MTS生产环境下供应链存货政策之分析.docx

MTS生產環境下供應鏈存貨政策之分析1MTS生產環境下供應鏈存貨政策之分析The Study of Supply Chain Inventory Strategy Under MTS Production Environment 陳銘崑* 鄭穎聰Ming-Kuen Chen* Andy Cheng*國立臺北科技大學商業自動化與管理研究所國立臺北科技大學生產系統工程與管理研究所摘要由於企業環境急速變動，業界及學界提出供應鏈管理之觀念與作法以因應之。供應鏈常受到生產策略及存貨政策之影響，以致常造成鏈上資訊扭曲，即稱為長鞭效應現象。長鞭效應現象之造成因素主要包括時間滯延、供應鏈階層數、存貨管理決策行為、批量生產及訂購、預測誤差、價格波動等；這些因素造成的結果都反映在供應鏈各階層的庫存量的變動上。本文旨在探討在MTS(Make-to-stock)生產環境下不同存貨政策，(s,S) 及VMI(Vendor Management Inventory)，對供應鏈長鞭效應之影響。文中針對供應鏈管理中長鞭效應現象，如波動最高點、波動最低點、上波動率、下波動率、波動幅度、及波動回穩時間作分析。本研究採用桌上型個人電腦產業為對象。文中首先以系統動態學建置MTS生產策略之模型；模型效度的檢定計分四項: 穩態測試、階梯測試、季節波動測試、及實際資料測試。之後，再以此模型模擬之。由研究結果發現：前置時間之長短與回穩時間及波動幅度有密切關係；此外，在終端銷售資訊共享之MTS環境需求突增之情況下，(s, S) 存貨政策之回穩時間比VMI政策短，但VMI之波動較(s, S) 政策低。關鍵詞：供應鏈管理、長鞭效應、系統動態學、MTS、VMI。投稿受理時間：90年10月18日審查通過時間：91年1月25日ABSTRACTSince the rapid change in industry environment, the academic and industry proposed the concept and procedure to solve the problems of supply chain management (SCM). SCM is often affected by the production and inventory strategy and it has the information distortion. This is called bullwhip effect. The major causes of bullwhip effect include time lag, supply chain level, inventory decision, batch production and order, forecast error, and price fluctuation. The results of these causes will response on the inventory of each level of supply chain. The purpose of this paper is to study the bullwhip effect influenced by two inventory strategies, (s,S) and Vendor Management Inventory (VMI), under MTS production environment. In this paper, the bullwhip effects, such as fluctuation uppermost point, fluctuation lowest point, fluctuation stable time, upstream demand enlarge ratio, total fluctuation stable time and total enlarge ratio, are analyzed. The system dynamic models of the MTS production strategy are