本研究考量了由多個供應商和單一跨境零售商面臨非穩定需求所形成的供應鏈，並基於(s, S)存貨政策與(s, Q)存貨政策建立存貨模型。

該模型基於兩種需求制定方法：ARIMA需求和平均需求過程。進而，使用平均交貨天數、缺貨率以及銷貨成本作為績效指標，來評估個案目前存貨政策與採用(s, S)-type inventory policy、(s, Q)-type inventory policy後之結果並進行比較。

通過分析台灣線上零售商店的6489份採購訂單，結果為具有跨境供應商的零售商提供了一個近似最佳解的(s, S)型存貨政策。
該模型是兩個部分所組成：(i)訂單需求預測和(ii)(s, S)型庫存政策和(s, Q)型庫存政策。

我們使用行動研究來分析跨境零售商的庫存模型的表現。結果顯示，使用半年平均法制定需求並搭配(s, S)政策為最適用於個案公司之存貨政策，因其可將訂單平均交貨天數由7.08天降至0.63天，缺貨率由100.00%降至9.49%。

研究結果的關鍵貢獻在於整合庫存模型的兩個組成部分，用以分析零售商和供應商之間跨境供應鏈的訂單歷史數據。希望研究結果可以增進我們對庫存控制的理解，並提供跨境零售商對未來訂單履約與存貨政策制定的洞察。

This study considers a supply chain formed by multiple suppliers and a cross-border retailer facing a non-stationary demand process. We build a inventory model with (s, S)-type inventory policy and (s, Q)-type inventory policy. Using this model, demands can be forecasted on the basis of two demand processes, i.e., ARIMA and average demand process. Performances of the two inventory policies, (s, S)-type and (s, Q)-type, are assessed and compared in terms of average delivery time, stock-out frequency, and cost of selling.

Through the analysis of 6489 purchase orders of an online shop in Taiwan, covering a period from January 2012 to July 2017, the results present a near-optimal (s, S)-type inventory policy for a cross-border distribution network with suppliers. The model is a synthesis of two components: (i) order demand forecasting, and (ii) (s, S) inventory policy and (s, Q) inventory policy. 

We use action research to analyze the performances of inventory models in a cross-border retailer. The results indicate that the use of semi-annual average method with (s, S)-type inventory policy is the most suitable for the case of the company's inventory policy, as it can decrease the order delivery time from 7.08 days to 0.63 days, and decrease the stock-out frequency from 100.00% to 9.49%.

The key contribution of the findings is the seamless integration of the two components to analyze order history data for cross-border supply chains between retailer and suppliers. We anticipate that the research findings may enhance our understanding of inventory control and provide insights into cross-border retailers' future inventory polices decision.

第一章　緒論	1
1.1	研究背景	1
1.2	研究動機與目的	2
1.3	論文架構	3
 第二章　文獻探討	4
2.1	跨境電子商務	4
2.1.1	跨境電子商務定義	4
2.1.2	跨境電子商務的營運模式	6
2.1.3	小結	10
2.2	跨境訂單履約	11
2.2.1	供應鏈管理與全球運籌管理	13
2.2.2	供應鏈管理模型與績效衡量指標	13
2.2.3	跨境訂單履約相關文獻	14
2.3	傳統存貨模型	15
2.4	傳統預測模型	16
2.5	小結	18
 第三章　研究方法	19
3.1	研究目的與行動研究流程	19
3.2	個案背景	21
3.3	問題定義	21
3.4	個案訂單資料彙整與存貨政策篩選條件	22
3.5	預測需求與標準差制定	22
3.5.1	平均值法	23
3.5.2	ARIMA模型	25
3.6	存貨服務水準制定	36
3.7	存貨政策之建構	36
3.7.1	存貨政策建構流程	36
3.7.2	存貨政策參數設置	37
 第四章　分析結果論證	38
4.1	存貨政策績效評估指標	38
4.2	實證資料計算結果	39
4.3	專家評估存貨績效	43
 第五章　結論	44
5.1	研究貢獻	44
5.2	.  研究限制與未來研究方向	44
 參考文獻	46
 附錄：訪談紀錄表	50


