评估供货量信息的共享在供应链管理中的价值 7页

第11卷
第3期中国管理科学Vol.11,No.3





















2003年

6月ChineseJournalofManagementScienceJun.,
2003文章编号:1003-207(2003)03-0023-07评估供货量信息的共享在供应链管理中的价值121郑
欣,张
诚,凌
鸿(1
复旦大学管理学院,上海
200433;2
新加坡国立大学信息系统系,新加坡
117543)摘
要:本文衡量了一种共享供货量信息的信息策略-即供应商向其客户(下游厂商)发布每次供货的具体数量,并通过数学建模以及模拟对此问题进行分析。结果显示,在大多数情况下,这种由信息技术支持的策略有助于供应链中的厂商适应并解决供货量不稳定的问题,供货量越是不稳定,企业越是能够从中获益。但是,当供应商及时稳定地补足缺货时,这种受益并不明显。本文的另一个发现是,供货量信息的共享可以使信息获得者受益,但是可能并不有利于发布者。也就是说,这样的信息共享能够为供应商的客户带来好处,但是供应商本身并不能因此获得显著的额外利益,反而要承担实施成本。这种不对称可能会阻碍企业间信息系统的实施,从而促使供应链成员协调信息沟通的费用,以激励供应商发布信息。我们的研究提供了对供货量信息价值进行量化的途径,同时也能够帮助供应链中的厂商评估他们在信息系统建设中的成本-收益率。关键词:供货量;信息共享;供应链中图分类号:F830
9


文献标识码:A因素。相对于以前的研究大多着眼于分析需求信息1
引言的共享,我们分析了另一种类型的信息共享策略:供供应链中企业间的信息流是供应链管理货信息共享(ShipmentInformation,Sharing,SIS)。(SCM)所关心的一个重要问题。商业信息,比如零如果我们把需求信息看作是
从前方来
的信息(例售商处的POS数据或者订货信息,将直接影响企业如企业所面临的市场信息),那么供货信息共享则是的生产、运输和库存控制。
从后方来
的(例如从供应商传来的信息)。随着信息技术的发展,信息共享中的技术障碍[1]提到生产商可以利用其供应商的运输计划正在逐步消失,决策者越来越关注哪些类型的信息来改进自身的生产计划。在这里我们定义供货信息是有益的,是应该共享的?研究已经表明,企业间的共享为:在供应链中某一厂商与其直接客户分享自[1][2]信息共享可以帮助他们减少信息的失真。尽身的供货信息(发货时间和(或)发货数量),以帮助管很难量化评估各种信息共享策略(Information客户作出适当的生产和库存决策。例如,某个亚洲SharingStrategis,ISS)在实施中的成本-收益率,但的大型计算机扫描仪生产商计划通过Internet与他这仍然有助于企业提高信息系统(InformationSys-的批发商和销售代理商分享供货信息;批发商可以tem,IS)的效能及应用。在这些问题的研究中,[3]通过Web访问生产商的信息系统,以了解每个订单评估了在供应链网络结构、产品结构和混合需求中确切的供货日期和数量。由于生产商和批发商之间分享需求信息带来的影响。[2]研究了集中化的需的运输时间相对稳定,批发商可以根据送货信息推求信息共享如何缓解供应链中的牛鞭效应(bul-l算出货物到达的准确日期和数量(也就是知道在未whipeffect)。[4]量化了需求和库存信息共享通过来x天内需求可以被满足的比例),并以此调整其未减少需求不稳定带来的收益。[5]分析了共享需求来的订货。需要注意的是,生产商会尽量避免将自信息所能带来的收益,以及影响该收益的相关影响己的生产能力泄露给竞争对手,因此可能不愿意向批发商公开生产信息(例如什么时候安排某一个订收稿日期:2002-11-11作者简介:郑欣(1978-),男(汉族),上海复旦大学管理学院信息管理单,或者什么时候开始生产)。而对于批发商来说,与信息系统系,硕士研究生,研究方向:供应连中的信息共他们通常不需要知道产品什么时候生产好,他们更享、虚拟社团中的行为分析、SAP在半导体行业的实施
关心的是什么时候有多少货物能运到。有了准确的
24
中国管理科学


















