基于社群交互的大規模定制供應鏈模型

牛茹嬌，丁香乾，陶 冶，侯瑞春

（1.中國海洋大學 信息科學與工程學院，青島 266100；2.青島科技大學 信息科學技術學院，青島 266061）

0 引言

傳統的標準化生產方式已經不能滿足新經濟形勢下消費者對多樣化、個性化產品的需求[1]。大規模定制憑借其柔性制造、快速響應的特點，能在產生規模效益的同時滿足用戶的多樣化、個性化需求。有助于企業應對競爭激烈的市場環境，逐漸成為企業追求的目標和未來商業發展的趨勢。大規模定制模式的發展也影響并改變著傳統的供應鏈模式。在傳統的供應鏈模型中，生產商和用戶之間的信息傳遞要經過許多中間環節，用戶的需求信息無法準確傳遞到生產商手中，從而導致各節點庫存的層層累積，產生“牛鞭效應”。而在大規模定制的供應鏈中，生產商與用戶可以進行直接信息交流，能夠更好地了解用戶的定制需求并實現以需定產。

目前，有許多學者對大規模定制及其供應鏈進行了研究，樊雙蛟[2]等在電子商務環境下構建了考慮促銷的大規模定制產品庫存模型。張維杰[3]以海爾互聯工廠為背景，研究基于用戶需求的大規模定制模式。高亮[4]分析并研究了大規模定制產品供應鏈信息流管理及建模仿真，建立了企業內部供應鏈信息管理機制，解決了因為市場需求不確定和“牛鞭效應”帶來的供應鏈管理的問題。但多數研究將用戶的定制需求與供應鏈管理割裂開，或采用隨機函數模擬用戶需求，與實際定制流程存在較大差距。

社群將有相同需求、共同喜好的用戶聚集在一起，強調“以用戶為中心”[5]。社群交互是指社群中某個或一群用戶將信息傳遞給另外一個或一群用戶，這個信息傳遞的過程可能會改變這些用戶的偏好、實際購買行為或是他們未來的交流方式[6]。通過廣告宣傳與好友推薦等交互方式，可以加大用戶的購買欲望。這對模擬大規模定制的用戶需求量具有良好的借鑒意義。因此，本文基于社群交互模式，將用戶需求與大規模供應鏈結合，建立了基于社群交互的大規模定制供應鏈模型，覆蓋了大規模定制產品從定制到生產再到銷售交付的全周期主要環節。

1 系統動力學模型構建

以按訂單制造（Make To Order）的大規模定制類型為例，在這種生產方式中，變型設計及其下游的活動是由客戶訂貨驅動的[7]。也就是說，生產商依據用戶的訂單需求進行生產制造，而其銷售方式與傳統供應鏈相同。由此得到大規模定制產品的供應鏈概念模型如圖1所示。

圖1 大規模定制的供應鏈概念模型

1.1 基于社群交互的用戶訂單模型

獲取用戶的訂單需求，是進行大規模定制生產的基礎。巴斯擴散模型描述了新產品如何在人群中被采用的過程，將使用者分為創新者和模仿者，通過外部影響系數和內部影響系數促使越來越多的人使用新產品[8]。巴斯擴散模型對于研究大規模定制供應鏈中用戶需求的產生具有良好的借鑒意義。結合社群交互的理念，可以把廣告宣傳作為外部影響因素、好友推薦作為內部影響因素。此外，與巴斯擴散模型一次性推廣不同，產品定制可以重復進行。因此，本文設置了產品體驗期，在產品體驗期過后，成員有機會再次進行產品定制。

根據是否有定制需求，將社群成員分為用戶和潛在用戶兩類，二者可以相互轉化。潛在用戶通過購買產品成為用戶；用戶在產品體驗期過后轉化成為潛在用戶。在社群交互模型中，訂單的產生有兩個途徑：一是通過企業的廣告宣傳，促使部分潛在用戶進行產品定制；二是通過用戶進行好友推薦，促使部分潛在用戶進行產品定制。其中，廣告宣傳受廣告作用率的影響，好友推薦受接觸人數和推薦作用率的共同影響。在此基礎上建立的基于社群交互的用戶訂單模型如圖2所示。

