第3章供应链管理

信息价值信息已经成为供应链关键要素无论是原材料获取、生产安排、产品销售、顾客购买等各个阶段，信息都是决策的关键因素。信息流也是供应链中流动最频繁、最快、变动最大的一种因素管理好信息流才能为其他物流、资金流等提供正确决策依据，才能实现供应链管理目标。供应链管理的目标将整个供应链上的所有环节的市场、分销、制造和采购活动联系起来，以实现物流与客户服务的高水平和低成本，以赢得竞争优势。供应链中信息管理的目标通过有效管理和控制供应链中信息流及信息流程的各个环节，为供应链各环节业务的开展提供信息支持，深入开发供应链信息资源的价值，以保证供应链目标的实现和获得额外的信息资源效益。从供应链环节来看，供应链中的信息包括原材料采购信息供应商基本情况，供应商供货及产品类型、价格情况，物料需求计划，物料订购与定单信息等生产信息产品类型、数量，在哪里生产，怎样生产，生产进度的安排，生产工艺技术，生产成本，物料需求清单等分销和配送信息分销商的销售计划、库存状况，物流运送的途径、成本，配送的网络规划等信息顾客需求与订购信息顾客的需求信息可以从顾客的主动表达，如顾客直接当面表述、顾客打电话到营销中心、顾客通过网络递交等来获得，企业也可以通过主动搜集如市场调查、购买等获取。现实的销售通过顾客的订购来体现，哪些顾客购买什么货物，在哪里购买，数量多少，价格高低等是这方面的主要信息从供应链流程的推/拉法来看，依据对顾客需求的执行顺序的不同，可分为推动流程和拉动流程在拉动流程中，需求是已知的、确定的，也就是说它是对顾客实际需求的反应；在推动流程执行过程中，需求是未知的。因此必须进行预测，也就是说，它是依据预测进行的，而不是对顾客实际需求的反应。从供应链层次结构的角度来看，供应链级信息企业级信息工作组级信息个人级信息。供应链中的信息特征信息必须真实准确信息必须能及时获取和利用信息的完整性供应链中的信息应该是所有与供应链管理和决策有关的信息，同时又舍去了那些无关或无用的信息的集合。信息的不完全性信息量大面广信息应该共享通过共享能有效减少牛鞭效应，实现供应链无缝连接，使其有效性最高。但各个企业出于自身利益和风险防范等因素考虑，可能不愿将自己的信息完全共享，这使得整个供应链的成本增加和效率降低信息处理难度大供应链信息处理的难度不仅因为信息来源不同和信息量大面广，而且由于供应链中各节点企业只是协议合作关系，他们所关注的重点和追求的目标不同，并且这些目标可能存在矛盾和冲突，因而所传递的信息对于整个供应链管理的价值差异很大。供应链中的信息管理模式企业级分散式信息管理模式在供应链的节点企业内部，各个部门根据自己的业务和职能进行相应的信息管理，信息在部门之间传递，由部门决定信息传递的方向和内容。优点：部门仅对自己业务范围内的信息进行收集、传递、存储、加工和使用，对信息的流向和内容都有决定权，能灵活掌握信息需求及信息的传播时间、地点和方式；缺点：企业不能从整体上把握信息的流向和内容，缺乏宏观调控能力，从而导致信息管理的混乱无序，信息管理和利用效率都下降，严重的还可能导致管理失控。所以，这种模式主要应用在工作组级信息和个人级信息的管理。企业级集中式信息管理模式建立一个中心数据库和成立信息管理中心来提高企业的整体信息管理和利用效率，实现对组织的数据进行集中统一的存储和管理，从而实现数据共享，减少数据冗余缺点：信息的流动缺乏灵活性。通常，企业数据是集中在数据库中管理的，采用两种信息管理方式的结合。一般作业级信息和部分战术级信息采用分散管理，还有部分战术级信息和战略级信息会采用由信息中心集中管理方式。