【作　　者】
赵 源1，万 涛2（教授）

【作者单位】
1.国家电网陕西省电力公司培训中心，西安710032；2.西安工业大学经济管理学院，西安710021

【摘　　要】

   【摘要】当前，供应链管理中多种形式的供需管理方式受到专家学者的广泛关注。本文开发了需求与合理生产计划相匹配的在线学习方法，并基于有效决策规则的双矩阵表提出了（N，α）战略地图。在线学习方法基于经济性基础，得到了最佳平滑常数（N，α）（输出变量）和标准库存数量N（输入变量）的最佳组合。研究结果不仅仅显示出供求管理中预测信息的正确性，还体现了稳健性的重要性。
【关键词】供求对应；需求预测；综合生产计划；（N，α）战略地图；在线学习
【中图分类号】F270           【文献标识码】A           【文章编号】1004-0994（2016）30-0095-4、引言
随着供应链管理技术的日趋成熟，管理需求与供给相对应的“需求对应管理”（以下简称“需求管理”）越来越受到专家学者的关注，针对供需平衡的研究也越来越受到重视。近年来，“需求管理”在线学习方法的开发与研究越来越深入，现有研究显示，基于在线学习的供求管理效果更加显著。
在线学习方法是指运用学习软件支持供给需求计划，其方法是首先进行需求预测，在需求预测的基础上通过生产计划方案的执行设定相应的培训计划。
需求管理的主要目标是开发符合需求的合理生产计划。为了降低实际和预测之间的误差通常需要进行需求预测，以需求预测为基础设立生产计划时应尽可能地减少成本，而需求管理是降低供需风险的最佳方法。
本研究以实际需求数据（测试数据）为例，提出了实现预期生产协作的博弈解决方法，以寻求改善供给和需求关系的方法。主要运用简单指数平滑方法进行需求预测，构建了平滑常数α（输出变量）和标准库存量N（输入变量）等，提出了基于供应和需求利益构建的维持稳健性决策规则的战略地图（N，α）。本文剖析了战略地图的优点，提出了设定合理生产计划所需的决策规则和知识。
二、需求对应博弈
1. 需求对应问题。供应链管理为了应对各种需求以及尽快满足各种需求，需要设定合理的生产计划。当前，由于信息技术的引入和发展，企业可以极为精细地把握实时的市场动向，可以使不断变化的计划可靠地执行。例如，POS（销售终端）和POP（店头陈设）等在顺利收集数据的同时，也使需求预测精度得以提高。供求关系可以被看作如图1所示的供需对应博弈，此种博弈是需求计划的非合作博弈，但是往往认为不能解决相关的问题。

如果分别考虑需求预测和生产计划，即使需求预测和生产计划设计得再好，也不一定能发挥最大的效用。为了设计开发更好的生产计划，需要从需求预测阶段推进协同作业。
2. 在线学习方法。需求管理导入在线学习方法，是指通过简单的指数平滑法，基于需求预测以学习综合生产计划的必要性和体系方法作为目标，超越传统的讲授式学习，运用仿真的学习软件进行实践的学习方法。它包含讲座和实践两种演练方法，能够帮助人们加深理解和认识。具体实践流程如图2所示。
由图2可见，首先，根据过去某年的实际需求数据（测试数据）通过简单指数平滑法进行需求预测（实践1）。以此结果为依据进行生产计划规划，并基于以上计划计算生产成本（实践2）。接着，通过业绩进行模拟评估，将评估生产成本与以前计划生产成本相比较，以考虑其匹配性，探讨其稳健性实践3）。匹配性较差时，改变α重新进行需求预测，并对成本系数等条件进行变更。最后，基于以上结果讨论需求对应问题的决策规则。
在线学习实践需要使用学习软件，实践活动由实践者组成一个团队，团队内部或者团队之间通过相互沟通推进实践活动并导入协作学习。采取的沟通方式最好是直接与对方通话，当然也可以使用公告板和邮件等其他途径。协作学习要求需求预测人员和生产计划设定人员分别工作，需求预测人员确定平滑常数α，并把预测数据提交给生产计划设定人员，生产计划设定人员基于提供的数据，确定每月生产量并返回至需求预测人员。以上的操作过程尽管成员相互间竭尽全力配合，但是实践结果尚无法达到整体最佳。
三、综合计划法
1. 需求预测法。实施生产计划之前有必要进行需求预测，以下将基于简单指数平滑法探讨需求预测方法和综合计划方法。
研究符号定义如下：T表示计划周期；α表示平滑常数（0≤α≤1）；dt表示周期t的实际需求（实际值）；Dt表示周期t的平滑平均值（下期预测值）。
此时，基于前期预测值和实际值求出当期预测值的关系，如式（1）所示：
Dt=αdt+（1-α）Dt-1   （1）
假设一年中每个月都进行需求预测，即T=12。如果给出平滑常数α（输出数和集成）和每月的实际需求量，初始需求预测值D0，那么此后根据式（1）可以计算出每个月的需求预测值。因此，给予一定的需求数据（实际需求量）时每月需求预测值与实际值之间的误差如表1所示。此时假设α=0.3、D0=2300。

