第二章 基础概念及理论

第一节 产出随机

产出随机（Random Yield）主要指生产过程中受自然条件、技术水平或管理等因素影响造成的产出不确定。产出随机常常出现在电子及半导体制造、农业、化工和再制造等行业的原材料加工、产成品加工或零部件组装过程的正常生产流程中。产出随机是造成供应链中供应不可靠的主要因素之一。

除产出随机外，供应中断（Supply Disruption）是引发供应链管理中供应可靠的另一个最常见和最重要的方面。供应中断通常指由突发自然灾害（火灾、地震、传染病等）或人为事件（罢工、恐怖袭击等）导致供应的意外中断^[1]。供应中断时常发生并使企业遭受重大损失，严重影响企业的正常运营甚至可能造成整条供应链崩溃。如2000年，为爱立信提供芯片的一家飞利浦工厂发生火灾，导致爱立信手机部门在该年总亏损16.8亿美元，并且市场份额由12%下降到9%^[2]。2001年“9·11”事件后，由于汽车零部件短缺，最终迫使福特公司暂停了5个生产工厂^[3]。2004年，由于一个感冒疫苗生产厂商违反美国食品药物管理局的规定而被迫关闭，导致了美国感冒疫苗的供应量减半，随后由流行性感冒及并发症导致该年至少3.6万人死亡和20万人住院治疗^[4]。2010年，冰岛火山灰蔓延使英国、瑞典、丹麦和比利时等国一度关闭了全部机场。该次航空管制不仅给欧洲航空业带来巨大损失，同样受到影响的还有采用航空运输的企业。据德国工商总会称，禁飞给德国企业每天造成的营业损失约10亿欧元^[5]。2011年，日本爆发的9.0级地震并引发海啸使得日本经济遭受严重损失，并给汽车、电子、半导体等众多产业带来了严重的后续影响。如由于部分零部件供货中断，日本三大汽车厂商丰田、日产和本田共有22家工厂被迫暂时关闭^[6]。可见，供应中断一旦发生，将给企业或社会带来巨大损失。

本书着重研究产出随机情形。产出随机最多导致下游采购商的部分订购量不能及时得到满足，而供应中断一旦发生，下游采购商可能一个产品都不能从上游供应商处获得。因此，在产出随机供应链管理文献中都采用产出随机模型（Random Yield Model）来刻画供应商的不确定性产出。产出随机模型又分为乘法产出随机（Multiplicative Random Yield）和加法产出随机（Additive Random Yield）模型。即假定供应商的生产投入量为Q，则实际的产出量为TQ 或T+Q（或下游采购商的订购量为Q，实际获得量为TQ 或T+Q）。其中，T为独立于生产投入量Q的随机变量，乘法产出模型中T∈[a，b]（0≤a＜b≤1），加法产出模型中假定-Q≤a＜T≤b（a≤0，b≥0）。现有文献较多假定T服从二项式（Binomial）、断裂几何（Interrupted Geometric）、离散或连续均匀（Discrete Uniform）等分布^[7]。而研究供应中断的供应链管理文献，如Xia等通常假定发生供应中断的概率为β，则采购商能够获得全部订购量的概率为（1-β），一个订购量都不能获得的概率为β^[8]。由此可见，一定程度上供应中断模型可以看成乘法产出随机模型的特殊形式[T 服从0-1（All-or-nothing）分布时]。

本书在模型构建中也将采用乘法产出随机模型来刻画供应商的不确定性产出。上述分析说明，本书的研究结论比运用供应中断模型得到的结论更具有一般性。