供应链中牛鞭效应问题研究

供应链中牛鞭效应问题研究1

达庆利1,张钦1,沈厚才2

(1.东南大学经济管理学院,南京210096; 2.南京大学管理科学与工程研究院,南京210093)

摘要B牛鞭效应对企业的效益甚至整个国家的经济会造成严重的影响,多年来一直受到人们的关注,但直到近年对它才有较为清晰的认识.文章通过文献综述,讨论供应链中牛鞭效应的现象和成因,减轻和消除该效应的对策以及进一步的研究方向.

关键词:供应链;牛鞭效应;需求;库存;信息共享

中图分类号:F252文献标识码:A文章编号:1007-9807(2003)03-0086-08

0引言

牛鞭效应是指供应链中的零售商向供应商的订货量与其实际的销售量不一致.一般地,发给供应商的订货量,其方差大于销售给买方的(即需求扭曲),这种扭曲以放大的形式向供应链的上游蔓延(方差变大)[1].

牛鞭效应给企业造成的后果是不言而喻的,有时甚至非常严重.由于较差的需求预测,制造商支付了超额的原材料成本或产生原材料短缺.额外的制造费用、加班费,以及很高的库存水平导致超额的仓储费用和大量资金积压,低效率的运输过程和超额的运输成本等,都直接影响企业的效益.

牛鞭效应有时称作/蝴蝶效应0[2],它是形容北京的一只蝴蝶扑扇一下翅膀引起了佛罗里达的风暴.在经济生活中,因为一些企业出现了这种现象,导致整个国家的生产能力过剩)))经济危机.即经济学家所说的/库存加速器理论0(inventory accelerator theory).

牛鞭效应问题如此重要,多年来一直受到企业家和学者的关注,但直到近年对它才有较为清晰的认识.本文基于国外的文献对该问题的研究工作进行回顾和总结.国内对供应链的研究尚处于起步阶段[3,4].

1牛鞭效应现象的研究

1.1案例分析

第一个认识到牛鞭效应的人是Forrester[5].他通过一系列案例研究指出,对于季节性商品,制造商觉察到的需求变化远远超过顾客的需求变化,他还注意到这种效应在供应链的每一级都会放大.

与Forrester类似,许多学者也都通过对实际数据的数值分析从经济学角度指出了许多行业中的牛鞭效应现象.如工厂产品计划的变化大于销售量的变化[6,7],订货量随着向供应链上游移动有增大的趋势[8,9]等.

20世纪90年代初,美国宝洁公司在研究/尿不湿0的市场需求和订货策略时[1],发现该产品的零售数量是相当稳定的,没有哪一天或者哪一月的需求高于或低于其它时期.然而,分销商向工厂的订货数量的变化程度比零售数量的波动要大得多,而且,宝洁公司向其供应商的订货量波动幅度更大.惠普、IB M等公司也发现了同样的问题.

1.2模拟研究

Sterman设计了一个称为/啤酒分销博弈0的

第6卷第3期2003年6月

管理科学学报

JOURNAL OF MANAGEMENT SCIENCES IN CHINA

Vol.6No.3

Jun.,2003

1收稿日期:2001-05-24;修订日期:2002-12-04.

基金项目:教育部人文社会科学研究/十五0规划项目(01J A630048);国家自然科学基金资助项目(79800015).

作者简介:达庆利(1945)),男,江苏南京人,教授,博士生导师.

课堂游戏[10,11].四个参与者形成一个供应链,分别以啤酒零售商、批发商、分销商和制造商的身分独立地做出库存决策,以相邻参与者发出的订单作为唯一的信息资源.在线性成本结构下,该实验表明订货数量的变化随着向供应链上游的移动而变大.这种游戏重复许多次,其成员不仅有学生而且有公司的经理,但结果是一样的:上游成员总是过分地响应下游的订货需求,从而导致供应链系统的总成本5~10倍于最优总成本.

在上述同样条件下,文献[2,12]以更广泛的观点,运用啤酒分销游戏观察管理行为,即零售商销售量的一次较小的波动,都能通过供应链中的每个环节放大,使各成员的订货量或生产量大幅度变化.

Towill通过模拟的方法证实了库存管理方法对供应链信息扭曲的影响[13].需求变化的幅度每通过一个环节就会增加一倍.生产商从中间环节获得订单后,对市场需求变化的预测幅度几乎是最初的8倍之多.

与以上文献使用的方法不同,文献[14]假设需求的分布函数与时间有关,在给出以每周期现有库存为自变量的最优成本的函数后,用启发式算法定量化了供应链各个环节的牛鞭效应.