2003年到货量信息,他们就能够做出更好的采购决策,因为不稳定对零售商造成的影响。这直接影响库存(例如库存成本控制)和生产管理生产能力或库存容量的限制,及需求预测的误(例如准时生产,Just-in-time)。因此,本文主旨差都会导致生产商无法及时完成客户的订单。对是评估公开这些信息是否有助于企业克服供货不稳此,供应方通常有两种对策。第一种就是忽略缺货,定。就是说以后也不再考虑对缺货进行弥补的问题了。通过分析,我们发现增加供货不稳定的两个主我们把这类情况定义为A1,它是供货不稳定的极端要因素:其一是由运输、管理流程以及生产时间的不例子,有可能发生在卖方市场或是供求双方有类似[6][7]稳定造成的前置时间的波动。另一个因素是协议的情况下。第二种解决方法是生产商把缺货累供货量的不稳定。例如由于供应方资源的有限(比积起来,并在将来的某个时刻将其补满。比如t时段如财务、物料、生产能力等的限制),在经历了一定的没有及时满足的订单部分将在t+m时段初开始生前置时间后,客户收到的货物可能少于(也可能多产,并于t+m+L时段送至零售商处,定义为A2于)他所期待的


保证100%的到货率对于供应情况。这种供应商承诺在将来的某个时段将累积的链中的厂商来说是很难实现的。供应商会把订单没缺货补满的情况取决于供应商的生产和库存计划,有完成的部分(即把一份订单分成几部分来完成)记也可能是根据企业间的协议或市场走向,但同样会录为缺货,并在将来某个时间补货(也有可能简单地导致供货的不稳定。把所有的缺货都忽略掉)。通常人们大多关注前置我们假设在供应商没有公布其供货信息(non-时间的变化(在现今的企业中,越来越流行前置时间SIS,NSIS)的情况下,零售商在时段t末无法获知其[8~10]保证),如,但是数量不稳定的情况却被忽视将在t+L时段收到货物的确切数量。而只能假定t了。而本文的重点就在于这第二种不稳定上。事实时段的订货能在t+L时段初全部到达,以此来做出上,对于前置时间波动的研究更适用于那些订单不订货决策。但在SIS情况下,零售商将在t+1时段能及时完成,需要延迟一段时间最终一次性满足的初(或者t时段末)获得L个时段后所能收到的货物情况。而对于数量波动的研究则是考虑订单可以被数量信息,因此可以根据这些信息来调整一个时段分割,每次满足一部分的情况。的订货数量。与NSIS相比,零售商可以早L个时本文分析在产品单一、需求随机的两层供应链段察觉到供货的不稳定,并调整订单以适应这种变中公开供货量的运输信息(在实际中也叫预先供货动。但是需要注意的是,这些信息在A2情况下就通知,AdvanceShippingNotice,ASN)给供应链成员不如在A1下有用了:因为在A2下,即使供应商没带来的影响。有及时提供供货量信息,通过及时补货也可以减少供货不稳定所带来的不利影响。另外,补货的间隔2
简单的两层供应链模型时间(m)越短,补货就越及时和供货就越稳定。我们考虑一个简单的,由一个生产商和一个零2
1
订货决策售商组成的两层供应链模型。零售商所销售产品的假定零售商并不知道供应商的供货补货策略市场需求服从(d,
t)的i
i
d
分布,其中d是常(注意:零售商也许可以通过历史数据推算出该策2数而
t服从Z(0,
)的正态分布(当
远小于d时,略,但在本文中我们不考虑这种可能性)。通过[11]SIS,零售商可以在发出下一个订单前就获得L时在时段t出现负需求的可能性可以被忽略。对于零售商来说,当期不能及时满足的需求作为缺货累段后将到达的货物数量信息,于是他能利用这些信积。息来调整下一期订单的数量。这样,零售商所面对假定供应链成员采用
订至点
(order-up-to)的就仅仅是需求的波动。而在NSIS情况中,零售库存策略,也就是每个周期都检查并补充库存水平商不得不通过预测L时段后将要到达的数量(在我到期望值。供应链中的订货流程如下:在时段t(t们的例子中,零售商假定其数量就是当期的订购量)>0)初,零售商收到从供应商(生产商)发来的yt来决定下一个订单的数量。因此,在NSIS情况下数量的货物,满足市场需求dt后检查库存水平并向零售商的订购决策面临两个误差源:对市场需求的生产商发出数量为Qt的订单。而对应于Qt的供货预测误差和对将要收到货物的预测误差。将在时段t+L到达(其中L是固定的前置时间)。我为了便于分析并不失一般性,假定零售商的初们假定前置时间L是不变的,而集中分析供货量的始库存(包括可用的和运输中的)等于其
订至点
水 第3期












