孫文清

（河南工程學院 管理工程學院，鄭州 451191）

農產品供應鏈績效影響的系統(tǒng)動力學研究

孫文清

（河南工程學院 管理工程學院，鄭州 451191）

文章構建了三級供應鏈系統(tǒng)動力模型，并基于指數(shù)平滑系數(shù)、庫存調節(jié)系數(shù)和在途庫存調節(jié)系數(shù)與供應鏈牛鞭效應及成本的關系進行了研究。結論表明，牛鞭效應僅是供應鏈成本的必要而非充分條件；相比在途庫存調節(jié)系數(shù)，零售商和批發(fā)商對庫存調節(jié)系數(shù)的變化更敏感；合理的庫存目標和庫存調節(jié)策略可以有效減弱供應鏈牛鞭效應；供應鏈牛鞭效應放大程度與總成本不完全相關。

供應鏈；指數(shù)平滑系數(shù)；牛鞭效應；成本

0 引言

農產品供應鏈是一個由農產品的生產、供應、銷售等所涉及的農戶、商家和消費者組成的網絡體系，環(huán)節(jié)多，結構復雜，農產品流通價值受到銷售商預測、庫存和在途庫存、訂貨周期、訂貨提前期等多因素的影響，加之農產品生命周期較短、價值時效性強等特點，一旦有一個環(huán)節(jié)決策不當，農產品則會出現(xiàn)積壓、貶值，導致農產品經銷商利潤減少甚至虧本。因此，研究農產品供應鏈系統(tǒng)參數(shù)對供應鏈績效的影響，不僅能夠對現(xiàn)有供應鏈研究成果的普適性進行檢驗，而且通過對農產品供應鏈績效的動態(tài)性變化進行分析，有助于優(yōu)化農產品供應鏈運作績效，具有重要的理論和實踐意義。

本文運用系統(tǒng)動力學理論，構建了三級農產品供應鏈模型，借助軟件Porwersim2005，基于模型中的指數(shù)平滑系數(shù)、APIOBPCS庫存調節(jié)系數(shù)和在途庫存調節(jié)系數(shù)等三個參數(shù)的變化分別對農產品供應鏈牛鞭效應和成本的影響進行仿真分析，以探究上述系數(shù)、牛鞭效應、總成本之間的相互關系，并對農產品供應鏈績效的優(yōu)化問題提出對策。

1 模型的構建

1.1 基本假設

本文的研究對象是一條由零售商（用R表示）、批發(fā)商（用D表示）和制造商（用M表示）組成的三級農產品供應鏈，該供應鏈上只涉及一種農產品；R和D的庫存分為倉儲庫存和在途庫存兩部分；R和D采用定期訂貨，根據(jù)對市場需求的預測和庫存策略，向上游D或M定期訂貨，D和M結合掌握的歷史銷售信息確定交貨延遲時間。農產品零售商系統(tǒng)動力學結構見圖1（D、M與R結構相同，略）。

1.2 參數(shù)定義及說明

模型仿真周期360（天），仿真步長為1（天），產品單位為件。

模型中3個參數(shù)取值均在一定區(qū)間內，為了研究每一個參數(shù)的變化對農產品供應鏈的影響，考慮農產品保質期短、銷售渠道周轉速度快等特征，令其基本設置為：指數(shù)平滑系數(shù)為0.4，庫存調節(jié)系數(shù)和在途庫存調節(jié)系數(shù)均為1。

R期望庫存=(訂貨提前期+1)×R平均銷售率；R庫存=R期望庫存；R在途期望庫存=訂貨提前期×R需求預測；R在途庫存=R在途期望庫存；R入庫率=DELAYPPL (批發(fā)商供應量，訂貨提前期)；D供應率=DELAYMTR(R訂貨量，交貨延遲時間)；R訂貨量=PULSE(MAX(0，R需求預測）×訂貨周期+(R期望庫存-R庫存)×庫存調節(jié)系數(shù)+(R在途期望庫存-R在途庫存)×在途調節(jié)系數(shù))，STARTTIME+0，訂貨周期)，銷售率=市場需求。

