供应链中的牛鞭效应问题研究进展_存在_量化与控制

第33卷第5期2004年10月　信息与控制

Information and Control

Vol.33,No.5　

　Oct.,2004　

文章编号:100220411(2004)0520579205

供应链中的牛鞭效应问题研究进展:存在、量化与控制

黄小原,王　静

(东北大学工商管理学院,辽宁沈阳　110004)

摘　要:探讨了牛鞭效应的量化问题,分析研究了统计分析和控制工程量化方案.探讨了牛鞭效应的减弱和控制问题,分析牛鞭效应减弱的物流策略以及采用共享信息减弱牛鞭效应的方法,还分析牛鞭效应减弱的若干控制方案.最后,根据供应链中牛鞭效应的普遍问题,提出了尚未解决的课题和进一步研究的方向.Ξ关键词:供应链;牛鞭效应;存在;量化;控制

中图分类号:C931 文献标识码:A

R esearch Progress of the Bull whip E ffect Problem in Supply Chain:

Existence,Q u antif ication and Control

HUAN G Xiao2yuan,WAN G Jing

(School of B usi ness A dmi nist ration,Northeastern U niversity,S henyang　110004,Chi na) Abstract:The bullwhip effect quantification problem,the statistic analysis and the control engineering quantifi2 cation scheme are discussed.The bullwhip effectπs weakening and controlling problems,logistics strategies to weak2 en the bullwhip effect and the method adopting shared information to reduce the bullwhip effect are studied.S ome control schemes to weaken the bullwhip effect are analyzed,and the bullwhip effect control schemeπs theoretical de2 sign is shown.Finally,according to the universal problems of the bullwhip effect in supply chain,some unsettled problems at present and the further investigation directions are proposed.

K eyw ords:supply chain;bullwhip effect;existence;quantification;control

1　引言(Introduction)

牛鞭效应是供应链中的需求波动放大现象[1～4],它是供应链结构中最为重要的性能指标,也是供应链运营中最为重要的绩效指标.1997年, Lee首先提出牛鞭效应的概念,认为供应链中以订单形式传送的信息会被扭曲,误导上游成员的生产和库存决策[1,2\〗.

迄今为止,牛鞭效应的研究工作主要集中在这样几个方面,即牛鞭效应的存在、牛鞭效应的量化、牛鞭效应的减弱和控制.牛鞭效应问题的研究初始阶段,主要是进行供应链企业市场、顾客、销售、生产、库存等方面的实际调整,以实证方法研究和确认牛鞭效应的存在.牛鞭效应问题的进一步研究,则主要集中在牛鞭效应的量化,考虑用统计分析方法和控制工程方法量化牛鞭效应.牛鞭效应问题的最近研究,则是考虑供应链中如何减弱和控制这种效应.2　牛鞭效应的存在和量化(Existence and qu antif ication of the bull whip effect)

为了消除和控制供应链系统中的牛鞭效应,分析牛鞭效应存在问题是第一步工作,研究牛鞭效应的量化则是第二步工作.牛鞭效应有两类量化方法,一类是Lee和Chen等人提出的统计分析的量化方法[1～4],一类是Disney和Towill等人提出的控制工程测量方法[9～14].

2.1　牛鞭效应的存在

牛鞭效应中需求放大的现象在供应链系统中普遍存在.牛鞭效应存在两个现象,一个是观察记录到的需求放大现象;另一个是实际存在、但是讨论不多的名义周期现象[5].前者记录了供应链需求传递过程波动幅值的大小,后者记录了供应链需求传递过程波动周期或者频率.因为牛鞭效应波动周期是不严格的,因此,有时称之为名义周期.牛鞭效应的需求放大和名义周期波动是互相联系的.牛鞭效应的

Ξ收稿日期:2004-02-05

　基金项目:辽宁省自然科学基金资助项目(9910200208)

需求放大导致企业的生产和库存连续的上涨和下降,连续的波峰和波谷的间隔产生名义周期波动.牛鞭效应的这种名义周期波动,往往类似电子器件引发失真响应,产生“尖叫”,有时将牛鞭效应比作电子器件的“高噪音”.在汽车产品、机器设备、零售商品、包装食品、电子产品等诸多领域,人们对这一现象进行深入考虑.Lee和Chen等学者研究了牛鞭效应的成因,有这样五个因素,即需求预测、订货间隔期、订货批量、供应短缺和价格波动[1～4].