圖2 基于社群交互的用戶訂單模型

模型涉及到的公式有：

其中，T表示社群的用戶總量，U表示產生定制需求的用戶數量，P表示潛在用戶的數量，a表示廣告作用率，r表示推薦作用率，c表示每個用戶所接觸到的好友數量，O1表示受口碑宣傳影響而增加的用戶訂單數量，O2表示受好友推薦影響而增加的用戶訂單數量，O表示定制訂單總量。

其中，0 ＜a＜1，0＜r＜1，0＜a+r＜1。

1.2 大規模定制的庫存模型

在用戶產生定制需求后，生產商根據定制訂單數量進行產品的生產，然后根據分銷商訂單和自身庫存情況向分銷商送貨。同樣，分銷商、零售商分別根據零售商訂單和用戶訂單及自身庫存情況進行分銷和零售活動。各節點向下級節點發貨時，發貨數量應取自身庫存和下級訂單的較小值，涉及到的主要系統動力學方程為：

送貨=MIN（生產商庫存，分銷商訂單），

分銷=MIN（分銷商庫存，零售商訂單），

零售=MIN（零售商庫存，平均訂單需求）。

各級節點庫存的系統動力學方程式為：

生產商庫存=生產 -送貨，

分銷商庫存=送貨 -分銷，

零售商庫存=分銷 -零售。

考慮到產品運輸的延遲，分銷商和零售商會設置補貨提前期。根據統計學原理，安全庫存=日平均消耗量*一定服務水平下的前置期標準差。假設補貨提前期為A，平均訂單需求為M，有：

安全庫存=M * A。

當節點的實際庫存低于安全庫存時，會根據差值向對應的上級節點補貨：

分銷商訂單=IF THEN ELSE（分銷商庫存 ＜ 分銷商安全庫存，分銷商安全庫存 -分銷商庫存，0），

零售商訂單=IF THEN ELSE（零售商庫存 ＜ 零售商安全庫存，零售商安全庫存 -零售商庫存，0）。

對需求進行預測時，本文用前一天的實際需求表示平均需求，即：

平均訂單需求=SMOOTH（訂單，1）。

1.3 基于社群交互的大規模定制供應鏈模型

將用戶訂單模型與庫存模型結合，便可得到最終的基于社群交互的大規模定制供應鏈模型。為了簡化模型方便研究，本文以一個社群、一個生產商、一個分銷商和一個零售商為例進行建模，得到的系統動力學模型如圖3所示。

圖3 考慮社群交互的大規模定制供應鏈模型

2 模型仿真與結果分析

本文使用AnyLogic進行模型仿真，設置的仿真周期為40天，在模型運行的初始時刻各節點的庫存量設置為0。用于仿真模擬的各參數的默認值為：社群用戶T=10000，廣告作用率a=0.01，推薦作用率r=0.01，用戶每天接觸到的好友數量c=5，產品體驗期t=10。

2.1 訂單需求量分析

在默認參數下，模型運行期間用戶受廣告宣傳影響產生的定制訂單數量O1和受好友推薦產生的定制訂單數量O2以及定制訂單總量O如圖4所示。

圖4 訂單需求量

由上圖可知，在模型運行的初始階段，由于潛在用戶P的數量遠大于用戶U的數量，使得受廣告影響的訂單數量O1保持在一個較高的水平，是產生定制訂單的主要來源；同時，隨著用戶數量U的逐漸增多，受好友推薦影響產生的定制訂單數量O2從無到有呈快速增加趨勢。此后，受廣告影響的訂單數量O1逐漸下降，受好友推薦影響產生的定制訂單數量O2逐漸上升，直至二者均趨于穩定。從整體來看，定制訂單總量O的變化趨勢與受推薦影響的訂單數量O2的變化趨勢相似。

