簡易檢索 / 詳目顯示

回結果列表
研究生： 陳思妤
Chen, Ssu-Yu
論文名稱： 模擬最佳化在供應商管理存貨模式下之 預測補貨策略
Simulation Optimization of Forecast-Replenishment Strategies with Vendor-Managed Inventory
指導教授： 林則孟
口試委員: 王福琨
蘇哲平
學位類別： 碩士
Master
系所名稱： 工學院 - 工業工程與工程管理學系
Department of Industrial Engineering and Engineering Management
論文出版年： 2011
畢業學年度： 99
語文別： 中文
論文頁數： 124
中文關鍵詞： 供應商管理存貨 、滾動式需求預測 、預測補貨策略 、凍結期間 、模擬最佳化
相關次數： 點閱：2  下載：0 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 供應商管理存貨（Vendor/ Supplier-Managed Inventory, VMI/SMI, or Supplier-Owned Inventory, SOI）的應用，提供賣方快速迎合客戶需求與大幅縮短供貨前置時間的解決方案，並能使客戶專注於本業的核心競爭能力，但由於此模式較傳統補貨模式更加複雜，所以其中之決策如買方之需求預測行為、賣方之補貨策略與補貨參數等若設置不當時，對於賣方而言將承擔更大的存貨壓力。故如何提出一套適用於供應商管理存貨模式的預測補貨策略，以降低供應商之存貨壓力，將能有助於供應商具有更大意願配合導入供應商管理存貨的營運模式，亦才是真正達到了供應商管理存貨模式導入的實質意義。
    本研究將使用一套有效考量滾動式需求預測之預測補貨策略，由於此補貨策略是以未來期間需求預測資訊進行預計補貨量之決策，故稱之為「預測向前補貨（Forecast Forward Replenishment, FFR）」，並以具有Trade-off特性之績效進行探討，設置在滿足特定服務水準下，最小化平均存貨量為考量，透過模擬最佳化之方法找出與此補貨策略相關因子規劃期間、凍結期間以及安全庫存策略之最佳補貨因子參數組合。接著，本研究透過真實案例公司之歷史資訊，驗證使用本研究歸納之預測補貨策略結合最佳化參數求解之方法，會較業界所使用之傳統補貨策略有更好存貨績效。最後，本研究將發展一套FFR補貨策略結合最佳化補貨因子參數求解之設置步驟，期望供業界進行參考。

    目錄 圖目錄 V 表目錄 VII 第一章 緒論 1 1.1 研究背景與動機 1 1.2 研究目的 3 1.3 研究範圍與限制 3 1.4 研究方法與步驟 4 第二章 供應商管理存貨下預測補貨問題定義 6 2.1 供應商管理存貨問題分析 6 2.1.1 供應商管理存貨模式 6 2.1.2 問題分析 8 2.2 預測與補貨 10 2.2.1 滾動式預測邏輯 10 2.2.2 預測往回補貨策略 12 2.2.3 預測向前補貨策略 18 第三章 文獻回顧 28 3.1 供應商管理存貨分析相關文獻 28 3.2 影響補貨量因子相關文獻 29 3.2.1 需求不確定性 29 3.2.2 預測行為 33 3.2.3 補貨策略 34 3.2.4 安全庫存策略 36 3.3 模擬最佳化相關文獻 37 3.4 預測補貨問題績效指標相關文獻 39 3.5 文獻小結 41 第四章 模擬模式建構 43 4.1 離散事件模擬模式建構 43 4.1.1 模擬情境介紹 43 4.1.2 模擬相關參數介紹 44 4.1.3 模擬績效與衡量 50 4.1.4 模擬模式架構 51 4.1.5 模擬模式界面建構 57 4.2 模擬最佳化方法 58 第五章 實驗分析與案例驗證 60 5.1 實驗設計 60 5.1.1 實驗一：凍結類型為凍結需求預測 60 5.1.2 實驗二：凍結類型為凍結訂單行為 69 5.1.3 實驗小結 78 5.2 最佳化補貨因子參數組合求解 79 5.3 模擬實驗結果分析與建議 83 5.3.1 模擬參數分析 83 5.3.2 模擬結果分析 85 5.4 案例驗證 86 5.4.1 案例公司現況分析 86 5.4.2 案例資料收集 89 5.4.3 案例求解與分析 91 5.5 執行FFR策略之建議步驟 94 第六章 結論與建議 96 6.1 結論 96 6.2 建議 97 參考文獻 98 附錄一：平均存貨與服務水準之ANOVA表 104 附錄二：因子交互作用關係圖 107 附錄三：補貨因子對平均存貨與服務水準之迴歸模型 113 圖目錄 圖1. 