constructed, and the inventory strategies are expressed by the model parameters. The system dynamic models are tested by steady state test, step test, seasonal fluctuation test, and real data test. Then, the simulation results are computed based on this model in order to find optimal policy combination. Based on the results of this research, we can find: The length of lead time, fluctuation stable time, and fluctuation amplitude have close relationship. Besides, Under MTS environment, for fluctuation stable time, (s,S) policy is shorter than VMI; but for fluctuation amplitude, VMI is smaller than (s,S) policy. Keywords: Supply Chain Management, Bullwhip Effect, System Dynamics, MTS, VMI.2248壹、研究動機由於消費者需求型態改變、企業產品相互競爭及科技進步發達，產品需求趨於多種少量、生命週期日短、訂單交期短促及採購與生產全球化。面臨對上述環境，企業如何從設計、採購、生產、配送到銷售，有效管理其資訊流、物流系統及改善供應鏈績效?富彈性化、反應快、低成本等將為企業必須著重努力的方向3。近年來，國內外業界及學界提出供應鏈管理(Supply Chain Management , SCM)之觀念及作法13，希望透過即時化生產系統、品質系統管理、策略聯盟及資訊系統等技術，將物流、資訊流、金流及商流予以整合，以因應新的消費型態需求。多數學者階段性提出使用JIT、通路整合、供應商整合及全球資訊運籌等，以因應需求型態的改變，其中全球各個人電腦廠商如Compaq、Dell與國內廠商如宏碁、神達等更實施全球運籌管理(Global Logistics) 以接單後生產方式整合其OEM/ODM供應廠商以快速反應顧客，減少成品庫存壓力。除外，政府單位如經濟部工業局、商業司及資策會10有鑑於供應鏈管理的重要，積極推動相關計畫協助產業實施供應鏈管理。然而在整體供應鏈管理中，由於供應鏈間的層層供應廠商為了因應終端產品的短生命週期及快速顧客回應，以致於造成各層供應廠商庫存的擠壓及需求放大，如此便使得製造過多的成品零件及物料的缺貨損失，此現象稱為長鞭效應(Bullwhip Effect) 問題，因此在供應鏈管理中最迫於解決的莫過於解決該問題18。本文旨在探討在MTS(Make-to-Stock)生產環境下不同存貨政策對供應鏈長鞭效應之影響。文中針對兩種存貨政策，(s,S) 及VMI(Vendor Management Inventory)，分析供應鏈管理中長鞭效應現象，如波動最高點、波動最低點、上波動率、下波動率、波動幅度、及波動回穩時間。本研究採用桌上型個人電腦產業為對象。文中首先以系統動態學建置CTO生產策略之模型；模型效度的檢定計分四項: 穩態測試、階梯測試、季節波動測試、及實際資料測試。之後，再以此模型模擬之。其結果可提供供應鏈管理政策之參考依據。貳、文獻探討在一個系統的某一端若發生了小幅變動，透過整個系統的加乘作用，很有可能會對另一端發生極大的影響。這樣的一個現象是一般人所熟知的”蝴蝶效應”22。而在一個產業中也有這樣的現象，也就是在顧客端的需求有微小的變異時，對配銷商會有較大的變異產生，而在製造商方面，則面臨更大的需求變異此現象稱為長鞭效應。