论预测滞后对牛鞭效应的影响.docVIP

　　论预测滞后对牛鞭效应的影响 摘 要：作为供应链管理中普遍存在的一个现象，牛鞭效应（The Bullwhip Effect）成为学术界关注的焦点之一。学术界普遍认为需求信息的扭曲是产生牛鞭效应的主要原因之一，因此从信息扭曲的源头——需求预测，分析预测滞后对牛鞭效应的影响。认为在信息不共享的情况下，预测滞后的大小和牛鞭效应的大小呈现反相关关系。 　　关键词：牛鞭效应；预测滞后；需求信息 　　 　　1 预测滞后的定义及其量化 　　 　　需求信息的扭曲是造成牛鞭效应的一个主要原因，而产生需求信息扭曲的一个原因是在信息不共享的情况下供应链中的企业对下游的需求信息进行预测，并以此预测为基础来制定自己向上游的订货量。因此，探讨信息不共享的供应链中各级企业的需求预测对供应链牛鞭效应的影响具有十分重要的意义。 　　1.1 预测滞后的定义 　　需求预测是对未来需求的估计。需求预测可以是应用数学方法对历史需求数据进行的客观分析，也可以是对非正式信息的主观判断，同时，需求预测也可以是两种方法和技术的结合。本文考虑的需求预测是指用数学方法对历史需求数据进行客观的分析。 　　由于本文中需求预测是对历史的需求数据进行分析，所以决策者在进行需求预测的过程中，会使用到不同时期的历史需求数据。决策者根据经验和主观判断，会对这些不同时期的历史需求数据产生不同的重视程度，而这又会导致不同的预测结果。决策者接着根据这些预测结果进行订货决策，不同的需求预测结果趋向于导致不同的订货量。在供应链中，下游企业的订货量信息又是上游企业的需求信息，上游企业又根据其下游企业的需求信息来进行需求预测，并制定其自身的订货量，这样，顾客的需求随着供应链的下游逐级向供应链上游传递，并且在传递的过程中随着供应链中各级企业的需求预测而产生逐渐扭曲、失真的现象。 　　我们发现，导致需求信息在供应链传递过程中扭曲、失真的源头之一就是供应链中各级企业的需求预测。在需求预测过程中，决策者对不同时期的历史需求数据的重视程度的不同会影响其向上游订货量的波动，从而对供应链牛鞭效应产生影响。 　　预测滞后是指决策者在进行需求预测的过程中，因使用历史需求信息进行预测，从而造成预测结果中所反映的信息是以前的需求情况，而不是现在或未来的需求情况。预测滞后的大小由决策者对不同时期的历史需求数据的重视程度决定。 　　这里需要说明的是，预测滞后的概念并不是要否认需求预测是对未来需求的估计，而是强调在需求预测过程中，因决策者对不同时期的历史需求数据的不同的重视程度，所导致的预测结果中所反映信息的时刻性。也就是说，如果决策者对早期的历史需求数据很重视的话，那么预测结果中所反映信息的时刻就更趋向于很久以前的时刻，它的预测滞后就大；如果决策者对近期的历史需求数据很重视的话，那么预测结果中所反映信息的时刻就更趋向于接近于现在的时刻，它的预测滞后就小。 　　根据预测滞后的上述解释及本文中需求预测的定义，我们可以知道，几乎所有的需求预测都存在预测滞后的现象，惟一的不同在于因决策者对不同时期的历史需求数据的不同重视程度而造成的预测滞后的不同大小。 　　1.2 预测滞后的量化 　　预测滞后的大小主要是由决策者对不同时期的历史需求数据的不同重视程度造成的，预测滞后的量化也是从这个角度切入。本文将需求预测限定为用数学方法对历史需求数据进行客观的分析，在这里将不讨论定性预测中预测滞后的问题。 　　我们用HF表示预测滞后，并将决策者进行需求预测的时期定为第0期，以前的时期依次往前为前1期、前2期、前3期……。定量预测方法主要有加权移动平均法、移动平均法、指数平滑法，决策者在使用上述方法进行需求预测时，会对不同的历史需求信息赋予不同的权重。决策者在进行需求预测过程中对不同时期的历史需求信息的重视程度用决策者赋予的权重来表示。 　　我们用i来表示以前的期数，用wsi来表示各期的权重，因此有： 　　需要说明的是，预测滞后并不是一个用来说明预测准确度的概念，也就是说，在这里的HF的数值大小不是反映预测准确度的，并且预测的准确度也不会受到HF的数值大小的影响。同时我们可通过上式得出，预测滞后大，就表示决策者对早期的历史需求数据重视，预测滞后小，就表示决策者对近期的历史需求数据重视。2 预测滞后与牛鞭效应的关系 　　 　　目前，学术界普遍接受的一个对牛鞭效应的描述是：在供应链中，下游消费者的需求轻微变动导致上游企业生产、经营安排剧烈的波动。从这个描述当中，我们可以得知，要减弱牛鞭效应，就必须要减弱需求信息在供应链中传递的波动。 　　预测滞后首先导致的是预测结果在反映下游需求信息时的延迟，即是指预测结果不能敏捷地反映下游需求信息。我们已经知道，在决策者进行需