摘 要：經(jīng)濟(jì)全球化進(jìn)程的加快促使新經(jīng)濟(jì)時(shí)代下的市場競爭轉(zhuǎn)變?yōu)楣?yīng)鏈之間的整體競爭。需求成為供應(yīng)鏈的起點(diǎn)和動(dòng)力源泉，實(shí)時(shí)、精準(zhǔn)的需求預(yù)測和供應(yīng)鏈內(nèi)部企業(yè)的高效協(xié)同成為供應(yīng)鏈管理模式下的兩個(gè)重要問題?；ヂ?lián)網(wǎng)的快速深入發(fā)展使大數(shù)據(jù)成為一種戰(zhàn)略資源，也使捕獲多源用戶行為數(shù)據(jù)成為可能，有利于供應(yīng)鏈內(nèi)部企業(yè)合理調(diào)整計(jì)劃，也帶了數(shù)據(jù)選擇和融合的挑戰(zhàn)。本文提出一種基于多源數(shù)據(jù)信息的供應(yīng)鏈協(xié)同需求預(yù)測框架，該框架以多源數(shù)據(jù)信息的集成共享為基礎(chǔ)，其模型庫采用因素選擇因素指標(biāo)，通過灰色馬爾科夫和BP神經(jīng)網(wǎng)絡(luò)的組合供應(yīng)鏈協(xié)同預(yù)測，以弱化供應(yīng)鏈環(huán)境下的牛鞭效應(yīng)問題。

關(guān)鍵字：牛鞭效應(yīng)；多源數(shù)據(jù)；供應(yīng)鏈協(xié)同預(yù)測；組合預(yù)測

1 引言

全球化進(jìn)程的加快和市場需求的多變性周期變短促使新經(jīng)濟(jì)出現(xiàn)。在新經(jīng)濟(jì)時(shí)代，市場競爭已經(jīng)轉(zhuǎn)變?yōu)楣?yīng)鏈與供應(yīng)鏈之間的競爭，需求已經(jīng)成為供應(yīng)鏈的起點(diǎn)和動(dòng)力源泉。因此，對多變的需求進(jìn)行預(yù)測已經(jīng)成為重要問題，實(shí)時(shí)、精準(zhǔn)的需求預(yù)測也成為非常熱門的研究方向。張文惠[1]總結(jié)了供應(yīng)鏈需求預(yù)測和牛鞭效應(yīng)定量研究的方法，驗(yàn)證了基于一次平滑的需求預(yù)測方法下的牛鞭效應(yīng)，得出需求預(yù)測方法對牛鞭效應(yīng)有重要影響。高軍鋒[2]基于某天然氣公司的需求歷史數(shù)據(jù)，將離散灰色系統(tǒng)模型與神經(jīng)網(wǎng)絡(luò)模型相結(jié)合，進(jìn)行需求預(yù)測研究。

傳統(tǒng)模式下，消費(fèi)者在進(jìn)行購買決策過程中主要通過自身經(jīng)驗(yàn)、向親朋好友打聽等方式進(jìn)行。這也使得很多需求預(yù)測方法大都以歷史數(shù)據(jù)為基礎(chǔ)，不能實(shí)時(shí)捕獲用戶多變的需求，導(dǎo)致需求預(yù)測準(zhǔn)確率和實(shí)效降低。互聯(lián)網(wǎng)的快速發(fā)展使消費(fèi)者可以很方便地在網(wǎng)上進(jìn)行信息搜索、社交咨詢等購前調(diào)研行為，也使得捕獲跨平臺的多源數(shù)據(jù)進(jìn)行分析與預(yù)測成為可能。Ginsberg等[3]首次通過分析大量的Google搜索請求研究了流行感冒病癥的發(fā)展軌跡，稱某些搜索請求的相對頻率與帶有流感癥狀的病人接診比例相關(guān)，能夠準(zhǔn)確估計(jì)美國各地區(qū)每周的流感的活動(dòng)情況。賈建民等[4]也提出網(wǎng)絡(luò)搜索行為是一個(gè)衡量消費(fèi)者購買意愿的指標(biāo)，能夠用于購買行為的預(yù)測。這些說明基于網(wǎng)上行為數(shù)據(jù)可以把握消費(fèi)者需求現(xiàn)狀和變化軌跡，對其進(jìn)行合理的挖掘分析，可以更好地服務(wù)用戶。

