供应链信息共享效用：基于企业层级、信息类型的视角

李晓翔 胡 梦

一、引言

信息缺失和信息不对称会造成供应链及其企业运营效率降低、交易风险和协调成本增加。以牛鞭效应为例，下游企业通常独立解读终端市场需求信息，通过订货行为等将解读的结果继续向上游企业进行传递，传递内容又受其安全订货量等诸多因素的影响。企业关于市场信息的主观判断将逐级传递并放大，缺货和囤货等现象加剧，市场协调成本显著增加。［1］鉴于此，企业和供应链期望通过协调和整合信息资源以减少主观判断的影响，进而实现供需求平衡，部分学者甚至据此提出应当实现供应链信息的完全共享。［2］那么共享更多的信息是否就一定能带来更高的企业和供应链绩效呢？企业均会尽力减少存货和缺货现象以降低成本，但是通过信息共享消除这些现象又会存在诸多困难和影响因素。有研究就认为企业间订货和交货的时滞影响、企业间在决策和绩效表现等方面存在的相互影响均会因为信息的共享而被放大，过多的参考信息甚至会造成企业决策的无所适从。［3］更重要的是，不同企业对信息的理解会有所差异，例如不同层级的企业对同一市场信息会有不同的前景判断，这些判断的差异最终都将反映到它们的订货和生产决策中，而且由于能够直接根据市场信息做出独立判断，企业和相邻上下游伙伴间的合作意愿也会减弱，因此供需差异反而可能被放大。可见，信息共享和企业以及供应链成本降低、绩效提高之间的关系存在争议，但这类争议由于直接关系到企业合作、供应链信息化等重要实践又亟待解决。

企业信息的类别极为丰富，对决策的支持作用也各有差别，因此供应链上不同的共享信息、共享形式所带来的影响会有所不同，信息共享的效用不能一概而论。市场导向导致企业极为关注终端市场需求和下游企业库存数据，它们对企业自身的生产、订货、库存等决策均有着重要的影响，本文因而致力于探索共享这类关键信息将产生怎样的影响。具体来说，本文将基于常见的4级供应链模型研究终端市场销售数据（POS数据）、下游企业库存数据的共享对企业以及供应链存货和缺货成本的影响进行研究。尤其是，共享的形式可分为仅共享POS数据、仅共享库存数据、同时共享POS数据和库存数据三类，不同层级企业的决策对于POS数据等的倚重程度也应有所区别，本文同时将针对这些进行分情境分析和检验，以期望针对是否应当以及如何共享供应链信息等问题做出更为深入、细致的解答。

二、文献回顾和假设提出

大量文献从增进协作的角度强调各类信息的共享均能提高企业以及供应链的绩效，进而认为供应链信息共享具有重要作用 （Ravi等，2006［4］）。早在20世纪80年代末，对供应链信息共享作用的研究开始出现 （yoo，1989［5］），随着90年代因特网的逐渐普及，对供应链信息共享作用的研究日益增多，研究主要集中在四个方面： （1）信息共享对绩效的影响，这部分研究主要关注信息共享所带来的成本降低。Chen等 （2001）［6］研究发现供应链信息共享能够减少供应链整体9%的成本，Lee（2000）［7］研究结果表明在由零售商和制造商构成的两层供应链中，信息共享可以节约23%的成本，Yu等 （2001）［8］在研究两层供应链的信息共享问题时则证实信息共享程度增加能够显著地降低库存和库存成本。 （2）信息共享对经营策略的影响。运营管理领域的学者注意到供应链信息共享可以降低库存、最小化实体流的延迟、实现更好的供需匹配。Croom等 （2000）［9］发现信息共享对于供应链上下游企业是必需的，它能够最小化库存，并支持对需求变动的即时响应。Chen和 Yu（2002）［10］研究认为供应商生产能力和提前期等信息能够减少下游企业面临的供应不确定性，进而改变供应链上企业的经营策略。Ferguson和 Ketzenberg（2006）［11］证实共享产品时间信息有助于零售商正确制订易腐烂产品的补给策略。 （3）供应链环境和信息共享效用之间的关系，这其中包括多层级供应链需求信息的价值 （Lee， 2000［7］）、 供应链分布式生产环境下需求信息的价值等 （Moinzadeh， 2002［12］）。（4）信息共享程度和信息共享效用之间的关系。Boray等 （2005）［13］研究了两层供应链时发现在单个零售商信息完全共享的情形下，供应链从信息共享中获得的收益占利润总额的42.68%，而在选择性信息共享环境下，这一比例为20.09%。他们认为，在两层供应链中，当两家制造商共享信息时，供应链不仅在生产和库存方面实现集聚优势，而且能够实现信息的集聚优势，而且层级越多、同一层级企业数量越多的供应链从信息共享中获得利益也越多。他们同时也指出，在完全信息共享环境下，普遍采用的梯次库存（Echelon Stock）策略在生产能力足够大的情况下并不能取得良好的绩效，这种策略可导致制造商的成本比最优化策略下高85%。Min等 （2002）［14］对供应链进行分类，其中一类是信息技术驱动型供应链，他们研究发现信息技术驱动能够带来供应链成功，并且强调这类供应链仍然处于信息共享实践的初始阶段，需要对此做进一步研究。