假設市場需求是隨機需求、正態(tài)分布需求和正弦波需求的疊加。采用指數(shù)平滑法進行銷售需求預測。

2 相關系數(shù)對農產品供應鏈牛鞭效應的影響分析

2.1 指數(shù)平滑系數(shù)對牛鞭效應的影響

圖2 指數(shù)平滑法的系統(tǒng)動力學流程圖

本文指數(shù)平滑法模型如圖2所示。本文中，指數(shù)平滑系數(shù)取值0.1～0.9，以0.1為間隔，其他參數(shù)為基本設置，對模型進行仿真，以探究不同平滑系數(shù)對供應鏈牛鞭效應的影響，仿真數(shù)據(jù)處理和匯總見表1。

現(xiàn)階段，我國大部分的人民，認為身體素質可以通過食物或者補藥就能得到良好的改善，并不用通過鍛煉來改善自身。另外，還有部分人民具有錯誤的非體育性娛樂意識，用打麻將或者撲克等娛樂方式來代替體育鍛煉，提升自身的身體素質。甚至還有部分人民參與體育比賽，在現(xiàn)場充當體育觀眾，并不自身參與到體育的競賽當中，使得自身的身體素質并沒有得到很好的提升。除此之外，家庭體育場地具有一定的局限性，因此家庭并不能滿足人民的鍛煉需求。

表1 平滑系數(shù)對牛鞭效應的影響

表1表明，無論平滑系數(shù)取何值，供應鏈均表現(xiàn)出需求信息逐級放大的現(xiàn)象；在平滑系數(shù)為0.1和0.5～0.6時，供應鏈牛鞭效應表現(xiàn)較弱。結合一次指數(shù)平滑法知識知道，平滑系數(shù)小于0.5的取值具有“拉平”作用，適合于比較平穩(wěn)的外部需求預測，大于0.5的取值適合于表現(xiàn)靈敏、具有明顯變動傾向的外部需求預測。結合本研究需求定義，市場需求變動較大，基于數(shù)據(jù)表明在平滑系數(shù)為0.1時的牛鞭效應較弱的結論，可以給出的解釋是，（1）市場需求變動比較激烈的情況下，過于平穩(wěn)的預測也會大大減弱牛鞭效應現(xiàn)象，（2）零售商R和批發(fā)商D分別基于市場需求和零售商R的訂單信息作出的預測比較保守、平穩(wěn)，進而表現(xiàn)在其向上一級發(fā)出的訂單的波動性也比較小，即以預測、訂貨的平穩(wěn)性犧牲庫存管理的靈活性。需求指出的是，上述數(shù)據(jù)驗證了文獻[1]關于需求信息沿著供應鏈往上逐級放大的研究結論，與此不同的是，數(shù)據(jù)表現(xiàn)出指數(shù)平滑預測精準度與供應鏈牛鞭效應并不一致，參看下面分析。

為進一步探究指數(shù)平滑預測準確度和牛鞭效應的關系，以零售商R為例，繪制出不同平滑指數(shù)系數(shù)下基于市場需求的預測值的回歸擬合度表，見表2。

表2 基于市場需求的指數(shù)平滑預測值回歸擬合優(yōu)度匯總

由統(tǒng)計學知識可知，指數(shù)平滑系數(shù)為較?。?.1～0.4）和較大（0.8～0.9）取值時，零售商對市場需求預測的精準度較差，取值為0.6左右時的預測誤差較小，精準度較高，這跟表1中指數(shù)平滑系數(shù)為0.6左右時“R方差比”較小、牛鞭效應表現(xiàn)較弱一致，也就是說，指數(shù)平滑系數(shù)為0.1時的牛鞭效應弱化現(xiàn)象是因為系數(shù)選擇不合適、預測不準確造成。對批發(fā)商D預測擬合優(yōu)度情況進行分析，結果相同。

為進一步探究指數(shù)平滑系數(shù)對供應鏈總成本的影響，構建基于圖1的農產品供應鏈總成本模型，見圖3。與供應鏈總利潤不同，供應鏈總成本包括與供應鏈牛鞭效應相關的在途庫存成本和庫存成本兩部分，可以作為反映供應鏈質量的一個主要指標。

圖3 農產品供應鏈總成本模型

在圖3中，設運輸-庫存費率為0.06RMB/件/天。指數(shù)平滑系數(shù)不同取值下的供應鏈總成本的匯總，見表3。

表3 不同指數(shù)平滑系數(shù)下的供應鏈成本

表3中，取值為0.5和0.6的指數(shù)平滑系數(shù)對應的供應鏈總成本分別為185083和185188，數(shù)值最小，并且遠小于指數(shù)平滑系數(shù)0.1對應的供應鏈總成本186181。結合表2和表3可知，牛鞭效應表現(xiàn)較弱的供應鏈并非都具有較小的總成本，而預測精準下的供應鏈不僅表現(xiàn)出較弱的牛鞭效應，且具有較小的總成本。

