牛茹嬌,丁香乾,陶 冶,侯瑞春
(1.中國(guó)海洋大學(xué) 信息科學(xué)與工程學(xué)院,青島 266100;2.青島科技大學(xué) 信息科學(xué)技術(shù)學(xué)院,青島 266061)
傳統(tǒng)的標(biāo)準(zhǔn)化生產(chǎn)方式已經(jīng)不能滿足新經(jīng)濟(jì)形勢(shì)下消費(fèi)者對(duì)多樣化、個(gè)性化產(chǎn)品的需求[1]。大規(guī)模定制憑借其柔性制造、快速響應(yīng)的特點(diǎn),能在產(chǎn)生規(guī)模效益的同時(shí)滿足用戶的多樣化、個(gè)性化需求。有助于企業(yè)應(yīng)對(duì)競(jìng)爭(zhēng)激烈的市場(chǎng)環(huán)境,逐漸成為企業(yè)追求的目標(biāo)和未來(lái)商業(yè)發(fā)展的趨勢(shì)。大規(guī)模定制模式的發(fā)展也影響并改變著傳統(tǒng)的供應(yīng)鏈模式。在傳統(tǒng)的供應(yīng)鏈模型中,生產(chǎn)商和用戶之間的信息傳遞要經(jīng)過(guò)許多中間環(huán)節(jié),用戶的需求信息無(wú)法準(zhǔn)確傳遞到生產(chǎn)商手中,從而導(dǎo)致各節(jié)點(diǎn)庫(kù)存的層層累積,產(chǎn)生“牛鞭效應(yīng)”。而在大規(guī)模定制的供應(yīng)鏈中,生產(chǎn)商與用戶可以進(jìn)行直接信息交流,能夠更好地了解用戶的定制需求并實(shí)現(xiàn)以需定產(chǎn)。
目前,有許多學(xué)者對(duì)大規(guī)模定制及其供應(yīng)鏈進(jìn)行了研究,樊雙蛟[2]等在電子商務(wù)環(huán)境下構(gòu)建了考慮促銷的大規(guī)模定制產(chǎn)品庫(kù)存模型。張維杰[3]以海爾互聯(lián)工廠為背景,研究基于用戶需求的大規(guī)模定制模式。高亮[4]分析并研究了大規(guī)模定制產(chǎn)品供應(yīng)鏈信息流管理及建模仿真,建立了企業(yè)內(nèi)部供應(yīng)鏈信息管理機(jī)制,解決了因?yàn)槭袌?chǎng)需求不確定和“牛鞭效應(yīng)”帶來(lái)的供應(yīng)鏈管理的問(wèn)題。但多數(shù)研究將用戶的定制需求與供應(yīng)鏈管理割裂開,或采用隨機(jī)函數(shù)模擬用戶需求,與實(shí)際定制流程存在較大差距。
社群將有相同需求、共同喜好的用戶聚集在一起,強(qiáng)調(diào)“以用戶為中心”[5]。社群交互是指社群中某個(gè)或一群用戶將信息傳遞給另外一個(gè)或一群用戶,這個(gè)信息傳遞的過(guò)程可能會(huì)改變這些用戶的偏好、實(shí)際購(gòu)買行為或是他們未來(lái)的交流方式[6]。通過(guò)廣告宣傳與好友推薦等交互方式,可以加大用戶的購(gòu)買欲望。這對(duì)模擬大規(guī)模定制的用戶需求量具有良好的借鑒意義。因此,本文基于社群交互模式,將用戶需求與大規(guī)模供應(yīng)鏈結(jié)合,建立了基于社群交互的大規(guī)模定制供應(yīng)鏈模型,覆蓋了大規(guī)模定制產(chǎn)品從定制到生產(chǎn)再到銷售交付的全周期主要環(huán)節(jié)。
以按訂單制造(Make To Order)的大規(guī)模定制類型為例,在這種生產(chǎn)方式中,變型設(shè)計(jì)及其下游的活動(dòng)是由客戶訂貨驅(qū)動(dòng)的[7]。也就是說(shuō),生產(chǎn)商依據(jù)用戶的訂單需求進(jìn)行生產(chǎn)制造,而其銷售方式與傳統(tǒng)供應(yīng)鏈相同。由此得到大規(guī)模定制產(chǎn)品的供應(yīng)鏈概念模型如圖1所示。
圖1 大規(guī)模定制的供應(yīng)鏈概念模型