表目錄
表 2-1 跨境電商的定義	4
表 2-2 常見跨境電商分類方式	7
表 2-3 跨境電商營運模式分類	8
表 2-4 跨境電商營運模式定義	10
表 2-5供應鏈設計和分析的多階段模型建模方法	13
表 2-6 供應鏈模型績效衡量指標	14
表 2-7跨國訂單履約運輸模式分類	15
表 2-8 (S, S)與(S, Q)存貨政策函數	16
表 3-1. 本研究流程架構	20
表 3-2.不同樣本期間之預測需求、預測標準差制定法	22
表 3-3. 5年樣本期間採平均值法之商品平均數與標準偏差統計資料	24
表 3-4. 2年樣本期間採平均值法之商品平均數與標準偏差統計資料	25
表 3-5. 半年樣本期間採平均值法之商品平均數與標準偏差統計資料	25
表 3-6. 5年樣本期間建構ARIMA模型之預測平均數與標準偏差統計資料	33.34
表 3-7. 2年樣本期間建構ARIMA模型之預測平均數與標準偏差統計資料	35.36
表 4-1. 2年樣本期間建構ARIMA模型結合存貨政策之統計資料	39
表 4-2. 5年樣本期間建構ARIMA模型結合存貨政策後之統計資料	40
表 4-3. 半年樣本期間採用平均值法並結合存貨政策之統計資料	40
表 4-4. 2年樣本期間採用平均值法並結合存貨政策之統計資料	41
表 4-5. 5年樣本期間採用平均值法並結合存貨政策之統計資料	41
表 4-6. 採用(S, S) AND (S, Q)存貨政策後之平均交貨天數與缺貨率	42
表 4-7. 採用(S, S) AND (S, Q)存貨政策後之平均交貨天數與缺貨率	42



圖目錄
圖 1. 本論文研究架構	3
圖 2. 跨境電商範疇	6
圖 3. 跨境電商交易模式	9
圖 4. 企業發展 B2C跨境電商五模式	9
圖 5. 供應鏈管理流程	11
圖 6. 訂單履約策略子流程	12
圖 7. 訂單履約操作子流程	12
圖 8. 供應鏈流程	13
圖 9. B0027LSEPS商品之盒形圖檢定	23
圖 10. 商品B0027LSEPS調整前之描述性統計資料	24
圖 11. 商品B0027LSEPS調整後之描述性統計資料	24
圖 12.商品B0027LSEPS未取差分之自我相關圖	29
圖 13.商品B0027LSEPS取一階差分後之自我相關圖	30
圖 14.商品B0027LSEPS之ARIMA(0,1,1)模型結果	31
圖 15.商品B0027LSEPS採用ARIMA (0,1,1)模型之Q統計量檢定	31
圖 16.商品B0027LSEPS採用ARIMA (0,1,1)模型之JB統計量	32
圖 17.商品B0027LSEPS採用ARIMA (0,1,1)模型之預測結果	32
圖 18.MAPE值之標準	33
圖 19.存貨政策建構流程圖	36