供應(yīng)鏈?zhǔn)菄@核心企業(yè)，通過對信息流、物流、資金流的控制，從采購原材料開始，制成中間產(chǎn)品以及最終產(chǎn)品，最后由銷售網(wǎng)絡(luò)把產(chǎn)品送到消費(fèi)者手中的將供應(yīng)商、制造商、分銷商、直到最終用戶連成一個(gè)整體的功能網(wǎng)鏈結(jié)構(gòu)模式[5]。供應(yīng)鏈管理的核心是以客戶的需求為前提，通過供應(yīng)鏈內(nèi)各企業(yè)間的緊密合作，有效地為客戶創(chuàng)造更多附加價(jià)值[6]。因此，圍繞供應(yīng)鏈管理模式進(jìn)行的牛鞭效應(yīng)、需求預(yù)測和供應(yīng)鏈協(xié)同等方面的研究成果也很多。彭志忠[7]指出市場預(yù)測是供應(yīng)鏈管理中具有戰(zhàn)略性和規(guī)劃性的問題，建立了基于協(xié)作計(jì)劃預(yù)測預(yù)測（CPFR）數(shù)據(jù)庫的供應(yīng)鏈需求預(yù)測的流程框架，并在此基礎(chǔ)上提出基于BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)鏈需求預(yù)測模型。張志清[8]以牛鞭效應(yīng)的存在對企業(yè)和社會資源造成浪費(fèi)為起點(diǎn)，針對如何進(jìn)行高質(zhì)量的需求預(yù)測問題，構(gòu)建了供應(yīng)鏈協(xié)同需求預(yù)測的基本理論和模型，并對供應(yīng)鏈需求預(yù)測的信息協(xié)同和方法進(jìn)行了研究，探討了供應(yīng)鏈需求預(yù)測的組織協(xié)同和流程協(xié)同問題。

綜合以上對目前多源數(shù)據(jù)應(yīng)用、供應(yīng)鏈管理和需求預(yù)測等成果的分析。為弱化供應(yīng)鏈中的牛鞭效應(yīng)的影響，提高整體服務(wù)效率，本文針對供應(yīng)鏈管理模式下的協(xié)同需求預(yù)測問題，提出一種以多源信息共享為基礎(chǔ)的供應(yīng)鏈協(xié)同預(yù)測框架，不僅以多源數(shù)據(jù)信息的集成共享為基礎(chǔ)，對框架中調(diào)用的模型庫采用因素選擇因素指標(biāo)，通過灰色馬爾科夫和BP神經(jīng)網(wǎng)絡(luò)的組合供應(yīng)鏈協(xié)同預(yù)測。

2 牛鞭效應(yīng)成因與供應(yīng)鏈協(xié)同問題分析

2.1 牛鞭效應(yīng)成因分析

在新經(jīng)濟(jì)時(shí)代，為了更好地協(xié)作分工，高效滿足用戶需求，降低成本，相關(guān)行業(yè)的企業(yè)與企業(yè)之間組成了供應(yīng)鏈結(jié)構(gòu)。整個(gè)供應(yīng)鏈成為一個(gè)體系，其中的企業(yè)大都是獨(dú)立的經(jīng)營體，有著不同的目標(biāo)市場、技術(shù)與運(yùn)作水平。因此，這些或多或少會加大供應(yīng)鏈在運(yùn)作過程中的不確定性，供應(yīng)鏈管理也變得比較特殊。

牛鞭效應(yīng)也就是需求放大效應(yīng)，即供應(yīng)鏈中的企業(yè)節(jié)點(diǎn)如果只根據(jù)下游需求信息進(jìn)行生產(chǎn)和供應(yīng)決策，需求信息的扭曲在傳遞的過程中每經(jīng)過一層企業(yè)節(jié)點(diǎn)會逐級放大，最終獲取的需求信息與真實(shí)的用戶需求信息之間也就出現(xiàn)很大偏差。所以，對牛鞭效應(yīng)的成因進(jìn)行分析有助于深層次理解供應(yīng)鏈，從而找到弱化牛鞭效應(yīng)的方法，提高供應(yīng)鏈整體效率，降低整體供應(yīng)成本。