郑
欣等:评估供货量信息的共享在供应链管理中的价值
25
-1


平S,S=Ld+z
L,其中z=
[b/(b+h)],会调整订单为Qt=dt+(1-
t-l)
Qt-l。可以求

(
)为标准正态分布,b和h分别代表每期的单位得订货量期望值和长期平均值分别为:E(Qt)=缺货成本和单位库存成本(注意,不同的信息环境下
[t/L]1-(1-
)1

d(*)和limt->
t
E(Qt)=库存策略的最优化可能是不同的。但为了便于比较,
同时也为了把注意力集中到分析改变信息共享方式1
d。
所带来的影响[12],假定在不同情况下供应链都采可以发现:首先,供货的不稳定将放大需求波用同样的库存策略)。定义净库存为可用的库存减去动;其次,基于SIS的决策比NSIS更灵活,因为SIS拖欠订单。当它为负时,也就意味着该期有缺货累有助于客户及时适应供货的不稳定,而延迟的反馈积。所以在t时段的净库存可以表示为:nt=nt-1+导致NSIS的适应速度相对较慢。不同反应速度所yt-dt。因此,零售商在SIS下的订货策略可以表示带来的影响将在后面的章节讨论。L

为Qt|nt=S-
yt+i-nt,而在NSIS下是Qt|在A2情况下,供应商以
t的比率部分满足时iL段t的订单,然后在t+m时段补满剩余的部分(1-nt=S-
Qt+i-nt(注意,确切的订货数量应该

t)Qt,其中m为常数,且1
m
L。因此,零售商iL在SIS情况下的订购策略是:在最初的m个时段订+表示为:[0,S-
Qt+i-n]t也就是0和订货量中购Q
it=dt+(1-
t-1)Qt-1,供应商的供货率是
的较大值,这样可以避免负值。所以这里我们使用的
tQt。从m+1时段开始,由于零售商得到了补货,是订货量的近似值,它并不影响最终推导结果)。
他的订单将为Qt=dt+1(1-
t-1)Qt-1-(1-我们先分析Al的情况。开始有需求d1时,零
1
t-m)Qt-m,从而得到limt->

E(Qt)=售商就会向供应商订购d1(Q1=d1)。供应商会提td(*)。

供
1Q1的货物,其中
t是生产商在t时段的供货在NSIS下,零售商在L个时段的延迟后得到



率,具有均值和方差(
,
)。
满足0<

1并定供货量信息,于是会在第L+m+1时段开始调整其义为能够及时满足需求的平均比率(总出货/总需订单,这样就比在SIS情况下晚了L个时段;从时段


求)。我们假定
远小于
,并且随机过程
t和dt是
1toL,以及从时段L+1到L+m其订单分别是Qt相互独立的(当我们假定需求的波动远远低于生产


=dt和Qt=dt+(1-
t-L)Qt-L。从时段L+m商生产能力上限时,其供货率将主要受其自身生产
+1开始,其订单变为Qt=dt+(1-
t-L)Qt-L-和库存计划的影响。也就是说需求和供货率之间的
(1-
t-m)Qt-m。其长期平均订货量则为limt->
相关性是不显著的。这个假定让我们能够集中注意1
力研究零售商面临供货不稳定时的行为)。通过t
E(Qt)=d。SIS,零售商在发出下一个订单之前就获得相应供货尽管这些订单的期望值公式显示,在不同的信信息(反馈)。为了及时补充缺少的部分,Q2将调整息环境会有不同的订货量,但它们并没有表现出供
为:Q2=d2+(1-
1)
Q1。类似的Q3=d3+(1货不稳定对供应链所造成的影响。在下一节中我们
-
2)
Q2。因此,其期望订货量可以近似表达为将就此研究各种不同的收益-成本指标。
t2
2
库存水平和服务水平1-(1-
)E(Qt)=
d(*),而长期平均订货量
这里的库存水平指净库存,服务水平则指零售为lim11商的供货率。在初始设置中,时段L末的期望净库t->
t
E(Qt)=
d(*)。
存等于SS,即安全库存z
L。在NSIS下,零售商总是在经历了L个时段的在SIS中的A1情况下,L+1时段到达的货物延迟后才获得订单的反馈信息。因此,其对订单的是零售商在时段1时订购的。因此在L+1时段的调整总是比SIS情况下晚L个时段:在最初的L个
净库存是nL+1=SS+
1
Q1-dL+1,并可以推出时段,由于供应商的供货信息是未知的,零售商将一
t+1
1(1-
)直保持原有的订货数量:Qt=dt。直到L+1时段E(nL+t)=SS+1-
+