綜上分析可知，（1）與供應鏈精準的預測方法和供應鏈總成本兩項指標不同，牛鞭效應是判斷供應鏈質量的必要性而非充分性指標。精準的預測方法下的供應鏈成本小且牛鞭效應表現(xiàn)較弱；而較小的牛鞭效應可能來自于準確的預測，也可能來自于預測方法自身的“拉平”作用，并不必然伴有較小的供應鏈總成本；（2）與平滑系數(shù)為0.5～0.6時牛鞭效應弱化現(xiàn)象不同，平滑系數(shù)為0.1時牛鞭效應的弱化現(xiàn)象是因為對實際富于變化的外表需求的“拉平”作用造成的，盡管減弱了牛鞭效應，但并沒有降低整個供應鏈的成本，這就要求供應鏈成員準確了解最終市場需求特征，過濾掉干擾信息，通過多次調試，選擇合適的指數(shù)平滑系數(shù)。

2.2 APIOBPCS調節(jié)系數(shù)對牛鞭效應的影響

式中，O(t)為t期的訂貨量；F(t)為t期的需求預測量；I(t)為t期實際庫存水平；II0為期望的在途庫存水平；II(t)為t期實際的在途庫存量；α為庫存調節(jié)系數(shù)；β為在途庫存調節(jié)系數(shù)；LT為提前期；I0為簡化后的期望庫存水平，為需求平均量。

本文中，庫存調節(jié)系數(shù)α和在途庫存調節(jié)系數(shù)β分別取值為0、0.5、1、1.5、2、2.5，其他系數(shù)為基本設置，對模型仿真，以觀察α和β的不同取值對供應鏈牛鞭效應的影響，數(shù)據(jù)匯總見表4。

表4 庫存調節(jié)系數(shù)α和在途調節(jié)系數(shù)β對牛鞭效應的影響

由表4可知，在整體上，供應鏈牛鞭效應呈現(xiàn)出隨著庫存調節(jié)系數(shù)α和在途庫存調節(jié)系數(shù)β的取值增大而越來越強烈的趨勢，α=β=0、0.5、1、1.5、2、2.5時的供應鏈總方差比分別為854.5、892.3、1367.8、1776.7、2562.7、3675.6，可以給出的解釋是，以零售商R為例，根據(jù)“銷售率”和“訂貨量”，R銷售率=市場需求，R訂貨量包括訂貨周期內的期望銷售量、庫存調節(jié)量和在途庫存調節(jié)量三部分，R（在途）調節(jié)量=[R期望（在途）庫存-R（在途）庫存]×（在途）庫存調節(jié)系數(shù)，當庫存調節(jié)系數(shù)α和在途庫存調節(jié)系數(shù)β較大時，則R訂貨量必然增大，除滿足市場需求之外，（在途）庫存量也必然增大，而期望（在途）庫存量與調節(jié)系數(shù)無關，則沒有增加，此時，庫存調節(jié)量，即期望（在途）庫存與（在途）庫存之差變得更小，當后者大于前者時庫存調節(jié)量為負值，下一次的訂貨量必然小于上一次的訂貨量，因此，前后訂貨量表現(xiàn)出的波動性隨著（在途）庫存調節(jié)系數(shù)增大而加劇。為驗證上述分析，對不同調節(jié)系數(shù)下零售商R的調節(jié)量（庫存調節(jié)量與在途庫存調節(jié)量之和）進行仿真、統(tǒng)計，見表5。

表5 牛鞭效應隨（在途）庫存調節(jié)系數(shù)增加而放大趨勢

表5顯示，α=β=0時的調節(jié)量、均值和方差均為0，這與表4的“總方差比最小”相一致，訂貨量中的調節(jié)量及均值在α和β較小值（0.5、1、1.5）情況下在增加，增加幅度遞減，大于1.5時呈現(xiàn)遞減直至負值，而調節(jié)量的方差一直呈現(xiàn)遞增趨勢，因此，牛鞭效應呈現(xiàn)逐漸放大現(xiàn)象。

