由于客户需求的频繁波动,市场竞争的日益激烈,技术的不断更新,使得企业想要凭借单个的力量在竞争中取胜的可能性越来越小,供应链管理的产生和发展成为了必然。在供应链发展过程中,顾客的需求波动随着供应链由下至上逐渐放大的现象引起了人们的注意,牛鞭效应成为了供应链中客观存在的现象,严重威胁整个供应链的利益。由此,在供应链管理的实践过程中,必须重视并施行风险管理。 大量研究发现,需求信息的不准确是产生牛鞭效应的根源。导致信息偏差的原因有很多,传递时间的延迟和顾客需求的波动是最主要的因素。如何从包含有偏差的信息中获得有效的需求预测数据是减少牛鞭效应影响的关键。本文建立了包含多分销商和单生产商的两层供应链模型,给出其状态方程和观测方程,用卡尔曼滤波对包含噪声的需求信息进行处理,得到需求预测值和滤波预测方差。在面对需求预测的偏差时,不同偏好的决策者会做出不同的决策。基于这种考虑,将效用引入到随机风险决策中来,以决策者效用最大化作为目标函数,建立反映决策者评价标准的决策模型。通过参数化效用函数,分别给出了对数函数、线性函数、幂函数以及负指数函数下的期望效用,并用梯形积分法和二分法求解使期望效用达到最大的决策值。 本文采用蒙特卡洛方法对需求数据进行模拟,编写基于Matlab的牛鞭效应随机最优决策程序,对需求预测数据、观测数据以及不同参数效用下的决策值进行比较,结果表明卡尔曼滤波需求预测使牛鞭效应得到了有效缓解,不同参数效用下决策者对风险的偏好程度不同,其决策值差异比较大。因而,决策者个人因素是牛鞭效应控制过程中不可忽略的因素。