Lee等[9]將牛鞭效應(yīng)產(chǎn)生的主要成因總結(jié)為：需求預(yù)測更新、批量訂貨決策、價(jià)格波動(dòng)和短期博弈。但是，進(jìn)一步探究可以發(fā)現(xiàn)，牛鞭效應(yīng)存在的深層次原因在于需求信息在傳遞過程中每經(jīng)過一層供應(yīng)鏈企業(yè)節(jié)點(diǎn)，需求信息波動(dòng)就會放大，這種波動(dòng)其實(shí)是供應(yīng)鏈中的內(nèi)部企業(yè)從自身考慮出發(fā)，為了應(yīng)付供應(yīng)鏈的不確定性而導(dǎo)致的結(jié)果。另外，需求之所以存在不確定性，是因?yàn)槠湎嚓P(guān)影響因素多變，而供應(yīng)鏈中廣泛存在信息傳遞的停滯。供應(yīng)鏈中的不確定性可以歸結(jié)為：

（1）供應(yīng)鏈中的企業(yè)之間銜接不確定性大，即企業(yè)之間的信息共享程度低，信息在傳遞過程中容易失真。

（2）供應(yīng)鏈中的企業(yè)運(yùn)作不確定性大，即各職責(zé)部門之間和企業(yè)之間的溝通協(xié)調(diào)起來不便，沒有從全局對運(yùn)作進(jìn)行協(xié)同控制。

由此可知，供應(yīng)鏈中的不確定性原因集中在信息共享程度較低，其中的企業(yè)協(xié)同率不高。因此，弱化牛鞭效應(yīng)的有效方法為：實(shí)現(xiàn)信息資源的集中共享，基于多源的共享數(shù)據(jù)信息，進(jìn)一步加強(qiáng)供應(yīng)鏈協(xié)同運(yùn)作。

Simchi-Levi等[10]通過對比分析集中需求信息和分散需求信息兩種情況下供應(yīng)鏈第K階段發(fā)出訂單的方差驗(yàn)證了信息資源的集中共享可以弱化牛鞭效應(yīng)。其模型公式對比過程如下：

其中，表示訂單觀察值個(gè)數(shù)；表示零售商，分銷商，制造商和供應(yīng)商等供應(yīng)鏈的不同階段；表示第階段與第階段的提前期；表示供應(yīng)鏈中第階段發(fā)出訂單的方差；表示顧客需求的方差。

上述兩式分別表示集中共享需求信息和分散需求信息的供應(yīng)鏈中第階段發(fā)出訂單的方差相對于顧客需求的方差。通過分析可知，牛鞭效應(yīng)在供應(yīng)鏈中是一直存在的，只能弱化，很難完全消除。另外，在集中共享需求信息的供應(yīng)鏈結(jié)構(gòu)中訂單方差以累加和的方式增加，而在分散式需求信息的供應(yīng)鏈結(jié)構(gòu)中訂單的方差以積的方式增加。由此可以知曉實(shí)現(xiàn)信息資源的集中共享，有助于弱化牛鞭效應(yīng)。

2.2 供應(yīng)鏈協(xié)同問題分析

供應(yīng)鏈協(xié)同立足其內(nèi)部企業(yè)作為合作伙伴的協(xié)同工作，是比供應(yīng)鏈數(shù)據(jù)信息共享和集成更高層次的階段。在這一階段，供應(yīng)鏈中的企業(yè)在共享需求信息、庫存信息、銷售信息等業(yè)務(wù)信息的基礎(chǔ)上，根據(jù)外界需求和環(huán)境的變化實(shí)時(shí)調(diào)整計(jì)劃，提供服務(wù)，滿足用戶需求。供應(yīng)鏈協(xié)同按照層次劃分可以分為戰(zhàn)略協(xié)同、技術(shù)協(xié)同和業(yè)務(wù)協(xié)同。具體如下：

1）戰(zhàn)略協(xié)同。處于指導(dǎo)整個(gè)供應(yīng)鏈高效運(yùn)作的協(xié)同層次，主要包括供應(yīng)鏈競爭戰(zhàn)略與運(yùn)作戰(zhàn)略協(xié)同，以及供應(yīng)鏈節(jié)點(diǎn)企業(yè)的內(nèi)部戰(zhàn)略與其他企業(yè)節(jié)點(diǎn)的戰(zhàn)略協(xié)同。在這個(gè)層次上，由于信息較少，主要靠經(jīng)驗(yàn)與分析，以及對外界環(huán)境發(fā)展趨勢的掌握。

