張小玲，陸 強(qiáng)

(1.深圳信息職業(yè)技術(shù)學(xué)院，廣東 深圳 518172；2. 哈爾濱工業(yè)大學(xué)深圳研究生院，廣東 深圳 518055)

供應(yīng)鏈中斷下顧客缺貨反應(yīng)對(duì)牛鞭效應(yīng)的影響研究

張小玲1，陸 強(qiáng)2

(1.深圳信息職業(yè)技術(shù)學(xué)院，廣東 深圳 518172；2. 哈爾濱工業(yè)大學(xué)深圳研究生院，廣東 深圳 518055)

傳統(tǒng)的關(guān)于供應(yīng)鏈牛鞭效應(yīng)的研究，僅關(guān)注供應(yīng)鏈上游成員間(供應(yīng)商、制造商或零售商)的協(xié)調(diào)運(yùn)作，而忽略缺貨發(fā)生后顧客缺貨反應(yīng)對(duì)供應(yīng)鏈動(dòng)態(tài)性的影響。本文利用高層級(jí)Petri-net對(duì)包含兩個(gè)制造商、兩個(gè)零售商的供應(yīng)鏈系統(tǒng)進(jìn)行建模與仿真，定量地研究不同的缺貨強(qiáng)度下顧客缺貨反應(yīng)對(duì)兩條相互競(jìng)爭(zhēng)的供應(yīng)鏈牛鞭效應(yīng)的影響。研究結(jié)果表明，顧客缺貨反應(yīng)對(duì)缺貨品牌及其競(jìng)爭(zhēng)品牌的牛鞭效應(yīng)均存在顯著影響，但各種缺貨反應(yīng)對(duì)牛鞭效應(yīng)的影響程度有所差異，且供應(yīng)鏈中斷強(qiáng)度(主要體現(xiàn)為發(fā)生缺貨的品牌市場(chǎng)份額以及缺貨持續(xù)時(shí)間)亦對(duì)牛鞭效應(yīng)產(chǎn)生顯著影響。我們建議不同產(chǎn)品類型(對(duì)應(yīng)不同的顧客反應(yīng)組合)的管理者根據(jù)品牌的市場(chǎng)占有率、缺貨持續(xù)時(shí)間等因素對(duì)不同類型的顧客進(jìn)行購(gòu)買行為的引導(dǎo)，以緩解牛鞭效應(yīng)并保持市場(chǎng)份額。

供應(yīng)鏈中斷；顧客缺貨反應(yīng)；牛鞭效應(yīng)；Petri-net

1 引言

近年來(lái)，學(xué)術(shù)界和工業(yè)界越來(lái)越關(guān)注“供應(yīng)鏈中斷”這一概念[1]。供應(yīng)鏈中斷(Supply Chain Disruption)即各類未計(jì)劃、未預(yù)料的事件發(fā)生，中斷了供應(yīng)商、制造商、零售商和顧客之間正常的物流和信息流[2-3]，并且，使得鏈中企業(yè)陷入運(yùn)作和財(cái)務(wù)風(fēng)險(xiǎn)[4]。BCI(Business Continuity Institute)的一份報(bào)告指出，隨著供應(yīng)鏈的全球化擴(kuò)張，2009年供應(yīng)鏈中斷發(fā)生的比率比2008年增加了58%。為了緩解供應(yīng)鏈中斷造成的影響，學(xué)者從各種關(guān)鍵領(lǐng)域，如供應(yīng)管理、需求管理、生產(chǎn)管理和信息管理等，提出了不同的策略和模型[5-6]。

供應(yīng)鏈中斷后，終端顧客所能感知的即為零售商的缺貨。市場(chǎng)營(yíng)銷領(lǐng)域有關(guān)供應(yīng)鏈中斷的研究集中于對(duì)零售商缺貨的研究，主要就零售商的缺貨損失以及缺貨發(fā)生后顧客購(gòu)買行為的改變進(jìn)行了大量問(wèn)卷與實(shí)證研究。相關(guān)研究表明，缺貨帶來(lái)的潛在損失包括兩個(gè)方面，分別為品牌銷售損失[7]和商品銷售損失[8]。大量學(xué)者傾向于研究如何在缺貨發(fā)生后挽留顧客以降低品牌銷售損失以及商品銷售損失[9-10]。通過(guò)近年來(lái)的進(jìn)一步研究，人們發(fā)現(xiàn)缺貨品牌及其競(jìng)爭(zhēng)品牌都將遭受由供應(yīng)鏈低效運(yùn)作造成的間接損失[11]。也有不少文獻(xiàn)研究了缺貨下顧客購(gòu)買行為的改變。Gruen等學(xué)者[11-12]將缺貨后顧客的購(gòu)買行為歸結(jié)為五類：(1)轉(zhuǎn)換商店；(2)延遲購(gòu)買；(3)同品牌替代(不同規(guī)格)；(4)轉(zhuǎn)換品牌；(5)放棄購(gòu)買。顧客作為一個(gè)自適應(yīng)的個(gè)體，其面對(duì)缺貨的購(gòu)買行為是極為關(guān)鍵的變量；相應(yīng)的，對(duì)于供應(yīng)鏈的設(shè)計(jì)和管理，顧客購(gòu)買行為與供給-需求波動(dòng)之間的邏輯關(guān)系至關(guān)重要。林文進(jìn)等學(xué)者[13]就顧客行為和生產(chǎn)能力限制對(duì)供應(yīng)鏈牛鞭效應(yīng)的影響進(jìn)行了研究。Hendricks和Singhal[2]認(rèn)為人們應(yīng)該致力于改進(jìn)供應(yīng)鏈的反應(yīng)能力，尤其是當(dāng)供應(yīng)鏈中斷發(fā)生時(shí)，供應(yīng)鏈的反應(yīng)能力對(duì)供應(yīng)鏈的績(jī)效存在重要影響。由此，不少學(xué)者定性的提出顧客反應(yīng)型供應(yīng)鏈策略[5，14-15]，并建議研究者應(yīng)該更多的關(guān)注缺貨后顧客的購(gòu)買行為改變對(duì)供應(yīng)鏈績(jī)效的影響因素分析[16]。然而，進(jìn)行這樣的分析需要一套適用于大規(guī)模復(fù)雜網(wǎng)絡(luò)的建模和分析方法。