Forrester 15，提出因為供應鏈各階層間，證明資訊回饋困難且前置時間延遲，使各接訂單決策者產生重複訂購及臨時取消訂單的決策，因此造成需求放大的現象；批量訂購17因批量無法正確反應終端需求，且同階層中若同時向供應商訂購，會造成需求量突增，引起長鞭效應；價格變動6,17在消費者預期心理下，將會有預先購買及儲存或緩慢購買的行為，相對供應鏈各階層的管理者也如此，將引起積壓庫存需求放大的現象；需求預測6,17由於供應鏈中各階層單位，各以前一階需求者的資訊為預測資料，不僅資料錯誤且各階層資料均不一，再者使用預測方法不一致，使預測誤差大生產與需求難以平衡為其因素；需求不確定16,20,21是影響長鞭效應最直接的影響因素，其中需求突增、增進等型態使供應鏈各階層為保持不缺貨而增加存貨量，混亂管理者的預期存貨決策，但事實上需求並沒預期中多造成需求放大；原料價格11變動將造成供應端預期庫存的行為，且提高相關產品價錢，影響終端需求產生變化。3Forrester15提出調整訂購策略參數值，如訂購頻率、訂購量、安全存量的設定等，找到一組最佳的參數組合，也就是最佳的訂購策略、降低時間、減少供應鏈階層、改變各階層的決策機制(Decision Rules)等方法來減低長鞭效應現象。Towill & Vecchio 24也提出使用更佳的資訊流系統:使每階層都能獲知最終顧客銷售量,如此一來就可知訂購量中的實際訂購量和多訂的部份。Lee17更具體提出讓上下游用相同的銷售資料做預測，並配合POS、EDI、VMI及CRP ( Continuous Replenishment Program )等，並讓小批量或經常性補貨成為可能、委託外包公司、協調各零售商的訂購頻率，達到平衡訂購的狀態、減少批發價格減價的頻率和程度，利用過去的訂單資料來做比例配額、與存貨資訊的共享等方法來解決需求預測、批量訂購、價格變動及訂單缺貨等問題。Kelle & Milne16提出供應商使用(s,S)存貨政策，在預定存貨上限下決定訂購批量，其可抑制供應鏈間需求的擴大。系統動態學（System Dynamic）是處理訊息回饋系統之動態行為的一種方法論，它提供一種實驗的、定量分析的方法。因此對於及複雜的動態、回饋且具時間滯延的問題，能提供整體、長期且較週延的解決方法。使用的原因為大多數定性研究方法多注重在純問題導向的解決方式，先對問題做了解分析後，再提出相對策略或方法，卻未曾真正觀察變項間彼此互動的關係，而使用歷史資料作迴歸的方式，對外在環境變數的不可控制性亦無法了解整體的影響過程，然而系統動態學的優點可使用模擬來驗證各變數之間關係，以補充相關研究的不足，以協助策略規劃可以對於新的策略、情境和投資做實驗，以了解決策可能造成的結果，再依結果來選擇可行性的策略。系統動態應用於存貨政策相關文獻在國內計有張伯芳9提出七種不同政策情境對半導體產銷的影響，並結合存貨管理方法論，以供決策參考；董興國11以需求變動、製造中心成立與構裝原料突減等情境下對半導體上下游產銷體系之影響作研究。李平和4 探討MTO模式下我國廠商在當地市場建立倉儲中心後，對相關零件及成品的影響然後，瞭解在供應鍊間存貨管理的互動關係。湯玲郎、林燦偉8以關聯零件價格波動、擴廠效應、各供應鍊、自有品牌作為對供應鍊體系影響的政策。系統動態學將建模方法分為兩大類2。單元式法(The Modular Approach)與回饋環法(The Feedback Loop Approach)。本研究採用單元式法，主要是本研究為探討長鞭效應問題並減低其現象為研究目的，因此從問題的造成因素作為關鍵變數，由這些關鍵變數來進行建模及資訊流的關係，形成模擬程式。而非以系統基模來探討問題背後的結構，再以此結構進行建模，由此觀察本研究之建模方法以單元式較為適合，從問題的造成因素設為關鍵變數，由變數與變數間建構系統的結構來進行建模，並經由調整關鍵變數來進行模擬實驗找出最佳變數組合。參、研究方法一、研究模式架構本文研究首先以系統動態學分析MTS生產策略之因果回饋關係，再依此建立其運作模型；兩種存貨政策則以各政策意義以模型參數公式表示之。根據此系統動模型進行測試及模擬實驗。模型效度的檢定計有四項: 穩態測試、階梯測試、季節波動測試、及實際資料測試。之後，再以此模型模擬之。其結果可提供供應鏈管理政策之參考依據。4二、MTS生產策略存貨式生產模式主要為預先生產成品，利用成品存貨來滿足顧客需求。