一般情况下，良好的需求预测是指实际结果与预测之间的误差较小，通常可以根据式（2）选择将α最小化：
[t=1Tdt-Dt→minα]                     （2）
各个α值的实际结果与预测之间的绝对误差合计如表2所示。

此时根据式（2）得出最小化的α∗是0.5。
2. 综合生产计划方法。依据上文得出的需求预测结果，考虑按月规划生产数量（确立综合生产计划）进一步预期生产类型。确定每月生产数量时通常需要重新给出生产任务，如果生产任务无法完成，将通过加班和外包等手段来完成生产任务。
以上方法可以阶段性地提高生产数量，通常与正常方法下的生产成本相比，加班的生产成本、外包的生产成本依次升高。相反，如果生产能力剩余将会产生闲置费用，因此还要考虑库存数量问题。在库的多余材料会发生库存保管费用，库存不足会产生剩余订单费用。因此，本文以生产成本与库存成本的总和确定总成本。此外，本文在确定月产量的同时也会设定标准库存数量，如果每月的月末库存量接近标准库存数量，那么就有可能应对快速需求的变化。为了确定最佳计划，上述线性规划的问题有必要归纳为线性计划编制方法。作为一个决策变量，将其导入以下的公式中，在此，除Lt以外均为非负值。
Xt表示周期t的正常生产量；Yt表示周期t的加班生产量；Zt表示周期t的外包生产量；It表示周期t的期末在库量；Bt表示周期t的残余订单量；Lt表示周期t的流动数量（It-Bt）；t=1，2，…，T。
此外，系数（全部非负）定义如下：c1表示正常生产成本系数 ；c2表示加班生产成本系数；c3表示订单生产成本系数；c4表示在库仓储成本系数；c5表示剩余订单成本系数；c6表示闲置成本系数；I0表示初始库存（It的初始值）；Xmax表示正常生产能力；Ymax表示加班生产能力；Zmax表示订单生产能力；P表示产品的销售价格。
此时，生产计划的总成本TC通常由式（3）所得：
TC=     ｛c1Xt+c2Yt+c3Zt+c4It+c5Bt+c6（Xmax-Xt）+｝ （3）
但是，（a）+=max（a，0）。
作为经营的评价项目，单位时间内的平均收益ER、平均成本EC、平均收入EN由式（4） ~ 式（6）引入，在此，目标是EN最大化。
[ER=Pt=1TDt/T]          （4）
EC=TC/T              （5）
EN=ER-EC→max         （6）
此时，约束条件如式（7） ~ 式（8）所示，规划程序如图3所示：
Lt=Lt-1+Xt+Yt+Zt-Dt      （7）
Xt≤Xmax，Yt≤Ymax，Zt≤Zmax （8）

四、匹配问题
1. 综合生产计划举例。以下基于表1设定的综合生产计划，研究需求和供给的匹配问题。因为研究设定了最初产品的销售价格，所以参数值设定如下：c1=100，c2=107，c3=113，c4=5，c5=270，c6=50，c7=300，c8=200，I0=1000，Xmax=2000，Ymax=200，Zmax=300，P=120。
标准库存数量N=800、α=0.3时，综合生产计划的最优解如表3所示。表3是通过使用学习软件获得。表4显示了表3的计划量（Xt+Yt+Zt）经过生产（运营）的结果。
2. 稳健性综合计划。从表3可知，企业每月的期末库存量以标准库存量为基准进行计划。如果贴近实际业绩，从表4可知，由于最初实际需求量低于预测值，因此库存超过标准库存量。相反，如果涉及后续的工作，实际的需求量将超过预测值，没有库存则会追加订单。因此，即便预测是最优解，如果考虑到实际的需求也不一定是最优解。步探讨[α]的问题，为此，本文提出战略地图。
五、（N，α）战略地图
1. 战略地图的原理。以下主要考虑匹配问题的战略性，（N，α）战略地图是指对于行的标准库存量N、列的平滑常数α，在某（N，α）组合中利益的数值排列出行列加以显示。即不断地改变N和α的值求得的个别利益的数值结果，使用矩阵形式进行汇总。
因为企业的销售部门主要进行需求预测，制造部门主要负责生产计划的设定，所以负责需求预测的员工和设定生产计划的员工之间在认识上存在差异。此外，即便进行了准确的需求预测，优化了生产计划，但是实际工作中当产生库存过剩或发生缺货等需求风险时，企业的运营管理也并不一定是最佳状态。因此，需求预测信息也不一定完全正确。
解决匹配问题的（N，α）战略地图的优点是同时考虑了需求预测负责人确定的平滑常数α，以及生产计划设定者确定的标准库存量N。为了使利益最大化，以下清晰地显示了（N，α）的最佳组合，如图5所示：