事實(shí)上，在運(yùn)營(yíng)管理領(lǐng)域，數(shù)學(xué)建模(包括隨機(jī)和確定性的)[17]和仿真等方法早已應(yīng)用到供應(yīng)鏈網(wǎng)絡(luò)的研究中[18]。目前有關(guān)供應(yīng)鏈中斷的研究只是關(guān)注網(wǎng)絡(luò)中上游成員的構(gòu)建，而將顧客視為產(chǎn)品或服務(wù)的被動(dòng)接受者。Sterman[19]通過(guò)啤酒游戲證實(shí)了管理中牛鞭效應(yīng)的存在，即供應(yīng)鏈的波動(dòng)自下游向上游放大傳播。Lee 等學(xué)者[20]的研究理論認(rèn)為，需求預(yù)測(cè)修正、訂貨批量決策、價(jià)格波動(dòng)、短缺博弈是牛鞭效應(yīng)產(chǎn)生的主要原因。Chen等學(xué)者[21]用嚴(yán)密的理論推導(dǎo)，研究了需求預(yù)測(cè)對(duì)“牛鞭效應(yīng)”的影響，零售商利用標(biāo)準(zhǔn)的預(yù)測(cè)手段來(lái)估計(jì)顧客需求過(guò)程的某些參數(shù)，而不是簡(jiǎn)單地假設(shè)零售商了解顧客需求過(guò)程的特定形式。他考察一個(gè)需求隨著時(shí)間呈非靜態(tài)的多期庫(kù)存模型，需求預(yù)測(cè)基于觀測(cè)到的需求來(lái)更新。在非靜態(tài)需求下， 庫(kù)存系統(tǒng)第t 期的訂貨點(diǎn)決策也為非靜態(tài)。例如，零售商在一期經(jīng)歷了需求的高漲，他將把此視為未來(lái)高需求的一個(gè)信號(hào)，并調(diào)整他對(duì)需求的預(yù)期，由此導(dǎo)致需求的變異放大，即“牛鞭效應(yīng)”。這種需求信號(hào)模型的例子包括貝葉斯更新模型(Bayesian Updating Model)[22]，連續(xù)相關(guān)需求模型[23-24]。

然而，以往的牛鞭效應(yīng)研究將任何未滿足的訂單視為積壓，即面對(duì)缺貨顧客選擇一直停留在店中直至購(gòu)買到所需的產(chǎn)品[19，20，25]。事實(shí)上，由于信息的可得性和越來(lái)越多的采購(gòu)渠道，顧客越來(lái)越不能容忍缺貨，主要體現(xiàn)為顧客購(gòu)買行為的多樣化(顧客缺貨反應(yīng))。我們認(rèn)為供應(yīng)鏈的中斷，表現(xiàn)為零售商缺貨，引起顧客購(gòu)買行為改變，使得零售商和制造商的需求-供給發(fā)生劇烈變化，這種劇烈變化將沿著供應(yīng)鏈逐級(jí)傳播，將加劇供應(yīng)鏈的牛鞭效應(yīng)。

應(yīng)將這種現(xiàn)象加入到現(xiàn)有的牛鞭效應(yīng)研究中，具體而言，我們的研究問(wèn)題是：供應(yīng)鏈中斷情境下，顧客的缺貨反應(yīng)對(duì)供應(yīng)鏈的牛鞭效應(yīng)將產(chǎn)生怎樣的影響？

假設(shè)在快速消費(fèi)品市場(chǎng)上，存在兩個(gè)品牌和兩個(gè)零售商，消費(fèi)者可以從中進(jìn)行選擇購(gòu)買。通過(guò)構(gòu)建基于Petri-net的仿真模型，當(dāng)一個(gè)品牌在某個(gè)零售商處發(fā)生缺貨(缺貨原因可能是運(yùn)輸斷裂、零售商庫(kù)存管理不當(dāng)?shù)葘?dǎo)致供應(yīng)鏈隨機(jī)中斷)，結(jié)合顧客缺貨反應(yīng)、品牌市場(chǎng)份額和缺貨持續(xù)時(shí)間等因素，探討：

(1)顧客缺貨反應(yīng)：既然顧客面對(duì)缺貨會(huì)有不同的反應(yīng)，我們將探討顧客缺貨反應(yīng)將如何影響兩條相互競(jìng)爭(zhēng)的供應(yīng)鏈各自的牛鞭效應(yīng)。(2)供應(yīng)鏈中斷強(qiáng)度：進(jìn)一步深入探討供應(yīng)鏈中斷的強(qiáng)度(主要體現(xiàn)為缺貨品牌的市場(chǎng)份額以及缺貨的持續(xù)時(shí)間)如何影響缺貨品牌以及競(jìng)爭(zhēng)品牌的牛鞭效應(yīng)。

我們將首先從總體層面進(jìn)行研究，然后再針對(duì)具體的幾類產(chǎn)品展開(kāi)應(yīng)用研究，探討所構(gòu)建模型的可靠性及有效性，并為具體行業(yè)的供應(yīng)鏈管理者提供決策支持。

2 基于Petri-net的供應(yīng)鏈模型

適合于描述異步的、并發(fā)的復(fù)雜系統(tǒng)模型的Petri-net既有嚴(yán)格的數(shù)學(xué)表述方式，也有直觀的圖形表達(dá)方式，既有豐富的系統(tǒng)描述手段，也有嚴(yán)謹(jǐn)?shù)南到y(tǒng)行為分析技術(shù)，在供應(yīng)鏈管理領(lǐng)域得到了廣泛的應(yīng)用[26，27]。我們應(yīng)用高層級(jí)Petri-net構(gòu)建供應(yīng)鏈模型，所建模型框架見(jiàn)圖1。