2.2 各節點庫存數量分析

當參數取默認值時，模型供應鏈各節點的庫存數量如圖5所示。

圖5 各節點庫存

由圖5看出，模型運行初期，生產商、分銷商和零售商的庫存量相繼迅速增加，最終各節點的庫存數量大致相同。在傳統供應鏈模型中，常出現“牛鞭效應”。牛鞭效應指當供應鏈上的各級供應商只根據來自其相鄰的下級銷售商的需求信息進行供應決策時,需求信息的不真實性會沿著供應鏈逆流而上，產生逐級放大的現象[9]。但在該模型中，當運行結果趨于穩定時，各節點庫存和定制訂單數量趨于一致。這一結果表明，用戶與生產商之間的直接信息交流提高了生產和庫存管理的穩定性，在一定程度上緩解了“牛鞭效應”，比傳統供應鏈更具優勢。

2.3 廣告作用率敏感性分析

當其它參數不變、系統趨于穩定時，更改廣告作用率a的取值對用戶訂單的影響如圖6所示。

圖6 廣告作用率對定制訂單的影響

從圖6可以看出，隨著廣告作用率a的增加，定制訂單總量O和受廣告影響的訂單數量O1明顯增加，而受推薦影響的定制訂單數量O2呈現先增加后減少的趨勢。這是因為一方面由于廣告作用率a的增加使得用戶數量U增加，而受好友推薦影響產生的訂單數量O2與用戶數量U成正比，從而導致受推薦影響的訂單數量O2增加；另一方面，因為受廣告影響的訂單數量O1與潛在用戶數量P成正比，所以當社群成員數量T一定時，兩種作用率也存在一定的競爭關系，一方訂單數量的增加勢必會導致另一方訂單的減少。

2.4 推薦作用率敏感性分析

當其它參數不變、系統趨于穩定時，更改推薦作用率r的取值對用戶訂單的影響如圖7所示。

從圖7可以看出，隨著推薦作用率r的增加，受推薦影響產生的訂單數量O2和訂單總量O顯著增加，受廣告影響產生的訂單數量O1逐漸減小。這一結果再次驗證了兩種作用率之間的競爭關系。并且與圖6對比可以看出，增加推薦作用率r比增加廣告作用率a更有利于訂單總量O的增長。這表明在實際生活中，加大好友推薦力度比增大廣告宣傳更有利于產生定制需求。

圖7 推薦作用率對定制訂單的影響

2.5 接觸人數敏感性分析

當其他參數不變、系統趨于穩定時，更改接觸人數c的取值對用戶訂單的影響如圖8所示。

圖8 接觸人數對定制訂單的影響

由圖8可知，隨著接觸人數c的增加，訂單總量O和受好友推薦影響產生的訂單數量O2也隨之增加，受廣告影響產生的訂單數量O1逐漸減少。此外觀察訂單總量O的增長情況可知，在一定范圍內，當接觸人數c成倍增加時，定制訂單總量O也能成倍增加，如接觸人數由c=5變成c=15時，訂單總量也近似變為原來的3倍；但繼續增大接觸人數時，訂單總量增長的速度會放緩，如接觸人數由c=5變成c=25時，訂單總量不足原來的5倍。這可能是因為隨著用戶接觸人數的增多，接觸到的潛在用戶出現重合，降低了訂單的增加速度。

3 結語

本文受社群交互模式的啟發，以用戶需求為導向，結合巴斯擴散模型，建立了基于社群交互的大規模定制供應鏈的系統動力學仿真模型，將用戶需求與大規模定制供應鏈有機結合，覆蓋了大規模定制產品從用戶定制到生產制造再到銷售交付的全周期主要環節。通過對仿真結果進行分析，發現該模型提高了生產和庫存管理的穩定性，在一定程度上緩解了“牛鞭效應”，比傳統供應鏈更具優勢。同時對各項參數進行敏感性分析發現，大規模定制的訂單數量對口碑推薦率、接觸人數的敏感性較高，對廣告作用率的敏感性較低。同時本文也存在一些不足，如模型相對比較簡單，還存在進一步完善和優化的空間，這也是下一步進行研究和改進的方向。