2）技術(shù)協(xié)同。處于戰(zhàn)術(shù)和操作層面的供應(yīng)鏈協(xié)同，即供應(yīng)鏈企業(yè)節(jié)點(diǎn)基于信息共享，以支持其他企業(yè)節(jié)點(diǎn)掌握信息，合理安排庫存、銷售等計(jì)劃工作。在這個(gè)層次上，主要是以信息資源的集成共享為基礎(chǔ)實(shí)現(xiàn)供應(yīng)鏈的同步運(yùn)作和信息協(xié)同。

3）業(yè)務(wù)協(xié)同。處于具體業(yè)務(wù)運(yùn)作層面的供應(yīng)鏈協(xié)同，可以是供應(yīng)鏈企業(yè)內(nèi)部的業(yè)務(wù)協(xié)同，也可以是供應(yīng)鏈企業(yè)節(jié)點(diǎn)間的業(yè)務(wù)協(xié)同，涉及的業(yè)務(wù)主要包括：采購、庫存、需求預(yù)測等。

由此可知，做到供應(yīng)鏈協(xié)同狀態(tài)有兩個(gè)關(guān)鍵之處。第一是從簡單的信息共享技術(shù)層面出發(fā)，到構(gòu)建成真正的供應(yīng)鏈合作伙伴關(guān)系；第二是業(yè)務(wù)協(xié)同程度由基礎(chǔ)業(yè)務(wù)慢慢加深擴(kuò)展，形成自定而下的各層次協(xié)同。鑒于需求預(yù)測是供應(yīng)鏈的起點(diǎn)和源泉，能幫助供應(yīng)鏈中企業(yè)合作伙伴合理安排生產(chǎn)、庫存、銷售等資源的配置，本文針對以多源共享的數(shù)據(jù)信息為基礎(chǔ)，對供應(yīng)鏈協(xié)同需求預(yù)測業(yè)務(wù)進(jìn)行研究，來探究如何進(jìn)一步弱化牛鞭效應(yīng)對供應(yīng)鏈的影響。

3 基于多源數(shù)據(jù)的供應(yīng)鏈協(xié)同預(yù)測框架

3.1 供應(yīng)鏈協(xié)同預(yù)測多源數(shù)據(jù)信息

本文提出的供應(yīng)鏈協(xié)同需求預(yù)測以供應(yīng)鏈中企業(yè)合作伙伴的信息、競爭對手信息、環(huán)境政策等信息以及與消費(fèi)者網(wǎng)上行為相關(guān)的多源信息融合為基礎(chǔ)，借助需求預(yù)測技術(shù)與方法和供應(yīng)鏈多個(gè)企業(yè)之間協(xié)同進(jìn)行需求預(yù)測。多源的數(shù)據(jù)信息是基礎(chǔ)必備條件，具體如下：

1）供應(yīng)鏈企業(yè)合作的多源數(shù)據(jù)信息，即來自供應(yīng)鏈中不同的企業(yè)節(jié)點(diǎn)的多方面數(shù)據(jù)信息，主要包括零售商的POS數(shù)據(jù)和促銷計(jì)劃等信息，制造商的產(chǎn)品信息，以及新產(chǎn)品或產(chǎn)品變更等信息，供應(yīng)商的材料資源信息，庫存等信息。

2）競爭對手的多源數(shù)據(jù)信息，即來自行業(yè)其他供應(yīng)鏈對手或企業(yè)的相關(guān)數(shù)據(jù)信息，主要包括競爭對手的相關(guān)產(chǎn)品，服務(wù)信息，競爭戰(zhàn)略等信息。

3）環(huán)境政策的多源數(shù)據(jù)信息，即來自與行業(yè)相關(guān)的宏觀環(huán)境形勢或政府公布的相關(guān)政策信息，主要包括市場信息、政策信息，宏觀經(jīng)濟(jì)等相關(guān)信息。

4）消費(fèi)者網(wǎng)上行為相關(guān)的多源數(shù)據(jù)信息，主要包括網(wǎng)上搜索數(shù)據(jù)，行業(yè)社交論壇等數(shù)據(jù)信息。