中文部份
[1]	中華人民共和國海關總署，<海關總署公告2010年第43號>，網址： http://www.customs.gov.cn/publish/portal0/tab399/info231089.htm，2010年。上網日期：2017年12月11日。
[2]	中華人民共和國海關總署，<海關總署公告2016年第25號>，網址：http://www.customs.gov.cn/publish/portal0/tab49564/info793342.htm，2016年。上網日期：2017年12月11日。
[3]	王斌偉，《運用模糊多目標規劃理論探討供應鏈中各成員之公平收益分配問題》，碩士論文，國立臺灣大學化學工程學研究所，2002年。
[4]	台北市進出口商業同業公會，<你不可不知的跨境電商 | 跨境電商趨勢 | 17cross>，網址：http://www.17cross.org.tw/KM/km_more?id=10c661f3063f429e95130fabe373a462，2016年。上網日期：2017年12月6日。
[5]	iResearch艾瑞諮詢，<2014年中國跨境電商行業研究報告簡版>，網址：www.iresearch.com.cn/: http://wreport.iresearch.cn/uploadfiles/reports/635543502086406250.pdf，2014年。上網日期：2017年2月8日。
[6]	朱訓麒、楊惠夙，<臺灣廠商跨境經營全球電商市場教戰手冊－中華民國對外貿易發展協會>，網址： http://www.cnra.org.tw/edm/taitra_2015.pdf，2015年。上網日期：2017年12月11日。
[7]	林佑展，《考量不同服務水準下之跨國電子商務業者最適履約模式之研究》，碩士論文，國立臺灣大學商學研究所，2015年。 
[8]	林欣宜，《全球運籌配銷策略模式之研究-以工業電腦產業為例》，碩士論文，國立中央大學土木工程研究所，2003年。
[9]	法務部全國法規資料庫工作小組，<郵包物品進出口通關辦法>，網址：http://law.moj.gov.tw/LawClass/LawContentIf.aspx?PCODE=G0350072，2017年。上網日期：2017年12月11日。
[10]	吳淑娟，《搜尋接駁轉運系統之最佳(s,S)存貨政策》，碩士論文，國立東華大學全球運籌管理研究所，2006年。
[11]	阿里研究院，阿里跨境電商研究中心，<貿易的未來：跨境電商連接世界—2016中國跨境電商發展報告>，網址： http://i.aliresearch.com/img/20160901/20160901101059.pdf，2016年。上網日期：2017年2月7日。
[12]	陳旭昇，《時間序列分析: 總體經濟與財務金融之應用》，臺灣東華，2013。
[13]	張夏恒，<跨境電商類型與運作模式>，中國流通經濟，第31卷，第1期，頁76-83，2017年。
[14]	張夏恒、郭海玲，<跨境電商與跨境物流協同：機理與路徑>，中國流通經濟，第30卷，第11期，頁83-92，2016年。
[15]	張雅涵，《跨境電子商務模式之分析－以臺灣出口印度為例》，碩士論文，國立臺中科技大學流通管理系碩士班，2017年。
[16]	張筱祺，<跨境電商正夯 台企別缺席 網購人口躍增 跨國消費成主流>，網址：https://mic.iii.org.tw/Industryobservation_MIC02views.aspx?sqno=206，2016年。上網日期：2017年12月5日。
[17]	張濱、劉小軍、陶章，<我國跨境電子商務物流現狀及運作模式 >，中國流通經濟，第29卷，第1期，頁51-56，2015年。
[18]	資策會產業情報研究所(MIC)，<【網購消費者調查】84.3％消費者願意跨境購物>，網址： https://mic.iii.org.tw/IndustryObservations_PressRelease02.aspx?sqno=463，2017年。上網日期：2017年3月15日。
[19]	楊蕙鈞，《跨國電子商務業者最佳訂單履約運輸模式之研究》，碩士論文，國立臺灣大學商學研究所，2011年。
[20]	劉麗惠，<跨境電商系列報導 5：經營篇－精準鎖定跨境模式 贏戰跨境電商市場>，貿易雜誌電子報，302期，頁40-44，網址： http://www.ieatpe.org.tw/magazine/ebook302/b3.pdf，2016年。上網日期：2017年12月11日。
[21]	賴玲如，<決戰電商新時代-跨境電商綜合介紹 - 中華民國無店面零售商業同業公會>，網址： http://www.cnra.org.tw/edm/20150822.pdf，2015年。上網日期：2017年12月5日。
[22]	賴玲如，《以服務導向邏輯分析台灣跨境電商模式》，碩士論文，國立臺灣科技大學管理研究所，2016年。
[23]	鍾香廣，《零售業存貨政策模擬模式建構之研究－以國防部福利總處為例》，碩士論文，國防管理學院資源管理研究所，2014年。
[24]	薛萬欣、李丹丹，<跨界電子商務的業務模式及其生態圈構建>，北京聯合大學學報（自然科學版），第30卷，第3期，頁65-70，2016年。
[25]	關港貿單一窗口，<海關進口稅則資料>，網址：http://portal.sw.nat.gov.tw/APGQ/GC413?request_locale=zh_TW&PPLTitle=true，2017年。上網日期：2017年12月11日。
 
