动态环境下的全球供应链管理模式研究.doc

《动态环境下的全球供应链管理模式研究.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、动态环境下的全球供应链管理模式研究　　摘要：本文研究的核心是建立一个具有深层次理论的适合的模式，并使用企业智能、合作伙伴接口处理（PartnerInterfaceProcesses,PIP）等技术，开发尽可能简化和优化的物流软件，重点研究在企业之间如何实现从客户和供应商两个方向去平衡物流和信息流，解决在供应链中物资的供应与需求的不同步问题，这是一个基于动态信息的供应链系统，定义为全球供应链管理（GlobalMaterialManagement,GMM）。　关键词：供应链供应网动态信息电子商务企业资源计划　　　　供应链是全球范围内的网络系统，供应商、制造商、仓库、配送中心、商品批发商、零售商等运

2、用这个系统进行原材料的购买、加工，以及运输、配送，直到销售给客户的整个物流活动。客户对此系统的满意度在很大程度上取决于供应链对于不可预测的需求的迅速反应能力，尤其在电子商务环境下，企业必须对任何动态的关于约束条件和品质变化的信息做出快速反应，并回应和处理这些变化。当前，多数实体在供应链中使用静态信息，对于供应商的材料备货期，制造商的生产准备期，客户的预定天数等取其静态平均值，这些数据表面上很稳定，实际上随时在发生变化；虽然可以运用一些企业内部工具和方法来处理这些信息，但不能解决对动态信息进行信息的双向流动管理。　　随着电子信息量的迅速增长，增加了全面审视整个供应链需要，特别是企业从原材料到完工

3、产品的全过程供应网；因此传统的线性供应链(SupplyChainManagement,SCM)慢慢演变为供应网，以应对不断变化的大量的动态信息。　　本文研究的核心是建立一个深层次理论的适合的模式，开发尽可能简化和优化的物流智能软件，当条件在供应网络中任何处发生变化时，产生动态信息；重点研究在企业之间（而不是着眼于企业内部）使用先进的信息技术和现代制造技术，实现从客户和供应商两个方向去平衡物流和信息流，当物流和信息流中由任一干扰产生新信息时，系统在信息变化的那一点上处理此信息，并对由此引起的整个供应网中变化进行处理。　　　　系统技术应用　　　　扩展供应链——供应网　　传统的SCM中，“链”是指制

4、造和供应呈线性状态，许多制造商仍使用了静态系统，多数法律、金融和经济方面的应用系统，也被设计成基于静态信息的，为数不多的系统设计成为处理和使用动态信息的系统，这在用户想要使用的信息和系统能够提供的信息之间产生了很大的差距；在使用静态SCM时，由于数量不精确，配送时间的延迟等因素，经SCM传送后，导致一些材料的过剩，另一些材料的短缺；事实上，在供应链中的任何一个实体都有自己的供应商和客户，因此，需要创建一个物流的供应网而不是链。　　每个供应商和客户都可能还有自己的供应商和客户。现在的SCM主要使用EDI(ElectronicData4Interchange)和客户及供应商进行静态数据传递，以后将

5、发展为供应网，实时处理网中多层客户和供应商的需求。网中各企业的数量、配送时间、到货日期等在任何时候可能发生变化，所以供应网是个动态系统，其数据在不断变化，因此，SCM必须相应地更新为基于动态信息的供应网。　　　　使用动态信息　　过去，信息的产生与分配是以静态形式进行，当发送文件被打印之后就不能改变，这个文件只能在当地不能在全球范围内传递。随着传真、电子邮件和EDI的发展，信息在全球范围内的传递变得更加容易，但信息仍然是由表格或模板的形式从源出发点“推向”目的地。现在由于信息和通讯技术的发展，在安全通道允许的情况下信息能够在全球范围内被检索，信息能用推技术（E-MAIL，EDI）和拉技术（智能代

6、理IA，网页）收集，这样不仅能提供更多的信息，而且数据的传送更容易，更快；只要信息被更新，立刻被传送到所有能传到的地方，有可能会自动通知你，没有必要去检测数据是否已更新。这时信息的性质发生了变化：数量增多；范围是全球不是当地；传送距离更远，速度很快；是动态数据。　　　　智能代理　　智能代理可收集全年内任何时刻的信息，是动态信息的基本数据源。多代理系统（Multi-AgentSystem,MAS）技术是目前建立复杂柔性的先进智能系统中最有前景的方法之一。在多代理系统中，每个代理商负责企业的一部分B2B供应链；多个代理之间进行的通讯与协调能力是影响到整个系统效率的关键，也是多代理研究应用的重点，其

7、中包括代理商联盟的建立和撤消，代理商通信机制，语言信息表示方式等。MAS在供应链中要面对大量频繁的动态信息获取、处理、表达和操作，显然，每时每刻都有新的信息出现，旧的信息消亡。如何高效地运用这些信息，需要研究调查客户和销售商双方不同层次的代理商；可考虑运用如下技术：基于案例推理（Case-basedreasoningCBR）;人工神经网络（artificialneuralnetworkANN);增