基于社群交互的大规模定制供应链模型

1 系统动力学模型构建
以按订单制造（Make To Order）的大规模定制类 型为例，在这种生产方式中，变型设计及其下游的活动 是由客户订货驱动的[7]。也就是说，生产商依据用户的 订单需求进行生产制造，而其销售方式与传统供应链相 同。由此得到大规模定制产品的供应链概念模型如图1 所示。
⭏ӗ
࠶䬰
䴦୞
第43卷 第6期 2021-06 【151】
ᮠ䟿
䇒অᙫ䟿 ਇᒯ੺ᖡ૽ᮠ䟿 ਇ᧘㦀ᖡ૽ᮠ䟿
᧘㦀֌⭘⦷
图7 推荐作用率对定制订单的影响
2.5 接触人数敏感性分析 当其他参数不变、系统趋于稳定时，更改接触人数
c的取值对用户订单的影响如图8所示。
ᮠ䟿
䇒অᙫ䟿 ਇᒯ੺ᖡ૽ᮠ䟿 ਇ᧘㦀ᖡ૽ᮠ䟿
᧕䀖Ӫᮠ
图8 接触人数对定制订单的影响
（1.中国海洋大学 信息科学与工程学院，青岛 266100；2.青岛科技大学 信息科学技术学院，青岛 266061）
摘 要：大规模定制强调以用户需求为核心、需求反向推动生产，是企业进行生产销售的新趋势。为研
究社群交互行为对大规模定制需求产生及供应链的影响，构建了基于社群交互的大规模定制
供应链系统动力学模型。研究了好友推荐和广告宣传这两种不同社群交互方式对大规模定制
供应链的影响，并对结果进行对比分析。仿真结果表明，在该模型下，定制需求对口碑推荐
率、接触人数的敏感性较高，对广告作用率的敏感性较低。同时，该模型能在一定程度上缓
解“牛鞭效应”，减轻库存管理的压力。
关键词：大规模定制；社群交互；供应链；系统动力学
中图分类号：TP391
文献标识码：A
文章编号：1009-0134(2021)06-0149-04
ӗ૱փ傼ᵏ
▌൘⭘ᡧ
䇒অ
⭘ᡧ
ᒯ੺ᖡ૽ᮠ䟿 ᧘㦀ᖡ૽ᮠ䟿 矢㗔
ᒯ੺֌⭘⦷
᧘㦀֌⭘⦷
᧕䀖Ӫᮠ
图2 基于社群交互的用户订单模型
模型涉及到的公式有： T=U+P O1 = P× a
O2 = U×c×r×P / T O = O1+O2
其中，T表示社群的用户总量，U表示产生定制需 求的用户数量，P表示潜在用户的数量，a表示广告作用 率，r表示推荐作用率，c表示每个用户所接触到的好友 数量，O1表示受口碑宣传影响而增加的用户订单数量， O2表示受好友推荐影响而增加的用户订单数量，O表示 定制订单总量。
2.1 订单需求量分析 在默认参数下，模型运行期间用户受广告宣传影响
产生的定制订单数量O1和受好友推荐产生的定制订单数 量O2以及定制订单总量O如图4所示。
ਇᒯ੺ᖡ૽䇒অ ਇ᧘㦀ᖡ૽䇒অ
ᇊࡦ䇒অ
图4 订单需求量
由上图可知，在模型运行的初始阶段，由于潜在 用户P的数量远大于用户U的数量，使得受广告影响的 订单数量O1保持在一个较高的水平，是产生定制订单的 主要来源；同时，随着用户数量U的逐渐增多，受好友 推荐影响产生的定制订单数量O2从无到有呈快速增加趋 势。此后，受广告影响的订单数量O1逐渐下降，受好友 推荐影响产生的定制订单数量O2逐渐上升，直至二者均 趋于稳定。从整体来看，定制订单总量O的变化趋势与 受推荐影响的订单数量O2的变化趋势相似。
目前，有许多学者对大规模定制及其供应链进行 了研究，樊双蛟 [2]等在电子商务环境下构建了考虑促销 的大规模定制产品库存模型。张维杰[3]以海尔互联工厂 为背景，研究基于用户需求的大规模定制模式。高亮[4] 分析并研究了大规模定制产品供应链信息流管理及建模 仿真，建立了企业内部供应链信息管理机制，解决了因 为市场需求不确定和“牛鞭效应”带来的供应链管理的 问题。但多数研究将用户的定制需求与供应链管理割裂 开，或采用随机函数模拟用户需求，与实际定制流程存 在较大差距。
2.3 广告作用率敏感性分析 当其它参数不变、系统趋于稳定时，更改广告作用
率a的取值对用户订单的影响如图6所示。
ᮠ䟿
䇒অᙫ䟿 ਇᒯ੺ᖡ૽ᮠ䟿 ਇ᧘㦀ᖡ૽ᮠ䟿
ᒯ੺֌⭘⦷
图6 广告作用率对定制订单的影响