2.2　牛鞭效应的统计分析量化方法

一般地讲,牛鞭效应的量化是采用供应链系统中的订货波动方差与顾客需求方差之比来描述的. Lee和Chen等学者对于牛鞭效应的五种成因中的两种,即需求信号的处理和交货到订货的时间延迟进行了统计学的量化工作.这一量化工作包括移动平均预测、指数平滑预测、多个零售者三个方面需求放大效应方差下界条件的研究.

Lee和Chen的研究结果给出了移动平均预测产生需求放大的方差描述的下界条件,这一条件与供应链需求预测的观察结果次数、零售商和生产商的时间延迟、需求预测的相关系数有关.牛鞭效应的变化是观察结果数的递减函数,是零售商和生产商的时间延迟间隔的递增函数.

研究结果也给出了指数平滑预测产生需求放大的方差描述的下界条件,这一条件与供应链需求预测的平滑常数、零售商和生产商之间的时间延迟间隔等有关.牛鞭效应的变化是平滑常数的增函数,也是时间延迟间隔的增函数.

进一步地,研究结果还给出了多个零售商和单个生产商产生需求放大的下界的描述.这种情况下,牛鞭效应是观察结果数的减函数,是时间延迟间隔的增函数.

应该指出,国内学者张欣、达庆利、沈厚才在ARIMA(0,1,1)需求模型条件下,对牛鞭效应量化作出了新的工作[16].

2.3　牛鞭效应的控制工程量化方法

Disney和Towill等人应用控制工程技术,提出了新的牛鞭效应的量化方法.他们采用了控制工程中的传递函数、频率响应和谱分析方法[9～14].控制工程中,传递函数描述了系统动态过程,它是一个系统的输出拉氏变换(或离散域上的Z变换)与输入拉氏变换(或Z变换)之比的代数关系.当供应链被看作一个系统时,供应链的输出即生产订货或库存补充,输入即市场的需求的Z变换,它们的Z变换可以确定供应链离散时间域的传递函数.频率响应是指一个系统对不同频率正弦输入信号的稳态响应.相应于供应链系统则是当需求输入是正弦信号时,订货输出的响应.谱分析是分析时间序列构成频率或周期函数的系统方法.其中重要的概念并对牛鞭效应分析结果有用的是功率谱,这是一个随机时间序列的平均功率,亦即一个平均时间意义的能量.在牛鞭效应的分析中,可以根据实际物流数据得到供应链系统的传递函数,根据这个传递函数,可以得到频率响应曲线.对于一个供应链系统而言,其功率谱可以从传递函数转换得到,也可以根据供应链系统的需求、订货等数据做相应的处理得到.

Disney和Towill等采用控制工程的方法,提出了牛鞭效应的两种量化方法,一个是频率响应曲线最大幅值方法,一个是噪声带宽的方法[9～13].他们对于供应商管理库存(VM I)系统,用供应链系统的频率响应曲线的最大幅值作为牛鞭效应的测量,并且进行了证明和仿真实验.同样的,对于供货商管理库存系统(VM I)采用了噪声带宽,即谱密度平方积分的方法作为牛鞭效应的另一种测量方法.并且做了一个供应链的仿真计算,验证了噪声带宽测量牛鞭效应的结果.

到目前为止,牛鞭效应的三种测量方法是供应链理论和应用的新的结果.牛鞭效应量化的第一种方法,即方差比例的研究方法,概念清楚、简单直接,便于一个复杂的供应链系统实际量化和处理.第二种方法和第三种方法,即频率响应曲线的最大幅值方法和噪声带宽方法,可以得到严格证明和用牛鞭效应表达的解析结果.但是后两种方法目前只能对于简单的线性生产库存系统有效.当供应链是一个复杂系统时,第二、三种牛鞭效应量化方法就非常困难.