以上说明，大量研究结果都认同：共享数据是有利的，尤其体现在对牛鞭效应的减少方面。具体销售数据和库存数据的缺乏导致上游企业对需求信息的获取只能依赖于对订单的判断，订单作为下游企业对未来需求判断的结果，又将作为上游企业判断未来需求的基础，因此订单所传递的信息在向上游企业传递的过程中逐层出现变异。而如果关于下游实际的销售数据以及库存数据能够向上传递时，则可以为企业进行订单决策提供更多的支持。由于不能忍受牛鞭效应及其所带来的低效率，一些公司 （如沃尔玛、宝洁、通用电气）已经投入大量的资金重构它们的供应链，［15］它们加快供应链内和供应链间物质流动的同时，也致力于在供应链范围内共享POS数据。［16］POS数据直接刻画市场实际销售情况，上游企业根据市场实际需求状况制定相应生产或者订货决策，可以使自己的行为更具前瞻性，尤其对于供应链中较高层级的企业更是如此 （例如制造商和分销商）。但是在没有数据和信息共享的情境下，订货决策依赖于对订单的分析以及自有库存的数量，而共享POS数据后，订货决策受到POS数据的影响。不同组织和个体对POS数据所传递的信息认识有所差异，更为重要的是，对于上游企业而言这种差异更加明显。即使订单传递、货物运输时间相同，但是由于企业对于下游客户订货行为的感知不同，企业在面对同样POS数据时也会表现出不同的订货决策，即POS会增加企业对未来需求的判断的差异，而且这种差异在供应链上游时会更加明显。因此我们认为POS数据的共享在为订货决策提供更多支持、提高订货决策质量的同时，也增加订货决策所面临的扰动，而且离终端市场越远的企业所受到的这种扰动越大。

企业接收的订单来自于下游企业，下游企业的库存会影响到自身的订购决策，进而会影响到上游企业所接收到的订单，［2］因此共享下游企业的库存数据可以提高上游企业的订货决策质量。和POS数据的共享不同，共享库存数据还具有自身的优势：POS数据为最终端市场需求数据，每个企业对市场数据的理解不同都会体现到其订单中，而且供应链的长度、订货时间等都会影响个体对市场数据的解读，而且距离市场越远，企业表现出的决策质量差异就会越大，即终端市场的数据和信息随着供应链向上传递的企业层级越多，则对其分析和利用的难度越大；而上下游企业间共享库存数据时则能够直接获知下游企业的真实库存量，这些会直接影响下游企业的订购决策，进而影响自身的订购，而且这种数据和信息的传播距离较短，能够给企业提供更为直接的决策支持，企业参考这类数据进行决策时所受到的影响因素较少，因此我们认为基于下游企业库存数据制定的订货决策更为科学，且企业和供应链成本的方差比POS数据共享时要小。尽管如此，不同主体对下游企业的库存数据认识和理解不同，相比没有数据共享时的情境，库存数据的存在增加了订货决策质量之间的差异，因此我们同样认为库存数据共享增加了企业成本方差。这里需要补充说明的是，在没有任何信息共享的情境下，企业的订货决策依赖于管理者等对冗余的态度，那么这也导致企业间库存量和库存成本的差异。而其他情况相同的情境下 （例如处于同一供应链层级），在决策过程中加入其他数据和信息后，企业决策受到的影响因素增加，决策结果将表现出更大的差异性和离散型。

