综合实践项目-信息技术edi应用能够改善供应链动态特性

《综合实践项目-信息技术edi应用能够改善供应链动态特性》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、专业硕士综合实践项目评分表-------MBA专业信息技术EDI应用能够改善供应链动态特性摘要随着市场竞争的加剧，供应链管理倍受关注，但市场需求信息在沿着供应链自下而上传递的过程中会出现波动放大效应和时间延迟问题，这种供应链动态特性大大降低了供应链管理的运作效率。为此，本文系统分析了供应链动态特性产生的原因及缓解对策，并结合企业工作实践论述了信息技术EDI在改善供应链动态特性方面所起的重要作用。关键词供应链牛鞭效应动态特性信息技术电子数据交换技术(EDI)一、引言随着全球经济一体化和信息技术的高速发展，面对一个变化迅速且无法预测的买

2、方市场，仅靠单个企业的资源已无法快速响应用户需求，企业之间结成战略联盟，形成一条从供应商到制造商再到分销商的贯穿所有企业的供应链（SupplyChain），通过优势互补来获得集体竞争优势，达到双赢（Win-Win）的效果。于是便产生了供应链管理（SupplyChainManagement，简称SCM）。在以顾客为中心的供应链管理中，每个成员在决策时都在利用来自直接下游企业的信息进行预测并向上游企业订货，每个企业都面临着前趋和后继间的订货问题。然而当下游需求发生变化时，由于供应链的固有属性会产生信息曲解，而且曲解的信号会沿着供应链自下

3、而上（顾客→分销商→制造商→供应商）逐级放大，这种现象被称为供应链中的牛鞭效应（Bull-whipEffect）。牛鞭效应会造成低质量的客户服务、低效运输、货物短缺或积压以及错误的需求预测等现象。因此，分析引起牛鞭效应的原因及其缓解对策，是保证供应链管理高效运作的关键。国外学者对此进行了一些研究，如文献[1]分析了引起牛鞭效应的四种因素：需求预测、批量订货、价格波动和理性对策，并提出了相应的对策，文献[2]则对需求预测因素进行了定量分析，等等；国内学者对该问题的研究还不多，仅有的也只是重申了文献[1]中所述的四种因素。此外，现有文献

4、主要研究了供应链动态特性中的波动放大效应，却较少涉及对时间延迟问题的分析。为此，本文将结合企业工作实践经验深入系统地分析供应链动态特性产生的原因及缓解对策，并着重论述信息技术EDI对供应链动态特性的改善作用和意义。二、供应链动态特性分析为研究供应链的动态特性，先引入一个简单的供应链模型，如图1所示。图中所示的供应链系统由顾客、零售商、批发商、制造商和供应商组成。基本的运作程序是：顾客向零售商订货；零售商收到订单后，根据库存情况再向批发商订货；批发商向制造商订货；制造商收到订单后，制订生产计划，组织产品生产。制造商将产品运送到批发商仓

5、库；批发商收到货物后，发货给零售商；零售商最终将货物送到顾客手中。在此供应链系统中，信息传递是通过递送订单完成的，它对整个系统的运行起着反馈控制作用。7图1，供应链动态特征模型该供应链中存在时间延迟问题，包括信息延迟和物流延迟。信息延迟有三种：（1）订单业务处理延迟，如零售商收到订单后，进行处理所需的时间；（2）订货延迟，如零售商根据订货量制作新订单并发给批发商所需的时间；（3）邮寄延迟，即订单在邮寄途中花费的时间。此外，还存在两种物流延迟：（1）交货延迟，即某个成员收到订单后到货物交付所需的时间；（2）运输延迟，货物在运输途中花费

6、的时间。通过对供应链中时间延迟问题的分析，综合供应链中信息波动的放大效应，就能反映出供应链的动态特性，如图2所示。图2供应链动态特性牛鞭效应从图2中可以看出，供应链上各成员对市场需求变化的响应存在不同的时间延迟。例如当市场需求首次开始上升时，零售商对批发商的订货仍保持不变；而当市场需求第二次上升时，制造商对供应商的订货反而在减少。结果是供应链上各个成员的业务各自朝着不同的方向运作，同时各企业的库存也围绕着期望库存水平上下波动。随着供应链的增长，参与供应链运作的企业越多，这种动态特性就越明显。引起供应链动态特性的主要原因有六个方面：需

7、求预测、批量订货、价格波动、理性对策、时间延迟和缺乏协调。三、信息技术对供应链动态特性的改善7供应链管理的研究与实践表明：加强供应链节点企业间的联系与合作，消除供应链成员之间信息传递的障碍，减少供应链的“内耗”，提高信息共享程度，以形成由顾客需求驱动的无缝（Seamless）供应链，实现良好的协调，降低供应链成本，缩短各个环节的时间延迟，消除信息波动的放大效应，是供应链管理高效运作的关键。采用信息技术（如Internet、EDI、电子商务等）能够有效改善供应链的动态特性。首先，采用信息技术后，供应链成员之间可以实现高效的信息共享。信

8、息的传递由原来的线形结构变为网状结构，即供应链中的每个成员不仅接收其直接下游传来的订单信息，同时还接收来自最终顾客的需求信息（POS数据），如图3所示。每个成员利用流向自己的信息来预测实际需求，并决定向其上游企业的订货量，从而有效地避