d(*)以

货物达到,零售商才得到供应商在L时间前的真正11及limt->

E(nt)=SS+1-

d。同样,供货数量。因此,在下L个时段(t=L+1,

2L)t

26
中国管理科学


















2003年我们可以求得在NSIS下零售商的长期净库存:1limt->

E(nt)=SS(*)。相似的,我们可以
[t/L]+1t
1(1-
)E(nL+t)=SS+1-
+

Ld。1


得到在NSIS的情况下limt->

E(nt)=SS。t

在
订到点
库存系统里,E(净库存)
E(可用

在A2情况下,供货不稳定的影响相对要小,因存货)([6]),也就是期望净库存等于安全库存(这用为生产商会定时补发拖欠的订单,这样就使供货的来消除需求预测误差造成的影响,以保持特定服务流程更清晰和稳定。因此无论反馈的信息及时与水平的存货)。由于供货不稳定,安全因子z实际上否,零售商都可以很好的调整订货的策略。在这样比期望的要小(定义z1为SIS的A1情况下实际的的环境下,相对于NSIS来说,SIS给企业带来的额1
安全因子,即z1=z-
-1d/
L
z,0<
外收益并不明显。
2
3
库存成本:在这里我们研究在A1情况下SIS
1。这意味着实际的服务水平
(z1)比期望的对于相关库存成本的影响。不考虑订货成本和材料
(z)小)。所以,如果供应商的供货不稳定,客户即成本,相关的总成本就是库存成本和缺货成本,可以使采用了SIS,其服务水平也会恶化。但使用SIS的表示成TC=
L[(b+h)
f(k)+hk]([5]),其情况要好于NSIS(NSIS情况下的实际安全因子为:

1
中f(x)是一个函数,f(x)=(k-x)d
(k),
(z1)=
z-
-1
Ld/
L,其中
(z1)
x

(k)服从正态分布。设F(x)=(b+h)
f(x)+

(z1)

(z),L
1。这说明在A1情况下SIS-1hx,当x=
(b/(b+h))时F(x)的一阶导数等有助于零售商维持相应的服务水平。于0,而它的二阶导数始终大于或等于0。因此,如果1定义limt->
E(
nt)=limt->
[
E(nt)tx1F(x2)>F(z)。因为在SIS和NSIS库存减少的差额,可以得知,在SIS下安全库存的减

下的实际安全因子分别是z1和z1,并且z1
z1
少相对来说要小一点,也就是:limt->
E(
nt)=z,我们能够得到在不同信息环境下总成本的关系:


(L-1)(1/
-1)
d>0。在NSIS下为TC1,SIS为TC1那么可以得到TC1

|limE(
nt)|TC1。由此可以得出SIS帮助零售商减少其库存相t

1=
-1d
0说明,随着关总成本的结论。这就可以被看作是SIS带来的收
l
前置时间的增加,SIS的效果也在增加。这个结论益,企业可以以此为根据决定是否在自己的信息系与[13]的观察结果是一致的,也就是反馈的延迟时统中使用SIS。间越长,信息被曲解的程度就会越深。随着各种信3
扩展到一个三层的线性供应链息系统的实现,信息传递的延迟变得越来越少,供应链成员也可因此获益。前面的章节分析了供应商的供货率如何影响其
|limE(
nt)|2客户的绩效,它是建立在假定供应商的服务水平独t

1
=-
(L-1)d
0说立于零售商的订货策略的基础上的。在这里我们将


模型扩展到三层的供应链,并研究SIS对于整个供明,lim(E(
nt)随着供货率
的增加而减少。也就t

应链的影响和价值。是说供应商服务水平越高,反馈信息的曲解程度就3
1
实验设置越低。这个结论说明供应商的服务水平将直接影响考虑包含一个全球批发商,一个本地代理商和其客户的效益,即供应链上某个成员的效率会受到一个本地零售商三层供应链,其销售渠道只出售一其合作伙伴的影响。种产品。消费者定期向零售商购买产品,零售商向接着考虑SIS下A2的情况,L+1时段将要到消费者出售货物。同时,为了确保销售的连续性,零
达的货物量为
1Q1。因此L+1时段的净库存是售商根据其对未来需求的预测和自己的库存策略向
nL+1=SS+
1
Q1-dL+1。从L+m+1时段开代理商发出新的订单。同样,代理商满足零售商的
始,它的库存成为nL+m+1=nL+m+
m
Qm-订单并向他的供应商