尽管有人认为信息越多，决策越科学，［2］但是在现实中制定决策时很难取得最优化结果。行为决策理论认为，限制决策背景以改进决策结果常常不能取得预期的效果，特别是信息过多存在的情况下决策环境受到限制，决策质量很难提高。［17］当企业缺乏任何信息支持时，其订货决策依赖于下游企业的订单数量和自有库存 （或缺货），而当共享POS数据或下游企业的库存数据时，企业的订货决策得到信息和数据支持而变得更为科学，但是对数据和信息利用能力的差异造成决策质量的方差增加。进一步，如果共享这两类数据时，企业将基于这两种数据进行决策。如上文分析，相比起POS数据，下游企业的库存数据将能够更直接地影响企业所获取的订货量，那么共享这两类数据时，对POS数据的关注会降低对库存数据的依赖，而且上游企业由于远离终端市场，可能倾向于依赖POS数据做出前瞻性的产品需求预测，而这减弱了库存数据对企业订货决策的贡献，因此我们认为两类数据共享效用应当介于共享单类数据的效用之间。①更多信息是否一定能带来决策质量的提高，这点仍然存在争论。现实中对数据和信息的处理、建模能力等都会影响到最终的决策能力，决策者利用数据和信息的能力是有限的，即企业的订货决策是在决策者能力受限的情况做出的。而过多数据和信息的存在，会造成个体和组织的信息超载，决策质量反而会变得更加不稳定，决策效果也未必能够得到增加。因此我们这里做出这样的假设，该假设的最大意义其实也是为了提出这样一个观点：信息并非越多越好。现有的啤酒实验环境中 （包括本文），订货决策者的信息处理能力等均受限，和这里的假设情境也是一致的。但是更多数据和信息的共享，仍然将增加企业对订货决策的分歧，即订货成本方差将增加。至此，我们得到如下假设：

假设1：POS数据共享在降低供应链及企业成本的同时，也会增加企业成本方差。

假设2：库存数据共享在降低供应链及企业成本的同时，也会增加企业成本方差。

假设3：库存数据共享时的企业和供应链成本和方差要低于POS数据共享。

假设4：在共享POS数据、共享库存数据、共享POS数据和库存数据三种情境下，第三种情境下企业和供应链成本均值介于前两种情境之间，而方差大于前两种情境。

三、实验设计和模型构建

实验过程参照 Gupta 等 （2002）［18］、 Steckel等（2002）［19］以及 Croson 和 Donohue （1999， 2003）［20－21］等的啤酒游戏，并做适当调整。我们从物流系三四年级本科生和MBA学员中共招募48名参与者，随机将其分成12个小组。我们采用的是4层供应链模型，因此每个小组4名成员分别扮演零售商、批发商、分销商和制造商这4个角色，每个参与者主要是向上游企业发送订单、向下游企业供货。实验过程一共持续了六周，实验在每周六的下午进行，其中第一周是介绍相关的实验内容，并熟悉试验流程，第二周到第五周进行了4组实验，4组实验的过程如下：第一组为对照组，均不共享POS数据和库存数据；第二组共享POS数据；第三组共享下游企业的库存数据；第四组则同时共享POS数据和库存数据。由于部分小组成员缺失，我们在第六周补做每个小组所缺失的实验。最后仍然因为数据缺失，我们损失了一个小组的样本。最后进入分析的为11组。

Lee等 （1997）［22］提出牛鞭效应的4个操作性成因，但我们都对此进行了消除： （1）库存分配 （没有竞争，并且制造商的能力是无限的）；（2）批量订货 （因为批次设置阀限为0）；（3）零售端的价格波动 （因为价格一直是恒定的）； （4）需求信息处理（在开始实验之前，我们公开了需求分布，并且为带有扰动的S型需求，具体操作为依次从0～5、6～11、12～17、18～23、12～17、6～11……中任意取值，相比起其他实验中所采用的递增型或者单纯S型需求，我们认为这种方法更符合现实，而且这种方法在Steckel等 （2004）［23］研究中被采用）。 而且， 我们设定订单传递、货物运输和产品制造的时间均为一个订货周期的时间。