使用战略地图在某种意义上可以分享彼此的信息。即需求预测的负责人可以时常考虑生产计划来进行预测。（N，α）战略地图作为相互合作的工具，显示出需求预测和生产计划并不是孤立存在的。
2. 构建（N，α）战略地图的方法。首先，设定平均需求量d，以各个需求预测量作为初始值（以预测信息为前提），为了最大限度地实现ER，确定每月可能的需求与决定彼时产品销售价格的方法（根据营销活动可能发生的现象和假设）。为此，替代目标函数式（4），以下通过式（9）重新定义收益函数ER。
[ER=t=1TPt]D（Pt）/T→[maxPt] （9）
此时，约束条件如式（10） ~ 式（11）所示：
D（Pt）=at-bPt  （10）
[t=1TD]（Pt）=dT        （11）
此时，at是指周期t内价格为零时的需求预测量，b是指价格弹性（灵敏度）。
式（9）使用的D（Pt）是指价格Pt在期间t的需求预测量，显示出需求量随着产品销售价格发生变化的趋势。需求量与产品销售价格之间形成的需求函数如式（10）所示，可知越是提高销售价格，需求量越是线性地降低。式（11）具有所有周期的总需求恒定条件，基于此条件，ER被认为是具有最大决策变量的集合（各个周期的需求量和销售价格）。
本研究运用拉格朗日的未定乘数方法，所以拉格朗日函数根据下式定义：
f（Pt，λ）=ER（Pt）+λg（Pt）           （12）
其中：f（Pt，λ）为拉格朗日函数；λ为拉格朗日乘数；
g（Pt）=dT-[t=1TD]（Pt），为约束条件。
ER价格的最大值由式（13）给出：
[Pt*=atT+at-2dT2bT]         （13）
接着，设定标准库存量（输入）N，基于ER最大限度的可能需求量，论述EC最小化趋势中确定每月生产量和库存量的方法。为此，生产计划的成本函数TC在下式中重新定义：
TC=    ｛c1Xt+c2Yt+c3Zt+c4N+c7（Lt-N）++c8（N-Lt）+｝→   （14）
以下定义惩罚系数：c7表示Lt超过N时的惩罚成本系数；c8表示Lt低于N时的惩罚成本系数。
式（14）显示了根据库存偏离标准库存量求得的惩罚成本之和，通过逐渐减小TC来抑制偏差。TC最小化的决策变量集（每个周期决策变量和库存量等）通过线性规划方法求得，对于N求解独特的计划方案。此外，根据实际需求进行评价时，式（4）和式（7）中的Dt变更为dt。
六、结语
本研究引入在线学习演练的主要目的是缓解预测和计划之间的不匹配问题。文章提出了实现稳健供给和需求计划决策规则的（N，α）战略地图。（N，α）战略地图增强了需求和供给的相互对应，需求和供给相互之间可以共享彼此的信息，清晰地显示出最佳生产量和库存数量，（N，α）战略地图基于供需平衡的基础可以进一步发挥作用。

主要参考文献：
赵建国，姜爱萍，高峻峻．大数据时代的企业需求管理［J］．商场现代化，2014（3）．
顾锋，张涛．需求管理的新视角及其发展——上海交通大学博士生导师顾锋教授访谈［J］．社会科学家，2013（3）．
Kerstin Neumann. Exante governance decisions in inter-organizational relationships：A case study in the airline industry［J］．Management Accounting Research，2010（4）．
Lianguang Cui，Susanne Hertz.  Networks and capabilities as characteristics of logistics firms［J］．Industrial Marketing Management，2011（6）．