獲取用戶的訂單需求,是進(jìn)行大規(guī)模定制生產(chǎn)的基礎(chǔ)。巴斯擴(kuò)散模型描述了新產(chǎn)品如何在人群中被采用的過(guò)程,將使用者分為創(chuàng)新者和模仿者,通過(guò)外部影響系數(shù)和內(nèi)部影響系數(shù)促使越來(lái)越多的人使用新產(chǎn)品[8]。巴斯擴(kuò)散模型對(duì)于研究大規(guī)模定制供應(yīng)鏈中用戶需求的產(chǎn)生具有良好的借鑒意義。結(jié)合社群交互的理念,可以把廣告宣傳作為外部影響因素、好友推薦作為內(nèi)部影響因素。此外,與巴斯擴(kuò)散模型一次性推廣不同,產(chǎn)品定制可以重復(fù)進(jìn)行。因此,本文設(shè)置了產(chǎn)品體驗(yàn)期,在產(chǎn)品體驗(yàn)期過(guò)后,成員有機(jī)會(huì)再次進(jìn)行產(chǎn)品定制。
根據(jù)是否有定制需求,將社群成員分為用戶和潛在用戶兩類,二者可以相互轉(zhuǎn)化。潛在用戶通過(guò)購(gòu)買產(chǎn)品成為用戶;用戶在產(chǎn)品體驗(yàn)期過(guò)后轉(zhuǎn)化成為潛在用戶。在社群交互模型中,訂單的產(chǎn)生有兩個(gè)途徑:一是通過(guò)企業(yè)的廣告宣傳,促使部分潛在用戶進(jìn)行產(chǎn)品定制;二是通過(guò)用戶進(jìn)行好友推薦,促使部分潛在用戶進(jìn)行產(chǎn)品定制。其中,廣告宣傳受廣告作用率的影響,好友推薦受接觸人數(shù)和推薦作用率的共同影響。在此基礎(chǔ)上建立的基于社群交互的用戶訂單模型如圖2所示。
圖2 基于社群交互的用戶訂單模型
模型涉及到的公式有:
其中,T表示社群的用戶總量,U表示產(chǎn)生定制需求的用戶數(shù)量,P表示潛在用戶的數(shù)量,a表示廣告作用率,r表示推薦作用率,c表示每個(gè)用戶所接觸到的好友數(shù)量,O1表示受口碑宣傳影響而增加的用戶訂單數(shù)量,O2表示受好友推薦影響而增加的用戶訂單數(shù)量,O表示定制訂單總量。
其中,0 <a<1,0<r<1,0<a+r<1。
在用戶產(chǎn)生定制需求后,生產(chǎn)商根據(jù)定制訂單數(shù)量進(jìn)行產(chǎn)品的生產(chǎn),然后根據(jù)分銷商訂單和自身庫(kù)存情況向分銷商送貨。同樣,分銷商、零售商分別根據(jù)零售商訂單和用戶訂單及自身庫(kù)存情況進(jìn)行分銷和零售活動(dòng)。各節(jié)點(diǎn)向下級(jí)節(jié)點(diǎn)發(fā)貨時(shí),發(fā)貨數(shù)量應(yīng)取自身庫(kù)存和下級(jí)訂單的較小值,涉及到的主要系統(tǒng)動(dòng)力學(xué)方程為:
送貨=MIN(生產(chǎn)商庫(kù)存,分銷商訂單),
分銷=MIN(分銷商庫(kù)存,零售商訂單),
零售=MIN(零售商庫(kù)存,平均訂單需求)。
各級(jí)節(jié)點(diǎn)庫(kù)存的系統(tǒng)動(dòng)力學(xué)方程式為:
生產(chǎn)商庫(kù)存=生產(chǎn) -送貨,
分銷商庫(kù)存=送貨 -分銷,
零售商庫(kù)存=分銷 -零售。
考慮到產(chǎn)品運(yùn)輸?shù)难舆t,分銷商和零售商會(huì)設(shè)置補(bǔ)貨提前期。根據(jù)統(tǒng)計(jì)學(xué)原理,安全庫(kù)存=日平均消耗量*一定服務(wù)水平下的前置期標(biāo)準(zhǔn)差。假設(shè)補(bǔ)貨提前期為A,平均訂單需求為M,有:
安全庫(kù)存=M * A。
當(dāng)節(jié)點(diǎn)的實(shí)際庫(kù)存低于安全庫(kù)存時(shí),會(huì)根據(jù)差值向?qū)?yīng)的上級(jí)節(jié)點(diǎn)補(bǔ)貨:
