[發明專利]一種供應鏈牛鞭效應測度方法及系統、設備、存儲介質

有效

• 申請號: 202210571583.8
• 申請日: 2022-05-25
• 公開（公告）號: CN114708043B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 殷緒螺;唐文婷
• 申請（專利權）人: 湖南工商大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q10/04;G06Q10/06;G06F17/18
• 代理公司: 長沙智嶸專利代理事務所(普通合伙) 43211
• 代理人: 顏漢華

1.一種供應鏈牛鞭效應測度方法，其特征在于，包括以下內容：

獲取供應鏈中各個成員的需求量數據；

基于拓撲圖理論將復雜供應鏈拆解為多個二級供應鏈；

對于每個二級供應鏈，基于各個成員需求量數據的相關性分析成員之間的相關關系，并根據分析結果對需求量數據進行降維處理；

構造變權重絕對百分比誤差模型以根據二級供應鏈中多個同級成員降維后的需求量數據篩選出對應的最優需求預測模型，分別利用篩選出的最優需求預測模型的需求預測結果計算二級供應鏈中多個同級成員的訂貨量數據；

基于二級供應鏈中多個同級成員的訂貨量數據和需求量數據進行加總得到每個二級供應鏈的訂貨量數據和需求量數據；

基于多個二級供應鏈的訂貨量數據和需求量數據利用遞歸運算計算得到整個供應鏈的牛鞭效應；

所述變權重絕對百分比誤差模型為：

其中，k表示預測期數，表示第t+i期的需求預測值，表示第t+i期的需求實際值，通過計算目前常用的多個預測模型所對應的C-MAPE值，從中篩選出最小者作為最優需求預測模型。

2.如權利要求1所述的供應鏈牛鞭效應測度方法，其特征在于，所述基于拓撲圖理論將復雜供應鏈拆解為多個二級供應鏈的過程包括以下內容：

將供應鏈成員作為拓撲圖中的點、成員之間的聯系作為拓撲圖中的邊，以將復雜供應鏈網絡轉化為拓撲圖形式，通過對拓撲圖進行點劈分以將復雜供應鏈拆分為多個簡單的二級供應鏈。

3.如權利要求1所述的供應鏈牛鞭效應測度方法，其特征在于，所述基于各個成員需求量數據的相關性分析成員之間的相關關系，并根據分析結果對需求量數據進行降維處理的過程包括以下內容：

利用皮爾遜相關系數計算兩個供應鏈成員的需求量數據之間的相關性，并構造二級供應鏈中多個成員之間的相關關系矩陣；

基于相關關系矩陣構造似然函數，并利用似然函數挑選出相關性強的需求量特征數據；

利用因子分析方法對相關性強的需求量特征數據進行壓縮，以實現數據降維。

4.如權利要求3所述的供應鏈牛鞭效應測度方法，其特征在于，所述似然函數的表達式為：

其中，θ=A^-1，A表示相關關系矩陣，θ_ij為矩陣θ中的元素，d表示需求量數據的維數，λ表示強度系數。

5.如權利要求1所述的供應鏈牛鞭效應測度方法，其特征在于，在進行需求預測之前還包括以下內容：

對篩選出的最優需求預測模型進行擬合，獲得最優需求預測模型的余項，利用Vinecopula構造多維分布以對最優需求預測模型的余項進行建模。

6.如權利要求1所述的供應鏈牛鞭效應測度方法，其特征在于，還包括以下內容：

根據供應鏈牛鞭效應計算結果制定防范策略。

7.一種供應鏈牛鞭效應測度系統，采用如權利要求1~6任一項所述的方法，其特征在于，包括：

數據獲取模塊，用于獲取供應鏈中各個成員的需求量數據；

供應鏈拆解模塊，用于基于拓撲圖理論將復雜供應鏈拆解為多個二級供應鏈；

數據降維模塊，用于基于二級供應鏈中各個成員需求量數據的相關性分析成員之間的相關關系，并根據分析結果對需求量數據進行降維處理；

第一計算模塊，用于構造變權重絕對百分比誤差模型以根據二級供應鏈中多個同級成員降維后的需求量數據篩選出對應的最優需求預測模型，分別利用篩選出的最優需求預測模型的需求預測結果計算二級供應鏈中多個同級成員的訂貨量數據；

第二計算模塊，用于基于二級供應鏈中多個同級成員的訂貨量數據和需求量數據進行加總得到每個二級供應鏈的訂貨量數據和需求量數據；

第三計算模塊，用于基于多個二級供應鏈的訂貨量數據和需求量數據利用遞歸運算計算得到整個供應鏈的牛鞭效應。

8.一種電子設備，其特征在于，包括處理器和存儲器，所述存儲器中存儲有計算機程序，所述處理器通過調用所述存儲器中存儲的所述計算機程序，用于執行如權利要求1~6任一項所述的方法的步驟。

9.一種計算機可讀取的存儲介質，用于存儲進行供應鏈牛鞭效應測度的計算機程序，其特征在于，所述計算機程序在計算機上運行時執行如權利要求1~6任一項所述的方法的步驟。