基于信息共享的生鲜农产品供应链牛鞭效应研究

，贺维维2，邢乐斌11重庆大学贸易与行政学院，重庆（400030）2重庆大学机械工程学院，重庆（400030）E-mail：[e-mail]摘要：为了研究生鲜农产品供应链牛鞭效应的量化与控制方法，首先分析生鲜农产品供应链与其它供应链的区别，针对生鲜农产品供应链的特殊性，建立生鲜农产品供应链牛鞭效应数学模型。对信息共享与信息不共享情况下，牛鞭效应的近似量化分析式进行比较分析。通过实证分析，表明信息共享可有效减弱生鲜农产品供应链牛鞭效应。关键词：牛鞭效应；信息共享；生鲜农产品；供应链中图分类号：F062.91.引言生鲜农产品在我国居民日常消费中占有很大比重，拥有庞大的生产群体和消费群体。农产品生产周期长、中介主体多，由此导致最终用户需求在向供应链上游传递的过程逐渐放大，使得生产者在缺乏及时、准确的供求信息的情况下盲目组织生产，面临较大的风险。因此，找到一种有效控制生鲜农产品供应链牛鞭效应的方法对我国农业经济十分重要。目前，国内外已有部分学者对农产品供应链和牛鞭效应的控制进行研究。陈超和罗英姿[1]建立了肉类加工食品供应链模型；谭涛和朱毅华[2]提出以加工企业为核心的供应链集成模式和以物流中心为核心的供应链集成模式。针对牛鞭效应的研究，Lee[3]全面地分析了牛鞭效应现象，从运作管理角度分析了牛鞭效应现象的原因。HauL.Lee在提出牛鞭效应的同时，指出降低牛鞭效应的方法之一就是信息共享。LeeH.和SoK.[4]在此基础上通过建立一个单供应商单零售商的两级简单供应链，证明了信息共享策略可有效抑制“牛鞭效应”。张钦[5]等人考虑了包含一个供应商和一个零售商的两级供应链，研究在需求模型下牛鞭效应的量化和信息共享的价值，比较信息共享前后的差异，其结果表明信息共享能有效减少供应商现有平均库存、降低成本等。通过分析发现，针对农产品供应链的研究主要是针对建立农产品供应链的约束或存在问题提出概念模型，针对牛鞭效应的研究主要是在工业领域的应用，而针对生鲜农产品供应链的牛鞭效应研究鲜见报道。本文针对生鲜农产品供应链的特性，对其牛鞭效应进行量化分析。通过在信息共享与不共享两种情况下牛鞭效应近似量化分析式进行比较分析，研究信息共享对此类供应链牛鞭效应的影响。2.生鲜农产品供应链牛鞭效应数学模型研究农产品供应链可以描述为农产品沿着农户、产地批发商、销地批发商、零售商及消费者构成的一个网状链条。同其它产业供应链相比，农产品供应链在其生产环节上有其独特性。第一，农产品生产具有季节性，生产周期较长；第二，具有区域性、分散性，生产组织困难；第三，生产具有随机性，气象决定农产品生产小周期波动；第四，生产具有风险性，农产品生产易受病虫害的影响等。结合以上特点研究生鲜农产品供应链，构建其牛鞭效应数学模型如下：2.1相关假设的提出本文基于以下假设：①此研究将生鲜农产品供应链终端指定为超市，以保证数据的可行性和准确性；②此研究所指生鲜农产品供应链均采用冷链物流，即区别于制造业，允许有少量安全库存kSS和提前期L；③生鲜农产品供应链各阶段均采用(),sS最小最大库存策略；④生鲜农产品供应链各阶段均使用同样的顾客需求数据及预测技术来预测需求；⑤生鲜农产品供应链均忽略其他途径的小批量订货，为一对一的供应链模型，且消费者需求服从正态分布。2.2生鲜农产品供应链牛鞭效应数学模型的建立采用一阶自回归模型预测。则t时刻消费者对生鲜农产品k的需求：,1,,tktktkDdDρα−=++(1)其中，d为非负常量；ρ为自相关系数，并满足1ρ；,tkα为误差随机变量，服从正态分布，其均值为0，方差为2σ。由此得到：22,,()1,()1tktkEDdVarD=−ρ=σ−ρ超市t时刻对生鲜农产品k的订货点：,.ˆtktkkRLDSS=+（2）其中，L为超市订货提前期，,ˆtkD为t时刻消费者对生鲜农产品k日需求量估计值，kSS为超市生鲜农产品k安全库存。