圖1 研究框架

顧客子模塊的活動(dòng)1.仿真的每個(gè)周期,系統(tǒng)產(chǎn)生四類原始顧客需求(ICD_B1S1,ICD_B2S1,ICD_B1S2,ICD_B2S2);2.在每個(gè)店,若店內(nèi)庫(kù)存高于顧客需求,則將原始顧客需求記為POS;3.在每個(gè)店,若原始顧客需求大于店內(nèi)庫(kù)存,則發(fā)生缺貨,未能滿足的顧客需求將根據(jù)顧客反應(yīng)進(jìn)行劃分: a.顧客有CR1的幾率更換商店購(gòu)買同一品牌 b.顧客有CR2的幾率延遲購(gòu)買,并在下一周期返回同一商店購(gòu)買同一品牌 c.顧客有CR3的幾率在同一商店內(nèi)購(gòu)買同一品牌不同規(guī)格的商品 d.顧客有CR4的幾率在同一商店購(gòu)買不同的品牌 e.顧客有CR5的幾率選擇放棄購(gòu)買 CR1+CR2+CR3+CR4+CR5=1(1)4.第一輪顧客反應(yīng)過(guò)后任何仍未滿足的需求視為放棄購(gòu)買。零售商子模塊的活動(dòng)1.收到來(lái)自制造商的產(chǎn)品;2.投遞顧客采購(gòu)的產(chǎn)品;3.記錄POS數(shù)據(jù);4.根據(jù)歷史POS數(shù)據(jù)預(yù)測(cè)未來(lái)需求;5.根據(jù)需求預(yù)測(cè)和庫(kù)存向制造商下訂單。由于我們將最后未能得到滿足的需求視為銷售損失,零售商處庫(kù)存點(diǎn)的計(jì)算公式為: InventoryPosition=on_handinventory+on_order(2)其中,on_handinventory為零售商持有的庫(kù)存,on_order為零售商已下卻未收到產(chǎn)品的訂單量。制造商子模塊的活動(dòng)1.記錄各個(gè)零售商反饋來(lái)的需求信息;2.產(chǎn)成品入庫(kù);3.收到各個(gè)零售商的訂單,合并訂單;4.根據(jù)訂單投遞產(chǎn)品:根據(jù)每個(gè)零售商的積壓訂單分配產(chǎn)品[28]。即制造商根據(jù)零售商的訂單量來(lái)分配投遞量。具體而言,如果制造商的在手庫(kù)存不足以滿足零售商的訂單,則根據(jù)每個(gè)零售商的訂貨量占總訂單量的比例進(jìn)行配送。如,當(dāng)制造商1只有300單位的庫(kù)存時(shí),若零售商1的訂單量為200單位,而零售商2的訂單量為400單位,則制造商1將投遞100單位給零售商1,投遞200單位給零售商2。制造商2執(zhí)行同樣的配送規(guī)則。5.根據(jù)零售商的歷史訂單預(yù)測(cè)未來(lái)需求;6.根據(jù)需求預(yù)測(cè)和庫(kù)存點(diǎn)下單生產(chǎn)。制造商處所有未能滿足的訂單視為積壓,制造商庫(kù)存點(diǎn)的計(jì)算公式為: InventoryPosition=on_handinventory-backlog+on_order(3)其中,on_handinventory為制造商持有的庫(kù)存量,backlog為尚未履行的訂單,on_order為制造商下單生產(chǎn)但還未產(chǎn)成的量。

如圖1，我們應(yīng)用基于高層級(jí)Petri-net 的模型框架研究缺貨發(fā)生后顧客購(gòu)買行為的改變對(duì)牛鞭效應(yīng)的影響。本模型包含一個(gè)三層的供應(yīng)鏈，包括四種類型的顧客(產(chǎn)品S1B1的顧客，產(chǎn)品S1B2的顧客，產(chǎn)品S2B1的顧客，產(chǎn)品S2B2的顧客)，兩個(gè)零售商(商店1與商店2)，兩個(gè)制造商(品牌1與品牌2)。兩個(gè)品牌相互競(jìng)爭(zhēng)，制造商1生產(chǎn)產(chǎn)品1并同時(shí)在兩個(gè)商店出售，其競(jìng)爭(zhēng)者制造商2生產(chǎn)產(chǎn)品2并同時(shí)在兩個(gè)商店出售。零售商的庫(kù)存用于即時(shí)的顧客需求。零售商處任何未能滿足的需求即為缺貨，這部分未能得到滿足的顧客需求將根據(jù)顧客缺貨反應(yīng)進(jìn)行相應(yīng)處理(見(jiàn)表1顧客子模塊的活動(dòng))。制造商處任何未能滿足的需求視為訂單積壓。

模型應(yīng)用Aarhus University 的CPN Group 于2000年開(kāi)發(fā)并一直應(yīng)用至今的Petri-net建模軟件CPN Tools (Http://www.daimi.au.dk/CPnets/)進(jìn)行構(gòu)建。整個(gè)模型分為四大模塊，包括父模塊和三個(gè)子模塊，三個(gè)子模塊分別為顧客子模塊，零售商子模塊和制造商子模塊。各子模塊的行為活動(dòng)見(jiàn)表1。

本文所構(gòu)建仿真模型與現(xiàn)有研究牛鞭效應(yīng)的仿真模型相比，添加了顧客缺貨反應(yīng)模塊。以往的仿真模型將顧客視為產(chǎn)品或服務(wù)的被動(dòng)接受者，而將任何未滿足的訂單視為積壓，即面對(duì)缺貨顧客選擇停留在店中直至購(gòu)買到所需的產(chǎn)品[19-21]。本模型在以往研究基礎(chǔ)上，添加顧客缺貨反應(yīng)模塊，即面對(duì)缺貨，顧客的5種購(gòu)買行為將影響制造商、零售商的市場(chǎng)需求，零售商或制造商將這種市場(chǎng)需求的變異視為真實(shí)的需求信號(hào)，在此需求信號(hào)的基礎(chǔ)上進(jìn)行下一周期的需求預(yù)測(cè)，使得需求變異沿著供應(yīng)鏈被逐級(jí)放大，從而加劇供應(yīng)鏈的牛鞭效應(yīng)。

3 研究假設(shè)

為了使模型更真實(shí)的反應(yīng)供應(yīng)鏈，模型考慮了供應(yīng)鏈管理的重要因素，如需求模型、訂貨策略、前置期和需求預(yù)測(cè)模型等。

3.1 初始顧客需求

四類顧客的初始需求符合均值為200，方差為202的正態(tài)分布，這與Chen等[21]的假設(shè)相一致。零售商面對(duì)不確定的顧客需求，每個(gè)周期每類產(chǎn)品的需求均值為200。零售商通過(guò)向制造商訂貨補(bǔ)充庫(kù)存，因此各制造商每周期的需求均值為400。