批发商发出订单。批发商
dL+m+1+(1-
1)Q1,也就是nL+m+1=nL+m+t-1+的行为也和零售商、代理商相似。在每个周期的开


m+t-1
Qm+t-1-dL+m+t+(1-
t)Qt。因此推得始,前期的缺货优先被满足。批发商的行为也和零 第3期












郑
欣等:评估供货量信息的共享在供应链管理中的价值
27
售商、代理商相似。我们假定批发商发出的订单总在NSIS下。这个统计分析帮助我们对SIS如何影是能被及时满足。响供应链的绩效建立简要的认识。假设在每个企业间的运输时间是一个常量


表1
SISvs
NSIS绩效之间差异的95%置信区3个时段,所以我们就无需担心运输时间的不稳定。间(假定方差不同)。FRW0:批发商的目标供货率;同时假定所有企业都采用滑动平均技术来预测其客FRR:零售商的实际供货率:FRA:代理商的实际供户的需求。为了避免需求信息在供应链传播中的歪货率;FRW:批发商的实际供货率。StockR:零售商[2]曲被放大,我们设置了一个较大的滑动窗口:60的实际库存。StockA:代理商的实际库存。个时段。在这种情况下,供应链上的企业最关心的StockW:批发商的实际库存。0:没有显著差异;+:问题是如何设置一个合理的目标服务水平(即供货差异大于0;-~差异小于0;*:90%置信度率),在满足客户需求的同时又可以从中获得最大的RRW0FRRFRAFRWSTOCKRSTOCKASTOCKW收益。我们假定最终消费者要求至少90%的服务0
50+*+0-+水平。而为了确保这个目标,零售商不仅要把自身0
60000-+的目标供货率设置为90%,还要求其供应商提供一0
70+*-0-00
80+*-0--个满意的服务水平。但是并不是供应链中所有的供0
900-0--应商都需要保持较高的服务水平(如代理商为了解0
9500-0-*-决批发商供货的不稳定,保持较高的安全库存,从而避免让这种不稳定直接影响到零售商的供货水平)。

根据上面的结果我们可以得出:第一,如果批发如果客户不知道或者延迟得知供货的不稳定,会导商与代理商共享其供货信息,零售商并不能从中受致其不合理的订货,从而影响客户的绩效(从这个角益。因为在这样的情况下,零售商的绩效在SIS和度看,供应方的高供货率也是对其客户的一种信NSIS下没有显著差异。这个主要是由于零售商和用)。而如果客户能够及时获得这些供货不稳定的代理商的缓冲效应,它能帮助零售商适应外界环境信息,他们就可以调整订货策略来减少损失。总的的不稳定,尤其是供应链中上游供应方不稳定供货。来说,供应商可以通过选择一个较高的供货率或者第二,代理商保持了原有的服务水平甚至提高水平,采用供货信息共享(SIS)策略来加强同供应链中其而实际库存在减少。因此代理商的相关总成本(包他成员的合作。在这一节中,我们也将分析供货不括库存成本和缺货成本)也会减少。这说明SIS能稳定对供应链中每个成员的影响,并考虑两种情况:帮助代理商获得额外的净收益,也就是说SIS对信批发商和代理商共享供货信息的情况(SIS)和不共息获得者来说总是有利的。第三,不能确定信息的享信息的情况(NSIS)。提供者