kSS为损耗系数z和需求标准差的乘积，即：2,ktkSSzLS=（3）122,,,ˆ()1ttkiktkitpSDDp−=−=−−∑（4）假设超市采用移动平均法，即每周期内超市估计的某一特定生鲜农产品k平均需求是前p次需求观察值的平均值。同样以此方式估计需求标准差。则：1,,ˆttkikitpDDp−=−=∑（5）超市t时刻对生鲜农产品k的订量为：,,1,,()tktktktkQRRD−=−−（6）订货量,tkQ是本期订货点与上期订货误差之差，上期订货误差是上期订货点1,tkR−与本期消费者需求之差。将式（2）、式（3）、式（4）和式（5）代入式（6），有：,,1,1,tktktktkQRRD−−=−+（7）,,1,1,1,ˆˆ()()tktktktktkLDzLSLDzLSD−−−=+−++1,1,1,(1)()()tktptktkLpDLpDzLSS−−−−=+−+−对式（7）,tkQ取方差Var（,tkQ），展开整理得：()()22,,1,()1221()()ptktktkVarQLpLpVarDzLVarSS−⎡⎤=++−ρ+−⎣⎦（8）由于式（8）右端展开第二项为非负，因此有式（9）成立，式（9）为牛鞭效应的近似量化分析式，即农户收到订货的方差与超市需求方差的比值：()()2()()1221pVarQVarDLpLp≥++−ρ（9）由式（9）可以看出，生鲜农产品供应链牛鞭效应对需求起到放大作用。并且牛鞭效应大小可由式（9）估算出来。同时可以看出，提前期增大及减小预测样本数均会增大牛鞭效应。当ρ=0时，即消费者需求,tkD服从独立的需求分布，则牛鞭效应的近似量化分析式为：2()()122VarQVarDLpLp≥++（10）3.信息共享对生鲜农产品供应链牛鞭效应的影响研究3.1生鲜农产品供应链牛鞭效应当信息不共享时，即生鲜农产品供应链上只有超市掌握最终消费者的需求信息。其他各个环节都只能通过其下游订货信息来预测消费者平均需求，而不是消费者的实际需求。假设生鲜农产品k在供应链每个阶段m订货点,mtkR采取下列方式：,,ˆmmmtktkRLD=（11）其中mL为第m阶段到第m+1阶段的提前期，11,,ˆttkikitpDDp−=−=∑，1,,1ˆtmmtkikitpDQp−=−+=∑，2m∀≥，,mtkQ为周期t阶段m的订货量。由此可得在信息非共享条件下，生鲜农产品供应链牛鞭效应的近似量化分析式为：()22,,1()()122,mmmikikiVarQVarDLpLp=≥++∀∏（12）3.2信息共享下的农产品供应链牛鞭效应研究当生鲜农产品供应链实现信息共享时，供应链各阶段均能清楚的掌握最终消费者实际需求。即在供应链各阶段都将使用同一平均需求估计值：1,,ˆttkikitpDDp−=−=∑，生鲜农产品k在供应链第m阶段订货点,,ˆmmtktkRLD=。由此可知在信息共享条件下，生鲜农产品供应链牛鞭效应的近似量化分析式为：2211()()122mmmiiiiVarQVarDLpLp==⎛⎞≥++⎜⎟⎝⎠∑∑（13）比较式（12）、（13）可以看出，在信息非共享情况下，牛鞭效应以成倍的速度增加；在信息共享情况下，牛鞭效应以简单叠加的方式增加。因此，通过信息共享可有效降低生鲜农产品供应链牛鞭效应的影响。，周期0t=为上月（10月）最后一天柑橘的销售情况及订货情况。超市该种柑橘均从销地批发商A处采购，销地批发商A以超市的实际订货量作为实际需求量，即ttQD′=。销地批发商A均从产地批发商B处采购该种柑橘，产地批发商B以销地批发商A的实际订货量作为实际需求量，即ttQD′′′=。根据超市实际需求量，代入式（2）、（3）、（4）、（5）、（6），得到销地及产地批发商实际需求量。