在此環境中包含顧客、通路商及美國市場當地成品倉庫；製造商與零件供應商位於台灣地區，經由台灣製造組裝完成成品後，海運至當地成品倉庫，再以此庫存滿足顧客需求，其環境模式如圖1所示。MTS生產環境的運作流程如圖2所示，並將流程說明如下12,14:(1)由顧客下訂單給通路商，通路商檢核現有成品存貨以滿足顧客需求，因此通路商須預設目標存貨水準、安全存量、訂購點或定期檢核週期，當存貨水準減至訂購點或到達檢核日時，則向市場當地成品倉庫進行訂購。(2)市場當地成品倉庫同樣依據通路商之訂單來預設存貨水準、安全存量等存貨參數，以備成品存貨來滿足其訂單，當存貨低於預設值時則下請購單或補貨單於製造商，並由製造商進行補貨。(3)台灣地區之製造商則依據市場當地倉庫請購量的歷史資料來作預測需求、排生產計劃，預先生產存貨，並以其物料需求計劃向上游零件廠商採購零件。(4)零件供應商亦依據製造商之採購訂單進行需求預測、預先生產零件以供應製造商的需求。三、存貨政策本節所說明之存貨政策，其作用為於各生產模式下，管理其成品或零組件倉庫存量的方法。本研究引用(s,S)及VMI兩種業界常用之存貨政策，以輔助在不同需求型態及生產模式下減低庫存成本負擔。關於此兩種存貨政策說明如下：12A.(s,S)存貨政策5本存貨政策屬於永續盤存制，其中s為訂購點，當實際存貨量等於或小於此時，進行訂購；S為訂購上限，此存貨政策的訂購量，以此上限與實際庫存量之差額為其訂購量；在本研究中通路商、配銷商倉庫及零組件倉庫分別有不同上限。B. VMI (Vendor Manager Inventory)圖1MTS環境模式圖資料來源：本研究整理圖2MTS生產環境運作流程 資料來源：本研究整理本存貨政策主要為供應方主動向需求廠商補貨，在本研究設為供應商採週期供應方式，其意義為供應商替需求廠商設目標庫存量，以更頻繁的配送週期補充存貨，但其需配合共同配送才能達到經濟效益，其程序說明下:6a.依據顧客存貨水準及銷售狀況進行需求預測計劃，計算後提出訂購量建議。b.依據訂購量建議，訂單管理系統發出補貨單，並由顧客進行訂單確認。c.依據訂單管理系統，製造管理系統排定主排程(Master Production Scheduling, MPS)，以此排定配送計劃。d.依據配送計劃將補貨計劃通知顧客，並進行補貨。四、供應鏈模型環境本研究之供應鏈模型環境主要以桌上型個人電腦產業為背景，在零件供應商上主要為探討電源供應器。個人電腦產業發展至今已過了二十幾年，市場規模擴張由高度成長轉而逐年趨緩，產值方面由於產品技術快速演進以及廠商間的低價競爭。PC品牌大廠如Compaq、Dell、IBM及HP等公司，除了在原有的產品領域持續在市場與對手一較長短之外，近日由於網際網路的風行與直銷方式的大行其道，更是積極思考如何擴大競爭規模與提升競爭的層次，以有效拉開敵手的追逐，並同時築高新加入者的進入障礙。為了抵禦這樣的低價衝擊，各大廠除推出低價產品之外，也紛紛提出面對此一產業結構變化的因應之道，例如利用IT技術，使供應鏈能有最佳化的表現；或是建構全球運籌管理系統，提供更有效率的經營。當然還有行銷通路方面的調整與網際網路的卡位，以及發展高階產品同時與客戶有更緊密的結合等策略。 透過檢視整個PC產業的供應鏈，以因應產品低價化走向，品牌大廠多僅保留附加價值較高活動，如產品設計、行銷等，而將較複雜且附加價值低的活動，如生產製造與測試等，外包給其他廠商執行。至於通路結構的改變，除為了降低成本以因應產品低價對於獲利的擠壓外，部份也是肇因於競爭對手Dell直銷模式的竄起與空前的成功而有所動搖。而Compaq為改善供應鏈效率所推出的最佳化經銷模式（Optimized Distribution Model，ODM），則是結合接單後生產(BTO)、接單後組裝(CTO)及通路商混合型直銷模式（Channel Configuration Program，CCP）三個階段，在全球100個城市設供貨據點，以改善產品流通效率。Compaq推出ODM方案最主要的目的是讓客戶能以最低的價格，選擇要什麼、何時要以及如何要。總而言之，也就是無論BOT或是CTO，其最主要精神便在於彈性、即時，以最低的成本滿足整個價值鏈。基於快速組裝、多組裝變化的因素之下，桌上型PC產業多朝向模組化生產，使得其組裝、維修上可以節省時間與成本，相關的組成料件大致可以依照BOM之組成為幾個部分：1.