E.，波斯纳，M.J.M.（1998）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-5-5 00:33:11

一个持续的审查系统，具有销售损失和可变的交付周期。Nava l Research Logistics 45，第259-278页。[20] 苏克强，郑，X.（2003）。在两级供应链中，供应商提前期和预测需求更新对零售商订单数量变化的影响。《国际生产经济学杂志》86，第169-179页。[21]宋，J.（1994）。交货期不确定性对简单库存模型的影响。管理科学40，第603-613页。[22]宋，J.（1994）。了解具有折扣成本的随机库存系统中的提前期影响。《研究通讯》15，第85-93页。[23]宋，J.，齐普金，P.（1993）。在波动需求环境中进行库存控制。运筹学41351–370。[24]宋，J.，齐普金，P.（1996）。提供供应链状况信息的库存控制。管理科学42，第1409-1419页。[25]齐普金，P.（1986）。连续时间库存模型中的随机提前期。《海军研究后勤季刊》第33期，第763-774页。[26]张X（2004）。预测方法对牛鞭效应的影响。《国际生产经济杂志》，第88页。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群