供应链上订单信息处理流程市场上经营者接到消费者发出的订单后，根据本期从下游经销商收到的订单发出货物，并以此为依据参考销售记录预测未来需求的变化，结合本期期末库存量向上游供应商发出订单。订单的传递和货物的运送都需要两个经营周期，那么每个经营者从发出订单到得到该计单的订货需要四个经营周期。当消费者需求出现变化，零售商、批发商、分销商的订单及库存量自发出现波动，并且，越是处于供应链的后端，需求变化幅度越是会正数级放大。其图形类似于西部牛仔挥舞的牛鞭，鞭轻轻一抖，鞭梢便会大幅度抖动，划出一道美丽的圆弧，这就是所谓供应链管理中的“牛鞭效应”供应链中的牛鞭效应在供应链中，消费市场需求的一点点变化都会被一级级放大到制造商、首级供应商、次级供应商那里。例如，计算机市场需求预测轻微增长2%，放大到戴尔（制造商）时可能成了5%，传递到英特尔（首级供应商）时则可能是10%，而到了替英特尔生产制造处理器的设备商（次级供应商）时则可能变为20%供应链管理中的牛鞭效应牛鞭效应是指供应链的产品需求信息向供应链向上游传递过程中发生信息失真，且这种失真程度被逐级放大，最终远远超出最初的预测的消费者需求。供应链中牛鞭效应的成因多重需求预测批量生产/订购价格浮动和促销非理性预期需求管理是供应链管理的开始需求管理存货计划分销计划补货计划生产计划物料计划分销调整计划运输计划库存源于需求预测——需求管理预测在供应链中的作用预测的特征预测的组成部分及预测方法定性预测方法预测的时间序列法预测误差的度量20预测在供应链中的作用对未来需求的预测构成了供应链中所有战略性和规划性决策的基础。如推动流程是根据对顾客需求预测来运行的。供应链规划活动基本上都是以预测顾客最终购买行为及发生的时间为基础。拥有稳定需求的成熟产品最容易预测，如牛奶、纸巾等日常用品对于销售季节很短的时尚商品和高技术产品，需求预测较难21预测的特征预测经常会出错，要包括预期结果和对误差的测量；长期预测通常没有短期预测精确，即长期预测误差的标准差相对于均值要大一些；综合预测通常要比独立预测准确得多；在公司中越往供应链的上游靠近（或者距离顾客越远），接收到的信息失真就越多。22预测的组成部分及预测方法识别影响未来需求的因素，确定这些因素与未来需求之间的关系；平衡主观和客观两方面因素；此外，还需了解过去的需求、产品提前期、广告计划或其他的营销努力、经济状况、计划的价格折扣、竞争对手已经采取的行动、天气、紧急事件等。23预测方法定性法（Qualitative）：基本上是主观的，依赖于人们的判断和意见做出预测。在缺少历史数据或专家关于市场的见解对于预测十分重要时；时间序列法（TimeSeries）利用历史数据预测未来需求；基于假设—历史时期的需求是对未来需求的一种很好的暗示。适用于外界环境稳定、基本需求模式年度变动不大；24因果关系法（Causal）：假定预测的需求与有关外界因素（如经济环境、利率等）高度相关，利用对外界因素的预测来预测未来的需求；仿真法（Simulation）：通过模拟消费者选择进行需求预测，利用这种方法，公司可以将时间序列法和因果关系法结合起来，回答问题。如价格提升将会带来什么样的影响将各种预测结果结合起来作为最终的预测结果比单独运用某种方法更为有效。需求预测的基本步骤1、理解预测的目标2、把供应链的需求计划和预测整合起来3、了解和识别顾客群4、识别影响需求预测的主要因素5、确定合适的预测技术6、设定预测绩效和误差测度26定性预测方法一般预测法:一线销售员预测,逐级上报分析;市场调研法:问卷/面谈/电话收集数据,适合R&D;小组共识法:高级经理/销售经理/顾客代表头脑风暴;历史类比法:类似产品历史销售数据类比,适合R&D;德尔菲法:专家问答收集汇总,闭环重复。胡松评版权所有，侵权必究