主機部分:包括主機板(Main Board)、其他介面卡小插板、中央處理器(CPU)、記憶體(SRAM、DRAM)等；2.顯示器部份:包括液晶顯示器(LCD)、上下蓋、相關配件；3.硬式磁碟機(HDD)；4.軟式磁碟機(FDD)；5.光碟機(CD-ROM)；6.其他配件:包括機殼、電源供應器等相關零組件。根據相關零組件成本金額高低、品項、數量多寡來作區別，所分配到的管理資源也因及數的不同而有所差異，分類大致分如表1所示。桌上型PC關鍵性零組件之前置期，大致分為以下三種不同的前置期，如表2所示。根據資策會MIC統計我國桌上型PC1999年出口主要以北美和西歐地區為主，1999年北美地區佔總出貨量的49%，西歐地區佔26%，其中自有品牌的比率為17%、OEM/ODM專業代工廠商的規劃急增使得比率增加為83%。在美國通路上，一般的銷售通路為從製造商透過轉售商(Reseller)等通路，銷售到企業或個人消費者，另一種通路為Dell、Gateway 2000等PC大廠，係不經過傳統零售通路，直接銷售給終端用戶，其通路結構整理如圖4所示5。7在全球運籌管理的趨勢下，系統大廠要求代工廠商必須能在最短期間內出貨，因此近年代工廠商以”準系統”(Bare bone,空機)形式出貨比例提高。即廠商將準系統運送到市場附近的發貨倉庫中，再配送到大廠指定的組裝工廠，由於準系統的流行，帶動我國機殼與電源供應器大廠開始進行另一階段的整合。準系統在市場中並沒有明確的定義，但基本結構由機殼、電源供應器等組成，然後依據客戶需要搭配CPU、RAM、HDD、FDD、CD-ROM、主機板等零組件。其特性為: (1)生產需要較大的空間。(2)產品配以海運為主，運輸期間約在一個月以上。(3)材料來源起伏小。(4)僅作外殼規格變動。電源供應器與機殼廠商目前在主要市場附近設立發貨倉庫，我國主要廠商與PC大廠策略聯盟如表3。表1 桌上型PC零組件分類 4類 別零組件A 類CPU、LCD、CD-ROM、HDD、FDD、DRAMB 類電源供應器、Connector、PCB、IC/Chip Set、KeyboardC 類塑膠配件、電阻、電容、包材等。表2 零組件前置時間表 4前置時間零組件前置時間14天HDD前置時間30天LCD、CD-ROM、FDD、CPU、DRAM前置時間42天電源供應器、機殼 (準系統)圖4 美國PC銷售通路 資料來源：本研究整理8表3 電源供應器與機殼廠商與PC大廠策略聯盟表 資料來源：1PC廠商產 品國內廠商Compaq電源供應器台達電、光寶機殼鴻海、振發Dell電源供應器台達電、光寶機殼富驊、鴻海IBM電源供應器台達電、光寶、康舒機殼振發HP電源供應器台達電機殼鴻海台灣的電腦電源供應器產業在這幾年經過廠商的努力，台灣已經是全球最大的電腦電源供應器生產國，全球PC大廠看中我國廠商這方面的能力，不管在價格競爭上或全球運籌能力上，我國廠商均能得到全球PC大廠的信賴，另一方面，在PC價格競爭持續激烈的趨勢下，電腦電源供應器產業很快進入大者恆大，甚至被併購的局面，原因無它，低價電腦的趨勢使得廠商的利潤受到壓縮，因此生產量大的廠商，有較大的談判力以取得比較便宜零組件，才能降低成本，在價格上有競爭力。在市場競爭日趨激烈之下，電腦雷源供應器廠商經營的方式也必須改變，如何降低成本，推出更低廉而且符合PC大廠需求的電源供應器，已經成為廠商努力的目標。為了維持基本利潤，產品穩定地往標準化發展，而在這樣的產業環境下，也帶動了廠商前往海外設立生產據點的風潮，除了在海外設立生產據點之外，電源供應器廠商也必須與機殼廠商合作，以便提供PC大廠更好的服務，使得未來電源供應器產業將會有更好的發展。本研究之供應鏈環境主要以筆記型電腦產業為背景環境，其運作模式為全球運籌模式；而本研究所探討的零組件供應廠商以電源供應器的供應廠為主要探討，其原因為:電源供應器以海運為主，前置時間比其他關鍵零組件長，約一個月以上(本研究設28天)。電源供應器配合準系統的結合，為全球運籌模式BTO/CTO等關鍵零組件，因此適合探討其生產環境的運用最佳化。電源供應器材料變動小，生命週期比關鍵零組件長，適合VMI存貨管理模式的導入，本研究將探討其導入的效益。