从图6可以看出，随着广告作用率a的增加，定制订 单总量O和受广告影响的订单数量O1明显增加，而受推 荐影响的定制订单数量O2呈现先增加后减少的趋势。 这是因为一方面由于广告作用率a的增加使得用户数量U 增加，而受好友推荐影响产生的订单数量O2与用户数量 U成正比，从而导致受推荐影响的订单数量O2增加；另 一方面，因为受广告影响的订单数量O1与潜在用户数量 P成正比，所以当社群成员数量T一定时，两种作用率也 存在一定的竞争关系，一方订单数量的增加势必会导致 另一方订单的减少。
⭏ӗ୶
࠶䬰୶
䴦୞୶
⭘ᡧ
ᇊࡦ䇒অ 图1 大规模定制的供应链概念模型
⢙⍱ ؑ᚟⍱
收稿日期：2020-06-29 基金项目：国家重点研发计划项目（FB1702902）；山东省高等学校优秀青年创新团队支持计划（2019KJN047）；
青岛市科技计划项目（19-8-1-12-XX） 作者简介：牛茹娇（1996 -），女，山东郓城人，硕士研究生，研究方向为智能制造、机器学习等。
2.2 各节点库存数量分析
当参数取默认值时，模型供应链各节点的库存数量 如图5所示。
ᇊࡦ䇒অ ࠶䬰୶ᓃᆈ
⭏ӗ୶ᓃᆈ 䴦୞୶ᓃᆈ
图5 各节点库存
由图5看出，模型运行初期，生产商、分销商和零售 商的库存量相继迅速增加，最终各节点的库存数量大致相 同。在传统供应链模型中，常出现“牛鞭效应”。牛鞭 效应指当供应链上的各级供应商只根据来自其相邻的下 级销售商的需求信息进行供应决策时, 需求信息的不真 实性会沿着供应链逆流而上，产生逐级放大的现象[9]。 但在该模型中，当运行结果趋于稳定时，各节点库存和 定制订单数量趋于一致。这一结果表明，用户与生产商 之间的直接信息交流提高了生产和库存管理的稳定性， 在一定程度上缓解了“牛鞭效应”，比传统供应链更具 优势。
0 引言
传统的标准化生产方式已经不能满足新经济形势下 消费者对多样化、个性化产品的需求[1]。大规模定制凭 借其柔性制造、快速响应的特点，能在产生规模效益的 同时满足用户的多样化、个性化需求。有助于企业应对 竞争激烈的市场环境，逐渐成为企业追求的目标和未来 商业发展的趋势。大规模定制模式的发展也影响并改变 着传统的供应链模式。在传统的供应链模型中，生产商 和用户之间的信息传递要经过许多中间环节，用户的需 求信息无法准确传递到生产商手中，从而导致各节点库 存的层层累积，产生“牛鞭效应”。而在大规模定制的 供应链中，生产商与用户可以进行直接信息交流，能够 更好地了解用户的定制需求并实现以需定产。
第43卷 第6期 2021-06 【149】
1.1 基于社群交互的用户订单模型 获取用户的订单需求，是进行大规模定制生产的基
础。巴斯扩散模型描述了新产品如何在人群中被采用的 过程，将使用者分为创新者和模仿者，通过外部影响系 数和内部影响系数促使越来越多的人使用新产品[8]。巴 斯扩散模型对于研究大规模定制供应链中用户需求的产 生具有良好的借鉴意义。结合社群交互的理念，可以把 广告宣传作为外部影响因素、好友推荐作为内部影响因 素。此外，与巴斯扩散模型一次性推广不同，产品定制 可以重复进行。因此，本文设置了产品体验期，在产品 体验期过后，成员有机会再次进行产品定制。
社群将有相同需求、共同喜好的用户聚集在一起， 强调“以用户为中心”[5]。社群交互是指社群中某个或
一群用户将信息传递给另外一个或一群用户，这个信息 传递的过程可能会改变这些用户的偏好、实际购买行为 或是他们未来的交流方式[6]。通过广告宣传与好友推荐 等交互方式，可以加大用户的购买欲望。这对模拟大规 模定制的用户需求量具有良好的借鉴意义。因此，本文 基于社群交互模式，将用户需求与大规模供应链结合， 建立了基于社群交互的大规模定制供应链模型，覆盖了 大规模定制产品从定制到生产再到销售交付的全周期主 要环节。
由图8可知，随着接触人数c的增加，订单总量O和 受好友推荐影响产生的订单数量O2也随之增加，受广告 影响产生的订单数量O1逐渐减少。此外观察订单总量O 的增长情况可知，在一定范围内，当接触人数c成倍增 加时，定制订单总量O也能成倍增加，如接触人数由c= 5变成c=15时，订单总量也近似变为原来的3倍；但继续 增大接触人数时，订单总量增长的速度会放缓，如接触 人数由c=5变成c=25时，订单总量不足原来的5倍。这可 能是因为随着用户接触人数的增多，接触到的潜在用户 出现重合，降低了订单的增加速度。