德尔菲法

采用背对背的通信方式征询专家小组成员的预测意见，经过几轮征询，使专家小组的预测意见趋于集中，最后做出符合市场未来发挥在那趋势的预测结论。德尔菲法——案例用德尔菲法预测产品的未来销售量某公司研制出一种新产品，现在市场上还没有相似产品出现，因此没有历史数据可以获得。但公司需要对可能的销售量作出预测，以决定产量。于是该公司成立专家小组，并聘请业务经理、市场专家和销售人员等8位专家，预测全年可能的销售量。8位专家通过对新产品的特点、用途进行了介绍，以及人们的消费能力和消费倾向作了深入调查，提出了个人判断，经过三次反馈得到结果如下表所示。单位：（千件）专家编号第一次判断第二次判断第三次判断最低销售量最可能销售量最高销售量最低销售量最可能销售量最高销售量最低销售量最可能销售量最高销售量15007509006007509005507509002200450600300500650400500650340060080050070080050070080047509001500600750150050060012505100200350220400500300500600630050075030050075030060075072503004002504005004005006008260300500350400600370410610可按最后一次预测的平均数计算预测结果在预测时，最终一次判断是综合前几次的反馈做出的，因此一般取最后一次判断为依据。则如果按照8位专家第三次的平均值计算，则预测这个新产品的平均销售量为：定量预测方法A.简单平均法B.加权平均法C.简单移动平均法D.加权移动平均法E.指数平滑法F.季节性预测简单平均法第四周的预测值=(140+156+184)/3=160周次实际需求量1140215631844加权平均法周次实际需求量权重11401/621562/631843/64第四周的预测值=1/6X140+2/6X156+3/6X184=167简单移动平均法月份实际销量三个月均数四个月均数12022132342421.3352522.6722.0062724.0023.25加权移动平均法月份实际销量三个月的加权移动平均预测值1202213234241/6X20+2/6X21+3/6X23=21.8352523.1762724.33指数平滑法(1)一次指数平滑的预测模型⑵指数平滑法初始值的确定从时间序列的项数来考虑：若时间序列的观察期n大于15时，初始值对预测结果的影响很小，可以方便地以第一期观测值作为初始值；若观察期n小于15，初始值对预测结果影响较大，可以取最初几期的观测值的平均数作为初始值，通常取前3个观测值的平均值作为初始值。⑶平滑系数α的选择①当时间序列呈稳定水平趋势时，α取较小值，如0.1～0.3；②当时间序列波动较大，长期趋势变化的幅度较大时，α取中间值，如0.3～0.5；③当时间序列具有明显的上升或下降趋势时，α取较大值，如0.6～0.8；

在实际运用中，可取若干个α值进行试算比较，选择预测误差最小的α值。【例】

某企业产品2000至2008年销售额见下表，试用指数平滑法预测2009年销售额（α分别取0.1、0.6和0.9）年份200020012002200320042005200620072008销售额400047005000490052006600620058006000解：（1）确定初始值因为n=9<15,取时间序列前三项数据的平均值作为初始值时间序列季节性预测

分解模型1-乘法模型：分解模型1-加法模型：1.趋势因子，即长期趋势：指数据在一段时间内逐渐上升或下降。2.周期因子，即周期波动：指数据在数年后出现重复的模式。常见的有经济周期，它是短期经济分析和计划中较重要的因素。3.季节因子，即季节波动：指数据在较短的周期后出现重复，周期可以是天、周、月和季。

4.随机因子，即不规则波动：是数据中的“不明物体”，是在偶然和特殊情况下产生的。随机波动没有可知的重复模式，是无法预测的。

随机波动成分

季节性预测之算例

第1季度第2季度第3季度第4季度197996130711980639913573198167101？？季节原始数据4期移动总值移动平均值中点值1979Q2961979Q3130360901979Q47190.3836390.751980Q16391.38368921980Q29992.2537092.51980Q31359337493.51980Q47393.75376941981Q1671981Q21011981Q3？时间序列季节性预测——加法模型

季节原始数据趋势值偏离趋势值季节因子1979Q2966.751979Q3130421979Q47190.38-19.38-20.071980Q16391.38-28.38-28.381980Q29992.256.756.751980Q31359342421980Q47393.75-20.75-20.071981Q167-28.381981Q21016.751981Q3？时间序列季节性预测

年份Q1Q2Q3Q41979-19.381980-28.386.7542-20.381981平均季节因子-28.386.7542-20.07季节因子年份Q1Q2Q3Q4总和1979-19.381980-28.386.7542-20.381981平均季节因子-28.386.7542-20.07=+0.3修正系数修正后季节因子-28.466.6741.92-20.15=0修正后季节因子季节性预测中趋势值的线性模型法时间序列季节性预测——线性模型法

xyx2xy196196213042603719213463162525992549561353681077349511867645369101819098352854082季节性预测中趋势值的线性模型法季节性预测练习题季节原始数据趋势值偏离趋势值季节因子1987Ⅲ111987Ⅳ341987Ⅴ211987Ⅵ4521.252.121988Ⅰ621.840.270.3251988Ⅱ922.340.400.4551988Ⅲ1422.920.610.661988Ⅳ3823.6651.611.581988Ⅴ2324.420.940.9251988Ⅵ5025.331.972.0451989Ⅰ1026.420.381989Ⅱ1427.340.511989Ⅲ2028.250.711989Ⅳ4529.081.551989Ⅴ2729.580.911989Ⅵ571990Ⅰ131990Ⅱ17年份ⅠⅡⅢⅣⅤⅥ总和19872.1219880.270.400.611.610.941.9719890.380.510.711.550.91平均季节因子0.3250.4550.661.580.9252.0455.99供应链协调第一节供应链协调问题的提出第二节提高供应链协调性的方法第三节供应链的激励问题第四节供应契约的提出第五节