電源供應器由於前置時間長，零件成本低於關鍵零組件，並以預測批次採購等存貨控制為方法，因此本研究將探討其存貨策略的運用。基於以上四點電源供應器零件特性適合為本研究所提之解決長鞭效應政策的運用及模擬實驗架構。本研究供應鏈環境設定敘述如下:銷售環境主要以美國市場為主，分直銷與一般分配比率為28.5%及71.5%5。供應鏈階層包括通路商、成品倉庫(註:BTO為組裝廠、零件倉庫)、成品製造商及零件製造廠商。其中通路商、組裝廠、零件倉庫，主要分配於銷售市場附近，成品製造商及零件製造廠商則分配於台灣地區。運送前置時間為通路商至組裝廠或當地倉庫設為3天，零組件製造商至零組件倉庫主要為海運前置時間為14天。生產前置時間為組裝廠組裝14天，零組件製造14天。訂單處理前置時間，設每一階層2天。肆、系統動態模式9本研究以系統動態學建模並進行模擬，其作法為先分析因果回饋圖，再將回饋圖導入模擬程式語言。本研究是採用STELLA Research Version 5.11模擬軟體；其為圖型使用者界面之模擬專業軟體，STELLA模擬軟體透過圖形化之系統模式過程，自動將圖形化之變數關係轉換為數學運算式表示的變數關係；其所提供之變數型態可區分為四類(如圖5所示)，圖中之積存量(Stock)是用以表示積量變數，並應用於計算當期累計量；流入量(Flow)積存量流出量流入量影響因子圖5STELLA模擬軟體主要變數符號示意圖 資料來源：本研究整理與流出量則用以表示相關率量變數，應用於當期流入與流出該積存量之數量；影響因子(Factor)則代表影響相關率量變數之因素；而箭號連接則表示訊息傳導與回饋之方向。23 根據圖2將上述運作流程以因果回饋圖表示，如圖6所示。經由此圖的分析可得知供應鏈各階層環路之資訊回饋關係，並可依據此圖建構模擬結構圖；此圖的基本回饋環節包括圖6及7。其中圖6為該供應鏈資訊回饋圖之通路商訂購環路，其表示通路商根據顧客需求進行預測，並以預測資料加入前置時間及訂購週期的考慮，訂定目標庫存量及訂購點，當現有庫存量低於訂購點時，則以其與目標庫存的差距作訂購量，訂購後經過上游配送的時間滯延而進行補貨。圖7表示製造廠商根據顧客需求作預測後，依據預測資料考慮生產前置時間作目標庫存量，同時考慮產能並加上現有庫存與目標庫存量的差距作為本期生產量，計劃生產量後須經過10天的生產時間滯延後才轉成現有成品存貨。圖8則以圖2之MTS環境模式運作流程為資訊傳遞背景，配合圖6及圖7之基礎環路結合的MTS環境下之供應鏈因果回饋圖，其中通路商以顧客需求為預測及訂購依據，組裝商在以通路商之訂單進行預測及組裝計劃，製造商再依據組裝廠需求作預測進行零組件製造工作，此因果回饋圖將導致終端顧客需求的放大，主要是各階層傳達及回饋訂購資訊時，常因時間滯延而扭曲了終端顧客的真實需求，因此本研究為去除此現象，採終端資訊共同分享的方式，如圖9，各供應商收到此資訊後，根據自己的前置時間作預測及目標庫存的設定，並將自己的目標庫存提供給下游廠商，下游廠商則依據廠內的現有庫存與目標庫存差距為補貨數量，定期進行補貨作業。10圖6通路商訂購環路因果回饋圖資料來源：本研究整理圖7組裝廠商與製造廠商環路因果回饋圖資料來源：本研究整理11圖8MTS生產環境因果回饋圖資料來源：本研究整理12圖9MTS生產環境銷售資訊共享因果回饋圖資料來源：本研究整理根據以上因果回饋圖，本研究將各環路以STELLA模擬軟體建構出生產環境及存貨政策系統模擬程式。圖10即是STELLA系統動力模擬軟體建構而成的MTS生產環境模擬結構圖。本文將圖中變數內容說明如下:(1)Rs order:表示通路商對成品倉庫之訂購量本變數為配合存貨政策的應用。在(s,S)存貨政策訂購決策為設定目標存貨上限，當現有庫存量低於再訂購點時，進行訂購，訂購量為目標存貨與現有存貨之差；其中現有存貨量包括在途存貨量。其數學模式內容為：IF(R's_inv+RD_trspor)<Order_point_1)THEN(R's_target_inv-(R's_inv+RD_trspor)ELSE(0)R's_inv: 表示通路商現有庫存量。RD_trspor: 表示倉庫至通路商在途量。Order_point_1: 表示通路商庫存之再訂購點。R's_target_inv: 表示通路商之目標庫存量。