3.2 前置期

從下達(dá)訂單到收到貨品之間的時(shí)間間隔稱為前置期。在Chatfield 等[29]的模型中，顧客、零售商、批發(fā)商、分銷商以及廠商處的前置期分別為0, 4, 4, 4, 4個(gè)時(shí)間周期。因此，在本模型中，零售商收到貨物即可開(kāi)始向顧客出售，即假設(shè)顧客和零售商的前置期為0天，將制造商下單生產(chǎn)到零售商收到貨品的前置期設(shè)為4天。每組仿真實(shí)驗(yàn)的運(yùn)行周期為50天。

3.3 訂貨策略

不少學(xué)者應(yīng)用最大庫(kù)存策略進(jìn)行庫(kù)存管理[25,27]，即當(dāng)發(fā)現(xiàn)庫(kù)存降低到再訂貨點(diǎn)時(shí)，開(kāi)始訂貨，訂貨后使最大庫(kù)存保持不變。這種周期性的最大庫(kù)存策略適用于獨(dú)立同分布的需求，假設(shè)模型中的各個(gè)供應(yīng)鏈成員都采用最大庫(kù)存測(cè)量進(jìn)行訂貨決策。訂貨決策服從：

Ot=Yt-InventoryPosition

(4)

其中，Ot為周期t末的訂貨決策，Yt為周期t的訂貨點(diǎn)，InventoryPosition為當(dāng)期的庫(kù)存水平，其計(jì)算方法見(jiàn)表1。

每周期訂貨點(diǎn)更新的計(jì)算公式為：

(5)

(6)

由于模型中前置期是固定的，訂貨點(diǎn)主要取決于所使用的預(yù)測(cè)方法。

3.4 需求預(yù)測(cè)

移動(dòng)平均預(yù)測(cè)法是一種被廣泛接受簡(jiǎn)單而有效的預(yù)測(cè)方法。我們用移動(dòng)平均法將過(guò)去n個(gè)周期的真實(shí)需求進(jìn)行平均以預(yù)測(cè)下一周期的需求[21]：

(7)

在仿真中，Dt-0表示t-0天的真實(shí)需求，n為將被平均的周期數(shù)。為簡(jiǎn)單起見(jiàn)，我們?cè)O(shè)n=6[31]。

4 仿真實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

本節(jié)將通過(guò)動(dòng)態(tài)仿真來(lái)研究由于隨機(jī)事件的發(fā)生導(dǎo)致供應(yīng)鏈中斷的情境下，兩類因素顧客缺貨反應(yīng)、供應(yīng)鏈中斷強(qiáng)度對(duì)牛鞭效應(yīng)的影響。

4.1 仿真實(shí)驗(yàn)

本組實(shí)驗(yàn)，我們研究在不同的品牌市場(chǎng)份額和缺貨持續(xù)時(shí)間下，不同的顧客缺貨反應(yīng)(共5種顧客反應(yīng)：更換商店CR1，延遲購(gòu)買CR2，同一品牌替代CR3，轉(zhuǎn)換品牌CR4以及放棄購(gòu)買CR5)如何影響缺貨品牌及競(jìng)爭(zhēng)品牌供應(yīng)鏈的牛鞭效應(yīng)。

本組實(shí)驗(yàn)的核心是顧客反應(yīng)，我們對(duì)所有的顧客反應(yīng)組合進(jìn)行了實(shí)驗(yàn)。由于：

0≤CRi≤1i=1,2…,5

(8)

且：

CR1+CR2+…+CR5=1

(1)

根據(jù)Gruen等[11-12]的研究，缺貨的持續(xù)時(shí)間及發(fā)生的概率分為：少于8小時(shí)(19%)，8小時(shí)到1天(36%)，1天到3天(25%)，多于3天(20%)。據(jù)此，我們?cè)O(shè)置了4種水平的缺貨持續(xù)時(shí)間分別對(duì)應(yīng)Gruen等[11]的研究：1天，2天，3天和4天。在本組實(shí)驗(yàn)中，選取兩種水平的缺貨持續(xù)時(shí)間：1天和3天。

表2 實(shí)驗(yàn)設(shè)計(jì)I

模型中假設(shè)兩個(gè)制造商分別生產(chǎn)不同品牌的產(chǎn)品，品牌的市場(chǎng)份額設(shè)置為大品牌(缺貨品牌的市場(chǎng)份額為70%)發(fā)生缺貨，同等競(jìng)爭(zhēng)水平的品牌(缺貨品牌的市場(chǎng)份額為50%)發(fā)生缺貨，以及小品牌(缺貨品牌的市場(chǎng)份額為30%)發(fā)生缺貨。探討大中小品牌發(fā)生缺貨后顧客的不同反應(yīng)對(duì)供應(yīng)鏈動(dòng)態(tài)性的影響。實(shí)驗(yàn)設(shè)計(jì)見(jiàn)表2。由此共有756(2×3×126)組實(shí)驗(yàn)，每組試驗(yàn)后收集兩類數(shù)據(jù)，缺貨品牌的牛鞭效應(yīng)和競(jìng)爭(zhēng)品牌的牛鞭效應(yīng)。每組實(shí)驗(yàn)運(yùn)行10次，對(duì)結(jié)果取平均值。其中，牛鞭效應(yīng)的測(cè)量指標(biāo)為制造商下單生產(chǎn)的方差(var(MPR))與顧客需求方差(var(CD))之間的比值[21]：

BWE=var(MPR)/var(CD)

(9)

對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行方差分析，結(jié)果見(jiàn)表3。

表3 牛鞭效應(yīng)的方差分析

(*表示5%的顯著性水平)

