政治大學莊皓鈞教授探索「Mixture Modeling for Latent Evolutions in Inventory Record Inaccuracy」

院行政辦公室

撰文者／方鈺學

臺大管理學院于2023年11月23日舉辦了「數據分析與數位轉型學群演講」，由政治大學資訊管理學系的莊皓鈞教授主講。莊教授專精於零售與服務業營運、計量分析、供應鏈管理、系統動力學等領域，並且在《Journal of Operations Management》、《Production and Operations Management》、《European Journal of Operational Research》等知名期刊上發表過多篇研究成果。

莊教授在這次演講中專注於「Mixture Modeling for Latent Evolutions in Inventory Record Inaccuracy」這一主題，致力於探索如何就難以觀察的存貨紀錄錯誤進行較過往文獻更為深入的實證分析。

演講中，莊教授的研究專注於形成存貨紀錄錯誤（Inventory Record Inaccuracy）的隨機波動。資訊系統中存貨數量與現場實際數量之間經常存在不一致。統計顯示，在製造業中，有27%至36%的存貨紀錄出現異常；而倉儲管理的紀錄中，高達95.5%的紀錄存在準確性問題。這種情況不僅存在於商業領域，也涉及軍事和醫療領域。零售業（Retailing)中存貨的高流動性使得存貨紀錄不準確性高達60%。此問題不僅影響供應鏈管理，還會降低財務報告的可信度，影響決策品質，被視為庫存管理的最大挑戰。

過去研究著重於模擬分析，而莊教授強調了實證研究的重要性。他利用廠商提供的13週觀測數據推斷出12週的波動，涵蓋了719種商品的資料。利用斯凱勒姆分佈（Skellam Distribution）建立混合模型（Mixture Model），試圖驗證與先前文獻中的預測因子是否一致。這份研究比過去更為精細，以週為單位進行分析，探討了銷售狀況、價格、運送、促銷等多個因素，如何影響的潛在正向與負向隨機波動。研究發現，價格較高的商品非零的波動較小(因此錯誤機率小)，而價格較低的商品波動較大，同時價格和系統銷售量存在交互作用，甚至有可能形成存貨系統數量小於實際數量的狀況。

然而，莊教授強調這是一項正在進行中的研究。由於目前實際資料仍然相對稀缺，他的研究目的在於驗證實際資料與先前理論研究對存貨紀錄不準確性解釋的一致性，並發展出源自理論猜想的混合機率模型，可延伸為迴歸模型實證探索影響存貨錯誤的重要因素。多樣且頻繁交易的零售業也為分析建模帶來了挑戰。存貨紀錄不準確性問題仍需要更多實際資料的驗證與分析。

 

結論與反饋：

在分享結束後，參與分享的教授們針對研究議題提出了不同的意見。首先，廠商搜集的資料為13週的存貨紀錄，其中廠商已了解存在不準確性，是否存在相應因素導致不準確。再者，斯凱勒姆分佈過去被用來分析兩個卜瓦松分佈(Poisson Distribution)的差異，是否能夠預先檢驗存貨紀錄是否具有卜瓦松分佈的特性。莊教授回應指出，目前對存貨紀錄不準確性的實證研究相對稀缺，他將特別關注如何搜集資料以及搜集資料方法的合理性。廠商配合提供13週的資料已經符合多項要求，例如不可刻意修正不準確的情況，但這也可能導致主觀意識介入影響資料可信度。此外，斯凱勒姆分佈已被證明不僅能夠分析卜瓦松分佈的差異，因此存貨紀錄是否符合卜瓦松分佈不會影響模型的正確性。

這場演講提供了對存貨錯誤問題深入理解的機會，展示了在現實環境中所面臨的挑戰和需要解決的難題。莊教授的研究為了解存貨管理的複雜性以及實際資料與理論研究之間的差異，提供了寶貴的洞察。