其中：2,ktkSSzLS=中，损耗系数z=0.3；销地批发商在t=0期无预测数据，因此按经验订货01000D′=，同理，产地批发商的011000DD′′′′==；超市、销地批发商A、产地批发商B单个阶段的提前期分别为1231,1,1LLL===；则超市、销地批发商和产地批发商11月前21天柑橘实际需求量见表1。表12008年11月超市、销地批发商A和产地批发商B实际需求量（单位：公斤）Tab.1Theactualdemandofsupermarket,distributorAandBinNovember2008(unit:kg)周期超市实际需求量销地批发商A实际需求量产地批发商B实际需求量ttDtD′tD′′01200.001000.001000.0011256.001200.001000.0021100.001136.401136.4031500.001468.291446.0341620.001723.491857.1351800.001885.212025.836540.00633.59745.647680.00595.59496.458522.00454.41362.909682.00615.30530.14101254.001208.281149.91111924.001933.531939.18121732.001812.511900.39131655.001699.771756.16141688.001631.351666.64151632.001747.581771.23161400.001420.211546.42171300.001302.031207.27181257.001252.961247.34191145.001143.851136.0920216.00200.59188.23由（8）式得，牛鞭效应近似量化分析式为：()()22,1,()()1221()()ptktkVarQVarDLpLpzLVarSSVarD−=++−ρ+−（14）为计算方便，令ρ=0，即消费者需求,tkD服从独立的需求分布，则牛鞭效应的近似量化分析式为：22,1,()()122()()tktkVarQVarDLpLpzLVarSSVarD−=+++−(15)：①牛鞭效应的近似量化分析式,()(),1,2,3ipVarQVarDBEi==，分别表示超市、销地批发商A、产地批发商B，Lp=1,2,3n，表示各周期。且,ipBE′表示信息共享情况下的牛鞭效应；②根据表1过程数据计算得：22,1,0()()122tktkzLVarSSVarDLpLp−≤−++=，则2,1,()()tktkzLVarSSVarD−−的值对,ipBE和,ipBE′值的影响可近似忽略不计。因此表2在对生鲜农产品供应链各阶段信息不共享与信息共享牛鞭效应量化对比分析时，只对2122LpLp++的值进行比较分析。则信息非共享情况下各周期牛鞭效应量化近似值分别为：()322,1122ipiiiBELpLp==++∏(16)信息共享情况下各周期牛鞭效应量化近似值为：2332,11122ipiiiiBELpLp==⎛⎞′=++⎜⎟⎝⎠∑∑(17)由于超市处于供应链最末端，直接掌握消费者需求信息，因此超市的1,1,ppBEBE′=。则该种柑橘供应链各阶段2008年11月前20个样本次数信息非共享及信息共享时牛鞭效应量化近似值对比分析如表2所示。表2生鲜农产品供应链各阶段信息不共享与信息共享牛鞭效应量化对比分析Tab.2Comparativeanalysisofbullwhipeffectoffreshagriculturalproductsupplychainunderinformationsharingconditionwithnoinformationsharing样本观察次数超市牛鞭效应量化近似值销地批发商A牛鞭效应量