我們從試驗(yàn)結(jié)果中得到一系列管理啟示。對(duì)于發(fā)生缺貨的品牌，品牌市場(chǎng)份額、缺貨持續(xù)時(shí)間以及轉(zhuǎn)換商店的顧客(CR1)和延遲購(gòu)買的顧客(CR2)對(duì)其供應(yīng)鏈的牛鞭效應(yīng)有積極的顯著影響。即缺貨持續(xù)時(shí)間越長(zhǎng)，或缺貨品牌的市場(chǎng)份額越大，或越多的顧客選擇更換商店或延遲購(gòu)買，牛鞭效應(yīng)越顯著。在以往的研究中，人們發(fā)現(xiàn)面對(duì)缺貨時(shí)，顧客選擇轉(zhuǎn)換商店或延遲購(gòu)買，對(duì)零售商造成銷售損失，忽略了顧客的缺貨反應(yīng)對(duì)供應(yīng)鏈的上游制造商的影響。通過(guò)本研究，我們發(fā)現(xiàn)選擇轉(zhuǎn)換商店或延遲購(gòu)買的顧客將加劇整個(gè)供應(yīng)鏈條的牛鞭效應(yīng)，從而加大制造商的生產(chǎn)波動(dòng)，造成大量庫(kù)存積壓。因此，當(dāng)缺貨發(fā)生時(shí)，缺貨品牌的制造商和零售商都將產(chǎn)生損失，有必要推動(dòng)制造商和零售商的合作，對(duì)具有顯著影響的顧客(更換商店、延遲購(gòu)買)給予關(guān)注，挽留顧客，在保證零售商、制造商的市場(chǎng)份額的同時(shí)，提高供應(yīng)鏈的運(yùn)作效率。

本研究量化了各類顧客購(gòu)買行為的危害性。更換商店和延遲購(gòu)買是兩類具有顯著影響的顧客群體，其中，更換商店的顧客造成的影響(估計(jì)值為50.0885)要大于選擇延遲購(gòu)買的顧客造成的影響(估計(jì)值為31.3131，見(jiàn)表3)。這與Jing Xiaoqing和Lewis[32]關(guān)于網(wǎng)絡(luò)零售的一項(xiàng)研究成果相一致，他們認(rèn)為應(yīng)根據(jù)顧客特性進(jìn)行庫(kù)存優(yōu)化。同樣，管理者應(yīng)根據(jù)顧客的影響程度進(jìn)行供應(yīng)鏈的優(yōu)化管理。

另外，我們發(fā)現(xiàn)并非所有顧客購(gòu)買行為都對(duì)牛鞭效應(yīng)產(chǎn)生顯著作用，如選擇同一品牌不同規(guī)格產(chǎn)品替代的顧客或選擇另一品牌的顧客以及放棄購(gòu)買的顧客。相對(duì)于“放棄購(gòu)買”或“品牌轉(zhuǎn)換”的顧客，選擇同一品牌進(jìn)行替代的顧客有助于同時(shí)維持制造商和零售商的市場(chǎng)份額。我們建議制造商與零售商應(yīng)緊密合作，鼓勵(lì)顧客在同一商店內(nèi)進(jìn)行同一品牌的替代，尤其是鼓勵(lì)那些傾向于更換商店的顧客。這對(duì)制造商和零售商是一種雙贏的策略。首先，該策略能減少雙方的銷售損失。其次，越多的顧客選擇同一品牌替代，則更換商店或延遲購(gòu)買的顧客比例將相應(yīng)降低，牛鞭效應(yīng)得到緩解。這是一種顧客需求轉(zhuǎn)移策略，已被成功地應(yīng)用到供應(yīng)鏈中斷風(fēng)險(xiǎn)的管理中。如1999年臺(tái)灣地震后，戴爾遭遇了供應(yīng)中斷。通過(guò)促銷手段，戴爾成功地將顧客需求轉(zhuǎn)移到一些可得的產(chǎn)品上，從而控制了顧客的產(chǎn)品選擇[33]。

對(duì)于競(jìng)爭(zhēng)品牌，我們發(fā)現(xiàn)缺貨品牌的市場(chǎng)份額、缺貨的持續(xù)時(shí)間都將加劇供應(yīng)鏈的牛鞭效應(yīng)，但只有更換品牌的顧客(CR4)對(duì)供應(yīng)鏈的牛鞭效應(yīng)產(chǎn)生積極的顯著影響。雖然，顧客選擇購(gòu)買另一種品牌能夠暫時(shí)增加競(jìng)爭(zhēng)品牌的市場(chǎng)份額，但是，這種購(gòu)買行為為管理者提供了一種假象。這種不準(zhǔn)確的需求信號(hào)將沿著供應(yīng)鏈被扭曲放大[20]。如同Gruen和Corsten[12]所述，用另一種商品代替缺貨商品，這種轉(zhuǎn)移行為增加了在庫(kù)商品的銷售(超越了在庫(kù)商品的正常需求)。因此，當(dāng)一種品牌發(fā)生缺貨時(shí)，作為其競(jìng)爭(zhēng)品牌的管理者，應(yīng)與零售商合作，將轉(zhuǎn)移而來(lái)的顧客需求與自身正常的顧客需求區(qū)分開(kāi)來(lái)，避免市場(chǎng)的虛假繁榮造成供應(yīng)鏈運(yùn)作上的低效率。同時(shí)，可抓住機(jī)會(huì)，以高品質(zhì)的產(chǎn)品吸引暫時(shí)轉(zhuǎn)移來(lái)的顧客，培養(yǎng)顧客的忠誠(chéng)度，增加市場(chǎng)份額。

5 應(yīng)用分析

上述仿真實(shí)驗(yàn)從整體上探討了顧客購(gòu)買行為對(duì)牛鞭效應(yīng)的影響，本節(jié)我們將對(duì)5種具體的商品類別進(jìn)行應(yīng)用仿真分析。在快速消費(fèi)品供應(yīng)鏈中，當(dāng)顧客遭遇缺貨時(shí)，根據(jù)Gruen和Corsten[12]以及Gruen等[11]的研究，面對(duì)不同類別的產(chǎn)品人們的購(gòu)買行為改變是不同的，見(jiàn)表4。因此，我們將應(yīng)用Gruen等學(xué)者的研究成果進(jìn)行實(shí)際案例分析，探討具體的產(chǎn)品類別下缺貨強(qiáng)度(主要體現(xiàn)為品牌市場(chǎng)份額和缺貨持續(xù)時(shí)間)分別對(duì)缺貨品牌和競(jìng)爭(zhēng)品牌的牛鞭效應(yīng)的影響。

表4 顧客面對(duì)不同產(chǎn)品缺貨時(shí)的購(gòu)買選擇

本組實(shí)驗(yàn)考慮所有的缺貨持續(xù)時(shí)間，即四個(gè)持續(xù)水平，品牌市場(chǎng)份額從70%，以10%為步長(zhǎng)，遞減到30%。實(shí)驗(yàn)設(shè)計(jì)見(jiàn)表5。

