協(xié)同預(yù)測(cè)理論與方法綜述

[摘 要]CPFR（Collaborative Planning Forecasting and Replenishment）是針對(duì)零售行業(yè)的一種供應(yīng)鏈管理方案，致力于提高企業(yè)內(nèi)部管理和外部協(xié)作的效率。企業(yè)間的協(xié)同預(yù)測(cè)是CPFR實(shí)施的核心，它提高了需求預(yù)測(cè)的精度。本文將協(xié)同預(yù)測(cè)的理論與方法進(jìn)行了整理與歸納，討論了當(dāng)前研究的特點(diǎn)。

[關(guān)鍵詞]CPFR協(xié)同預(yù)測(cè)ARIMA神經(jīng)網(wǎng)絡(luò)

PFR是協(xié)同計(jì)劃、預(yù)測(cè)與補(bǔ)貨(Collaborative Planning Forecasting and Replenishment)的英文簡(jiǎn)稱，是針對(duì)零售業(yè)的一個(gè)供應(yīng)鏈管理解決方案，致力于提高企業(yè)內(nèi)部管理和外部協(xié)作的效率。

CPFR是供應(yīng)鏈管理中一個(gè)熱門的研究問(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)，減少不確定性因素的影響，提高預(yù)測(cè)的準(zhǔn)確性，以盡可能降低庫(kù)存成本，是企業(yè)目前以至未來(lái)所追求的目標(biāo)。CPFR強(qiáng)調(diào)零售商與供應(yīng)商共同合作建立一個(gè)供應(yīng)鏈的預(yù)測(cè)方式，協(xié)同預(yù)測(cè)是CPFR中極為重要的一部分，它又分為銷售預(yù)測(cè)與訂單預(yù)測(cè)。銷售預(yù)測(cè)著重在市場(chǎng)需求部分的預(yù)測(cè)；訂單預(yù)測(cè)則是依據(jù)銷售數(shù)據(jù)、庫(kù)存狀況和生產(chǎn)因素來(lái)做實(shí)際訂單預(yù)測(cè)。

一、CPFR的研究現(xiàn)狀

國(guó)內(nèi)對(duì)于CPFR的研究較之國(guó)外要少，起步相對(duì)晚。文獻(xiàn)[1]認(rèn)為，CPFR是一種想要擴(kuò)張的供應(yīng)鏈，使之成為需求導(dǎo)向(Demand-Driven)的理念。CPFR為一連串的企業(yè)流程所組成，而一連串的流程是由供應(yīng)鏈中互相合作的交易伙伴共同擬定的企業(yè)目標(biāo)及方法、共同發(fā)展聯(lián)合銷售及作業(yè)性規(guī)劃與電子化的整合，以及更新銷售預(yù)測(cè)及補(bǔ)貨計(jì)劃。CPFR也是供應(yīng)鏈合作的應(yīng)用實(shí)務(wù)，使合作伙伴運(yùn)用互聯(lián)網(wǎng)分享預(yù)測(cè)結(jié)果的信息，借此減少供應(yīng)鏈的庫(kù)存成本，并增加商品的可利用率。CPFR主要強(qiáng)調(diào)的是零售商與供應(yīng)商共同合作建立一個(gè)供應(yīng)鏈的預(yù)測(cè)方式，并分享信息與分擔(dān)風(fēng)險(xiǎn)。文獻(xiàn)[2]對(duì)CPFR的定義為正式規(guī)范兩個(gè)企業(yè)伙伴間的處理流程，雙方需先同意接受協(xié)同合作計(jì)劃和預(yù)測(cè)，監(jiān)控全程直至補(bǔ)貨之間的運(yùn)作是否成功，然后確認(rèn)異常狀況，最后采取可行方案加以解決。

文獻(xiàn)[3]認(rèn)為，CPFR系統(tǒng)是一個(gè)以網(wǎng)絡(luò)為基礎(chǔ)標(biāo)準(zhǔn)，利用聯(lián)合預(yù)測(cè)，以提升賣方管理庫(kù)存及持續(xù)再補(bǔ)貨效果的網(wǎng)絡(luò)信息系統(tǒng)。借由CPFR，不同供應(yīng)鏈成員利用電子方式交換一系列的意見(jiàn)及支持信息，包括過(guò)去銷售趨勢(shì)、排定的促銷活動(dòng)和預(yù)測(cè)等資料。文獻(xiàn)[4]認(rèn)為，CPFR可降低供應(yīng)鏈的成本、迅速且實(shí)時(shí)面對(duì)市場(chǎng)變化，并可以提升伙伴間的合作發(fā)展。就整體而言，可從三方面探討CPFR所帶來(lái)的效益：在存貨方面，由于CPFR提高了產(chǎn)品銷售的精準(zhǔn)度，因此可降低存貨；在生產(chǎn)效率方面，由于進(jìn)行CPFR規(guī)劃時(shí)，必須先了解市場(chǎng)對(duì)產(chǎn)品的喜好程度與產(chǎn)品生命周期，因此能提高生產(chǎn)的效率，以最準(zhǔn)確的數(shù)量響應(yīng)市場(chǎng)；在收益方面，透過(guò)信息共享而發(fā)展出的聯(lián)合計(jì)劃，對(duì)銷售與訂單量的預(yù)測(cè)將比傳統(tǒng)的預(yù)測(cè)方式更貼近市場(chǎng)需求，因此既可以減少無(wú)謂的浪費(fèi)，又能生產(chǎn)出顧客需要的產(chǎn)品，帶來(lái)收益的提升。

