[论文解读] The impact of lead time forecasting on the bullwhip effect

Zbigniew Michna, Peter Nielsen|arXiv (Cornell University)|Sep 27, 2013

Supply Chain and Inventory Management参考文献 10被引用 4

一句话总结

本文識別出供應鏈中先前被忽視的牛鞭效應成因——提前期預測，並證明隨機提前期的預測誤差會放大訂購量的波動。透過對需求與提前期均採用移動平均預測，作者推導出牛鞭效應度量的精確解析表達式，揭示出兩種由提前期估計所產生的獨特波動放大項，即使在提前期的均值與變異數固定時仍會存在。

ABSTRACT

In this article we quantify the bullwhip effect (the variance amplification in replenishment orders) when demands and lead times are predicted in a simple two-stage supply chain with one supplier and one retailer. In recent research the impact of stochastic order lead time on the bullwhip effect is investigated, but the effect of needing to predict / estimate the lead time is not considered in the supply chain models. Under uncertainty conditions it is necessary to estimate the lead time for a member of the supply chain to place an order. We find a new cause of the bullwhip effect in the form of lead time forecasting and we give an exact form of the bullwhip effect measure (the ratio of variances) when demands and lead times are predicted by moving averages. In the bullwhip effect measure we discover two terms amplifying the effect which are the result of lead time estimation

研究动机与目标

• 識別並量化因供應鏈中需預測隨機提前期而產生的牛鞭效應新成因。
• 分析提前期預測如何與需求預測共同導致補貨訂單的波動放大。
• 當需求與提前期均使用移動平均法預測時，推導牛鞭效應度量的精確解析表達式。
• 證明提前期估計會引入兩種獨立於提前期均值與變異數的獨特波動放大項。
• 為未來在多層次與資訊共用供應鏈中研究提前期預測奠定基礎。

提出的方法

• 本研究建模一個採用訂貨補齊至目標存貨政策的兩階段供應鏈，包含一名零組件商與一名供應商。
• 假設需求與提前期均為隨機變數，並使用移動平均方法進行預測。
• 牛鞭效應以零組件商訂購量的變異數與客戶需求變異數之比來量化。
• 作者推導出牛鞭效應度量的封閉形式表達式，並分解為來自需求預測與提前期預測的組成部分。
• 透過數值表格與圖表進行敏感度分析，以檢驗提前期預測時 Horizon（m）、需求變異性（σD/μD）、提前期均值（μL）與提前期標準差（σL）的影響。
• 模型假設需求與提前期為獨立同分佈（i.i.d.），且基於大小為 n 的歷史資料窗進行預測。

实验结果

研究问题

• RQ1 提前期預測對兩階段供應鏈中牛鞭效應的影響為何？
• RQ2 需求與提前期的移動平均預測如何共同導致訂單波動的放大？
• RQ3 牛鞭效應度量中是否存在可單獨歸因於提前期預測的特定項？
• RQ4 牛鞭效應的波動放大程度如何隨不同預測時 Horizon（m）、提前期均值（μL）與提前期標準差（σL）而變化？
• RQ5 能否將提前期預測視為牛鞭效應的獨立來源，且與提前期的統計矩無關？

主要发现

• 提前期預測被識別為牛鞭效應的一個新且獨特的成因，與需求預測及隨機提前期特性無關。
• 牛鞭效應度量中包含兩個僅由提前期估計產生的波動放大項，即使在提前期均值與變異數固定時亦持續存在。
• 當 n=10, m=50, μL=3, σL=2 時，牛鞭效應度量（BM）為 1.79468，顯示因預測導致顯著的波動放大。
• 隨著預測時 Horizon（m）增加，牛鞭效應度量趨近於約 1.233（當 n=50 時），顯示提前期預測造成的波動放大具有持續性。
• 牛鞭效應對提前期標準差（σL）極為敏感，σL 越高，波動放大越明顯，特別是在較長預測時 Horizon 條件下更為顯著。
• 數值結果顯示，即使需求變異性處於中等水準（σD/μD=0.5），提前期預測對牛鞭效應的貢獻仍相當顯著。