李晓莉

摘要：对卷烟市场供应链发展情况和传统的需求预测预测方法进行了概述，在此基础上提出了供应链管理的牛鞭效应以及牛鞭效应对供应链管理的危害，并从学者的研究中发现，传统的预测方法存在明显的牛鞭效应，最后，对基于供应链的卷烟市场需求预测方法进行了探讨。

关键词：供应链；需求预测；牛鞭效应

供应链管理在当今社会具有重要的地位，近几年，卷烟行业供应链改革也取得了令人瞩目的成就，“按客户订单组织货源”的全国推广工作进行的如火如荼，而“按客户订单组织货源”工作的最基础工作是要建立起卷烟市场需求预测系统，这是驱动整个供应链的重要因素，合理有效的预测方法，可以降低库存成本，为制定生产计划提供依据，提高供应链的整体效率。但是，由于供应链中的牛鞭效应，传统的预测方法效果不尽人意，因此，需要对基于供应链的需求预测方法进行探索，以提高预测精度，减弱牛鞭效应，提高卷烟市场供应链的整体效率。

1卷烟供应链发展情况概述

卷烟行业于2003年开始了工商体制改革，将负责卷烟制造的工业企业分离出来，在行业内引入竞争机制。在体制上实现变革的同时，国家烟草专卖局2005年开始在大连、深圳、杭州三地进行“按客户订单组织货源”的试点，这被称作是“具体实现的一场深刻的革命”，原一体化的工商供应链被切断。2006年，“按客户订单组织货源”工作延伸到浙江、山东、山西三省。2007年，烟草行业在坚持烟草专卖体制前提下，不断深入推进以市场为取向的改革，“订单供货”试点工作由三省三市扩大到36个重点城市。国家烟草专卖局出台了《“2008年按客户订单组织货源”推广工作方案》，“按客户订单组织货源”工作在36个重点城市的基础上进一步推广到了全行业。

2卷烟市场传统需求预测方法综述

对卷烟市场的预测主要集中于传统的预测方法，这些方法主要有：移动平均、指数平滑、线性回归、时间序列分解、时间序列预测法、灰色预测等方法。

George Hondroyiannis（1997）[1]对希腊的卷烟消费用Johansen协整进行了分析，并估计了短期和长期的收入和价格弹性。Bwo-Nung Huang等（2004）[2]用面板数据模型研究了42个州和华盛顿地区价格、收入、税收、禁烟运动等对卷烟需求的影响。沈航等（2006）[3]利用物元和可拓集合中的关联函数建立预测模型，通过聚类分析得到预测结果。邹亮（2007）[4]分析了2003～2006 年怀化市卷烟市场的需求变化规律，采用时间序列分解模型对怀化市烟草公司历史销售数据的趋势特征、季节波动和周期性进行了测算，预测得出该市场2007 年各月卷烟需求量。刘红飞（2007）[5]采用灰色系统理论的预测方法，以2000 至2005 年广东卷烟消费量与生产总值(GDP)为基础数据，就卷烟消费量与广东省生产总值(GDP)之间建立一个双变量的灰色系统模型GM(1,2)，以此来对广东省的卷烟消费需求增长趋势进行量化研究。白远良等（2007）[6][7]研究了卷烟消费与居民消费支出、卷烟价格、区差异、经济增长、产业升级、城镇居民恩格尔系数、农村居民消费支出以及卷烟平均消费倾向变化等宏观经济变量之间的关系，根据Theil-Barten 修正模型建立了四个卷烟需求模型，对我国卷烟需求进行了实证分析。

3供应链中的牛鞭效应

20世纪60年代，Forrester在其出版的《工业动力学》的书中最早提出了牛鞭效应的概念，得到了学术界的广泛关注。所谓牛鞭效应就是指供应链下游消费需求轻微变动而导致的上游企业生产、经营安排剧烈波动的现象。这与我们在挥动鞭子时手腕稍稍用力，鞭梢就会出现的大幅度摆动的现象相类似。于是，人们就将这种现象称为牛鞭效应。

牛鞭效应是供应链管理的重要障碍，它会导致过量库存，使有效需求得不到满足，造成管理混乱，使整个供应链的运作效率下降。随着供应链运作的企业越多，这种效应越加明显，整个供应链的管理会变得十分复杂、困难。

有学者对传统预测方法的牛鞭效应进行量化分析，Frank Chen等（2000）[8]在简单的只考虑零售商和制造商的两节点供应链，用移动平均和指数平滑的预测方法，通过指标Var(q)/Var(D) 对牛鞭效应进行了量化分析，其中Var(q) 和Var(D)分别表示供应商与零售商需求的方差，并且进行了模拟试验，还将结果扩展到多节点供应链中。刘红，王平（2007）[9]在假定采用订货点库存策略的前提下并且双方的行为都是在无限离散的时间里发生的，分别推导出了零售商采用移动平均法、一次指数平滑法预测及均方误差优化预测市场需求时，生产商所面对的需求波动，结果显示，用移动平均和指数平滑进行预测存在牛鞭效应。

