نقش پیش بینی در اثر شلاق چرمی برای برنامه های E-SCM

قیمت: 39,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

نقش پیش بینی در اثر شلاق چرمی برای برنامه های E-SCM

عنوان لاتین

The role of forecasting on bullwhip effect for E-SCM applications

اثر شلاق چرمی ارائه دهنده ی توزیع اطلاعات به درخواست مشتری بین سفارشات به تامین کنندگان و فروش به مشتریان می باشد. پیش بینی تفاضا یکی از دلایل اصلی اثر شلاق چرمی است. هدف این تحقیق ، تحلیل تاثیر پیش بینی های یکنواخت سازی نمایی بر اثر شلاق چرمی برای برنامه های مدیریت الکترونیکی زنجیره ی تامین (E-SCM) است. یک مدل شبیه سازی برای آزمایش سناریوهای مختلف انتخاب پارامترهای صحیح برای تکنیک پیش بینی های یکنواخت سازی نمایی ، توسعه داده شده است. یافت شده که زمان های انتظار طولانی تر و انتخاب ضعیف پارامترهای مدل پیش بینی منجر به تاثیر قوی شلاق چرمی بر E-SCM می شود. در مقابل ، فصلیت افزایشی به کاهش اثر شلاق چرمی کمک می کند. مهمترین مفهوم مدریتی این تحقیق در نیاز به کاهش زمان های طولانی انتظار در طول زنجیره ی تامین الکترونیکی جهت کاهش اثر شلاق چرمی است. در عین حال که فصلیت پرکار دقت پیش بینی را کاهش می دهد ، تاثیر مثبتی بر کاهش اثر شلاق چرمی دارد. لذا به شدت به مدیران E-SCM ، استفاده از یکنواخت سازی نمایی را با انتخاب مقادیر پایین تر برای α و β و مقدار میانگین برای ɣ جهت پایین نگه داشتن نرخ شلاق چرمی ،و در آن واحد افزایش دقت پیش بینی را توصیه می کنند.

The bullwhip effect represents the information distortion in customer demand between orders to supplier and sales to the buyer. Demand forecasting is one of the main causes of the bullwhip effect. The purpose of this study is to analyze the impact of exponential smoothing forecasts on the bullwhip effect for electronic supply chain management (E-SCM) applications. A simulation model is developed to experiment the different scenarios of selecting right parameters for the exponential smoothing forecasting technique. It is found that longer lead times and poor selection of forecasting model parameters lead to strong bullwhip effect in E-SCM. In contrast, increased seasonality helps to reduce the bullwhip effect. The most significant managerial implication of this study lies in the need to reduce lead times along the E-supply chain to mitigate the bullwhip effect. While high seasonality would reduce the forecast accuracy, it has a positive influence on the reduction of bullwhip effect. E-SCM managers are therefore strongly suggested to utilize exponential smoothing by selecting lower values for a and b and a mid-value for g to keep the bullwhip ratio low, while at the same time to increase forecast accuracy