每類商品均有20組實(shí)驗(yàn)，每組實(shí)驗(yàn)運(yùn)行10次，對(duì)結(jié)果取平均值，實(shí)驗(yàn)結(jié)果的方差分析見(jiàn)表6。

表5 實(shí)驗(yàn)設(shè)計(jì)II

基于實(shí)驗(yàn)II的結(jié)果，我們得到如下啟示。對(duì)于缺貨品牌，所研究的5類商品中，缺貨品牌市場(chǎng)份額、缺貨持續(xù)時(shí)間以及兩者的交互作用都對(duì)缺貨品牌的牛鞭效應(yīng)產(chǎn)生顯著影響。然而，影響程度是不同的，其中品牌市場(chǎng)份額影響最為顯著，越是大品牌發(fā)生缺貨，越能加劇該品牌的牛鞭效應(yīng)。并且，對(duì)不同種類的商品而言，市場(chǎng)份額的影響程度存在差異。5類商品中，品牌市場(chǎng)份額對(duì)化妝品的影響最大(估計(jì)值為145.5408，見(jiàn)表6)?；瘖y品與其他4類商品的差異與Gruen和Corsten[12]以及Gruen等[11]收集的數(shù)據(jù)結(jié)果一致。這可以解釋為顧客在購(gòu)買化妝品時(shí)有更大的品牌偏好性，越是大品牌的化妝品擁有越高的顧客忠誠(chéng)度，缺貨發(fā)生時(shí)，顧客更加傾向于轉(zhuǎn)換商店購(gòu)買同一品牌。這與我們?cè)诜抡鎸?shí)驗(yàn)中得到的結(jié)果相一致，當(dāng)顧客選擇轉(zhuǎn)換商店時(shí)將加劇牛鞭效應(yīng)。雖然缺貨持續(xù)時(shí)間及其與市場(chǎng)份額的交互作用對(duì)牛鞭效應(yīng)的影響小于市場(chǎng)份額產(chǎn)生的影響，管理者仍可以通過(guò)與零售商的緊密合作，如增加安全庫(kù)存、應(yīng)用更精確的庫(kù)存追蹤系統(tǒng)等，降低缺貨持續(xù)時(shí)間，以緩解因缺貨造成的牛鞭效應(yīng)。

對(duì)于競(jìng)爭(zhēng)品牌，缺貨品牌的市場(chǎng)份額對(duì)競(jìng)爭(zhēng)品牌的牛鞭效應(yīng)亦會(huì)產(chǎn)生顯著影響，即大廠商的缺貨越能加劇小廠商的牛鞭效應(yīng)，使得本身就經(jīng)營(yíng)不善的小廠商處境更加惡劣。但影響程度因不同的商品類別而異，在我們研究的5類商品中，市場(chǎng)份額對(duì)紙巾和零食類商品的牛鞭效應(yīng)影響最大。根據(jù)Gruen和Corsten[12]以及Gruen等[11]的研究，紙巾和零食類商品的購(gòu)買者對(duì)品牌的擁護(hù)程度較低，當(dāng)遭遇缺貨時(shí)，顧客更多的選擇另一品牌的商品進(jìn)行替代，因此，越大的品牌發(fā)生缺貨，選擇不同品牌替代的顧客也就越多，越能加劇競(jìng)爭(zhēng)品牌的牛鞭效應(yīng)。我們建議，當(dāng)大廠商發(fā)生缺貨時(shí)，小廠商應(yīng)盡可能保證貨源充足，以吸引更多的顧客，另一方面應(yīng)與零售商緊密合作，將暫時(shí)的顧客需求與真實(shí)的顧客需求區(qū)分開(kāi)，實(shí)現(xiàn)供應(yīng)鏈的有效運(yùn)作。

本節(jié)，我們通過(guò)對(duì)化妝品、洗發(fā)水、咖啡、紙巾以及零食等快速消費(fèi)品進(jìn)行應(yīng)用仿真分析，驗(yàn)證了本模型的可靠性及有效性，并為這5類消費(fèi)品供應(yīng)鏈管理者在面對(duì)供應(yīng)鏈中斷時(shí)，提供相應(yīng)的決策支持。

表6 不同產(chǎn)品類別下牛鞭效應(yīng)的方差分析

(*表示5%的顯著性水平)

6 結(jié)語(yǔ)

本文應(yīng)用高層級(jí)Petri-net構(gòu)建了包含兩個(gè)品牌的相互競(jìng)爭(zhēng)的供應(yīng)鏈系統(tǒng)，研究其中一個(gè)品牌發(fā)生缺貨后顧客購(gòu)買行為的改變分別對(duì)兩個(gè)品牌(缺貨品牌及其競(jìng)爭(zhēng)品牌)供應(yīng)鏈牛鞭效應(yīng)的影響，為一項(xiàng)探索性的研究。仿真結(jié)果顯示，對(duì)于缺貨品牌而言，對(duì)牛鞭效應(yīng)形成顯著影響的為五類顧客缺貨反應(yīng)中的兩類，即選擇更換商店和延遲購(gòu)買的顧客。因此，當(dāng)各類不確定事件發(fā)生，導(dǎo)致供應(yīng)鏈缺貨，尤其是終端消費(fèi)者遭遇缺貨時(shí)，生產(chǎn)企業(yè)的供應(yīng)鏈管理者，應(yīng)當(dāng)積極與零售商合作引導(dǎo)這些顧客進(jìn)行同品牌不同規(guī)格產(chǎn)品的替代，以維持市場(chǎng)份額并保持供應(yīng)鏈的有效性。對(duì)于競(jìng)爭(zhēng)品牌的供應(yīng)鏈管理者，也可加強(qiáng)與零售商的合作，以及時(shí)獲取競(jìng)爭(zhēng)品牌的缺貨信息，從而采取相應(yīng)的管理策略調(diào)整。因?yàn)閷?duì)競(jìng)爭(zhēng)品牌的顯著影響因素為更換品牌的顧客，建議競(jìng)爭(zhēng)品牌的管理者與零售商合作，將虛假轉(zhuǎn)移的顧客需求與自身真實(shí)的顧客需求區(qū)分開(kāi)，以更科學(xué)的安排生產(chǎn)與銷售。同時(shí)，我們發(fā)現(xiàn)不同的產(chǎn)品類別下供應(yīng)鏈中斷強(qiáng)度對(duì)牛鞭效應(yīng)亦存在顯著影響。建議生產(chǎn)企業(yè)的供應(yīng)鏈管理者及時(shí)采取措施，降低缺貨的持續(xù)時(shí)間，或提供同類可替代產(chǎn)品，以降低供應(yīng)鏈的中斷強(qiáng)度，緩解供應(yīng)鏈牛鞭效應(yīng)。