3　牛鞭效应的减弱和控制(R eduction and control of the bull whip effect)

牛鞭效应的减弱和控制有三种方式,即物流渠道设计、信息方法设计和决策控制设计[6,14].

3.1　牛鞭效应减弱的物流策略

减弱和控制牛鞭效应始终是供应链管理的重要理论和应用问题.诸多学者在许多大规模供应链项目研究中,改善了系统的绩效.通过工业案例分析、系统分析、质量管理、仿真等工作,提出了供应链中降低需求放大现象的物流处理原则,这是一个基于实际的解决方案,即减弱牛鞭效应的四项物流策

085信　息　与　控　制33卷　

略[5].这包括对供应链决策支持系统的设计考虑,对整个供应链良好品质的动态控制,对单周期和多周期批量控制、对单阶段和多阶段订货的控制、以及在网络环境下准时制管理J IT的生产等等.第二个策略是时间压缩原则.为了压缩物流和信息流过程的时间间隔、压缩时滞和加快库存调整,应该考虑企业过程再造(BPR).在这种情况下,需求波动的名义周期虽然存在,但波长变短,反馈回路缩短.第三个策略是信息透明原则,在整个供应链上广泛提供可靠的信息.比如对于一个基于Web的供应链系统,所有链接的企业都可以得到公开透明的信息.这样,从最终用户到生产制造商的原材料数据都是公开透明的,各个企业之间的公开协商将大大降低用户需求放大现象.第四个策略是环节减少的原则.在供应链中去除多余的环节和功能,减少时间滞后和信息扭曲.

3.2　牛鞭效应减弱的信息共享方法

Lee和Chen研究了牛鞭效应的存在和量化方法,也考虑了如何减弱牛鞭效应的问题.他们提出了减弱牛鞭效应的多种考虑,即减少不确定性、减少波动增量、加强供应链伙伴关系等方案.减少不确定性,就是应用供应链需求信息共享的方法减少整个系统需求放大现象[1～4].减少需求波动增量就是减少用户需求固有的增量,来减少牛鞭效应的影响,也包括减少供应链中需求和订货的时间延迟、采用平滑的需求预测等方法.加强供应链伙伴关系,会增加供应链中信息共享和库存管理的方式,减弱牛鞭效应的影响.应该指出,信息共享是减少不确定性、减少波动增量和加强供应链伙伴关系这三种方法中最重要的策略.

信息共享策略就是把需求信息集中于系统内部,向供应链每一级提供关于用户实际需求的全部信息.他们研究了具有集中和分散需求信息的两种供应链中牛鞭效应的影响,并且应用统计分析的方法证明了信息共享减弱需求放大现象,还进行了若干信息共享减弱牛鞭效应影响的仿真计算和实验.理论研究和仿真结果认为,需求信息完全集中以及供应链所有级应用相同的预测方法和库存策略,虽然不能根除牛鞭效应,但是将会大大减弱牛鞭效应的影响.应该说,采用预测方法减弱牛鞭效应是一种最为广泛的信息设计方案[15].

1997年以来,Lee和Chen在研究牛鞭效应减弱的问题中,考虑如何调整需求预测算法以集中需求信息,减弱牛鞭效应的影响,这一做法已有前述[3,4].2001年,国内学者张欣、达庆利、沈厚才在ARIMA(0,1,1)需求条件下,运用信息共享减弱牛鞭效应,进行了很有价值的工作[16].龚本刚、程幼明提出了基于Internet网络将ERP、GIS(地理信息系统)、GPS(全球定位系统)组成供应链信息系统,以达到在物理结构上实现信息共享[17].

3.3　牛鞭效应减弱的若干控制策略

如何减弱和控制供应链中需求放大的现象,是牛鞭效应问题研究的主要目的.最初,Lee和Chen 在研究牛鞭效应存在问题过程中,就已经考虑到如何减弱需求放大的现象.他们的做法是在牛鞭效应的成因分析基础上,分析若干减弱牛鞭效应的策略[1～4].随后,Baganhan、Cohen和Riddalls等人则在生产库存问题的基础上,分析供应链的稳态库存、生产延迟控制等策略[7,8].最近,一个很重要的结果和动向,就是Disney和Towill等人从分析库存和顾客服务问题出发,明确提出了应用控制工程理论方法处理牛鞭效应的解决方案[9～14].