在VMI存貨政策中，訂購決策為供應商訂定的補貨週期，並依據每天銷售量進行預測，預測內容主要以供應商之經生產或配送前置時間後之銷售量，並且每隔依補貨其後以此預測量作補貨數量，其數學模式內容為: IF(ACCTIME=R's_CT)THEN(Accumulate_Q*R's_safe)ELSE(0) Forcasting_1=FORCST(Order,R's_CT,R's_CT) 其中：ACCTIME: 前次配送後，至今累計時間。R's_CT: 通路商之補貨週期。Forcasting_1: 為供應商依每天銷售量(Order)，經過前置期後所預測的數量。13Accumulate_Q: 經由每天Forcasting_1所累加之補貨量。R's_safe: 供應商送往通路商之安全存量。(2) Demand: 終端顧客需求，依4.1節其中設日平均銷售量為40千台，其中包括Order/sale及Direct sale，Order/sale為一般通路銷售佔72%，Direct sale為直銷方式佔28%。(3) GWs_order: 表示成品倉庫對製造商之訂購量與通路商訂購相同，亦分(s,S)、(s,Q)、(s,S,R)、(s,Q,R)及VMI五種存貨政策，其訂購決策與通路商相同，期間差異在於預測前置時間、檢核週期及補貨週期的不同。(4) Forecasting_Q: 表示預定生產量，即製造商根據每日終端銷售資訊所預測銷售數量，經過目標存貨量的調節後，並依此作為生產投料的依據，其數學模式為: Good_Forcasting+(Good_Target_Inv-Good_Inv)/14 Good_Forcasting: 成品預測量，函數為FORCST(Demand,14,14)，Demand為終端需求量，為依Demand歷史資料14天預測14天後銷售量。 Good_Target_Inv: 成品目標庫存量。 Good_Inv: 現有成品庫存量，包括現有組裝WIP(Assembly)、現有成品庫存(Good's_inv)、現有成品測試量(Good_Test)。14: 表示生產前置時間14天，除以14表示每天預測修正量。(5) SPS_ Forecasting_Q: 表示電源供應器供應商預定生產量，即供應商根據每日終端銷售資訊所預測銷售數量，經過目標存貨量的調節後，並依此作為生產投料的依據，其數學模式為: SPS_Forcasting+(SPS_Target_Inv-SPS_Inv)/14其中： SPS_Forcasting: 零件預測量。 SPS_Target_Inv: 零件目標庫存量。14 SPS_Inv: 現有零件庫存量，包括現有零件庫存量(SPS_buffer)、現有零件WIP(SPS_Product)、現有零件測試量(SPS_Test)。(6) Financial Cycle time: 表示零件投料生產到顧客所需的週期時間。(7) Goods shipment: 表示成品製造商出貨量。(8) GWs shipment:表示成品倉庫出貨量。(9) SPS shipment: 表示零件製造商出貨量。伍、模擬與結果分析一、模式驗證在建構完成生產策略之運作模型後，接著進行模式效度的檢定。檢定共分為四大項 9：第一項為穩態測試，主要是了解模式建構的正確性是否保持穩定狀態；第二項為階梯測試，其檢定在外力衝擊後，是否能夠回覆到原來穩定狀態，以及須多久的時間；第三項目為季節性波動測試，主要檢定模式是否具有時相關係及週期關係；第四項為實際資料測試，以輸出是否符合實際狀況。本研究依上述四項檢定模式效度檢定。對於各生產環境模式的效度檢定方法、目的及設定函數列如表4所示。二、模擬實驗長鞭效應為供應鏈終端需求的變動，而引起供應鏈各階需求放大及波動的現象。如圖11所示，此圖為本研究對長鞭效應現象之實驗結果，實驗模型為顧客需求從原本8單位需求，在第32期突增為12單位，此需求變動即影響零售商庫存的波動與倉庫庫存的波動。本研究根據上述波動現象從波動幅度、波動時間及階層傳遞放大率來觀察長鞭效應現象。因此，衡量指標包括：波動最高點、波動最低點、波動回穩時間、上游需求放大率、總波動回穩時間及總放大率等六個長鞭效應指標，對此指標說明如表5所示(並參考圖11)。