分銷商訂單=IF THEN ELSE(分銷商庫(kù)存 < 分銷商安全庫(kù)存,分銷商安全庫(kù)存 -分銷商庫(kù)存,0),
零售商訂單=IF THEN ELSE(零售商庫(kù)存 < 零售商安全庫(kù)存,零售商安全庫(kù)存 -零售商庫(kù)存,0)。
對(duì)需求進(jìn)行預(yù)測(cè)時(shí),本文用前一天的實(shí)際需求表示平均需求,即:
平均訂單需求=SMOOTH(訂單,1)。
將用戶訂單模型與庫(kù)存模型結(jié)合,便可得到最終的基于社群交互的大規(guī)模定制供應(yīng)鏈模型。為了簡(jiǎn)化模型方便研究,本文以一個(gè)社群、一個(gè)生產(chǎn)商、一個(gè)分銷商和一個(gè)零售商為例進(jìn)行建模,得到的系統(tǒng)動(dòng)力學(xué)模型如圖3所示。
圖3 考慮社群交互的大規(guī)模定制供應(yīng)鏈模型
本文使用AnyLogic進(jìn)行模型仿真,設(shè)置的仿真周期為40天,在模型運(yùn)行的初始時(shí)刻各節(jié)點(diǎn)的庫(kù)存量設(shè)置為0。用于仿真模擬的各參數(shù)的默認(rèn)值為:社群用戶T=10000,廣告作用率a=0.01,推薦作用率r=0.01,用戶每天接觸到的好友數(shù)量c=5,產(chǎn)品體驗(yàn)期t=10。
在默認(rèn)參數(shù)下,模型運(yùn)行期間用戶受廣告宣傳影響產(chǎn)生的定制訂單數(shù)量O1和受好友推薦產(chǎn)生的定制訂單數(shù)量O2以及定制訂單總量O如圖4所示。
圖4 訂單需求量
由上圖可知,在模型運(yùn)行的初始階段,由于潛在用戶P的數(shù)量遠(yuǎn)大于用戶U的數(shù)量,使得受廣告影響的訂單數(shù)量O1保持在一個(gè)較高的水平,是產(chǎn)生定制訂單的主要來(lái)源;同時(shí),隨著用戶數(shù)量U的逐漸增多,受好友推薦影響產(chǎn)生的定制訂單數(shù)量O2從無(wú)到有呈快速增加趨勢(shì)。此后,受廣告影響的訂單數(shù)量O1逐漸下降,受好友推薦影響產(chǎn)生的定制訂單數(shù)量O2逐漸上升,直至二者均趨于穩(wěn)定。從整體來(lái)看,定制訂單總量O的變化趨勢(shì)與受推薦影響的訂單數(shù)量O2的變化趨勢(shì)相似。
當(dāng)參數(shù)取默認(rèn)值時(shí),模型供應(yīng)鏈各節(jié)點(diǎn)的庫(kù)存數(shù)量如圖5所示。
圖5 各節(jié)點(diǎn)庫(kù)存
由圖5看出,模型運(yùn)行初期,生產(chǎn)商、分銷商和零售商的庫(kù)存量相繼迅速增加,最終各節(jié)點(diǎn)的庫(kù)存數(shù)量大致相同。在傳統(tǒng)供應(yīng)鏈模型中,常出現(xiàn)“牛鞭效應(yīng)”。牛鞭效應(yīng)指當(dāng)供應(yīng)鏈上的各級(jí)供應(yīng)商只根據(jù)來(lái)自其相鄰的下級(jí)銷售商的需求信息進(jìn)行供應(yīng)決策時(shí),需求信息的不真實(shí)性會(huì)沿著供應(yīng)鏈逆流而上,產(chǎn)生逐級(jí)放大的現(xiàn)象[9]。但在該模型中,當(dāng)運(yùn)行結(jié)果趨于穩(wěn)定時(shí),各節(jié)點(diǎn)庫(kù)存和定制訂單數(shù)量趨于一致。這一結(jié)果表明,用戶與生產(chǎn)商之間的直接信息交流提高了生產(chǎn)和庫(kù)存管理的穩(wěn)定性,在一定程度上緩解了“牛鞭效應(yīng)”,比傳統(tǒng)供應(yīng)鏈更具優(yōu)勢(shì)。
當(dāng)其它參數(shù)不變、系統(tǒng)趨于穩(wěn)定時(shí),更改廣告作用率a的取值對(duì)用戶訂單的影響如圖6所示。
圖6 廣告作用率對(duì)定制訂單的影響