1998年,Baganhan和Cohen考察了供应链中需求波动增大的现象,针对一个多层供应链系统设计库存控制策略,降低供应链需求波动的影响[7]. 2002年,Riddalls等人针对生产库存系统纯延迟问题,分析了供应链延迟交货、质量问题、机器故障、工人缺勤等系统物流的干扰,认为这将产生较长时间的物流延迟,影响生产正常进行,产生不稳定的生产率,这种不稳定导致供应链中牛鞭效应.如何减弱这种现象,Riddalls等人采用频域系统的设计方法[8],提出了抑制需求噪声的四种策略.在频域系统抑制需求噪声,即控制牛鞭效应的设计,具有非常的吸引力,因为可以利用生产库存管理者的经验和知识,并且将其集中在某个生产库存变动的范围之内.例如,通过观察历史的数据,可以看到需求波动在一定频率内反复出现.人们可以在某个需求波动的特殊频率范围内抑制这种需求放大情况.这就是在频域方面抑制牛鞭效应的背景和机理.

2002年以来,Disney等人在牛鞭效应的动态测量,特别是针对供应商管理库存(VM I)需求放大的控制方面做出了一系列新的成果[9～14].其中,考虑了供应商管理库存(VM I)供应链系统问题,这是一个基于一个供应商、一个顾客关系的典型节点系统,它可以反映供应链的基础结构.对于VM I系统,给出了明确的牛鞭效应解析表达式,给出了减弱牛鞭效应的信息共享方法、非线性解、一般稳定判据、库存补充策略,给出了采用Z变换求解牛鞭效应控制

185

5期 黄小原等:供应链中的牛鞭效应问题研究进展:存在、量化与控制

等解决方案.Disney和Towill重点研究了VM I系统供应链库存补充的四种策略,即具有指数平滑的订货策略、具有移动平滑预测的订货策略、具有需求信号预测的订货策略、一般的库存补充平滑策略.在这些问题研究中,明确描述了采用上述控制策略,牛鞭效应可以减弱的数量程度.研究过程中,还探讨了牛鞭效应响应函数的动态反应、牛鞭效应问题的相关成本等问题.

2003年,国内学者黄小原、卢震在量化牛鞭效应方差之比基础上,进行了牛鞭效应H∞控制和随机控制的研究[18,19].牛鞭效应H∞控制的意义是在顾客需求波动最差情况下减弱牛鞭效应的影响,牛鞭效应随机控制的意义是在顾客需求随机波动情况(如随机波动是高斯过程,则需求波动方差为定常)下,减弱需求放大的影响.

4　进一步研究的问题(Further investigation problems)

牛鞭效应是供应链管理研究中的重要理论和实际应用问题.这里认为牛鞭效应进一步研究的问题为:

(1)牛鞭效应的结构系统性问题.2002年,Mc2 Cullen和Towill根据供应链管理的实践情况,探讨了牛鞭效应普遍存在的10个问题,其中最为悲观的看法认为牛鞭效应是供应链管理自身结构存在的系统问题,减弱这种影响已经无能为力[5].最近几年(2000～2003年),Disney和Towill等人已经开始从系统理论的方法考虑这类问题[9～14].牛鞭效应是供应链系统结构和运营中最为重要的性能指标和绩效指标,从系统理论上总体考虑和研究牛鞭效应的存在、量化、减弱和控制是解决牛鞭效应问题最为紧迫的课题.

(2)牛鞭效应的存在性问题.目前应结合国内大型企业ERP、电子商务、供应链等实际背景,实证研究国内供应链的成因,为进一步减弱牛鞭效应的影响做出基础准备工作.

(3)牛鞭效应的量化问题.对于牛鞭效应的三种量化方法,应该研究统一的表达方式,并且找出适合实际物流、可计算的牛鞭效应定量化公式.