每次实验开始时，每家企业都拥有12件存货，实验一开始模拟若干次 （6～12轮），然后开始正式实验 （例如共享某种数据），这么做的原因是避免批发商可以根据POS数据计算出零售商库存之类现象的出现，而对研究结果造成干扰。每组我们进行36个周期，每次用于决策的时间为70秒，这些时间既不能导致匆忙决策，也不能导致时间过长，［23］所有实验均在物流实验室完成，其间提供计时装置和时间提示装置。供应链的累计成本由各个周期的成本进行加总，各个周期的成本包括各个供应链层级的库存成本和订单积压成本。参与者被告知了各个周期的单位库存成本为0.50元，单位订单积压成本1元。Croson和Donohue（1999）［20］在研究存货信息共享作用的时候采用了同样的成本计算方法。而且，供应链中的每个成员在制定存货决策都拥有相同的目标，即最小化供应链总体成本。

四、实验结果

图1和图2分别显示了第一组和其他三组上游企业 （批发商、分销商和制造商）和供应链成本均值和成本方差对比的结果。

图1 成本均值对比

相比起对照组，共享POS数据之后批发商成本均值由3.6364减少至1.8624，且组间检验时t＝31.007、p＝0.000，分销商成本均值由3.9242减少至2.5682，组间检验时t＝23.367、p＝0.000，制造商成本均值由5.1124减少至2.9482，且组间检验时t＝24.471、p＝0.000，而供应链总成本则由14.6768减少至9.5290，t＝46.366、p＝0.000。 这说明共享POS数据后，供应链上各级的成本均有所降低。同理，我们可以发现相比起对照组，共享库存数据后，批发商、分销商、制造商和供应链成本均值分别降低至1.5126、2.0518、2.1010、7.3965，且组间检验结果显示，t值分别为47.330、32.204、68.230、67.719，p值均为0.000。而同时共享POS、库存数据时，批发商、分销商和制造商的成本同样得到显著降低 （p值均小于0.001）。这些说明，相比起没有数据共享情境，数据共享可以降低上游企业以及供应链整体的成本。那么共享POS数据和共享库存数据之间，哪个更能够降低企业的成本呢？共享POS数据时，批发商成本均值为1.8624，共享库存数据时批发商成本均值为1.5126，二者组间检验结果显示t＝16.736、p＝0.000，说明在共享库存的情况下，批发商将拥有更低的成本。而我们比较分销商、制造商和供应链在两种数据共享情境下的成本时，t值分别为20.410、15.160、30.489，且共享库存情境下，成本更低。这些都证实共享库存数据的情境下，企业将有着更低的成本。

接下来，我们继续检验：共享更多的信息是否能够继续降低成本。首先，我们对比共享POS数据和共享两类数据时的成本，批发商、分销商、制造商、供应链整体在共享POS数据和共享库存数据时的成本分别为1.8624和1.5720、2.5682和2.4432、2.9482和2.2854、9.5290和7.8447，且所对应的t值分别为5.617、3.753、10.764、16.662。 这些说明，加入库存数据后，供应链企业及供应链整体成本均得到显著下降。其次，我们比较在共享库存数据的基础上，共享POS数据是否有助于成本进一步降低。比较发现，对于批发商而言，共享库存数据时均值为1.5126，共享两种信息时，为1.5720，二者t检验结果为t＝－1.155，p＝0.249，说明二者之间并未有显著的区别。而对于分销商、制造商、供应链整体在共享POS数据和共享库存数据时的成本分别为2.0518和2.4432、2.1010和2.2854、 7.3965和7.8447，t值分别为 －12.502、 －6.797、 －6.016，且p＝0.000。这说明，加入POS数据的共享后，分销商、制造商和供应链整体的成本反而显著增加。

