神经网络在解决某企业供应链牛鞭效应问题中的应用

摘要

牛鞭效应是供应链运营管理中客观存在的现象。企业为了减少由实际需求和计划数量的偏差造成的生产不稳定,提高安全库存数量从而保证正常的生产活动,在此情况下需求逐级放大引发了牛鞭效应。精准预测是缓解牛鞭效应的重要手段,但是传统的时序预测在复杂的环境中并没有很好的预测效果。基于以上问题,从理论层面论证了需求预测、安全库存、牛鞭效应之间的关系,提出能够优化预测结果的ARIMA-BP模型。以某制造商企业近两年的产品订单数据为研究对象,分别用不同的预测模型对订单进行预测分析,再与该企业原预测模型下的牛鞭效应仿真结果进行对比。结果表明,ARIMA-BP的模型预测精度更高,能够有效地缓解牛鞭效应。