1.3理论证明

一些学者通过数学模型证明牛鞭效应的存在性,研究的重点是订货的策略和需求信息预测. 1.3.1订货策略

许多文献都用订货策略(s,S)来证明牛鞭效应的存在.Blinder首先使用这个订货策略[15],他提出一个与库存控制策略一致的计量经济学模型,对所观察的零售商行为模式作可能的解释.文献[16]假设零售商使用连续盘点策略,证明了牛鞭效应在只有一个零售商的单独订货和多个零售商的集结(aggregate)订货的情形下都存在.

文献[17]则在零售商使用周期盘点的策略下,综合考虑零售商的个别订货和集结订货,研究了(s,S)策略参数、需求参数和成本系数对订货数量的影响,表明需求相关如何降低集结订货的可变性,卖方订货的自相关如何平滑供应商的订货策略.文献[18]考虑在两级分销供应链中的分销中心订货和需求的变化,其内容与文献[17]基本相同,但方法有区别,前者使用更新定理和自相关需求模型AR(p),后者用了近似的方法.

另一类型的订货策略是(R,Q).在这种策略下,文献[19]主要研究零售商的订货时间间隔和订货数量,结果表明当零售商的订货间隔变长或订货的批量增大时,供应商的需求变化一般会减少,较低的需求变化可以导致供应商较低的库存.

1.3.2需求信息预测

从相关需求模型入手研究牛鞭效应问题也是一个重要的方法.文献[1,18,20~23]均考虑的是AR(1)模型,文献[18]考虑的是AR(p)模型,而文献[24]考虑的是ARI MA(0,1,1)模型.除文献[18]外,都对一个零售商和一个供应商的简单供应链系统研究需求和订货的变化情况,零售商的订货策略是使其库存水平上升到S.

文献[1]的研究还包含由于供应商缺货致使多个零售商的分配博弈、多个零售商的三种不同订货时间(平衡的、同步的和随机的)以及价格波动等因素产生的牛鞭效应现象;文献[20]只允许需求积压;文献[21]则考虑零售商和供应商均用相同的AR(1)模型预测需求,得到在实施VMI(供应商管理库存,vendor managed inventory)计划之前,供应商的预测方差高于零售商的预测方差;文献[22]一是确定需求预测对牛鞭效应的影响,二是不仅从理论上证明牛鞭效应的存在,而且对供应链中每一级增加的可变性量化;由于在AR(1)模型中有一需求信息的误差项,文献[23]推出了无论这个误差信息共享与否都存在牛鞭效应的结论.

2牛鞭效应的成因

2.1从经济学的角度

Forrester认为牛鞭效应现象是由于组织行为随时间变化引起的,并假设系统参与人具有某种特定的行为方式,因此,牛鞭效应可以通过改变组织的行为方式克服.

Sterman将牛鞭效应归因为参与人的非理性行为和对反馈信息的错误理解[10],认为通过对参与人培训可以克服这种现象.也有学者认为是系统参与人为响应需求变化[25],避免缺货[20]或降低生产成本[26],在追求利润最大条件下的理性行为[1,27].

)

87

)

第3期达庆利等:供应链中牛鞭效应问题研究

供应链是若干个公司或组织组成的动态联盟,根据委托代理理论,供应链内部上下游之间是一种双向委托代理关系,即使那些企业形成供应链,也都有各自的利益,分别拥有市场需求、销售数据、成本结构等方面的信息,并据此分别作出对自己最有利的决策,不同成员的决策又会互相影响[1,27].从传统意义上讲,其契约关系是松散的,对整个系统的运作缺乏有效的激励机制和监督机制.

2.2从运作管理的角度

许多学者在发现牛鞭效应这一现象时,就找到了它的起因,但有片面性.Lee等人从运作管理的角度分析了牛鞭效应现象的5个主要原因[1,27]:

1)需求信号处理[18,20~24].买方在某时期发现需求增加,会认为这是未来需求将会提高的预兆,从而大幅度增加订货量.在传统的运作管理中,上游仅仅依靠下游买方的需求数据做出预测和决策,它的库存控制将不可避免地受到扭曲信息的损害.这样重复下去,呈现逐步放大的趋势,即多重预测是导致牛鞭效应的一个关键因素.

2)供应短缺[20].制造商的生产能力不能满足潜在的需求时,会根据买方的订货量限额配给,买方为了得到更多的配额,就会提高订货量,超出实际的需求.当这种问题解决后,订货量会回到正常的水平.其实,即使供应量充足,只要买方认为可能发生缺货,就可能采取以上的策略.

