基于顾客购买行为的供应链中断动态模型研究

顾客购买行为与供应链中断（如缺货）之间的交互作用，加剧了供应链逐级递增的波动性（即牛鞭效应）。结合行为科学的实证效应和量化建模的交叉研究是本领域当下的一个热点，尚有不少空白值得填补。本项目的主题是：应用 "Petri网"建模，并考虑购买行为的实证结果，研究供应链中断和顾客购买行为对供应链波动的影响，展示该问题情境下的结构性和行为因素及其因果关联，为管理实践提供启示。涉及的子问题有：（1）通过实证研究供应链中断时的顾客购买行为，并体现在以Petri-net方法建立的供应链动态模型之中；（2）通过仿真等手段，研究供应链中断特征如何通过购买行为影响供应链上不同环节的波动（即需求和库存的变化）；（3）进而研究不同品牌的同类产品在两个相互作用的供应链中的逐级波动情况（假定供应链中包含相互影响的两个零售商、两个制造商和两个供应商）；（4）最后提炼出供应链中断情境下的重要结构性和行为因素及其因果关联。

我们开展多项问卷调查以研究顾客在供应链中断情况下以及预测商品不可得的购物行为。主要研究内容包括网络购物情境下供应链中断的顾客购物行为、缺货商品品牌权益与缺货原因对顾客商品偏好的影响、限时促销与限量促销通过商品可得性的中介作用对顾客光顾意愿的影响、商品可得性以及可得性保证对顾客光顾意愿的正面效用。研究的结果不仅可用于零售商增加顾客光顾意愿、降低供应链中断造成的销售损失，也可用于降低供应链中断造成的牛鞭效应。. 供应链中断给供应链各成员带来销售损失，并导致供应链运作的低效。现有文献集中于中断发生的原因及其发生后损失的降低，或链中各个环节（如供应商、制造商）的系统恢复，却忽略了供应链的终端——顾客对供应链动态性的影响。以计算机仿真技术为基础，融合市场营销、运营管理等领域的知识，研究考量缺货发生后，顾客购买行为的改变对供应链动态性影响，包括供应链各层级市场份额、牛鞭效应以及伴随牛鞭效应而来的高在手库存和订单积压的影响。研究结果对于缓解供应链中断风险带来的危害，提高供应链的绩效具有重要的现实意义和实践价值。. 为解决当前供应链管理中遇到的众多优化问题，我们研究考虑群集智能中不同的生物模拟视角及搜索行为的差异，选取粒子群算法（particle swarm optimization, PSO）与细菌觅食算法（bacterial foraging optimization, BFO）作为群集智能的代表算法进行研究。研究提出正交混合学习PSO算法、异质多群体自适应PSO算法、全局协同BFO算法、新型群集智能混合框架，提升传统算法收敛的精度和速度。在此基础上将改进的群集智能算法应用于优化实际供应链管理问题，表明所提算法的有效性。

内容获取失败，请点击重试