如上分析，在整體上，牛鞭效應隨庫存調節(jié)系數(shù)和在途庫存調節(jié)系數(shù)增大呈現(xiàn)遞增的放大趨勢，這與文獻[3]結論一致，所不同的是，牛鞭效應在基于庫存調節(jié)系數(shù)分組和基于在途庫存調節(jié)系數(shù)分組的每一組內又均表現(xiàn)出強烈波動的現(xiàn)象，見圖4。從弱化牛鞭效應的角度，管理者需要選取合適的（在途）庫存調節(jié)系數(shù)以制訂合理的庫存管理策略。

圖4 分組下的（在途）庫存調節(jié)系數(shù)下牛鞭效應比較

最后，對以庫存調節(jié)系數(shù)α和在途庫存調節(jié)系數(shù)β作為決策變量下的牛鞭效應和供應鏈總成本間的關系進行研究。對圖4的供應鏈總成本模型進行優(yōu)化，可得基于（在途）庫存調節(jié)系數(shù)的供應鏈最小成本C*=184360.6，此時，α=2.49，β=2.02，與表4比較，可以得知，α和β作用下的牛鞭效應和供應鏈總成本之間不存在正相關關系。

3 結論

本文構建了APIOBPCS模式定期采購下的三級農產品供應鏈的系統(tǒng)動力學模型，借助系統(tǒng)動力學軟件Porwersim2005，針對APIOBPCS和指數(shù)平滑系數(shù)的變化對供應鏈牛鞭效應的影響及其成因進行了研究。研究結論如下。

（1）微弱的牛鞭效應僅是較小供應鏈成本的必要而非充分條件，供應鏈企業(yè)對外部需求進行預測前應該通過多次調試，精準的預測方法下的供應鏈成本小且牛鞭效應表現(xiàn)較弱；而較小的牛鞭效應可能來自于準確的預測，也可能來自于預測方法自身的“拉平”作用，并不必然伴有較小的供應鏈總成本，即供應鏈牛鞭效應放大程度與總成本不完全相關。

（2）在整體上，供應鏈牛鞭效應呈現(xiàn)出隨著庫存調節(jié)系數(shù)和在途庫存調節(jié)系數(shù)的取值增大而越來越強烈的趨勢，在庫存調節(jié)系數(shù)和在途庫存調節(jié)系數(shù)作用下的牛鞭效應和供應鏈總成本之間不存在正相關關系；與其他系數(shù)相比，零售商和批發(fā)商需求放大程度對庫存調節(jié)系數(shù)的變化最敏感。

[1]Lee H,Padmanabhan V,Whang S.The Bullwhip Effect in Supply Chains[J].Sloan Management Review,1997,38(3).

[2]Christopher M,Gattorna J.Supply Chain Cost Management and Val?ue-based Pricing[J].Industrial Marketing Management,2005,(34).

[3]Dejonckheere J,Disney S M,Lambrecht M R,et al.Measuring and Avoiding the Bullwhip Effect:A Control Theoretic Approach[J].Euro?pean Journal of Operational Research,2003,147(3).

[4]李翀，劉思峰，方志耕，白洋.多級供應鏈系統(tǒng)成本分析隨機網絡模型及算法研究[J].中國管理科學，2013,21(4).

[5]汪傳旭,崔建新.ARMA(1,1)需求條件下需求信息延遲對兩級供應鏈牛鞭效應和平均成本的影響[J].系統(tǒng)管理學報，2007,16(3).

[6]孫文清.ARMA（1,1）需求下努力水平和剩余系數(shù)對農產品供應鏈績效的影響分析[J].統(tǒng)計與決策，2016,(7).

[7]劉偉華，肖建華，焦志.農產品封閉供應鏈典型運作模式及其成本控制研究[J].軟科學，2009,23(11).

[8]凌六一，郭曉龍，胡中菊，梁樑.基于隨機產出與隨機需求的農產品供應鏈風險共擔合同[J].中國國旅科學，2013,21(2).

[9]羅衛(wèi),張子剛,歐陽明德.基于DE-APIOBPCS策略的牛鞭效應和庫存方差[J].中國管理科學,2005,13(2).

[10]王海燕,張沖,佘光.基于期望庫存的供應鏈系統(tǒng)放大效應控制[J].計算機集成制造系統(tǒng),2012,18(1).

（責任編輯/易永生）

F253

A

1002-6487（2016）23-0037-03

河南省教育廳哲學社會科學研究重大招標課題（2014-ZD-06；2014-SZZD-21）；河南工程學院資源環(huán)境與特色旅游研究中心聯(lián)合資助

孫文清（1972—），男，河南確山人，副教授，研究方向：供應鏈管理。