3)批量订货[14].由于订货成本等因素,经济批量订货(EOQ)对买方可能是最优的订货策略,但对供方可能很糟糕.多个买方的订货时间分布有随机订货、正相关订货和平衡订货3种情况,这3种情况对供方来说有相同的订货量期望值,方差是第1种最大,第3种最小.3种情况下的方差都大于买方面临的需求变动的方差.

4)价格变化.制造商的产品价格在一定范围内随机变化时,零售商的最优订货决策是价格低时扩大订货,价格高时减少订货.另外,由于在某些时期对大量采购提供促销和打折措施,导致不正常的订货或销量,也会引起牛鞭效应.

5)交货时间[19,28].牛鞭效应的起因还与供应链环节之间交货的时间迟滞紧密相关.这些时间迟滞有时很长,在服装行业中,两次供货之间竟要花平均一年到66周的等待时间[28].

综上所述,牛鞭效应是供应链成员在自身利益的驱动下,所做出的理性决策的结果.从管理的层面上讲,是供应契约结构的不合理、需求信息的不确定和需求信息的个别占有等因素造成的.

3消除或减轻牛鞭效应的对策

从根本上解决牛鞭效应,供应链成员的利益目标必须完全一致.一般来说,这是不可能的.通过供应链的协调,订立合理的契约,建立完善的激励机制和监督机制,实行有效的信息共享,可以减轻甚至消除牛鞭效应.在具体的运作中,可采用销售数据和库存信息共享,减少供应链环节,缩短订货的提前期或交货时间,买卖双方协调订货以及制造商价格方案的简化等策略.

3.1信息共享

信息的种类很多,包括库存控制策略、库存水平、生产计划原则、生产方案、销售模式、订货策略、成本结构和市场需求等.

需求的不确定以及需求信息的个别占有是信息扭曲的一个重要原因.需求信息的集中是信息共享的一种方法,可分为两类:一类是两级供应链系统,系统中有一个分销中心,作用是汇总零售商的订货单,然后向供应商订货,供应商向分销中心发货[29~31]或者直接向零售商发货[32,33];另一类是多级供应链系统,根据链中一个设施的级库存(level stock)是其现有库存加上它所有下游设施库存(installation stock)的和的思想[34~36],链的上游就可知道下游的需求情况.

库存数据共享也是研究的重点.文献[35,37, 38]研究当零售商的需求平稳时,共享的库存数据如何改进供应商的订货决策.零售商批量订货时,由于批量或时间间隔的限制,其订货没有完全传达库存的状态,但有了共享的库存数据,供应商可以调节其订货,以响应零售商的异常低或高的库存.

信息共享能给买卖双方带来若干利益[38,39].在多个相同零售商及供应商有无限订货能力的情况下,文献[38]假设每个零售商及供应商服从(R,nQ)策略,再订购数量是预先确定的,没有考虑经济规模驱动这些决策.文献[39]考虑了供应

)

88

)管理科学学报2003年6月

商的三种情况,知道零售商的订货历史数据,知道零售商的订货策略(s,S)和商品的需求分布以及零售商的所有信息,分别估计了信息共享给供应商在订货容量限制情况下带来的好处.文献[23]则给出非平稳需求的连续系统中信息共享对供应商收益的影响,结果表明当需求信息高度相关时,信息共享的价值非常大.

买卖双方成本结构等信息也可以共享.文献[40,41]研究了当供应商知道需求和零售商的订货成本及库存保管成本的数量折扣问题.文献[42]在同样条件下得到供应商从不同的零售商的数量折扣中获利并且零售商也降低了成本的结论.

信息共享在有些时候并不总是有益的[31,38],或者说信息共享的价值很小[35],尤其对零售商来说[39].

3.2V MI

VMI或CRP(连续补充计划,continuous replen-ishment programs)是正在流行的敏捷物流合作关系协议,它也指直接补充库存.在VMI的协议下,供应商监视零售商的分销网络中的库存状况,确定库存补充时间和数量,而不是被动地响应零售商的订货.这样的协议对供应商和零售商是双方有益的.零售商减轻了监视库存、采购订货的负担,享受有保障的服务;供应商由于需求预测误差大大减少,降低了安全库存水平,减少了交货时间,节约了物流成本.

文献[43]讨论了美国食品行业实施EDI的业务流程再造(B PR)与渠道绩效之间的关系,通过实证分析认为,在食品工业中,VMI比纯粹使用EDI取得了更令人满意的成功.