二、ARIMA與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型研究現(xiàn)狀

也有學(xué)者分別運(yùn)用ARIMA模型和神經(jīng)網(wǎng)絡(luò)進(jìn)行需求預(yù)測(cè)。文獻(xiàn)[5]研究了兩級(jí)供應(yīng)鏈中ARIMA(0， 1， 1)需求模型下信息共享的價(jià)值，并對(duì)其結(jié)果進(jìn)行評(píng)價(jià)；文獻(xiàn)[6]介紹了ARMA模型的基本原理，并且分析了ARMA模型在市場(chǎng)需求預(yù)測(cè)中的不足，進(jìn)行了改進(jìn)；文獻(xiàn)[7]為對(duì)不確定的市場(chǎng)需求進(jìn)行預(yù)測(cè)，運(yùn)用SAS系統(tǒng)中的時(shí)間序列預(yù)測(cè)系統(tǒng)，整合自回歸移動(dòng)平均模型(ARIMA)，對(duì)產(chǎn)品銷售的時(shí)間序列數(shù)據(jù)進(jìn)行了預(yù)測(cè)；文獻(xiàn)[8]從ARIMA(0， 1， q)需求模式下一個(gè)供應(yīng)商和一個(gè)零售商組成的兩節(jié)點(diǎn)兩階段供應(yīng)鏈系統(tǒng)出發(fā)，詳細(xì)推導(dǎo)了牛鞭效應(yīng)的量化過(guò)程，并在此基礎(chǔ)上分析了參數(shù)q和提前期對(duì)牛鞭效應(yīng)的影響。文獻(xiàn)[9]對(duì)多層感知型神經(jīng)網(wǎng)絡(luò)進(jìn)行了研究，并用進(jìn)化策略法對(duì)其改進(jìn)，將其用于區(qū)域物流的需求預(yù)測(cè)，取得了一定的成果；文獻(xiàn)[10]運(yùn)用遺傳算法對(duì)供應(yīng)鏈上的需求進(jìn)行了預(yù)測(cè)，得出了該方法在很大程度上提高了預(yù)測(cè)的精度。

三、結(jié)束語(yǔ)

通過(guò)對(duì)以上文獻(xiàn)的綜述分析，CPFR條件下的協(xié)同預(yù)測(cè)仍存在著一下特點(diǎn)：

(1) 信息在供應(yīng)鏈管理和CPFR的重要性，當(dāng)今信息技術(shù)飛速發(fā)展，信息共享有了很好的平臺(tái)，利用歷史信息進(jìn)行需求預(yù)測(cè)不可或缺。

(2) 在供應(yīng)鏈需求預(yù)測(cè)領(lǐng)域，預(yù)測(cè)多是在企業(yè)內(nèi)部進(jìn)行，而管理的目標(biāo)是雙贏，協(xié)同預(yù)測(cè)已成為CPFR的關(guān)鍵環(huán)節(jié)。

(3) 供應(yīng)鏈的需求多呈現(xiàn)不確定性，各個(gè)模型有其自身的適用條件，這就需要根據(jù)具體情況選擇多種適合的互補(bǔ)模型進(jìn)行預(yù)測(cè)。

參考文獻(xiàn):

[1]吳志忠.建構(gòu)一個(gè)具有CPFR流程特性之企業(yè)間商務(wù)電子交易市集平臺(tái)的模式[D]．國(guó)立政治大學(xué)，2000.

2]聯(lián)合通商和EAN TAIWAN.CPFR中文版指南[M]．譯自VICS協(xié)會(huì)(2002)CPFR英文版指南，2002.

[3]但斌，張旭梅.基于CPFR的供應(yīng)鏈合作關(guān)系[J]．工業(yè)工程與管理，2000，6 (1)：28-30.

[4]廖嘉偉.前導(dǎo)性協(xié)同預(yù)測(cè)架構(gòu)與實(shí)施系統(tǒng)之研究[D]．東海大學(xué)工業(yè)工程與經(jīng)營(yíng)資訊研究所碩士論文，2003.

[5]張欽，達(dá)慶利，沈厚才.在ARIMA(0， 1， 1)需求下的牛鞭效應(yīng)與信息共享的評(píng)價(jià)[J]，中國(guó)管理科學(xué)，2001，12(9)：0001-0006.

[6]郭大寧，王磊，陳成.利用改進(jìn)的ARMA模型來(lái)預(yù)測(cè)供應(yīng)鏈中的需求[J]．物流科技，2004，09：0060-03.

[7]李勇，吳寶亮，但斌.基于乘積ARIMA模型的產(chǎn)品不確定性需求預(yù)測(cè)[J]．系統(tǒng)工程與電子技術(shù)，2005，01：0060-03.

[8] 朱順泉.ARIMA模型下的牛鞭效應(yīng)與信息共享價(jià)值研究[J]．統(tǒng)計(jì)與信息論壇，2006，06：0031-06.

[9]后銳，張畢西.基于MLP神經(jīng)網(wǎng)絡(luò)的區(qū)域物流需求預(yù)測(cè)方法及其應(yīng)用[J]．系統(tǒng)工程理論與實(shí)踐，2005，12 (12)：0043-0047.

[10]蔡建峰，楊敏.基于遺傳算法的供應(yīng)鏈需求預(yù)測(cè)優(yōu)化模型研究[J]．工業(yè)工程，2006，05：0081-05.