基于学习曲线的ERP实施培训时间决策模型

通过分析ERP项目的特点,将学习曲线引入到ERP实施的研究中,基于学习曲线理论刻画企业的工作效率随项目时间变化的规律.在此基础上,将ERP项目抽象为前期的培训和后期的具体实施两个阶段,以项目实施周期和咨询成本最小为目标,建立ERP实施培训时间决策模型,通过培训时间控制并预测ERP项目的整体周期,进一步利用遗传算法对模型进行优化求解.为区分信息化基础不同的企业在项目初期工作效率的差异,在模型中加入初始工作效率这一变量,通过企业的信息化基础水平间接地测算企业的初始工作效率;结合行为导向的实证研究结果,在模型中限定培训时间的取值范围,解决多个近似解之间的取舍问题.案例研究表明,模型在实际应用中可以起到较好的优化和预测效果,能够为企业制定ERP项目计划和投资预算提供决策支持.     

基于奖惩机制的建筑供应链工期协调优化研究

在研究由业主和建筑商组成的两级建筑供应链的工期协调优化问题时,首先建立了基于网络图的具有资源约束的传统工期费用交换问题的优化模型。针对传统工期优化模型的缺陷,建立了具有固定资源约束的考虑资金时间价值的工期优化模型。然后从供应链角度,考虑供应链成员决策的相互影响,建立了具有柔性资源约束的基于工期奖惩机制的工期协调优化模型。给出了模型的求解算法。最后结合算例对比了不同工期优化下的结果。结果显示,传统工期优化模型的优化结果很难在考虑资金时间价值的模型中实现,但通过奖惩激励可以实现甚至更进一步改进工期优化结果,同时实现项目工期控制目标协调优化和供应链的帕累托改善。     

基于可控提前期和延迟供货的短生命周期产品库存模型

本文用斜坡型函数来描述短生命周期产品需求变化特征,用持有成本不断增加的形式来表示存货的无形变质所带来的损失,通过向供应商支付额外的赶工成本来缩短提前期,同时在允许缺货的情况下设置合理的缺货期价格折扣来控制订单的流失,即以价格折扣的损失来挽留住更多的顾客,使其总成本到达最优。本文在此基础上建立了短生命周期产品的库存模型,并提出了最优解的求解方法。     

Intelligent Procedures for Intra‐Day Updating of Call Center Agent Schedules

For nearly all call centers, agent schedules are typically created several days or weeks before the time that agents report to work. After schedules are created, call center resource managers receive additional information that can affect forecasted workload and resource availability. In particular, there is significant evidence, both among practitioners and in the research literature, suggesting that actual call arrival volumes early in a scheduling period (typically an individual day or week) can provide valuable information about the call arrival pattern later in the same scheduling period. In this paper, we develop a flexible and powerful heuristic framework for managers to make intra‐day resource adjustment decisions that take into account updated call forecasts, updated agent requirements, existing agent schedules, agents' schedule flexibility, and associated incremental labor costs. We demonstrate the value of this methodology in managing the trade‐off between labor costs and service levels to best meet variable rates of demand for service, using data from an actual call center.     

续集电影的片名策略及其市场效应研究

以续集电影为研究情境,探讨了电影制作经营方如何通过科学的电影续集片名策略,来提升观众的观影意愿和电影的市场表现.通过两个消费者实验和美国电影市场1960年～2017年的电影数据,研究发现,续集电影采用文字片名策略(vs.数字片名策略)会促使消费者有更高的观影意愿,想象可达性发挥中介作用.但是这一关系受到电影题材的调节,前瞻性题材的续集电影使用文字片名策略会产生更高的观影意愿,而回溯性题材的续集电影使用数字片名策略会产生更高的观影意愿.对影视产业如何采取不同的续集影视片名策略,从而打造影视知名品牌提供了战略启示;为更广泛的文化产业的品牌营销也具有战略借鉴意义.     

Evaluation of Embedded Intelligent Real‐time Systems*

Over the past two decades, questions have surfaced about the effectiveness and contribution of intelligent systems to decision makers in a variety of settings. This paper focuses on the evaluation challenges associated with intelligent real‐time software systems that are embedded in larger host systems. With the proliferation of such systems in operational settings such as aerospace, medical, manufacturing, and transportation systems, increased attention to evaluations of such systems, and to resulting software safety, is warranted. This paper describes one such evaluation and proposes a set of evaluation criteria for embedded intelligent real‐time systems (EIRTS). Implications of the evaluation and the evaluation criteria are discussed.     