文献[44]为供应商提出了一个整合的库存补充和交货计划模型.供应商采用(s,S)策略补充其库存,基于时间的运输联合策略发送顾客的订货.在这些假设下,对随机需求情况计算最优补充数量和发货频率,目的是在满足以时间为基础的需求时,极小化采购、运输、库存保管和等待成本的总和.

文献[21]在需求预测中用VMI计划减轻牛鞭效应的负面影响,得出了有趣的结果:实施VMI 计划以前,供应商的预测误差高于零售商的预测误差,VMI将有效地降低供应商的安全库存;买卖双方所采用的预测方法决定了在减少安全库存成本和资源浪费方面的VMI效果;在一般的平稳和非平稳需求下,VMI是有效的,尽管少数场合VMI 的优势会大大降低.

3.3采购承诺和数量柔性

传统库存理论中,买方可以在任何时候以任何数量向卖方发出订单.如果买方在不确定的需求下采用(s,S)订货策略,在某段时间内向卖方订购大量货物,在另一段时间内可能没有任何的订货.这是导致牛鞭效应的原因之一.

为了解决这个问题,一些学者提出在订立契约时采用采购承诺或数量柔性的条款,在契约执行的开始卖方事先承诺购买一定数量或某一范围的数量的货物,买方则提供一定的优惠条件.其目的是买卖双方共同承担风险或共同分享利益,促使买方认真预测需求和计划订货数量.主要从3个方面研究:买方的行为,如需求预测和采购数量;卖方的行为,如能够提供的订货数量;双方利益或成本的变化.由于供方的问题更为复杂,因此大多数文献只从买方的视角来研究采购承诺和数量柔性.

最先研究这类契约的是文献[45],它和文献[46]都考虑在需求不确定的情况下,买方在周期i的初始对以后的某个周期t的订货数量做出承诺,随着实际需求信息的逐渐积累,买方可以在每个周期的开始,动态地调节所承诺的数量,调节的数量是用启发式算法得到的.文献[47]则研究在有限个周期的计划期内,买方承诺的最小采购总量问题.

其实,这些契约在许多情况下是很简单的,如EOQ框架下[48]或单周期的报童问题[49].

文献[50]提出了数量柔性契约的变形))) /备货协议0(backup agreements),协议的参数是(Q,c).在销售季节前,买方承诺购买数量为?来准备整个季节的销售,并以价格c立刻收到了数量(1-Q)?,当观察了销售数据一两周后,用贝叶斯方法更新总需求的分布函数,买方应该订购剩下的数量Q?,并会马上收到订货.如果没有订货,买方则受到罚金为b的惩罚.

文献[51]建立了买卖双方的激励模型,对即将到来的销售季节,买方首先估计采购数量,卖方承诺生产,最后买方根据随机需求的更新信息作出实际的订货策略,但不能低于最初承诺数量的某个百

)

89

)

第3期达庆利等:供应链中牛鞭效应问题研究

分比,否则会受惩罚.选择适当的单价后,该契约结构表明,通过分配市场需求不确定所引起的成本,把买供双方的个别利益整合成系统最优的结果.文献[52]考虑在多级库存中具有滚动期(rolling hor-i zon)的数量柔性契约,其需求是不稳定的,但信息能更新.在周期t,买方向供方提供本期的实际采购数量,以及未来j 个周期的估计订货数量等数据.模拟结果表明,该契约能阻止整个链中订货变化的扩散,潜在地抑制牛鞭效应.

3.4 其它方法

1)缩短提前期的快速响应(quick response,QR).就是买方对市场的需求做出快速响应,这尤其适合服装等季节性销售的商品[53]

.只要收集到相关商品销售的信息就能降低预测的误差,当提前期减少4~6个月时,预测误差可减少20%~40%.在需求不确定的情况下,缩短交货期是一种很好的解决办法[19,27]

.

2)日见其效益的第三方物流[1,54].主要思想是第三方物流的提供商允许若干零售商利用他的仓库作为其货物的集散地,在这里产生规模经济,由他向制造商订货并统一配送.

3)对于价格波动来说,解决的办法是制造商保持产品价格的稳定,实行/天天低价0(EDLP)策略[1]

.

4)在某些条件下,由于供应商生产能力的限制,导致零售商的分配博弈问题.因此,多个供应商的供货可以降低供应的变化[55,56].