批发商是否能从SIS中获益。因为在大在这个例子中,我们设置了消费者的需求均值:多数情况下服务水平和库存水平向相同的方向发d=100,
=30服从正态分布。代理商和零售商都展。这是一种典型的两难选择。因此在SIS下信息把自己的期望服务水平定为90%,也就是把安全因提供者的相关总成本是否能减少取决于缺货成本和子设为1
27,而批发商的服务水平可以为50%,存货成本的具体设定。60%,70%,80%,90%和95%,以此来检验供应波4
结论动的影响。3
2
数据分析我们量化了在供应链中采用SIS对供应链成员在这个例子里我们研究两个系统指标:企业的的影响。结果显示,SIS能够很好的帮助信息获得服务水平和平均库存。成本指标(例如缺货成本,库者调整并解决到货量不稳定的问题。到货量越不稳存成本和相关的总成本)都可以通过这两个指标推定,厂商从SIS的获益就越大,也就是说在供应链中出。迅速的合作和及时的供货信息共享可以提高供应链利用独立样本t检验可以产生SIS和NSIS的的性能。但在补发的缺货能够及时到达的情况下,估计均值之间差异的置信区间。如果置信区间覆盖SIS就没有显著的价值,在企业间信息系统的合作了0,就意味着给定的置信水平,即厂商在SIS和中也许可以不考虑这种信息共享问题。SIS通常有NSIS下业绩的差异不显著;如果不能覆盖0而大于益于信息的接收者,但可能并不能为发送者带来显(小于)0,就说明厂商在SIS下的业绩要好于(差于)著的好处。这种在使用信息系统时不对等收益可能
28
中国管理科学


















2003年会使信息系统在实施中遇到障碍。供应链成员们将1证明4
limt->

E(Qt)=d(Az)(m和Q都t为此一起协商如何合理分摊信息系统的建设费用。是有限的)目前研究可以向几个方向延伸:首先,我们假定m+t1下游企业相信其订单会被供应方及时全部完成。但=limt->

E(Qt)m+t1是,更合理的理解是,他会根据历史的合同数据(如m+tm+t1供应商的平均供货率)来调整订单以减少预测误差。=limt->
E
di+(
(1-
i-1)Qi-1)m+t12这可能需要一个新的决策模型。其次,供货量不稳t定和前置时间不稳定之间应该存在着密切的关系,-(
(1-
i)Qi)1供货波动的问题也许可以通过增加前置时间的安全1=limt->
E库存来解决。m+tm+tm-15
附录
di+(
(1-
t+i-1)(Qt+i-1)11m+t1-(1-

)t1证明1
E(Qt)=
d(A1)=limt->
m+t
E(
di)=d
1=E[dt+(1-


d
t-1)(dt-1+(1-
t-2)(

(d2+证明5:E(nL+t)=SS+
(
-1+(1-

(1-
1)
d1)))]
t+1
))(A1)

t-1=d+(1-
)
d+
+(1-
)
d=t1-(1-

)t

d=E(nL+t-1+
tQt-dl+t)=E(nl+
(
iQi-

i=1
[t/L]dl+i))
1-(1-
)证明2:E(Qt)=
d
t=m*L且
t+1
1-(1-
)=SS+1-

d[t/L]=m+1(A1)
=E[d
证明6
limt->
E(nl+t+m)=SS(A2)t+(1-
t-L)(dt-L+(1-



=limt->
E[nl+m+t-1+
m+t
Qm+t-dl+m+t+(1t-2L)(

(dL+n+(1-
n)
dn)))]

m-

=d+(1-
)
d+
+(1-
)
d=t)Qt]
[t/L]=lim1-(1-
)t->
E
d
t+mt

11nl+
(
iQi-dl+i)+
(1-
i)Qii=1i=1证明3
limt->

E(Qt)=
d(A1)t
=limt->
E1tm引理1:limt->
xt=A
limt->
t
xt=A

SS+
(Qi-dl+i)+
(
t+iQt+i-dl+t+i)
i=1i=1(当|xt-A|<
t>N1(N1是一个自然数,且2=SS(x1-A)+
+(xN-A)
为正),存在1<参考文献:t

t>N2(N2是自然数)。设N=max{N1,N2},[1]Lee,H
L
andWhang,S
,InformationSharingInaSupply2Chain[R],ResearchPaperSeriesRP1549,GraduateSchool则OfBusiness,StanfordUniversity,1998
x1+

xt-A[2]Chen,F
,Drezner,Z
,Ryan,J
K
,andSimchi-Levi,D
,tQuantifyingtheBullwhipEffectinaSimpleSupplyChain:(x1-A)+

(xN-A)
1TheImpactofForecasting,LeadtiemesandInformationt[J],ManagementSciences,2000,46(3):436-443
(xN+1-A)+