從圖6可以看出,隨著廣告作用率a的增加,定制訂單總量O和受廣告影響的訂單數(shù)量O1明顯增加,而受推薦影響的定制訂單數(shù)量O2呈現(xiàn)先增加后減少的趨勢(shì)。這是因?yàn)橐环矫嬗捎趶V告作用率a的增加使得用戶數(shù)量U增加,而受好友推薦影響產(chǎn)生的訂單數(shù)量O2與用戶數(shù)量U成正比,從而導(dǎo)致受推薦影響的訂單數(shù)量O2增加;另一方面,因?yàn)槭軓V告影響的訂單數(shù)量O1與潛在用戶數(shù)量P成正比,所以當(dāng)社群成員數(shù)量T一定時(shí),兩種作用率也存在一定的競(jìng)爭(zhēng)關(guān)系,一方訂單數(shù)量的增加勢(shì)必會(huì)導(dǎo)致另一方訂單的減少。
當(dāng)其它參數(shù)不變、系統(tǒng)趨于穩(wěn)定時(shí),更改推薦作用率r的取值對(duì)用戶訂單的影響如圖7所示。
從圖7可以看出,隨著推薦作用率r的增加,受推薦影響產(chǎn)生的訂單數(shù)量O2和訂單總量O顯著增加,受廣告影響產(chǎn)生的訂單數(shù)量O1逐漸減小。這一結(jié)果再次驗(yàn)證了兩種作用率之間的競(jìng)爭(zhēng)關(guān)系。并且與圖6對(duì)比可以看出,增加推薦作用率r比增加廣告作用率a更有利于訂單總量O的增長(zhǎng)。這表明在實(shí)際生活中,加大好友推薦力度比增大廣告宣傳更有利于產(chǎn)生定制需求。
圖7 推薦作用率對(duì)定制訂單的影響
當(dāng)其他參數(shù)不變、系統(tǒng)趨于穩(wěn)定時(shí),更改接觸人數(shù)c的取值對(duì)用戶訂單的影響如圖8所示。
圖8 接觸人數(shù)對(duì)定制訂單的影響
由圖8可知,隨著接觸人數(shù)c的增加,訂單總量O和受好友推薦影響產(chǎn)生的訂單數(shù)量O2也隨之增加,受廣告影響產(chǎn)生的訂單數(shù)量O1逐漸減少。此外觀察訂單總量O的增長(zhǎng)情況可知,在一定范圍內(nèi),當(dāng)接觸人數(shù)c成倍增加時(shí),定制訂單總量O也能成倍增加,如接觸人數(shù)由c=5變成c=15時(shí),訂單總量也近似變?yōu)樵瓉?lái)的3倍;但繼續(xù)增大接觸人數(shù)時(shí),訂單總量增長(zhǎng)的速度會(huì)放緩,如接觸人數(shù)由c=5變成c=25時(shí),訂單總量不足原來(lái)的5倍。這可能是因?yàn)殡S著用戶接觸人數(shù)的增多,接觸到的潛在用戶出現(xiàn)重合,降低了訂單的增加速度。
本文受社群交互模式的啟發(fā),以用戶需求為導(dǎo)向,結(jié)合巴斯擴(kuò)散模型,建立了基于社群交互的大規(guī)模定制供應(yīng)鏈的系統(tǒng)動(dòng)力學(xué)仿真模型,將用戶需求與大規(guī)模定制供應(yīng)鏈有機(jī)結(jié)合,覆蓋了大規(guī)模定制產(chǎn)品從用戶定制到生產(chǎn)制造再到銷售交付的全周期主要環(huán)節(jié)。通過(guò)對(duì)仿真結(jié)果進(jìn)行分析,發(fā)現(xiàn)該模型提高了生產(chǎn)和庫(kù)存管理的穩(wěn)定性,在一定程度上緩解了“牛鞭效應(yīng)”,比傳統(tǒng)供應(yīng)鏈更具優(yōu)勢(shì)。同時(shí)對(duì)各項(xiàng)參數(shù)進(jìn)行敏感性分析發(fā)現(xiàn),大規(guī)模定制的訂單數(shù)量對(duì)口碑推薦率、接觸人數(shù)的敏感性較高,對(duì)廣告作用率的敏感性較低。同時(shí)本文也存在一些不足,如模型相對(duì)比較簡(jiǎn)單,還存在進(jìn)一步完善和優(yōu)化的空間,這也是下一步進(jìn)行研究和改進(jìn)的方向。