表1 成本均值组间检验显著性

通过均值检验，我们可以发现相比起没有数据共享，数据共享可以给企业带来更大的效用，本文体现为更低的成本。而在所有共享数据的情境中，单独共享库存数据则能够取得最低的成本。那么，为什么加入POS数据后，库存数据共享所获得的效用会进一步降低呢？我们对每组成本数据进行方差计算，计算结果见图2。由图2可见，对于批发商而言，对照组中的方差为1.433，而共享POS数据之后方差降低为1.053，但与此同时，分销商、制造商的成本方差则分别由2.126、0.602提高到2.214、4.589，供应链整体的成本方差更是由13.565增加至19.909。比较共享库存数据和共享POS、库存数据，我们也可以发现方差在加入POS数据共享后得到增加，这也就是说明，加入POS数据共享前后，个体间成本表现出的决策结果差异变大。POS数据共享后，各个企业在制订决策的过程中将参考POS数据，即更加关注于市场的变化。那么每个企业对终端市场未来的判断不一致，这也导致不同企业间表现出较大的成本差异。因此，假设1被部分支持：共享POS数据后，供应链及上游企业的成本显著降低，而成本方差在上游，即分销商和制造商以及供应链整体得到增加。假设2同样被部分支持：共享库存数据后，供应链及上游企业的成本显著降低，而成本方差在最上游，即制造商以及供应链整体得到增加。假设3被很好支持：共享库存数据时的成本均值和方差均小于共享POS数据时的。假设4被部分支持：两类数据共享情境下，成本均值大于共享库存数据时的均值，而高于共享POS数据时的均值，方差则在制造商和供应链整体层面上介于二者之间。

图2 成本方差对比

五、进一步研究

以上证实是否共享数据将会对企业以及供应链成本产生影响，所共享数据的类别等同样会影响企业以及供应链的成本。那么，我们将进一步检验：共享的数据将如何影响企业的决策？对这一问题的回答将从另一个角度检验信息共享对决策行为产生影响。

不同研究对订货决策逻辑的定义有所区别，为了检验数据共享对订货决策的影响，我们提出了库存数据和POS数据共享模式下的订货决策模型，如下即为包含本文所有信息共享状态的模型：

其中，DOt是t订货周期订单数额，POSt、POSt－1是POS显示的t－1和t周期市场销售量，Rt则是下游企业在t周期的库存量，而Ot为t－1周期末的库存量 （或缺货量），需要说明的是，如果没有共享某类数据，则在回归过程中并不加入这一项。其中，由于市场销量对上游企业的影响可能会存在一个时滞，因此我们这里检验了2个周期的销量的影响。与此同时，企业自己在当前的库存量 （或缺货量）状态也会影响其订货行为，我们这里将其作为控制变量加入进来，计算方法就是上期的库存减去订单。我们对批发商、分销商和制造商的订货量进行回归，得到的结果分别见表2、表3和表4。

表2 对批发商订货量的回归结果

表2显示了对批发商订货量的回归结果，其中在没有任何信息共享的情况下，自有库存和订货数量之间呈现显著的负相关。在共享POS数据后，调整后的R2由0.042增加至0.077，而当期的终端销售量POSt和订货量之间存在显著的正相关关系 （系数为0.313，t值为4.085），尽管上一期的销售量和订货量之间相关系数为0.010＞0，但是t＝0.266，p＝0.790，不显著。而共享库存数据时，下游企业的库存和订货量之间存在显著的负相关性。在同时共享POS数据和下游企业库存数据的情况下，得到的结论和前面三个信息共享情境一致，即POS数据、下游库存和订货量之间分别呈现显著的正相关和负相关关系。

表3显示了对分销商订货量的回归结果，其中没有任何信息共享的情况下，自有库存和订货数量之间呈现显著的负相关。而共享POS数据后，调整后的R2由0.075增加至0.117，且POSt和订货量之间存在显著的正相关关系，而POSt－1和分销商的订货量仍然没有显著的相关性 （t＝0.544）。而共享库存数据时，下游企业的库存数量和企业订货数量之间存在显著的负相关关系 （系数为 －0.389，且至少在p＜0.001水平上显著）。同时共享POS数据和下游企业库存数据的情况下，得到的结论和前面三个信息共享情境一致。对制造商回归所得结果和对批发商、分销商回归结果区别在于不论何种信息共享情境，自有库存和订货量之间不存在显著的相关关系，在三种情境下t值分别为－0.731、 －0.123和－0.734。而POSt－1和订货量之间却有着显著的相关性，单独共享POS数据时， 系数为0.160 （t＝1.860，p＝0.064），而共享 POS、库存数据时，系数为 0.226（t＝ －5.291，p＝0.000）， 这说明前一期的市场销售量对制造商产生显著影响。

