基于CPFR的協(xié)同預(yù)測(cè)與最佳補(bǔ)貨策略研究.pdf

1、協(xié)同規(guī)劃、預(yù)測(cè)與補(bǔ)貨(CollaborativePlanningForecastingandReplenishment，CPFR)目前是供應(yīng)鏈管理中一個(gè)熱門(mén)的研究問(wèn)題。如何利用協(xié)同合作所獲得的實(shí)時(shí)信息來(lái)進(jìn)行預(yù)測(cè)，減少不確定性因素影響，提升預(yù)測(cè)的準(zhǔn)確性，以降低不必要的庫(kù)存成本，是企業(yè)未來(lái)所應(yīng)追求的目標(biāo)。本文著重研究CPFR流程中的協(xié)同預(yù)測(cè)和協(xié)同補(bǔ)貨階段。具體研究?jī)?nèi)容包括： 1、將時(shí)間序列預(yù)測(cè)、多元回歸、嶺回歸相結(jié)合，并將銷(xiāo)售信息作

2、為銷(xiāo)售量的解釋變量，構(gòu)建了CPFR流程下的混合協(xié)同預(yù)測(cè)模型。實(shí)驗(yàn)計(jì)算結(jié)果表明，該模型預(yù)測(cè)效果較傳統(tǒng)的預(yù)測(cè)方法要好，可作為供應(yīng)鏈中合作產(chǎn)商參考的依據(jù)。 2、構(gòu)建的協(xié)同訂單預(yù)測(cè)模型將CPFR流程下買(mǎi)賣(mài)雙方所取得的協(xié)同信息作為訂單量解釋變量，這樣模型可以更好地反映訂單特性，預(yù)測(cè)模型的績(jī)效與品質(zhì)會(huì)更佳。實(shí)驗(yàn)結(jié)果顯示，二階段協(xié)同訂單預(yù)測(cè)模型無(wú)論在4周、8周或11周的預(yù)測(cè)績(jī)效皆?xún)?yōu)于傳統(tǒng)時(shí)間序列或一般線性回歸模型，因此，該模型可作為CPFR流

3、程下欲進(jìn)行協(xié)同訂單預(yù)測(cè)或一般訂單預(yù)測(cè)的參考。 3、由于預(yù)測(cè)模型中的解釋變量較多，變量間若存在共線性會(huì)降低模型績(jī)效。嶺回歸分析是一種修正的最小二乘估計(jì)法，當(dāng)自變量系統(tǒng)中存在多重相關(guān)性時(shí)，它可以提供一個(gè)更為穩(wěn)定的預(yù)測(cè)。 4、在建立最佳庫(kù)存和最佳運(yùn)送周期之間的函數(shù)關(guān)系基礎(chǔ)上采用進(jìn)化策略法對(duì)建立的目標(biāo)函數(shù)進(jìn)行尋優(yōu)，最終得到最佳運(yùn)送周期與最佳庫(kù)存下所需的最小總成本。在取不同參數(shù)的情況下所計(jì)算的結(jié)果與事實(shí)相符。這證明該研究方法是正確