在現(xiàn)實(shí)的市場(chǎng)環(huán)境中，遭遇缺貨時(shí)顧客反應(yīng)隨著品牌、產(chǎn)品和地區(qū)而改變[11，34]。因此，開(kāi)發(fā)一套方法對(duì)不同的運(yùn)作條件進(jìn)行評(píng)估而非尋求最優(yōu)的顧客反應(yīng)組合更有益于生產(chǎn)企業(yè)的供應(yīng)鏈系統(tǒng) 設(shè)計(jì)者。本方法可以為生產(chǎn)企業(yè)的供應(yīng)鏈系統(tǒng)設(shè)計(jì)者提供決策支持依據(jù)。供應(yīng)鏈系統(tǒng)的設(shè)計(jì)者，可以根據(jù)自身供應(yīng)鏈的產(chǎn)品特點(diǎn)，進(jìn)行顧客缺貨反應(yīng)進(jìn)行調(diào)研，根據(jù)調(diào)研結(jié)果，應(yīng)用本方法，通過(guò)仿真實(shí)驗(yàn)，診斷該產(chǎn)品缺貨時(shí)，顧客的購(gòu)買行為將對(duì)供應(yīng)鏈牛鞭效應(yīng)產(chǎn)生的影響，從而針對(duì)具體的產(chǎn)品類別，采用不同的供應(yīng)鏈管理方法。

通過(guò)基于Petri-net的仿真，我們?yōu)槎繙y(cè)量顧客缺貨反應(yīng)對(duì)牛鞭效應(yīng)的影響提供了基礎(chǔ)。本文的研究依然存在不少局限性。首先，研究假設(shè)模型中所有的企業(yè)都采用簡(jiǎn)單的時(shí)間序列預(yù)測(cè)模型，對(duì)不同的預(yù)測(cè)模型，如兩參數(shù)指數(shù)平滑法、三參數(shù)Winter’s模型等進(jìn)行比較分析可作為未來(lái)的一個(gè)研究方向。其次，我們不是在尋找零售商缺貨的原因，而在于將缺貨對(duì)缺貨品牌和競(jìng)爭(zhēng)品牌的影響進(jìn)行量化。有趣的是，Gruen等[11]認(rèn)為缺貨的原因有以下幾點(diǎn)：28%源于供應(yīng)鏈的上游(制造商)，25%是由于商店的庫(kù)存管理不當(dāng)，47%是由于商店的訂單與預(yù)測(cè)失誤。Musalem等[35]也討論了這類問(wèn)題。關(guān)注零售商的庫(kù)存管理系統(tǒng)，使在庫(kù)商品能夠及時(shí)上架，從而有效緩解牛鞭效應(yīng)將成為未來(lái)一個(gè)有意思的課題。

[1] Manning A. Supply chain disruptions plague most companies [J]. Modern Materials Handling, 2008, August 27.

[2] Hendricks K, Singhal V.The effect of supply chain glitches on shareholder wealth [J].Journal of Operations Management, 2003, 21(5): 501-522.

[3] Kleindorfer P，Saad G.Managing disruption risks in supply chains [J].Production and Operations Management, 2005, 14(1)：53-68.

[4] Stauffer D.Risk: The weak link in your supply chain [J].Harvard Management Update, 2003, 8(3): 3-5.

[5] Tang C S. Perspectives in supply chain risk management [J].International Journal of Production Economics, 2006, 103(2)： 451-488.

[6] Heckmann I, Comes T， Nickel S.A critical review on supply chain risk-Definition, measure and modeling[J]． Omega, 2015, 52(2): 119-132.

[7] Schary P, Christopher M. The anatomy of a stock-out [J].Journal of Retailing, 1979, 55(2): 59-67.

[8] Fitzsimons G J.Consumer response to stockouts [J].Journal of Consumer Research, 2000, 27(2): 249-266.

[9] Anderson E T, Fitzsimons G J，Simester D.Measuring and mitigating the costs of stockouts [J].Management Science, 2006, 52(11): 1751-1763.

[10] Dong Yan, Yao Yuliang, Xu Kefeng.Designing supply chain backorder contracts for customer retention[R]. Working Paper, the University of Texas at San Antonio, College of Business, 2008.

[11] Gruen T W, Corsten D S, Bharadwaj S. Retail out-of-stocks: A worldwide examination of causes, rates, and consumer responses[R/OL].Washington, DC: Grocery Manufacturers of America, 2002.

[12] Gruen T W, Corsten D S. A comprehensive guide to retail out-of-stock reduction in the fast-moving consumer goods industry[R]. Research Study. The Grocery Manufacturers Association (GMA), Food and Marketing Institute (FMI), National Association of Chain Drug Stores (NACDS), 2008.

[13] 林文進(jìn)，江志斌，李國(guó)威，等. 顧客行為和生產(chǎn)能力限制的牛鞭效應(yīng)分析[J]. 上海交通大學(xué)學(xué)報(bào)，2015,49(4):537-542.

[14] Iakovou E, Vlachos D, Xanthopoulos A. An analytical methodological framework for the optimal design of resilient supply chains [J].International Journal of Logistics Economics and Globalisation, 2007, 1(1): 1-20.

[15] Sheffi Y. The resilient enterprise: Overcoming vulnerability for competitive advantage[M]. Cambridge, MA: MIT Press, 2005.

[16] Reichart A, Holweg M. Creating the customer-responsive supply chain: A reconciliation of concepts [J]. International Journal of Operations & Production Management, 2007, 27(11): 1144-1172.

[17] 李翀, 劉思峰, 方志耕, 等. 供應(yīng)鏈網(wǎng)絡(luò)系統(tǒng)的牛鞭效應(yīng)時(shí)滯因素分析與庫(kù)存控制策略研究[J]. 中國(guó)管理科學(xué), 2013, 21(2): 107-113.

[18] Chatfield D, Pritchard A.Returns and the bullwhip effect [J]. Transportation Research Part E:Logistics and Transportation Review, 2013, 49(1): 159-175.

