原创《历史销售信息对供应链牛鞭效应的影响》：本论文主要论述了牛鞭论文范文相关的参考文献,对您的论文写作有参考作用。
文章编号：1001-148X（2014）05-0177-08
摘 要：在促销活动下,大量的产品需求会对分销商的订货与库存控制产生影响,而订货量不合理会产生严重的牛鞭效应.本文基于消费者的预期行为,以双十一促销为例,运用统计分析方法分析了在需求为敏感函数时,考虑由一个分销商和一个零售商组成的两级供应链,历史销售信息在促销背景下对分销商牛鞭效应的影响；同时,对比分析了分销商在利用现有销售信息和考虑历史销售信息进行需求预测时的牛鞭效应的大小,并得出利用历史销售信息可以降低牛鞭效应的结论.
关键词：双十一促销；预期；历史销售信息；牛鞭效应
中图分类号：F252文献标识码：A
收稿日期：2013-12-23
作者简介：田立平（1963-）,男,河北乐亭人,北京物资学院信息学院教授,研究方向：模型分析与参数估计；
孙群（1989-）,女,山东乳山人,北京物资学院信息学院研究生,研究方向：库存控制与管理.
基金项目：北京市教委科技面上项目,项目编号：SQKM201210037001；北京市教师队伍建设——教学名师项目资助.一、引言及文献研究
每年的“双十一”（11月11日）,大型的电子商务网站如淘宝、天猫、京东等一般会在这一天来进行大规模的打折促销活动.双十一促销从2009年开始,由淘宝发起,实现了1亿元的销售额；2010年11月11日前后,发生了中国互联网最大规模的商业活动,淘宝商城“双十一”全场五折大促销曾创下单日10亿元的销售纪录； 2011年“双11”活动开始1小时累计消费439亿元；2012年双十一购物狂欢节在零点过后的1分钟内,有约1 000万用户涌入天猫,10分钟后销售额就突破25亿元,最终总销售额突破191亿,其中天猫132亿元,淘宝59亿元.2013年双十一的销售量更是突破了350亿.双十一销售额数据如图1.在电商连年的促销推动下,“11月11日”这个一度被戏称为“光棍节”的日子,已经变成名副其实的“网购狂欢节”.从2009年开始至今,每个双十一都是商家疯狂降价促销、消费者疯狂购买的时刻,因为人们认为双十一的会比平时低,从而形成了心理预期,纷纷等到双十一再大量购买商品.
图12009-2013年双十一销售额分布（单位为亿元）
牛鞭效应是指供应链中零售商对顾客的销售量与向供应商的订货量不一致的现象.由于信息发生歪曲,需求信息在从最终用户开始沿着供应链向零售商、分销商乃至原料供应商的传递过程中出现了逐级放大的现象,也即零售商向分销商发出的销售需求大于最终用户的实际需求,分销商向制造商发出的销售需求大于零售商的销售需求,以此类推,导致上游节点的需求波动程度大于下游节点的需求波动程度,这就是所谓的牛鞭效应（邵晓峰等,2001）.像双十一促销下这样大量的需求必然要增加商品的*量和库存量以满足需要.由于存在需求信息预测是否准确的问题,商品的需求量与*量之间会出现差距,而商品的需求量与*量之间的差距又会导致牛鞭效应.牛鞭效应不仅会导致向供应商订货的订货量的方差大于销售给买方的,也会导致产品库存的积压或短缺等一系列现象.具体来说,由于较差的需求预测,制造商支付了超额的原材料成本或产生原材料短缺,额外的制造费用、加班费等以及高库存水平导致的超额仓储费用及大量的资金积压、高额的运输成本等都大大降低了企业的效益.牛鞭效应是供应链中的需求波动放大现象,它是供应链中最为重要的性能指标,也是供应链中最为重要的绩效指标.
现有文献从牛鞭效应的成因、影响因素、减弱方法等角度进行了研究.对牛鞭效应做出比较全面系统分析的是HauLLee,他认为牛鞭效应是供应链成员战略性行为相互影响的产物,并给出了牛鞭效应的主要四个来源：需求信号的处理、限量供应引起的短期博弈、批量*方式、变动.之后的很多研究都是围绕这几个因素展开的.万杰等（2002）就是研究在限量供应情况下不同的分配机制对牛鞭效应的影响.根据是否产生牛鞭效应将分配机制划分为两大类—鼓励-响应直接机制和激励-扩大机制,证明和量化了激励-扩大机制中的线性分配机制对牛鞭效应的放大作用.刘红等（2007）研究需求信号的不同处理方式对牛鞭效应的影响,在市场消费需求为AR(1)自相关过程的基础上,采用订货点库存策略,将移动平均、一次指数平滑预测技术和均方误差优化预测技术产生的牛鞭效应进行量化和仿真,分析了不同预测技术对牛鞭效应的影响.章魏等（2010）考虑多产品市场需求的自相关性和互相关性对牛鞭效应的影响,证明了当零售商面临的需求平稳时,若零售商采用简单移动平均法预测需求,则供应链中必存在牛鞭效应,并采用了间隔需求预测法减弱了牛鞭效应.丁胡送等（2010）采用AR(1)自回归模型表示市场需求；市场需求的预测采用一次指数平滑法；市场预测需求即为计划订货量；而实际订货量还与生产能力有关.将生产能力假设为正态分布、指数分布、β分布的随机变量,并在正态分布下,证明了当生产能力发生变异即方差变化时,牛鞭效应的存在.