Optimal Contracts when Enforcement is a Decision Variable

This paper analyzes choice‐theoretic costly enforcement in an intertemporal contracting model with a differentially informed investor and entrepreneur. An intertemporal contract is modeled as a mechanism in which there is limited commitment to payment and enforcement decisions. The goal of the analysis is to characterize the effect of choice‐theoretic costly enforcement on the structure of optimal contracts. The paper shows that simple debt is the optimal contract when commitment is limited and costly enforcement is a decision variable (Theorem 1). In contrast, stochastic contracts are optimal when agents can commit to the ex‐ante optimal decisions (Theorem 2). The paper also shows that the costly state verification model can be viewed as a reduced form of an enforcement model in which agents choose payments and strategies as part of a perfect Bayesian Nash equilibrium.     

FEPA-金融时间序列自适应组合预测模型

本文报告一种金融时间序列预测的信号分析、信息融合与智能计算组合模型,简称FEPA,由针对金融时间序列（FTS）信号分析的经验模态分解（EMD）、用于数据降维的主成分分析（PCA）和用于非线性建模的人工神经网络（ANN）三部分组成。该模型首先应用滑动窗口截取原始金融时间序列最近期数据集,应用EMD分解算法把数据集分解成不同尺度的本征模态函数（IMF）,然后通过主成分分析将分解后的数据降维,提取最有信息量的特征;然后将这些特征输入到神经网络进行组合预测。本文提出的组合预测模型FEPA是基于分解-提优-合成的信息融合思想,有效提高了预测可靠性。其创新点在于：1）首次给出了EMD算法的结构化表达,提供了今后融合更多信息的算法接口;2）通过多步长预测输出深入研究EMD分解的有效信息结构;3）通过切换到更细时间框架来处理EMD的端点效应,并探索了两级时间框架下的预测效果;4）给出了金融时间序列组合预测模型的一般性架构,具有可升级性和可扩展性。并且通过滑动窗口EMD使得实证更能切近实际。通过在沪深300股指和澳大利亚股指上的实证,结果表明FEPA预测模型在沪深300股指日线和15分钟线上的预测命中率高达78%和82%,在澳大利亚股指日线上也达到了74%的命中率,经比较,明显高于文献中常见的5种模型。     

基于股价预测的泛证券投资组合策略

本文基于期望效用最大化和L₁-中位数估计研究了在线投资组合选择问题。与EG（Exponential Gradient）策略仅利用单期价格信息估计价格趋势不同,本文将利用多期价格信息估计价格趋势,以提高在线策略的性能。首先,基于多期价格数据,利用L₁-中位数估计得到预期价格趋势。然后,通过期望效用最大化,提出一个新的具有线型时间复杂度的在线策略,EGLM（Exponential Gradient via L₁-Median）。并通过相对熵函数定义资产权重向量的距离,进而证明了EGLM策略具有泛证券投资组合性质。最后,利用国内外6个证券市场的历史数据进行实证分析,结果表明相较于UP（Universal Portfolio）策略和EG策略,EGLM策略有更好的竞争性能。     

多渠道医疗门诊挂号的时间策略研究

现阶段多种门诊挂号方式并存时,根据患者特性制定不同的等待时间策略尤为重要。本文考虑门诊挂号的三种渠道：直接排队挂号渠道、电话预约挂号渠道与O2O预约挂号渠道。在价格外生前提下,综合考虑患者的渠道偏好程度、时间敏感性与提前支付敏感性,基于效用理论构建患者的渠道选择模型。根据该模型推导得出不同市场条件下医院的需求,医院再据此制定患者的等待时间策略以达到利润最大化的目的。研究发现：当医院仅开通单一挂号渠道时,若患者的时间敏感度越大、渠道偏好程度越小,等待时间均越小;开通某两种挂号渠道时,还需考虑患者对两种渠道的偏好比例,偏好某种渠道的患者比例增加,选择该渠道的患者等待时间增加,选择另一渠道的患者等待时间减小;同时开通三种渠道时,最偏好某渠道的患者比例越大,选择该渠道的患者的等待时间也越大;在所有情况下,患者对提前支付的敏感度均不影响最优等待时间的制定。