论文标题：A Novel Approach Based on IoT and Log-Normal Distribution for Supplier Lead Time Optimization in Smart Engineer-to-Order Supply Chains

论文链接：https://www.mdpi.com/2305-6290/9/3/82

期刊名：Logistics

期刊主页：https://www.mdpi.com/journal/logistics

一、引言

本文聚焦于工程定制化（Engineer-to-Order, EtO）供应链中供应商交付周期的预测与优化问题。EtO生产模式以高度定制化和客户深度参与为特征，导致交付周期长且波动大，给生产计划、成本控制和客户满意度带来严峻挑战。现有研究多依赖正态分布假设，忽视了交付周期的右偏、非负和长尾特性，导致对极端延迟风险的低估。为此，作者提出将物联网（IoT）实时数据与对数正态分布统计模型相结合，构建一个动态、精准的交付周期预测框架，并通过蒙特卡洛模拟验证其有效性，以提升EtO供应链的韧性和决策质量。

二、文献综述

文章系统梳理了EtO供应链管理、交付周期建模及IoT应用三方面的研究进展。已有研究涉及投标决策、产能规划、排程优化、精益管理等，但大多局限于单一案例或静态模型，缺乏对交付周期不确定性的深入刻画。在分布选择上，对数正态分布因其正偏态、非负性和乘法特性，被证明更适合描述交付周期的随机行为，优于正态分布。同时，IoT技术在物流监控、风险预警和实时协同中展现出巨大潜力，但与统计模型的深度融合仍显不足。数字孪生和边缘计算等新兴技术也为动态预测提供了支撑。总体而言，现有模型缺乏对定制化原材料供应商交付周期的专项研究，且未充分利用实时数据进行动态调整。

三、问题陈述

基于两篇系统性文献综述，作者归纳出四个关键研究缺口：一是缺乏针对EtO中定制化原材料供应商交付周期的专用预测模型；二是对数正态分布的应用不足；三是模型缺乏基于IoT数据的实时动态调整能力；四是缺少在不同变异性场景下的仿真验证。本文正是针对这些缺口，提出一个融合对数正态建模、IoT动态修正和蒙特卡洛仿真的预测框架，以提升模型的适应性和鲁棒性。

四、方法论

研究采用定量仿真方法，因缺乏实际历史数据，通过蒙特卡洛模拟生成低、中、高、极高四种变异性场景（σ=0.2至1.2）下的合成交付周期数据。首先，建立对数正态分布模型，计算期望值、方差等统计量；其次，引入一个基于IoT的动态调整因子δ(t)，其取值范围为-5%至+15%，用以模拟实时生产或物流异常对交付周期的影响，并更新预测值。文章还提出了两套架构：一套用于本研究中的仿真验证，另一套用于实际工业部署，后者依赖真实历史数据和IoT传感器（如GPS、RFID、振动传感器等）实现持续学习与优化。该框架强调与长期供应商合作关系，以确保数据获取和协同效率。

图1：方法的架构概述

图2：所提出方法在实际操作中的架构概述

五、数据分析与结果

通过对比对数正态、正态和IoT调整后的对数正态模型在四种变异性下的预测分布，结果显示：正态分布始终出现负值且无法反映右偏特性，不适合实际应用；对数正态模型较好地刻画了长尾延迟，但缺乏动态响应能力；IoT调整后的模型在各场景下均表现出更集中的峰值、更短的尾部、更少的极端异常值，尤其在极高变异性下优势明显。统计误差指标（MAE和RMSE）进一步证实，IoT调整模型在所有场景中MAE最低，表明其平均预测精度最优；虽然在高变异性下RMSE偶有上升，但仍优于其他模型，反映出其对极端延迟的敏感性较低，具备更强的鲁棒性。

六、讨论

理论层面，本研究丰富了EtO环境中随机建模与IoT融合的理论体系，为不对称分布的应用提供了新证据。管理层面，模型可作为决策支持工具，帮助管理者优化供应商选择、制定安全库存策略，并通过长期合作关系获取实时数据，提升供应链韧性。然而，实际部署面临数据隐私、传感器可靠性、部署成本等挑战，需配套完善的数据治理和安全机制。研究局限性包括使用合成数据、未考虑多供应商网络等，未来可引入真实IoT数据、机器学习算法、多场景扩展及数字孪生集成，以增强模型的实用性和通用性。

七、结论

本文提出的IoT调整对数正态预测模型，有效弥补了传统正态模型的不足，显著提升了EtO供应链中定制化原材料交付周期的预测精度和响应能力。仿真验证表明，该模型在不同变异性下均表现优异，尤其适用于高不确定性环境。研究成果为智能供应链管理提供了理论基础和实用工具，并为后续研究与产业应用指明了方向。

Supply Chain 4.0: Lean, Agile, Green Practices

投稿截止日期：2027年1月15日

客座编辑：Dr. Sandeep Jagtap，Dr. Rashmi Ranjan Panigrahi ，Dr. Subhodeep Mukherjee and Dr. Harshad Sonar

https://www.mdpi.com/journal/logistics/special_issues/6ZC60FD272

期刊介绍

主编：Prof. Dr. Robert Handfield

Logistics（ISSN 2305-6290）是一个为物流和供应链管理领域的研究人员及具有学术倾向的从业者设立的原创性期刊。期刊主要发表与物流和供应链相关的原创文章和高质量综述。主题涵盖领域包括但不限于：人工智能、物流分析和自动化；可持续发展与逆向物流；人道主义和医疗保健物流；最后一公里，电子商务与销售物流；海运物流；供应商，政府和采购物流等。

2025 Impact Factor：4.4

2025 CiteScore：8.1

Time to First Decision：17.1 Days

Acceptance to Publication：5.9 Days