表3 对分销商订货量的回归结果

表4 对制造商订货量的回归结果

六、结论和启示

信息共享对企业以及供应链绩效的作用一直是一个热点问题，但是信息有很多种类，共享的信息越多就越有利吗？怎样共享以及共享何种信息最有利？我们对此进行了探索。相比已有研究，本文则分别检验了不共享任何数据、仅共享POS数据、仅共享下游企业库存数据以及同时共享POS数据、库存数据时各级企业和供应链整体的成本水平，得到一些有趣且有意义的结论和启示。

1.共享信息比不共享信息有着更低的成本，这不仅体现在单个企业层面，更体现在供应链整体层面。但是共享数据可能会造成上游企业的成本方差变大。这说明，共享的信息为企业提供了更多的决策支持，企业的决策质量得到提高，而所共享信息的效用实现仍然需要企业加入自己对此的理解，决策质量之间的差异性因为对这些信息的解读而增加，因此共享信息后企业成本的方差变大。

2.相比起其他信息共享情境，共享库存数据更有效。企业订单来自于下游企业，因此下游企业的库存状况至关重要。不仅从均值上，我们证实共享库存数据时的企业成本和供应链成本要显著小于共享POS数据时的成本，而且我们还证实共享库存数据时的成本均值和方差甚至要低于POS数据、库存数据均共享的状态。上游企业的库存会直接影响上游企业的订货量，因此对这类信息的共享会显著降低库存所带来的成本，这说明POS数据虽然会给企业提供一定的决策支持，尤其相对于没有任何信息共享的情境，但是这类信息的存在也会影响到上游企业对未来市场行情的判断。大量研究认为供应链范围内完全信息共享是最优的信息共享策略［2］，本文的结论对此进行了反驳，并且给我们一个重要启示：信息共享价值仍然是在正确、合理利用信息的基础上才能实现的，由于组织和个体处理信息的能力有限，更多的信息并不一定会带来正的效用。

3.共享的数据会影响到订货决策，而且供应链不同层级的企业对这些数据的利用存在差异。在信息不共享的情境下，由于牛鞭效应层层放大库存不足或过量，制造商无法准确根据分销商的订货信息对生产决策做出判断，因此它们更倾向于按照自己对待风险的态度去维持一定的生产数量以响应极不确定的来自分销商的订单，进而它们的成本均值较大，而均值方差较小。而一旦有新的信息出现，这些新的信息将更能吸引它们的关注。本文证实制造商对自己现有库存量关注度较低，而对终端市场的历史数据都表现出极大的关注，即更多的决策将依据这些数据完成。由于对数据和信息解读能力不同，制造商决策质量因而出现更大的分化，图2所示结果也支持这一点。这里对于信息关注度的不同给我们一个重要启示：不同层级的企业对供应链信息的需求会有所差异，供应链信息整合的过程中需要考虑到这一点；上游企业对终端市场有着更大的依赖性，它们将成为供应链一体化最积极的推动者。

本文仅在实验的环境下检验并比较不同信息共享情境下的成本差异，不同的行业环境下、不同的市场需求分布、不同的库存成本和缺货成本以及不同的订货和送货时滞都会影响到供应链的环境，进而会对其中的企业订货决策产生影响，那么在这些不同的情境下，信息共享又将表现出怎样的效用？这一问题值得我们做进一步的研究。此外，本研究仅仅是下游企业的库存向上游企业共享库存，那么上游企业的库存是否会影响到下游订货量呢？在整个供应链内部实现所有库存数据的共享又会带来何种结果？这些有趣且有意义的问题均值得我们去探索。

［1］ Simchi-Levi D， Snyder L， Watson M.Strategies forUncertain Times［J］.Supply Chain Management Review.2005， 6 （1）： 11 －12.