針對上述幾方面多源數(shù)據(jù)的獲取，則需要根據(jù)不同的數(shù)據(jù)信息采用不同的搜集方式，從而建立集成數(shù)據(jù)信息共享庫。供應(yīng)鏈中企業(yè)節(jié)點(diǎn)數(shù)據(jù)的獲取則需要其中的企業(yè)合作伙伴們進(jìn)行信息共享和系統(tǒng)集成；競爭對手的多源數(shù)據(jù)獲取則只能根據(jù)其公開的相關(guān)數(shù)據(jù)，以及對競爭對手在行業(yè)進(jìn)行相關(guān)的戰(zhàn)略措施等信息，獲取后對數(shù)據(jù)信息進(jìn)行篩選、標(biāo)注、分類；環(huán)境政策的多源數(shù)據(jù)信息的獲取可以通過爬取與行業(yè)相關(guān)的需求，銷量和產(chǎn)品信息，以及政府公布的相關(guān)政策信息和宏觀經(jīng)濟(jì)等相關(guān)信息；消費(fèi)者網(wǎng)上行為數(shù)據(jù)的獲取百度搜索指數(shù)或谷歌搜索指數(shù)來代表網(wǎng)絡(luò)搜索因素，以及行業(yè)社交論壇數(shù)據(jù)。

綜合上述分析可知，基于以上多源數(shù)據(jù)，對分散的供應(yīng)鏈信息進(jìn)行共享和集成，改善供應(yīng)鏈結(jié)構(gòu)，然后結(jié)合需求預(yù)測方法，進(jìn)行供應(yīng)鏈協(xié)同預(yù)測，更好地弱化牛鞭效應(yīng)給供應(yīng)鏈帶來的負(fù)面影響，最終提高供應(yīng)鏈整體服務(wù)用戶的效率。

3.2 供應(yīng)鏈協(xié)同預(yù)測框架

（1）供應(yīng)鏈協(xié)同預(yù)測框架運(yùn)作流程

基于上文對牛鞭效應(yīng)成因和供應(yīng)鏈協(xié)同問題的分析，以及對供應(yīng)鏈協(xié)同預(yù)測所需多源數(shù)據(jù)信息的列舉分析，為了使供應(yīng)鏈中的企業(yè)合作伙伴達(dá)到更好的供應(yīng)鏈協(xié)同效果。本文提出了一種基于多源數(shù)據(jù)信息的供應(yīng)鏈協(xié)同預(yù)測框架，該框架具體流程如圖3-1所示：

對圖3-1的協(xié)同預(yù)測框架流程進(jìn)行梳理可知，本文提出的供應(yīng)鏈協(xié)同預(yù)測框架主要流程過程如下：

1）基于多種渠道和技術(shù)獲取相關(guān)多源數(shù)據(jù)信息，即從供應(yīng)鏈中包括零售商、制造商、供應(yīng)商的合作伙伴，競爭對手，環(huán)境及政策以及消費(fèi)者用戶留在網(wǎng)上的行為數(shù)據(jù)相關(guān)數(shù)據(jù)。這些數(shù)據(jù)不僅來自多個(gè)渠道，而且大都是跨平臺的多源大數(shù)據(jù)，其數(shù)據(jù)信息的存在形式是復(fù)雜多樣的。

2）信息篩選和評估，將搜集到的多源數(shù)據(jù)進(jìn)行必要的甄別和篩選。

3）將篩選評估后的數(shù)據(jù)和信息進(jìn)行對應(yīng)的預(yù)處理和標(biāo)準(zhǔn)化，對于復(fù)雜數(shù)據(jù)則需要進(jìn)行基于語義的相關(guān)處理，使數(shù)據(jù)形成統(tǒng)一的形式，并將其存入供應(yīng)鏈協(xié)同預(yù)測數(shù)據(jù)庫。

4）調(diào)用模型庫中因素選擇模型，對多源數(shù)據(jù)指標(biāo)進(jìn)行分析與選擇，對于對最終協(xié)同需求預(yù)測關(guān)聯(lián)度較小的數(shù)據(jù)指標(biāo)，在模型修正的時(shí)候可以不予考慮。

5）調(diào)用模型庫中的模型方法，分別使用灰色馬爾科夫和BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測方法，從時(shí)間序列和多種影響因素兩方面進(jìn)行預(yù)測，然后基于時(shí)間序列和多因素進(jìn)行供應(yīng)鏈協(xié)同組合預(yù)測。