总第445期田立平：历史销售信息对供应链牛鞭效应的影响••••商 业 研 究2014/05以下是减弱牛鞭效应因素的研究.马云高等（2012）考虑需求依赖的需求函数模型,分析波动下消费者的预测行为对牛鞭效应及零售商库存的影响.消费者的预测行为是指考虑相邻两个时期的,近期高于上期,消费者认为会继续上涨,所以仍然会购买产品的现象.研究发现,消费者预测行为的存在有助于减小牛鞭效应和库存.李文立等（2012）基于零售商-分销商二级供应链视角,研究了当零售商的需求是线性自回归模式、分销商利用历史销售数据和现有销售数据进行预测时,自身库存成本及整个供应链牛鞭效应得到缓解.在何毅等（2007）的研究中,零售商采用(s,S)订货策略和移动平均预测技术,定量研究逆向物流中直接再利用产品对供应链牛鞭效应的影响.研究结论表明,逆向物流管理不仅能够削弱供应链中的牛鞭效应,而且这种削弱作用会随着产品回收率的提高而增强.Li和HauL认为影响牛鞭效应的因素主要是有限的容量、批量订货、季节性.系统的各级容量有限会减弱牛鞭效应,季节性也会掩盖牛鞭效应,时间聚集、产品或地区聚集也会掩盖牛鞭效应.从以上文献可以看出,在考虑促销因素对供应链牛鞭效应影响的研究文献不多,而结合类似双十一这样有影响的案例研究更少见.本文将结合双十一促销这一典型案例,针对促销对牛鞭效应的影响问题进行量化研究,从而得出一些很有实际价值意义的有效控制牛鞭效应的结果.
牛鞭效应的控制问题多数采用随机控制理论方法.卢震等（2003）对供应链中的不确定需求产生的牛鞭效应进行了随机控制.即把顾客的不确定需求看成噪声,为使随机扰动下牛鞭效应尽可能减弱,求解问题时采用卡尔曼滤波器对其进行控制.李翀等（2012）从供应链系统的角度研究牛鞭效应,运用系统动力学及系统稳定性理论分析,在信息共享受限条件下即库存状态信息及销售补偿量信息的可获得性不确定时的牛鞭效应抑制机制.考虑需求、生产能力、供应链结构等内外不确定性因素和供应链系统运作延迟,李翀等（2013）构建了不确定环境下含时滞的供应链库存网络系统状态转移模型,并在一定经济性能指标的基础上通过求解线性矩阵不等式对牛鞭效应进行了抑制.另外,李翀等（2013）基于供应链网络库存状态的内部系统动力学机制,构建库存系统的状态转移模型,并引入时滞因素,通过供应链网络系统的波动状态描述牛鞭效应.并提出了一类新的基于库存波动状态的动态供应链库存控制策略,有效地抑制了牛鞭效应.针对具有区间灰色特征的随机动态供应链系统,王道平等（2013）以线性时不变系统作为研究基础,提出使用马尔可夫算法解决供应链系统随机线性跳变的鲁棒性问题,获取了判定随机动态供应链系统鲁棒性的一个有效度量指标.Matloub Hussain等（2012）采用田口实验设计和系统动态仿真来量化供应链设计参数的影响.其中包括建立供应链仿真模型、介绍设计参数对库存水平和*量的动态性影响、探索设计参数的变化和参数之间的交互对牛鞭效应测量的影响；并得出了生产或运输的延迟、调整库存时间的降低对减弱牛鞭效应有重要作用的结论.近几年,随着供应链企业之间合作的加深,VMI即供应商管理库存及CPFR等补货方式的采用也被证明是减弱牛鞭效应的有利方式.
牛鞭论文参考资料：
结论：历史销售信息对供应链牛鞭效应的影响为适合不知如何写牛鞭方面的相关专业大学硕士和本科毕业论文以及关于牛鞭论文开题报告范文和相关职称论文写作参考文献资料下载。