4基于供应链的需求预测的优化研究

从以上分析可以看出，有必要对基于供应链的需求预测进行优化研究，以减弱供应链中的牛鞭效应，提高预测精度，这对于卷烟市场具有重要的意义。

要减弱整体供应链需求预测的牛鞭效应，必须以客户的需求为导向，而供应链体系必须要让信息快速的共享流动，使制造供货商能够快速或几近同步取得客户需求的信息。彭志忠（2007）[10]认为基于市场准确预测的协作计划预测和补货技术(CPFR技术)能及时准确地预测由各项促销措施或异常变化带来的销售高峰波动，从而使销售商和供应商做好准备，赢得主动。文章建立了基于协作计划预测和补货( CPFR)数据库的需求预测系统的流程框架，并在此基础上建立了基于BP神经网络的供应链需求预测模型，可以提高预测精度，对供应链的决策系统起到精确的辅助作用。蔡建峰、杨敏（2006）[11]研究了多节点供应链基于不同库存策略的需求预测。以啤酒游戏为例，设计了遗传算法优化系统，根据所建模型利用计算机分别对优化前后进行模拟。最后结果显示：用遗传算法优化后各阶层订货量比较接近顾客需求量，曲线较为平稳，说明该方法有效减小了“牛鞭效应”的影响。方向华（2006）[12]运用联合预测方法对基于供应链的需求预测体系进行了研究，其首先根据日常用于预测的常用预测方法选择了自回归模型、加入趋势的平滑模型作为单项预测模型，然后分别做了简单组合预测和回归组合预测，并对回归组合模型进行误差校正。结果显示，组合预测的精度比单项预测精度高，回归预测的精度比简单组合预测精度高。

以上都是对基于供应链的需求预测的研究，对于卷烟市场的基于供应链的需求预测的研究不多，宋作玲（2007）[13]分别运用回归模型、灰色预测、移动平均、自适应二次指数平滑、地区生产总值回归、用GA优化的BP神经网络等对年度、月度、日度卷烟订单进行预测并进行比较，发现GA优化的BP神经网络预测效果最佳。

预测就是要找出影响卷烟市场的因素，然后对各个影响因素进行分析和研究，采用合适的数学模型，对卷烟市场未来的需求情况作出预测。我们可以借鉴其他领域的研究成果，将先进的预测方法运用到卷烟市场的需求预测系统中去，准确及时地作出预测，可以降低库存成本，为制定生产计划提供依据，有利于进行市场分析和营销活动，提高供应链的整体效率从而提高烟草行业的竞争力。

参考文献：

[1]George Hondroyiannis, Evangelia Papapetrou. Cigarette Consumption in Greece: Empirical Evidence from Cointegration Analysis[J]. Applied Economics Letters.1997(4):571 - 574.

[2]Bwo-Nung Huang, Chin-wei Yang, Ming-jeng Hwang. New Evidence on Demand for Cigarettes: A Panel Data Approach[J]. International Journal of Applied Economics. 2004(9):81-97.

[3]沈航,邹平.（2006）可拓聚类预测方法预测卷烟销售量[J].武汉理工大学学报（理工版）,2006(6):95-98.

[4]邹亮.怀化市卷烟市场需求时间序列分析[J].中国烟草学报,2007(6):51-56.

[5]刘红飞.基于灰色系统理论的广东卷烟消费需求预测研究[J].经济师,2007(1):273-274.

[6]白远良,吴应禄,程晓苏.我国卷烟需求分析（上）--需求现状与模型构建[J].中国烟草学报,2007(6):6-10.

[7]白远良, 吴应禄,程晓苏.我国卷烟需求分析（下）--卷烟需求模型实证分析与结论[J].中国烟草学报,2007(8): 55-59.

[8]Frank Chen, Zvi Drezner, Jennifer K.Ryan, David Simchi-Levi. Quantifying the bullwhip effect in a simple supply chain: the impact of forecasting, lead times, and information. Management Science, 2000, 46(3):436-443.

[9]刘红,王平.基于不同预测技术的供应链牛鞭效应分析[J].系统工程理论与实践,2007(7):26-33.

[10]彭志忠.供应链需求预测中的神经网络预测技术应用分析[J].中国流通经济,2007(12):15-17.

[11]蔡建峰,杨敏.基于遗传算法的供应链需求预测优化模型研究[J].工业工程,2006(9):81-85.

[12]方向华.CPFR的联合预测研究[D].东华大学,2005.

[13]宋作玲.卷烟配送中心订单预测及系统实现[D].山东大学,2007.