6）由供應(yīng)鏈中多個(gè)企業(yè)合作伙伴組成的協(xié)同需求預(yù)測小組對協(xié)同預(yù)測結(jié)果進(jìn)行分析，對不同模型方法進(jìn)行對比分析，判定預(yù)測結(jié)果的合理性是否達(dá)標(biāo)。如果協(xié)同預(yù)測結(jié)果的合理性達(dá)標(biāo)，則根據(jù)需求預(yù)測結(jié)果進(jìn)行生產(chǎn)與需求計(jì)劃。如果協(xié)同預(yù)測結(jié)果的合理性不達(dá)標(biāo)，則會從數(shù)據(jù)指標(biāo)，需求預(yù)測方法出發(fā)，以及參考零售商等企業(yè)的意見，進(jìn)行必要的修正。另外，如果感應(yīng)到外界環(huán)境及政策，競爭對手和消費(fèi)者偏好趨勢方面的變化，將會把協(xié)同預(yù)測的結(jié)果反饋到上層協(xié)同需求預(yù)測模型，進(jìn)行必要的修正，以此來保證供應(yīng)鏈中的企業(yè)合作伙伴能協(xié)同地根據(jù)外界變化進(jìn)行相應(yīng)的調(diào)整。

對以上提出的供應(yīng)鏈協(xié)同預(yù)測框架及其主要流程步驟的梳理分析可知，該框架具有如下特征：

1）基于多源的數(shù)據(jù)信息進(jìn)行協(xié)同預(yù)測，預(yù)測的信息來源具有多源和多向性，涵蓋了供應(yīng)鏈中的企業(yè)節(jié)點(diǎn)，市場政策，以及消費(fèi)者用戶的網(wǎng)上行為數(shù)據(jù)信息。

2）充分利用了信息融合技術(shù)，數(shù)據(jù)挖掘和數(shù)據(jù)庫以及數(shù)據(jù)倉庫技術(shù)的思想，在供應(yīng)鏈的多個(gè)層次進(jìn)行有效協(xié)同。

3）組合預(yù)測方法兼顧了時(shí)間序列和多種影響因素，BP神經(jīng)網(wǎng)絡(luò)又具有自學(xué)習(xí)特點(diǎn)，因此，這樣的組合策略可以提高提高協(xié)同預(yù)測精度。

4）預(yù)測結(jié)果的評價(jià)，由于對不同的協(xié)同預(yù)測結(jié)果進(jìn)行對比協(xié)調(diào)，由來自供應(yīng)鏈中不同企業(yè)合作伙伴組成的評定小組聯(lián)合確定最后的預(yù)測量，這樣有助于更好的預(yù)測結(jié)果被采納。

5）在協(xié)同預(yù)測結(jié)果通過合理性檢驗(yàn)后，將預(yù)測直接轉(zhuǎn)化為生產(chǎn)與需求計(jì)劃，兼顧了流程的完整與實(shí)用性。

（2）供應(yīng)鏈協(xié)同框架層次架構(gòu)

根據(jù)上述對協(xié)同框架流程特點(diǎn)和模型庫方法建模的分析，可知基于多源數(shù)據(jù)的供應(yīng)鏈協(xié)同預(yù)測框架需要兼顧數(shù)據(jù)層、方法處理層和應(yīng)用層三個(gè)方面。因此，從三個(gè)層次的角度來看，本文提出的基于多源數(shù)據(jù)信息的協(xié)同預(yù)測框架具體如圖3-2所示：

對圖3-2中的協(xié)同預(yù)測框架層次圖進(jìn)行梳理分析可知：

1）數(shù)據(jù)層主要用來存儲與協(xié)同預(yù)測相關(guān)多源的數(shù)據(jù)信息，信息主要來自供應(yīng)鏈中的不同企業(yè)合作伙伴、競爭環(huán)境與消費(fèi)用戶，并存儲了一些必要的知識庫和知識倉庫，以及方法、規(guī)則庫。

2）在數(shù)據(jù)層與方法處理層之間構(gòu)建了一層數(shù)據(jù)和知識管理層，用來銜接數(shù)據(jù)層和方法處理層，使得方法處理時(shí)可以訪問相關(guān)數(shù)據(jù)，處理后的結(jié)果可以進(jìn)行有效存儲。

