考虑消费者价格预测影响的牛鞭效应研究

《考虑消费者价格预测影响的牛鞭效应研究》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、第２１卷第６期运筹与管理Ｖｏｌ．２１，Ｎｏ．６２０１２年１２月ＯＰＥＲＡＴＩＯＮＳＲＥＳＥＡＲＣＨＡＮＤＭＡＮＡＧＥＭＥＮＴＳＣＩＥＮＣＥＤｅｃ．２０１２考虑消费者价格预测影响的牛鞭效应研究１１２１马云高，胡信布，孟祥嘉，许振宇（１．西安交通大学管理学院，陕西西安７１００４９；２．中铁第一勘察设计院集团有限公司，陕西西安７１００４３）摘要：考虑一个供应商和一个零售商组成的两级供应链，零售商运用移动平均和指数平滑技术预测提前期需求，分析价格波动下消费者的价格预测行为对牛鞭效应的影响。结果表明，消费者的价格预测行为有助于减小牛

2、鞭效应：一方面，消费者越关注历史价格的波动，越有助于减小牛鞭效应；另一方面，消费者观察到更长期的历史价格可以进一步减小牛鞭效应。文章同时研究了一个供应商和多个零售商组成的两级供应链，并推导出总订货量相对于总需求量波动的牛鞭效应解析式。关键词：供应链管理；牛鞭效应；需求预测；价格敏感需求函数中图分类号：Ｆ２５２文章标识码：Ａ文章编号：１００７-３２２１（２０１２）０６-０１３２-０７AnalysisofBullwhipEffectunderCustomers’PriceForecastingBehavior１１２１ＭＡＹｕｎ

3、-ｇａｏ，ＨＵＸｉｎ-ｂｕ，ＭＥＮＧＸｉａｎｇ-ｊｉａ，ＸＵＺｈｅｎ-ｙｕ（１．SchoolofManagement，Xi’anJiaotongUniversity，Xi’an７１００４９，China；２．ChinaRailwayFirstSurveyandDesignInstituteGroupLtd，Xi’an７１００４３，China）Abstract：Ｉｎａｓｉｎｇｌｅｔｗｏ-ｓｔａｇｅｓｕｐｐｌｙｃｈａｉｎｗｉｔｈｏｎｅｓｕｐｐｌｉｅｒａｎｄｏｎｅｒｅｔａｉｌｅｒ，ｗｈｅｒｅｔｈｅｒｅｔａｉｌｅｒｕｓｅｓｔｈｅｍｏ

4、ｖ-ｉｎｇａｖｅｒａｇｅ（ＭＡ）ａｎｄｅｘｐｏｎｅｎｔｉａｌｓｍｏｏｔｈｉｎｇ（ＥＳ）ｆｏｒｅｃａｓｔｉｎｇｔｅｃｈｎｉｑｕｅｓ，ｗｅａｎａｌｙｚｅｔｈｅｉｍｐａｃｔｏｆｐｒｉｃｅｆｏｒｅｃａｓｔｂｙｃｕｓｔｏｍｅｒｓｏｎＢｕｌｌｗｈｉｐＥｆｆｅｃｔ（ＢＷＥ）ｕｎｄｅｒｐｒｉｃｅｆｌｕｃｔｕａｔｉｏｎ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｃｕｓｔｏｍｅｒｓ’ｐｒｉｃｅｆｏｒｅｃａｓ-ｔｉｎｇｂｅｈａｖｉｏｒｃａｎｒｅｄｕｃｅＢＷＥ．Ｆｉｒｓｔ，ｔｈｅｍｏｒｅｃｕｓｔｏｍｅｒｓｃｏｎｃｅｒｎａｂｏｕｔｐｒｉｃｅｆｌｕｃｔｕ

5、ａｔｉｏｎ，ｔｈｅｓｍａｌｌｅｒｔｈｅＢＷＥｉｓ；ｓｅｃｏｎｄ，ａｌｏｎｇｅｒ-ｔｅｒｍｈｉｓｔｏｒｉｃａｌｐｒｉｃｅｔｈａｔｃｕｓｆｏｍｅｒｓｏｂｓｅｒｖｅｃａｎｆｕｒｔｈｅｒｒｅｄｕｃｅｔｈｅＢＷＥ．Ｗｅｅｘｔｅｎｄｔｈｅｓｅｒｅｓｕｌｔｓｔｏｍｕｌｔｉｐｌｅｒｅｔａｉｌｅｒｓａｎｄｄｅｒｉｖｅｔｈｅａｎａｌｙｔｉｃａｌｔｏｔａｌｏｒｄｅｒｑｕａｎｔｉｔｙｉｎｃｒｅａｓｅｉｎｖａｒｉａｂｉｌｉｔｙ．Keywords：ｓｕｐｐｌｙｃｈａｉｎｍａｎａｇｅｍｅｎｔ；ｂｕｌｌｗｈｉｐｅｆｆｅｃｔ；ｄｅｍａｎｄｆｏｒｅｃａｓｔｉ

6、ｎｇ；ｐｒｉｃｅ-ｓｅｎｓｉｔｉｖｅｄｅｍａｎｄｆｕｎｃｔｉｏｎ０引言［１，２］供应链的牛鞭效应最早在２０世纪５０年代末由Ｆｏｒｒｅｓｔｅｒ通过案例研究发现，并证实了消费需求波［３］动向上游传播过程中逐级放大的特性；其后，美国麻省理工学院的Ｓｔｅｒｍａｎ教授利用“啤酒分销游戏”对供应链库存系统进行了动态模拟仿真实验，同样证明了这种现象的存在；宝洁和惠普公司在研究其产品的［４］分销商订货量和零售商订货量特性时，也发现前者波动幅度远大于后者；而对牛鞭效应给出正式定义并进行系统全面解释的是美国斯坦福大学的Ｌｅｅ教授，认为供应链的

7、牛鞭效应是指订货信息在向上游传［５］播过程中出现的一种扭曲现象，即下游需求的波动会引起上游订货量方差更大的波动。牛鞭效应会造成供应链库存过量投入、服务水平低下、企业利润损失、产能规划误导、运输无效率和生［４］［４，５］产计划紊乱，Ｌｅｅｅｔａｌ．分析了引起牛鞭效应的四个因素：需求信号处理、短缺博弈、批量订单和价格波动，并提出信息共享、缩短订货提前期、小批量订货等措施以减小牛鞭效应。收稿日期：２０１１-０３-２５作者简介：马云高（１９８６-），男，江苏徐州人，博士研究生，研究方向为供应链管理。第６期马云高，等：考虑消费者价格

8、预测影响的牛鞭效应研究１３３［６，７］Ｃｈｅｎｅｔａｌ．指出现有文献里常运用不同的需求过程、库存策略或预测技术以研究牛鞭效应：对于［８～１１］需求过程，自回归移动平均模型（ＡＲＩＭＡ）得到了较为广泛的应用，特别是简单一阶自回归模型［５～７，１２～１８］［５，１３］（ＡＲ（１）-ｍｏｄｅｌ）；对于库存策略