[19] Sterman J. Modeling managerial behavior: Misperceptions of feedback in a dynamic decision-making experiment [J].Management Science, 1989, 35(3): 321-339.

[20] Lee H L, Padmanabhan V, Whang S. Information distortion in a supply chain: The bullwhip effect [J].Management Science, 1997, 43(4): 546-558.

[21] Chen F, Drezner Z, Ryan J K, et al.Quantifying the bullwhip effect in a simple supply chain: The impact of forecasting, lead times, and information [J].Management Science, 2000, 46(3): 436-443.

[22] Azoury K S.Bayes solution to dynamic inventory models under unknown demand distribution [J], Management Science, 1985,31(9): 1150-1160.

[23] Kahn J A.Inventories and the volatility of production [J], American Economic Review,1987, 77(4) :667-679.

[24] Miller B. Scarf's state reduction method, flexibility, and a dependent demand inventory model [J], Operation Research, 1986,34(1):83-90.

[25] 李剛, 汪壽陽(yáng), 于剛,等, 牛鞭效應(yīng)與生產(chǎn)平滑問(wèn)題有效性模型[J]. 管理科學(xué)學(xué)報(bào), 2004, 7(1): 1-18.

[26] Zhang Xiading, Lu Qiang, Wu T.Petri-net based applications for supply chain management: An overview [J].International Journal of Production Research, 2011, 49(13): 3939-3961.

[27] 韓文民, 袁麗麗, 葉濤鋒, 基于隨機(jī)Petri網(wǎng)的生產(chǎn)提前期牛鞭效應(yīng)測(cè)度研究[J]. 中國(guó)管理科學(xué),2011, 19(2): 116-124.

[28] Wan Xiang, Evers P T.Supply chain networks with multiple retailers: A test of the emerging theory on inventories, stockouts, and bullwhips [J].Journal of Business Logistics, 2011, 32(1): 27-39.

[29] Chatfield D C, Kim J G, Harrison T P, et al. The bullwhip effect——impact of stochastic lead time, information quality, and information sharing: A simulation study [J]. Production and Operations Management, 2004, 13(4): 340-353.

[30] Lee H L, Padmanabhan V, Whang S.Comments on ‘information distortion in a supply chain: The bullwhip effect’ [J].Management Science, 2004, 50(12): 1887-1893.

[31] Wright D, Yuan Xin.Mitigating the bullwhip effect by ordering policies and forecasting methods [J].Internationl Journal of Production Economics, 2008, 113(2): 587-597.

[32] Jing Xiaoqing, Lewis M. Stockouts in online retailing [J].Journal of Marketing Research, 2011, 48(2): 342-354.

[33] Martha J, Subbakrishna S.Targeting a just-in-case supply chain for the inevitable next disaster [J].Supply Chain Management Review, 2002, 6(5):18-23.

[34] Zinn W, Liu P C. Consumer response to retail stock-outs [J].Journal of Business Logistics, 2001, 22(1): 49-71.

[35] Musalem A, Olivares M, Bradlow E, T et al. Structural estimation of the effect of out-of-stocks [J].Management Science, 2010, 56(7): 1180-1197.

Impact of Customer Response to Stock-out on Bullwhip Effect:Under Supply Chain Disruption

ZHANG Xiao-ling1, LU Qiang2

(1. Shenzhen Institute of Information Technology, Shenzhen 518172, China;2.Harbin Institute of Technology, Shenzhen Graduate School, Shenzhen 518055, China)

Effective supply chain management is a critical capability to fulfill consumer demand. Since the ultimate goal of a performing supply network is to deliver products/services to the end customers, customer response to stock-out (a post-disruption event) should be an important variable. Incorporating the purchasing behavior into the supply network analysis to "bridge" customer responses to stock-out (a marketing phenomenon) and bullwhip effect (a supply chain phenomenon) requires more quantitative modeling, which is currently absent. Indeed, most supply chain modeling takes the end customer as a passive recipient of products/services provided by upstream elements and treats any unfilled orders as backlog. However, with more competitive worldwide sourcing, consumers increasingly shop at alternative outlets to find the items they need, which has significant impact on the supply chain dynamics of stock-out brand and competing brand, and even the overall supply network. In this paper, responses from different customers experiencing stock-out is modelled to effectively identify supply chain mitigation strategies.In this research, a high-level Petri-net is developed to model a supply network with two brands of product and two stores, and five types of customer stock-out responses from marketing literature are identified. In the first experiment, the responses are incorporated in the model to quantitatively assess the correlation between customer response and bullwhip effect of both the stock-out brand and the competing brand. In the second experiment, the data from a marketing research of P&G Company is applied to analysis the impact of stock-out intensity on bullwhip effect of 5 specific product categories, which presented 5 different customer response compositions.Based on the ANOVA analysis of the experiment results, some managerial relevance statements are provided for both the stock-out brand and competing brand. (1) For the stock-out brand, it's suggested that managers should a) focus on customers who prefer to switch store or delay purchase; and b) work together with their retailers to develop customers’ store loyalty and encourage customers to substitute within the same brand in a different size. (2) For the competing brand, the manufacturer and its retailers should make great effort to distinguish the demand switched from the stock-out brand from the real demand and grab the opportunity to develop more loyalty customers. (3) Implication to managers for both the stock-out brand and the competing brand is that the incentive to customer behavior should vary with market share and stock-out duration in order to mitigate the bullwhip effect.Through linking supply chain dynamics to customer purchase behaviors based on simulation technology, the impact of stock-out disruption is quantified from the viewpoint of customer behavior for improving supply chain efficiency. We expect that this paper can provide the foundation for a future stream of research for studying the complex topic of disruption stock-out risk in a supply chain by taking into consideration of customer behaviors from marketing perspective.

supply chain disruption; customer purchase behavior; bullwhip effect; Petri-net

1003-207(2016)07-0054-09

10.16381/j.cnki.issn1003-207x.2016.07.007

2014-12-26；

2015-12-06

國(guó)家自然科學(xué)基金資助項(xiàng)目(71171064)

張小玲(1982-)，女(漢族)，福建人， 深圳信息職業(yè)技術(shù)學(xué)院講師，研究方向：供應(yīng)鏈管理,E-mail:190836773@qq.com.

F252

A