其中，0 <a<1，0<r<1，0<a+r<1。
1.2 大规模定制的库存模型
在用户产生定制需求后，生产商根据定制订单数量 进行产品的生产，然后根据分销商订单和自身库存情况
向分销商送货。同样，分销商、零售商分别根据零售商 订单和用户订单及自身库存情况进行分销和零售活动。 各节点向下级节点发货时，发货数量应取自身库存和下 级订单的较小值，涉及到的主要系统动力学方程为：
送货 = MIN（生产商库存，分销商订单）， 分销 = MIN（分销商库存，零售商订单）， 零售 = MIN（零售商库存，平均订单需求）。 各级节点库存的系统动力学方程式为： 生产商库存 = 生产 - 送货， 分销商库存 = 送货 - 分销， 零售商库存 = 分销 - 零售。 考虑到产品运输的延迟，分销商和零售商会设置补 货提前期。根据统计学原理，安全库存=日平均消耗量 *一定服务水平下的前置期标准差。假设补货提前期为 A，平均订单需求为M，有： 安全库存 =M * A。 当节点的实际库存低于安全库存时，会根据差值向 对应的上级节点补货： 分销商订单 = IF THEN ELSE（分销商库存 < 分销 商安全库存，分销商安全库存 - 分销商库存，0）， 零售商订单 = IF THEN ELSE（零售商库存 < 零售 商安全库存，零售商安全库存 - 零售商库存，0）。 对需求进行预测时，本文用前一天的实际需求表示 平均需求，即： 平均订单需求 = SMOOTH（订单，1）。
基于社群交互的大规模定制供应链模型
Supply chain model of mass customization based on community interaction 牛茹娇1，丁香乾1，陶 冶2，侯瑞春1
NIU Ru-jiao1, DING Xiang-qian1, TAO Ye2, HOU Rui-chun1
1.3 基于社群交互的大规模定制供应链模型 将用户订单模型与库存模型结合，便可得到最终的
基于社群交互的大规模定制供应链模型。为了简化模型 方便研究，本文以一个社群、一个生产商、一个分销商 和一个零售商为例进行建模，得到的系统动力学模型如 图3所示。
ӗ૱փ傼ᵏ
▌൘⭘ᡧ
䇒অ
⭘ᡧ
ᒯ੺ᖡ૽ᮠ䟿
᧘㦀ᖡ૽ᮠ䟿
矢㗔
2.4 推荐作用率敏感性分析 当其它参数不变、系统趋于稳定时，更改推荐作用
率r的取值对用户订单的影响如图7所示。 从图7可以看出，随着推荐作用率r的增加，受推荐
影响产生的订单数量O2和订单总量O显著增加，受广告 影响产生的订单数量O1逐渐减小。这一结果再次验证 了两种作用率之间的竞争关系。并且与图6对比可以看 出，增加推荐作用率r比增加广告作用率a更有利于订单 总量O的增长。这表明在实际生活中，加大好友推荐力 度比增大广告宣传更有利于产生定制需求。
ᒯ੺֌⭘⦷
᧘㦀֌⭘⦷
᧕䀖Ӫᮠ
⭏ӗ
䘱䍗
࠶䬰
ᒣ൷䇒অ䴰≲ 䴦୞
⭏ӗ୶ᓃᆈ ࠶䬰୶㺕䍗ᨀࡽᵏ
࠶䬰୶ᓃᆈ ࠶䬰୶䇒অ
䴦୞୶ᓃᆈ 䴦୞୶ᆹ‫ޘ‬ᓃᆈ
࠶䬰୶ᆹ‫ޘ‬ᓃᆈ
䴦୞୶䇒অ 䴦୞୶㺕䍗ᨀࡽᵏ
图3 考虑社群交互的大规模定制供应链模型
【150】 第43卷 第6期 2021-06
2 模型仿真与结果分析
本文使用AnyLogic进行模型仿真，设置的仿真周 期为40天，在模型运行的初始时刻各节点的库存量设置 为0。用于仿真模拟的各参数的默认值为：社群用户T= 10000，广告作用率a=0.01，推荐作用率r=0.01，用户每 天接触到的好友数量c=5，产品体验期t=10。
根据是否有定制需求，将社群成员分为用户和潜在 用户两类，二者可以相互转化。潜在用户通过购买产品 成为用户；用户在产品体验期过后转化成为潜在用户。 在社群交互模型中，订单的产生有两个途径：一是通过 企业的广告宣传，促使部分潜在用户进行产品定制；二 是通过用户进行好友推荐，促使部分潜在用户进行产品 定制。其中 ，广告宣传受广告作用率的影响，好友推荐 受接触人数和推荐作用率的共同影响。在此基础上建立 的基于社群交互的用户订单模型如图2所示。