英文部份
[26]	Babai, M., Ali, M. M., Boylan, J. E., and Syntetos, A. A., “Forecasting and inventory performance in a two-stage supply chain with ARIMA (0, 1, 1) demand: Theory and empirical analysis,” International Journal of Production Economics, 143(2), 463-471, 2013. 
[27]	Bas van Heel, Vlad Lukic and Erwin Leeuwis., Cross-Border E-Commerce Makes the World Flatter. https://www.bcgperspectives.com/content/articles/transportation_travel_tourism_retail_cross_border_ecommerce_makes_world_flatter/, 2014., accessed 2017/02/07.
[28]	Beamon, B. M. “Supply chain design and analysis: Models and methods.” International Journal of Production Economics, 55(3), 281-294, 1998. 
[29]	Bennett, R., and Oliver, J., “How to get the best from action Research—A guidebook,” Leadership & Organization Development Journal, 9(3), 2-46, 1988. 
[30]	Box, G. E. P., and Jenkins, G. M., Time Series Analysis: Forecasting and Control, San Francisco: Holden-Day, 1970.
[31]	Box, G. E. P., Jenkins, G. M., and Reinsel, G. C., Time series analysis: Forecasting and control, 4th Ed, Wiley, 2008.
[32]	Chan, Ivan., Cross-Border Ecommerce. https://www.accenture.com/t20160830T101949__w__/cn-en/_acnmedia/PDF-29/Accenture-Cross-Border-Ecommerce.pdf, 2016., accessed 2017/02/07.
[33]	Chopra, S., and Meindl, P., Supply chain management: Strategy, planning, and operation, 6th Ed, Pearson, 2015. 
[34]	Connaway, L. S., & Powell, R. R., Basic research methods for librarians, ABC-CLIO, 2010.
[35]	Corey, S. M., Action research to improve school practices. Oxford, England: Bureau of Publications, Teachers Co., 1953.
[36]	Croxton, K. L., “The order fulfillment process.” The International Journal of Logistics Management, 14(1), 19-32, 2003. 
[37]	Croxton, K. L., Garcia-Dastugue, S. J., Lambert, D. M., and Rogers, D. S. “The supply chain management processes.” The International Journal of Logistics Management, 12(2), 13-36, 2001. 
[38]	Dickey, D. A., and Fuller, W. A., “Distribution of the estimators for autoregressive time series with a unit root,” Journal of the American Statistical Association, 74(366a), 427-431, 1979. 
[39]	Elliott, G., Rothenberg, T. J., and Stock, J. H., "Efficient Tests For An Autoregressive Unit Root," Econometrica, 64, 813-836, 1996.
[40]	Granger, C. W., and Newbold, P. “Spurious regressions in econometrics,” Journal of Econometrics, 2(2), 111-120, 1974. 
[41]	Lambert, D. M., Cooper, M. C., and Pagh, J. D. “Supply chain management: Implementation issues and research opportunities,” The International Journal of Logistics Management, 9(2), 1-20, 1998. 
[42]	Kelle, P., and Milne, A. “The effect of (s, S) ordering policy on the supply chain,” International Journal of Production Economics, 59(1), 113-122, 1999. 
[43]	Martin, C. A., and Witt, S. F., “Forecasting tourism demand: A comparison of the accuracy of several quantitative methods,” International Journal of Forecasting, 5(1), 7-19, 1989. 
[44]	MartinRachel., The continuing rise of cross-border ecommerce. https://www.pitneybowes.com/us/blog/2016-global-online-shopping-study.html, 2015., accessed 2017/12/05.
[45]	Nelson, C. R., and Plosser, C. R., “Trends and random walks in macroeconmic time series: Some evidence and implications,” Journal of Monetary Economics, 10(2), 139-162, 1982. 
[46]	PayPal., Modern Spice Routes-The Cultural Impact and Economic Opportunity of Cross-Border Shopping. https://www.paypalobjects.com/webstatic/en_TW/mktg/pdf/PayPal-ModernSpiceRoutes_6markets_Eng.pdf, 2013., accessed 2017/02/07.
[47]	Phillips, P. C., & Perron, P., “Testing for a unit root in time series regression,” Biometrika, 75(2), 335-346, 1988.
[48]	Ramos, P., Santos, N., & Rebelo, R., “Performance of state space and ARIMA models for consumer retail sales forecasting,” Robotics and Computer-Integrated Manufacturing, 34, 151-163, 2015. 
[49]	Said, S. E., and Dickey, D. A., “Testing for unit roots in autoregressive-moving average models of unknown order,” Biometrika, 71(3), 599-607, 1984. 
[50]	Shukla, M., and Jharkharia, S., “ARIMA models to forecast demand in fresh supply chains,” International Journal of Operational Research, 11(1), 1-18, 2011. 
[51]	Silver, E. A., Pyke, D. F., and Peterson, R., Inventory management and production planning and scheduling, 3rd Ed, Wiley, 1998. 
[52]	Simchi-Levi, D., Kaminsky, P., and Simchi-Levi, E., Designing and managing the supply chain : Concepts, strategies, and case studies, 3rd Ed, McGraw-Hill, 2009.
[53]	Stevenson, W. J., author., and Ho, Y., annotator., Operations management, Twelfth edition, annotated edition. ed., Taipei : McGraw-Hill International Enterprises LLC., Taiwan Branch, 2014.