3）方法處理層主要一部分用來處理多源數(shù)據(jù)信息的挖掘、清洗、評價(jià)與統(tǒng)一表示，負(fù)責(zé)將標(biāo)準(zhǔn)化的數(shù)據(jù)存儲到數(shù)據(jù)層；另一部分用來進(jìn)行供應(yīng)鏈協(xié)同預(yù)測，協(xié)同預(yù)測模塊中主要由問題分析模塊和模型方法調(diào)用與管理模塊，以及預(yù)測調(diào)用模塊組成。

4）方法處理層以上的均可稱為應(yīng)用層，主要通過應(yīng)用層接口銜接供應(yīng)鏈中的各個(gè)協(xié)同企業(yè)主體的管理應(yīng)用系統(tǒng)，從而保證可以從供應(yīng)鏈中的企業(yè)合作伙伴，競爭環(huán)境以及消費(fèi)者留下的網(wǎng)上行為等系統(tǒng)平臺上搜集獲取多源數(shù)據(jù)。

綜合上述內(nèi)容分析可知，本文提出的基于多源數(shù)據(jù)的供應(yīng)鏈協(xié)同預(yù)測框架，不僅兼顧了框架在流程上的運(yùn)作分析，模型庫需求預(yù)測方法建模過程，還給出了基于分層次的框架分析。通過分析基于多源數(shù)據(jù)的供應(yīng)鏈協(xié)同預(yù)測框架可知，該框架不僅做到了基于集中式的信息共享改善供應(yīng)鏈信息流結(jié)構(gòu)，還基于框架運(yùn)作更好地控制了供應(yīng)鏈中的企業(yè)合作伙伴，使其更好地進(jìn)行供應(yīng)鏈協(xié)同預(yù)測，在實(shí)踐中對于弱化牛鞭效應(yīng)的影響有一定的優(yōu)勢與參考價(jià)值。

3.3 供應(yīng)鏈協(xié)同預(yù)測框架模型庫方法

如上述框架圖中所示，本文提出的供應(yīng)鏈協(xié)同預(yù)測框架模型方法基于多源數(shù)據(jù)，首先通過因素選擇模型分析選擇出關(guān)聯(lián)性強(qiáng)的的數(shù)據(jù)因素指標(biāo)作為模型的輸入。由于灰色馬爾科夫基于時(shí)間序列進(jìn)行預(yù)測，而BP神經(jīng)網(wǎng)絡(luò)可以基于多種關(guān)聯(lián)影響因素來進(jìn)行預(yù)測，因此，采用灰色馬爾科夫和神經(jīng)網(wǎng)絡(luò)預(yù)測方法進(jìn)行組合預(yù)測，綜合考慮時(shí)間序列和多源數(shù)據(jù)影響因素進(jìn)行預(yù)測。整體思路如圖3-3：

（1）因素選擇模型

需求具有一定的偶然性和模糊性，從系統(tǒng)角度來看存在著確定性因素和未知因素，可以認(rèn)為是灰色系統(tǒng)。因此，本文基于灰色理論構(gòu)建因素選擇模型，其主要步驟如下：

10）利用轉(zhuǎn)移矩陣進(jìn)行出狀態(tài)轉(zhuǎn)移，根據(jù)轉(zhuǎn)移概率計(jì)算出修正值，即作為灰色馬爾科夫模型最終預(yù)測值。

BP神經(jīng)網(wǎng)絡(luò)，即多層前饋式誤差反向神經(jīng)網(wǎng)絡(luò)，由一個(gè)輸入層、一個(gè)或多個(gè)隱層，以及一個(gè)輸出層構(gòu)成。每層都由若干神經(jīng)元組成。整個(gè)網(wǎng)絡(luò)的輸入對應(yīng)每個(gè)樣本數(shù)據(jù)的自變量屬性，通過輸入層加權(quán)后傳給各個(gè)隱層，最后一個(gè)隱層的加權(quán)輸出作為輸出層的輸入，最后，輸出層計(jì)算出關(guān)于給定樣本的網(wǎng)絡(luò)預(yù)測。BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建具體如下圖：