［2］ Lee H L， So K C， Tsang C S.The Value of Information Sharing in a Two-level Supply Chain ［J］.Management Science， 2000， 46 （5）： 626 －643.

［3］ Fisher M L， Janice H H， Walter R O， Ananth R.Making Supply Meet Demand in an Uncertain World ［J］.Harvard Business Review， 1994， 72（5／6）： 83 －93.

［4］ Ravi P， Arun R， Nainika S.Relational Antecedents of Information Flow Integration for Supply Chain Coordination ［J］.Journal of Information Management System， 2006， 23 （1）： 13－19.

［5］ Yoo S.An Information System for Just-in-time ［J］.Long Range Planning， 1989， 22 （6）： 117 －126.

［6］ Chen F， Awi F， Zheng Y S.Coordination Mechanisms for a Distribution System with One Supplier and Multiple Retailers［J］.General Information，2001， 47 （5）： 693－708.

［7］ Lee H L.Information Sharing in a Supply Chain ［J］.International Journal of Technology Management， 2000， 20 （3）： 47 － 53.

［8］ Yu， Z X， Hon Y， Edwin T C.Benefits of Information Sharing with Supply Chain Partnerships［J］.Industrial Management＆ Data Systems， 2001，101 （3）： 114－119.

［9］ Croom S， Romano P， Giannakis M.Supply Chain Management： An Analytical Framework for Critical Literature Review ［J］.European Journal of Purchasing ＆ Supply Management， 2000， 6 （1）： 67 －83.

［10］ Chen F， Yu B.Quantifying the Value of Lead-time Information in a Single-location Inventory System ［P］.Working Paper， Columbia Business School， New York， NY， 2002.

［11］ Ferguson M， Ketzenberg M.Information Sharing to Improve Retail Product Freshness of Perishables ［J］.Production and Operations Management，2006， 15 （1）： 57－73.

［12］ Moinzadeh K.AMulti-Echelon Inventory System with Information Exchange ［J］.Management Science， 2002， 48 （3）： 414 －426.

［13］ Boray H， Seyed M， Iravani R.Production Control Policies in Supply Chains with Selective Information Sharing ［J］.Operations Research， 2005，53 （4）： 662－674.

［14］ Min H， Gengui Z.Supply Chain Modeling： Past， Present and Future ［J］.Computers＆ Industrial Engineering， 2002， 43： 231 －249.

［15］ Gunasekaran A， Ngai E W T.Build-to-order Supply Chain Management： A Literature Review and Framework for Development［J］.Journal of Operations Management， 2005， 23 （5）： 423 －451.

［16］ Gill P， Abend J.Wal-Mart： The Supply Chain Heavyweight Champ ［J］.Supply Chain Management Review， 1997， 1 （1）： 8 －16.

［17］ Kahneman D， Amos T.On the Psychology of Prediction ［J］.Psychics Review， 1973， 80： 237－251.

［18］ Gupta S， Steckel J， Banerji A.Dynamic Decision Making in Marketing Channels： An Experimental Study of Cycle Time， Shared Information， and Customer Demand Patterns ［A］.In Experimental Business Research， A.Rapoport and R.Zwick （eds.）， Kluwer Academic Publishers， Boston，MA，2002.

［19］ Steckel J， Gupta S， Banerji A.Supply Chain Decision Making： Do Shorter Cycle Times and Shared Point of Sale Information Always Help？ ［R］.Working Paper， New York University， New York， 2002.

［20］ Croson R， Donohue K.Behavioral Causesof the Bullwhip Effect and the Observed Value of Inventory Information［P］ .Department of OPIM working paper， the Wharton School， University of Pennsylvania， PA.1999.

［21］ Croson R， Donohue K.Impact of POS Data Sharing on Supply Chain Management： An Experimental Study ［J］.Production and Operations Management， 2003， 12 （1）： 1 －11.

［22］ Lee H L， Padmanabhan V， Whang S.Information Distortion in a Supply Chain： The Bullwhip Effect［J］.Management Science， 1997， 43， 546 －558.

［23］ Steckel J， Gupta S， Banerji A.Supply Chain Decision Making： Will Shorter Cycle Times and Shared Point-of-sale Information Necessarily Help？［J］.Management Science， 2004， 50 （4）： 458 －464.