(4)牛鞭效应的减弱与控制.在实际应用中,结合国内情况,找出减弱牛鞭效应的方法.在理论研究中,推进VM I的牛鞭效应控制策略.进一步将牛鞭响应控制问题推向一般的供应链系统,包括ERP、电子商务等;将理论设计实用化,提出能够处理实际问题的解决方案.

参　考　文　献(R eferences)

[1]　Lee N,Padmanahan S,Whang https://www.wendangku.net/doc/b15730953.html,rmation distortion in a

supply chain:the bullwhip effect[J].Management Science, 1997,43(4):546～558.

[2]　Lee N,Padmanabhan S,Whang S.The bullwhip effect in supply

chains[J].Sloan Management Review,1997,38(2):93～102.

[3]　Chen F,Drezner Z,Ryuan J K,et al.Quantifying the ullwhip

effect in a simple supply chain:the impact of forecasting,lead times,and information[J].Management Science,2000,46(3): 436～443.

[4]　Chen F,Drezner Z,Ryan J,et al.The Bullwhip Effect:Man2

agement Insights on the Impact of Forecasting and Information　an Variability in a Supply Chain[M].Boston:K luwer Academic Publishers,2000.417～440.

[5]　McCullen P,Towill D.Diagnosis and reduction of bullwhip in

supply chains[J].Supply Chain Management:an International Journal,2002,7(3):164～179.

[6]　Metters R.Quantifying the bullwhip effect in supply chains[J].

Journal of Operationas Management,1997,15(2):89～100. [7]　Baganha M,Cohen M.The stabilizing effect on inventory in sup2

ply chains[J].Operational Research,1998,46(s3):572～583.

[8]　Riddalls C E,Beneft S.Production inventory system controller

design and supply chain dynamics[J].International Journal of

Systems Science,2002,33(3):181～195.

[9]　Dejonckeere J,Disney S M,Lambrecht M R,et al.Transfer

function analysis of forecasting induced bullwhip in supply chain [J].International Journal of Production Economics,2002,78

(2):133～144.

[10]　Dejonckheere J,Disney S M,Lambreoht M R,et al.Measuring

and avoiding the bullwhip effect:a control theoretic approach[J].

European Journal of Operational Research,2003,147(3):567～590.

[11]　Disney J D,Towill D R.A discrete transfer function model to de2

termine the dynamic stability of a vendor managed inventory sup2 ply chain[J].International Journal of Production Research, 2002,40(1):179～204.

[12]　Disney S M,Towill D R.A procedure for the optimization of the

dynamic response of a vendor managed inventory system[J].

Computer and Industrial Engineering,2002,43(1):27～58. [13]　Disney S M,Towill D R.On the bullwhip and inventory variance

produed by an order policy[J].Internationl Journal of Manage2 ment Science(OMEGA),2003,31(2):157～167

[14]　Dejonckheere J,Disney S M,Lambrecht M R,et al.The im2

pact of information enrichment on the bullwhip effect in supply chains:a control engineering perspective[J].European Journal of Operational Research,2004,153(3):727～750.

[15]　Zhang X.The impact of forecasting methods on the bullwhip ef2

fect[J].Internationl Journal of Production Ecnomics,2004,88

(1):15～27.

285信　息　与　控　制33卷　

[16]　张欣,达庆利,沈厚才.在ARIMA (0,1,1)需求下的牛鞭效应

与信息共享的评价[J ].中国管理科学,2001,9(6):1～6.

[17]　龚本刚,程幼明.供应链中的牛鞭效应的成因及其弱化[J ].运

筹与管理,2002,11(5):127～127.

[18]　黄小原,卢　震.供应链牛鞭效应的H ∞控制应用研究[J ].控

制与决策,2003,18(2):155～158.

[19]　卢　震,黄小原.供应链牛鞭效应的随机控制[J ].信息与控

制,2003,32(1):36～39.

作者简介

黄小原(1947-),男,教授,博士生导师.研究领域为供应链管理,电子商务,金融工程.

王　静(1968-),女,博士研究生.研究领域为供应链管理,电子商务.

3

855期 黄小原等:供应链中的牛鞭效应问题研究进展:存在、量化与控制