如圖3-4所示，模型方法包括正向傳播和反向誤差傳播過程。在正向傳播過程，多種數(shù)據(jù)因素代入輸入層，經(jīng)過隱層的非線性映射，輸出層計(jì)算出初步預(yù)測結(jié)果，然后對誤差進(jìn)行計(jì)算優(yōu)化權(quán)重，這樣反復(fù)迭代，直到學(xué)習(xí)訓(xùn)練出可以輸出接受誤差范圍的預(yù)測值。

綜上所述，將灰色馬爾科夫和BP神經(jīng)網(wǎng)絡(luò)預(yù)測出的預(yù)測值進(jìn)行組合預(yù)測，作為模型庫最終得到的供應(yīng)鏈協(xié)同預(yù)測結(jié)果。

4. 總結(jié)與展望

本文為弱化供應(yīng)鏈中的牛鞭效應(yīng)的影響，提高整體服務(wù)效率，提出一種以多源信息共享為基礎(chǔ)的供應(yīng)鏈協(xié)同預(yù)測框架。該框架不僅以多源數(shù)據(jù)信息的集成共享為基礎(chǔ)，對框架中調(diào)用的模型庫采用因素選擇因素指標(biāo)，通過灰色馬爾科夫和BP神經(jīng)網(wǎng)絡(luò)的組合供應(yīng)鏈協(xié)同預(yù)測，對弱化牛鞭效應(yīng)和供應(yīng)鏈協(xié)同需求預(yù)測具有一定的理論意義和實(shí)踐參考價(jià)值。本文模型庫中的組合預(yù)測方法雖然可行，還需要進(jìn)一步研究，對比論證。另外，本文因素選擇分析模型對數(shù)據(jù)選擇和融合有一定的實(shí)踐意義，可面對復(fù)雜多樣的多源數(shù)據(jù)，還需深入細(xì)化研究數(shù)據(jù)選擇和融合問題。

參考文獻(xiàn)

[1] 張文惠. 淺析供應(yīng)鏈需求預(yù)測與牛鞭效應(yīng)[J]. 當(dāng)代經(jīng)濟(jì)， 2009（22）：150-151.

[2] 高軍鋒. 灰色神經(jīng)網(wǎng)絡(luò)模型DGNNM（1，1）及其在供應(yīng)鏈需求預(yù)測中的應(yīng)用[J]. 科技、經(jīng)濟(jì)、市場， 2007（1）：34-35.

[3]Ginsberg J.， Mohebbi M. H.， Patel R. S.， et al. Detecting Influenza Epidemics Using Search Engine Query Data[J]. Nature， 2009， 457（7232）：1012-14.

[4]王煉， 寧一鑒， 賈建民. 基于網(wǎng)絡(luò)搜索的銷量與市場份額的預(yù)測：來自中國汽車市場的證據(jù)[J]. 管理工程學(xué)報(bào)， 2015， 29（4）：56-64.

[5] 陳志祥， 馬士華， 陳榮秋. 供應(yīng)鏈企業(yè)間的合作對策與委托實(shí)現(xiàn)機(jī)制問題[J]. 科研管理， 1999， 20（6）：98-102.

[6] Manthou V， Vlachopoulou M， Folinas D. Virtual e-Chain （VeC） model for supply chain collaboration[J]. International Journal of Production Economics， 2004， 87（3）：241-250.

[7] 彭志忠. 供應(yīng)鏈需求預(yù)測中的神經(jīng)網(wǎng)絡(luò)預(yù)測技術(shù)應(yīng)用分析[J]. 中國流通經(jīng)濟(jì)， 2007， 21（12）：16-18.

[8] 張志清. 面向不確定需求的供應(yīng)鏈協(xié)同需求預(yù)測研究[D]. 哈爾濱工業(yè)大學(xué)， 2010.

[9] Lee H L， Padmanabhan V， Whang S. Information Distortion in a Supply Chain： The Bullwhip Effect[J]. Management Science， 1997， 43（4）：546-558.

[10] 大衛(wèi)·辛奇-利維， 菲利普·卡明斯基， 伊迪斯·辛奇-利維，等. 供應(yīng)鏈設(shè)計(jì)與管理：概念、戰(zhàn)略與案例研究[M]. 中國人民大學(xué)出版社， 2010.

作者簡介

梁士全（1989-），男，河南商丘人， 碩士研究生，研究方向?yàn)槲锪飨到y(tǒng)設(shè)計(jì)與優(yōu)化。