(xt-A)+1[3]Tan,G
W
TheImpactOfDemandInformationsharingontSupplyChainNetwork[D],PH
DThesis,Dept
ofBusiness
t
<+=

t>NAdminstration,UIUC,1999
22t1d[4]Li,J
Q
,Shaw,M
J
andTan,G
W
,EvaluatingInfor-因此limt->
t
E(Qt)=limt->
E(Qt)=

mationSharingStrategiesInSupplyChains[J],InProceed- 第3期郑欣等:评估供货量信息的共享在供应链管理中的价值#29#ingsofthe8thECIS,vol
1,2000,437-444
Vienna,Aus-1994,40(5):603-607
tria
[10]Song,J
S
,Yano,C
A
andLerssrisuriya,P
,Contract[5]Lee,H
L
,So,K
C
andTang,C
S
,TheValueOfInfor-Assembly:DealingwithCombinedSupplyLeadTimeandmationSharingInATwo-levelSupplyChain[J],Man-DemandQuantityUncertainty[J],ManufacturingandSer-agementScience,2000,46(5):626-643
viceOperationsManagement,2000,2(3):287-296
[6]Silver,E
A
andPeterson,R
,DecisionSystemsforInven-[11]Lee,H
L
,Padmanabhan,V
,andWhang,S
,Informa-toryManagementandProductionPlanning[M],2ndEd-itionDistortioninASupplyChain:TheBullwhipEffect[J],tion
NewYork:Wiley,1985
ManagementScience,1997,43(4):546-5591[7]Tersine,R
J
,PrinciplesOfImventoryAndMaterials[12]Silver,E1A1,ChangingTheGivensInModelingInvento-Management[M],EnglewoodCliffs,N
J
:PrenticeHall,ryProblems:TheExampleOfJust-in-timeSystems[J],4thed
,1994
InternationalJournalOfProductionEconomics,1992,26:[8]Gerchak,Y
AndParlarM
,InvestingInReducingLead-347-3511timeRandomnessInContinuous-reviewInventoryModels[13]Diehl,E1andSterman,J1D1,EffectsofFeedbackCom-[J]
EngineeringCostsAndProductionEconomics,1991,plexityonDynamicDecisionMaking[J],Organizational21:191-197
BehaviorandHumanDecisionProcesses,1995,62(2):198[9]Song,J
S
,TheEffectOfLeadtimeUncertaintyInSimple-2151StochasticInventoryModel[J],ManagementScience,SharingtheInformationofShippingQuantityinaTwo-TierSupplyChain121ZHENGXin,ZHANGCheng,LINGHong(11Dept1ofManagementInformationssystems,ManagementSchool,FundanUniversity,Shanghai200433,China;2.Dept1ofInformationsSystems,SchoolofComputing,NationalUniversityofSingapore3SciencDrive2,Singapore117543)Abstract:Thispaperevaluatesthebenefitofastrategyofsharingonetypeofshipmentinformation,whereonestage.severy-periodshippingquantityissharedwiththeimmediatedownstreammembers,inasupplychain1Aquantitativemodelconsideringatwo-stagelinearsupplychainhasbeendevelopedforthispurpose,followingasimulationapproach1Ourresultsindicatethatinmostcircumstancesthisstrategy,enabledbyinformationtech-nologies,helpssupplychainmembersadaptandresolveshipmentuncertaintywell1Themoreuncertaintytheshippingquantity,themorebenefittheorganizationcangainfromsuchinformation1Inthesituationofsteadysupplementtounfulfilledorders,i1e1whenthebacklogisreceivedintime,suchbenefitisnotsignificant1Therefore,ifasupplierhasagoodenoughorderfulfillmenttrackrecord,sharingsuchinformationmaybeunnecessary1Otherwise,fastercollaborationandsharinginformationofshippingquantityamongsupplychainmembersviaITmayhelpimprovesupplychainperformance1Anotherfindinginthispaperisthatsuchin-formationsharingbenefitstheinformationreceiverbutmaynotbenefittheinformationsender,i1e1itelevatesthecost-benefittrade-offtothedownstreammemberthatreceivessuchinformationwhiletheupstream,whichsharessuchinformation,facesatrade-offtoimplementthisstrategy1Thesedifferenesamongstparticipantsmaycausebarriersduringimplementation1Itmotivatestheparticipantstonegotiateasatisfactoryshareoftheinfor-mationsystemconstructionfee1Thestudyprovidesanapproachtoquantifythevalueofsharedshipmentinfor-mationandtohelpsupply-chainmembersevaluatetheircost-benefittrade-offduringinformationsystemconstruction1Keywords:shipmentquantity;informationsharing;supplychain