1 供應商管理庫存情境(引用自Piplani和Viswanathan, 2003) 2 圖1. 2 研究方法與步驟 5 圖2. 1 典型VMI情境 8 圖2. 2影響存貨量概念模型 9 圖2. 3滾動式預測概念圖(張, 2006) 10 圖2. 4滾動式預測的做法(張, 2006) 11 圖2. 5滾動式預測的效益(張, 2006) 12 圖2. 6預測補貨策略表格推演 13 圖2. 7 FBR策略初始情境假設 14 圖2. 8 FFR策略初始情境假設 21 圖2. 9 FBR對FFR策略-補貨推算邏輯 26 圖2. 10 FBR對FFR策略-存貨不足情境 26 圖3. 1 六種需求模型的機率密度分配圖（參考Zotieri,2000） 30 圖3. 2 不同α與β參數設置對產品生命週期之影響(參考Chen,2007) 32 圖3. 3需求型態圖（參考Heizer,2010） 33 圖3. 4 模擬最佳化方法分類(參考Henderson ,2006) 37 圖3. 5 Meta-model Methods最佳化流程圖 38 圖4. 1 模擬情境 44 圖4. 2需求型態與需求結構參數 46 圖4. 3 模擬模式架構 53 圖4. 4離散事件時間推進邏輯 56 圖4. 5 模擬主要介面 57 圖4. 6 模擬程式展示 58 圖4. 7模擬最佳化模組 59 圖5. 1實驗一：適當性檢定圖 63 圖5. 2實驗一：Level-HV下因子對平均存貨之交互關係圖 65 圖5. 3實驗一：Level-HV下因子對服務水準之交互關係圖 67 圖5. 4實驗一：MIX下因子對服務水準之交互關係圖 68 圖5. 5實驗二：適當性檢定圖 72 圖5. 6實驗二：Level-HV下因子對平均存貨之交互關係圖 74 圖5. 7實驗二：Level-HV下因子對服務水準之交互關係圖 76 圖5. 8實驗模擬最佳化模組 82 圖5. 9案例公司預測滾動概念 87 圖5. 10案例公司買賣雙方關係圖 89 圖5. 11案例歷史需求量 90 圖5. 12案例歷史需求預測值 90 圖5. 13案例公司最佳化模組 93 表目錄 表2. 1 FBR策略邏輯推演初始資訊 14 表2. 2 FFR策略邏輯推演初始資訊 21 表3. 1 六種需求模型之分析整理（參考Zotieri,2000） 31 表3. 2 補貨策略種類(修改自蔡,2009) 35 表3. 3 安全庫存策略種類(參考自李,2008) 36 表3. 4 預測補貨策略績效指標(修改自 Grewal et. al 2010) 41 表5. 1 實驗一：因子水準設置表 61 表5. 2 實驗一：平均存貨之ANOVA表 64 表5. 3實驗一：服務水準之ANOVA表 66 表5. 4 實驗二：因子水準設置表 70 表5. 5 實驗二：平均存貨之ANOVA表 73 表5. 6實驗二：服務水準之ANOVA表 75 表5. 7績效對因子水準偏好表 79 表5. 8模擬時程長度分析表 84 表5. 9實驗組合實驗次數分析表 84 表5. 10最佳化FFR補貨因子參數組合 85 表5. 11案例在途量資訊 91 表5. 12案例公司最佳化FFR補貨因子參數組合 94 表5. 13 FFR補貨策略對案例公司補貨策略績效結果 94

    1. 張怡筠，「CPFR中滾動式預測的關鍵因子探討」，國立清華大學資訊系統與應用所碩士論文，2006。
    2. 陳昭廷，「CPFR協同預測中之承諾機制的影響因子分析」，國立清華大學工業工程管理學所碩士論文，2007。
    3. 李建勳，「供應商管理庫存下之預測補貨策略」，國立清華大學工業工程管理學所碩士論文，2008。
    4. 蔡志宏，「預測補貨策略對供應商成本之影響評估」，國立清華大學工業工程管理學所碩士論文，2009。
    5. 邱毅盛，「供應商管理存貨模式下滾動式預測補貨策略分析」，國立清華大學工業工程管理學所碩士論文，2010。
    6. Axsater, S. and Rosling, K., “Multi-level production-inventory control: Material requirements planning or reorder point policies”, European Journal of Operational Research, 75, pp.405-412, 1994.