其中供應鏈波動最高、最低點表示整體供應鏈各階層中採用該因應政策之庫存波動最高、最低點，供應鏈波動最高點屬望小特性，供應鏈波動最低點屬望大特性；供應鏈上、下波動率表示供應鏈各階層中採用該因應政策之最大上、下波動率，供應鏈上、下波動率皆屬於望小特性；供應鏈波動幅度表示供應鏈各階層中庫存上下波動最大者，屬於望小特性；供應鏈波動回穩時間表示整體供應鏈精波動後所需回穩的時間，屬於望小性。三、模擬結果討論假設終端顧客需求量在第180期，從原先40千台的需求量突增為45千台(即階梯型需求情境)，並由此需求波動觀察供應鏈各階的庫存量波動幅度及回穩時間。在MTS生產環境中存貨政策以(s,S)及VMI兩種存貨政策較佳，因此本節以此兩種政策作說明。並以圖12及圖13配合表6及表7觀察MTS生產環境中(s,S)及VMI存貨政策在階梯需求的長鞭效應影響狀況，圖中為設定時間間隔DT=1/16後所發現的長鞭現象。在第180期產生12.5%的突增需求後，(s,S)存貨政策之通路商(Rs_inv)的波動幅度坡動率為41.2%，回穩時間17天；成品倉庫(Good_Warehouse)的波動幅度波動率為136.7%，回穩時間28天；成品暫存區(Good_inv)的波動幅度波動率為129.8%，回穩時間70天；零件暫存區(SPS_buffer) 的波動幅度波動率為129.9%，回穩時間102天，如表6所示。VMI存貨政策之通路商(Rs_inv)的波動幅度坡動率為25.9%，回穩時間25天；成品倉庫(Good_Warehouse)的波動幅度波動率為113.2%，回穩時間45天；成品暫存區(Good_inv)的波動幅度波動率為62.5%，回穩時間77天；零件暫存區(SPS_buffer) 的波動幅度波動率為119.1%，回穩時間102天，如表7所示。從以上資料可發現下列幾點長鞭效應現象：(1) 前置時間越短回穩所需時間越短。如通路商的訂購前置時間為3天，因此其回穩時間為17天，而成品倉庫前置時間14天，其回穩時間則為28天。(2) 前置時間越長波動幅度越高，如成品倉庫階層其波動幅度為各階最高，主要為其前置時間比其他高，前置時間長對目標存貨調整時間固然增長，因此其波動幅度便增加，由表6與表7皆可發現。(3) 供應鏈各階之回穩時間有傳遞延續的現象，如成品暫存區須70天回穩，零件暫存區須102天回穩，主要原因為供應鏈下游階層會累積上游及本身的前置時間，前置時間越長存貨調整越長，因此回穩時間較久。(4) 在終端銷售資訊共享之MTS生產環境需求突增情境下，(s,S)存貨政策之各階層回穩時間比VMI政策短。其主要原因為(s,S)政策依終端需求變化即時更改存貨上限，並以此上限作訂購量依據；VMI則依終端需求預測作為供應商補貨量之依據，同時採用固定週期配送，須加上週期內預測期間內的逐步修正，因此調整時間較長於(s,S)政策。15在終端銷售資訊共享之MTS生產環境需求突增情境下，VMI之波動幅度比(s,S)政策低。其主要原因為VMI以固定配送週期為補貨基礎，在前置其過長的流程上，利用預測方式將前置時間分割，如原本14天之配送前置時間，以固定每週配送並預測14天之方式，使原本補貨週期14天縮為7天，因此在需求突增時能比(s,S)更快作補貨修正動作，以減少波動幅度。伍、結論從以上資料可發現下列幾點長鞭效應現象：(1) 前置時間越短回穩所需時間越短。如通路商的訂購前置時間為3天，因此其回穩時間為17天，而成品倉庫前置時間14天，其回穩時間則為28天。(2) 前置時間越長波動幅度越高，如成品倉庫階層其波動幅度為各階最高，主要為其前置時間比其他高，前置時間長對目標存貨調整時間固然增長，因此其波動幅度便增加。(3) 供應鏈各階之回穩時間有傳遞延續的現象，如成品暫存區須70天回穩，零件暫存區須102天回穩，主要原因為供應鏈下游階層會累積上游及本身的前置時間，前置時間越長存貨調整越長，因此回穩時間較久。(4) 在終端銷售資訊共享之MTS生產環境需求突增情境下，(s,S)存貨政策之各階層回穩時間比VMI政策短。其主要原因為(s,S)政策依終端需求變化即時更改存貨上限，並以此上限作訂購量依據；VMI則依終端需求預測作為供應商補貨量之依據，同時採用固定週期配送，須加上週期內預測期間內的逐步修正，因此調整時間較長於(