    7. Boulaksil, Y., Fransoo, J.C. and Ernico, N. G. van Halm,. “Setting safety stocks in multi-stage inventory systems under rolling horizon mathematical programming models”, OR Spectrum, 31, pp.121-140, 2007.
    8. Bregman, R. L., “An analytical framework for comparing material requirements planning to reorder point systems”, European Journal of Operational Research, 75, pp.74-88, 1994.
    9. Byrne,M.D., Bakir, M.A. “Production planning using a hybrid simulation-
    analytical approach” , International Journal of Production Economics, 59 , pp.305-311, 1999.
    10. Chen,C.K., Liao,C., Weng,T.C., “ Optimal replenishment policies for the case of a demand function with product-life-cycle shape in a finite planning horizon” , Expert Systems with Applications, 32 ,pp.65-76, 2007.
    11. Chang, T.M. and Yih, Y. ,Generic kanban systems of dynamic environments”, International Journal of Production Research, 32, pp.889–902. 1994.
    12. Damodaran, P. and Melouk, S. “Comparison of push and pull systems with transporters: a meta-modelling approach”, International Journal of Production Research, 40, pp.2923–2936, 2002.
    13. De Toni, A.F. and Zamolo, E, “ From a traditional replenishment system to vendor-managed inventory: A case study from the household electrical appliances sector”, International Journal of Production Economics, 96(1), pp.63-79, 2005.
    14. Dengiz ,B., and Akbay K.S., “Computer simulation of a PCB production line: metamodeling approach”, International Journal of Production Economics, 63 ,pp.195-205, 2000.
    15. Dengiz, B., Bektas, T. and Ultanir, A. E., “Simulation optimization based DSS application: A diamond tool production line in industry”, Simulation Modeling Practice and Theory, 14(3), pp. 296-312, 2006
    16. Dong, Y., and Xu, K., “A supply chain model of vendor -managed inventory”, Transportation Research Part E , 38, pp.75-95, 2002.
    17. Enns, S. T., “PULL replenishment performance as function of demand rate and setup times under optimal settings”, Proceedings of the 2007 Winter Simulation Conference, 2007.
    18. Gaury, E.G.A., Pierreval, H. and Kleijnen, J.P.C. “An evolutionary approach to select a pull system among kanban, CONWIP and hybrid”, Journal of Intelligent Manufacturing, 11, pp.157–167, 2000.
    19. Geraghty, J. and Heavey, C., “A comparison of hybrid push/pull and CONWIP/pull production inventory control policies”, International Journal of Production Economics, 91, pp.75-90, 2004.
    20. Grewal, C. S., Rogers, P. and Enns, S. T., “Simulation optimization of supply chain replenishment strategies using OptQuest”, Proceedings of the 2008 Winter Simulation Conference, 2008
    21. Grewal, C. S., Rogers, P. and Enns, S. T., “Performance evaluation of inventory replenishment strategies in a capacitated supply chain under optimal parameter settings”, International Journal of Value Chain Management, 4, pp.195–212,
    2010.
    22. Grosfeld-Nir, A. and Magazine, M. , “A simulation study of pull systems with ascending/descending buffers and stochastic processing times”, International Journal of Production Research, 43, pp.3529–3541. 2005.
    23. Henderson ,S.G., and Henderson ,B.L. ,Handbook in OR & MS ,2006.
    24. Jay, H. and Barry, R., “Operations Management”, Hwa Tai Publishing, 2010.
    25. Huang, M., Wang, D. and Ip, W.H., “A simulation and comparative study of the CONWIP, Kanban and MRP production control systems in a cold rolling plant”, Production Planning and Control, 9 , pp.803–812. 1997
    26. Jacobs, F. R and Whybark, D. C., “A comparison of reorder point and material eequirements planning inventory control logic”, Decision Sciences, 23, pp.332-342, 1992.
    27. Jodlbauer, H. and Huber, A., “Service-level performance of MRP, kanban, CONWIP and DBR due to parameter stability and environmental robustness”, International Journal of Production Research, 46, pp.2179–2195, 2008.
    28. Kazim, S., “On the benefits of CPFR and VMI: A comparative simulation study”, International Journal of Production Economics, 113, pp.575-586, 2008
    29. Krishnamurthy, A., Suri, R. and Vernon, M., “Re-examining the performance of MRP and kanban material control strategies for multi-product flexible manufacturing systems”, International Journal of Flexible Manufacturing Systems, 16, pp.123–150, 2004.
    30. Krupp, J.A.G., “Safety stock management”, Production and Inventory Management Journal, 38(3) , 1997.
    31. Kuk, G., ” Effectiveness of vendor-managed inventory in the electronics industry: determinants and outcomes”, Information & Management, 41, pp.645-654, 2004.
    32. Mentzer,T.J. , Gundlach,G.T. and Achrol, R.S., “ The Structure of Commitment in Exchange” ,The Journal of Marketing ,59,pp.78-92,1995.
    33. Montgomery, D. C., “Design and Analysis of Experiments”, New York : Wiley, 2005.
    34. Nordhasu, W., “Forecasting efficiency: concepts and applications”, Review of Economics and Static 69, pp.667-674, 1987.
    35. Piplani, R. and Viswanathan, S., ”A model for evaluating supplier-owned inventory strategy”, International Journal of Production Economics, 81-82, pp.565-571, 2003.
    36. Pohlen, T. L. and Goldsby, T. J., “VMI and SMI programs: How economic value added can help sell the change”, International Journal of Physical Distribution & Logistics Management, 33, pp.565-581, 2003.
    37. Rees, L.P., Huang, P.Y. and Taylor, B.W. “A comparative analysis of an MRP lot-for-lot system and a kanban system for a multistage production operations”,, International Journal of Production Research, 27, pp.1427–1443, 1989.
    38. Ritzman, L. P. and Krajewski, L. J., “Comparisons of material requirements planning and reorder point systems”, Simulation Councils Proc. Series, 12, pp.47-54, 1983.
    39. Robins, G. “Pushing the limits of VMI”, Stores, 77, pp.42-44, 1995.
    40. Sani, B. and Kingsman, B. G., “Selecting the best periodic inventory control and demand forecasting methods for low demand items”, Journal of the Operational Research Society, 48, pp.700-713, 1997
    41. Silver, E. A. and Meal, H. C., “A heuristic for selecting lot size quantities for the case of a deterministic time-varying demand rate and discrete opportunities for replenishment”, Production & Inventory Management, 14(2), pp.64-74, 1973.
    42. Silver, E. A., Pyke, D. F. and Petetson, R., “Inventory Management and Production Planning and Scheduling”, New York: Wiley, 1998.
    43. Suwanruji, P. and Enns, S.T., “Information and logic requirements for replenishment systems”, International Journal of Operations and Quantitative Management, 8, pp.149-164, 2002.
    44. Suwanruji, P. and Enns, S.T., “Evaluating the effects of capacity constraints and demand patterns on supply chain replenishment strategies”, International Journal of Production Research., 44(21), pp.4607-4629, 2006.
    45. Takahashi, K., Myreshka, H.O. and Hirotani, D. , “Comparing CONWIP, synchronized CONWIP, and kanban in complex supply chains”, International Journal of Production Economics, 93–94, pp.25–40, 2005.
    46. Tiacci, L. and Saetta, S., “An approach to evaluate the impact of interaction between demand forecasting method and stock control policy on the inventory system performances”, International Journal of Production Economics, 118, pp.63-71, 2009.
    47. Yang, K.K., “A comparison of reorder point and kanban policies for a single machine production system”, Production Planning & Control, 9, pp.385-390, 1998.
    48. Yang, K.K., “Managing a flow line with single-kanban, dual-kanban or CONWIP ”, Production Planning & Control, 9, pp.349-366, 2000.
    49. Zhao, X. and Lee, T. S., “Freezing the master production schedule for material requirements planning systems under demand uncertainty”, Journal of Operations Management, 11, pp.185-205, 1993.
    50. Zhao, X., Xie, J. and Lau, R. S. M., “Improving the supply chain performance: use of forecasting models versus early order commitments”, International Journal of Production Research, 39(17), pp.3923-3939, 2001.
    51. Zotteri, G., “The impact of distributions of uncertain lumpy demand on inventories” , Production Planning & Control, 11(1), pp.32- 43, 2000.

    無法下載圖示 全文公開日期 本全文未授權公開 (校內網路)
    全文公開日期 本全文未授權公開 (校外網路)

    QR CODE