4 结束语

为了减轻或消除牛鞭效应,提出了不同的营销、运作方法,如数量折扣、VMI 、采购承诺、数量柔性、QR 和第三方物流等,但不管采用什么方法,最根本的是供应链成员间必须实现信息共享,而信息共享在具体的运作中很难实施.一般,供应链各成员都有属于自己的私有信息.为了解决牛鞭效应,要求下游企业向上游企业提供原本属于自己的私有信息.这会给上游企业带来额外的收益,增加他们在供应链内部的权威,也削弱了下游企业的权威,使之在与上游企业的谈判中处于明显的不利地位而失去竞争优势.有理论证明,信息共享可以增加供应链的整体绩效,但并不是所有的企业都能从中得到更多好处.另外,链中所有的企业都可能担心这些私有信息会泄露给自己的竞争对手.

因此,信息共享尽管对供应链中各种因素的协调起着重要的作用,能很好地帮助链中成员制定各种决策,提高供应链绩效,但由于上述的诸多原因而使链中成员不愿意实施.

(1)各成员利益目标的协调机制.通过企业之间的相互信任建立有效的合作与伙伴关系,使各成员的利益目标协调起来.但这种信任难以获得,因此需要采用强制的方法,如订立契约或股权互换等等,这些方法在具体运作时非常复杂.(2)各成员利益的再分配机制.实行信息共享以后,链中成员的效益可能会有不同程度的增加,或者有的增加有的减少,但在一般情况下供应链的绩效会有所提高,这就出现了信息共享后的利益再分配即如何分配问题.

(3)信息的传送技术及其对各成员利益的影响.信息的传送是信息共享的前提,EDI 技术,互联网的诞生和电子商务的应用使信息的传递很方便迅捷,但其中存在系统平台的开发或购买,设备费用以及传送数据的格式兼容等问题,往往都是权威较大的企业主导着权威较小的企业.

如果信息不能共享,那就存在信息不对称或信息不完全问题[57],这是牛鞭效应最重要的起因之一.在不对称信息情况下如何提高供应链的绩效、减轻牛鞭效应也是供应链管理的研究方向.

总之,信息共享或信息如何共享是当前供应链管理面临的重大挑战.

参考文献:

[1]Lee H,Padmanabhan V,Whang https://www.wendangku.net/doc/cb3787645.html,rmation dis tortion in a supply chain:T he bull whip effect [J].Management Science,1997,43:546)558

[2]Senge P M.The Fifth Discipline [M].New York:Doubleday,1990

[3]陈 安,刘 鲁.供应链管理问题的研究现状及挑战[J].系统工程学报,2000,(2):179)186

)

90)管 理 科 学 学 报 2003年6月

[4]沈厚才,陶 青,陈玉煜.供应链管理理论与方法[J].中国管理科学,2000,(1):1)9[5]Forrester J.Industrial Dynamic [M].New York:MIT Press and Wiley &Sons,Inc.1961

[6]Blanchard O J.The production and inventory behavior of the American automobile industry [J].J Political Economy,1983,91(3):365)400

[7]West K D.A variance bounds test of the linear q uadratic inventory model [J].J Political Economy,1986,94(4):374)401[8]Bli nder A S.Can the production smoothing model of inventory behavior be saved?[J].Quarterly Journal of Economics,1986,101(3):431)454

[9]Krane S D,Braun S N.Production smoothing evidence from physical product data [J].J Political Economy,1991,99(3):558)581

[10]Sterman J D.Modeling managerial behavior:Misperceptions of feedback in a dynamic decision making experi ment [J].M anage -ment Science,1989,35:321)339

[11]Sterman J D.The beer distribution game[A].In Heieke J,M eile L,eds.Games and Exercises for Operations M anagement [M].

New Jersey:Prentice Hall,1995.101)112

[12]Senge P M,Sterman J D.System thi nking and organizational learning:Acting locally and thinking globally in the organization of the

future [J].European Journal of Operational Research,1992,59(3):137)145

[13]Towill R D.Industrial dynamics modeling of supply chains [J].International Journal of Physical Distribution &Logistics M anage -ment,1996,26(2):23)41

[14]M etters R.Quan tify the bullwhip effect in the supply chains [J].Journal of Operati ons Management,1997,15:89)100[15]Blinder A S.Retail inventory investment and business fluctuations [J].Brookings Papers on Economic Activi ty,1981,(2):

433)505

[16]Caplin A S.The variability of aggregate demand with (s ,S )inventory policies [J].Econometrica,1985,53:1359)1409[17]Keller P,Miline A.The effect of (s ,S )ordering police on the supply chain [J].Int J Production Economics,1999,59:113)

122

[18]Baganha M P,Cohen M A.The stabilizing effect of inven tory i n supply chains [J].Operations Research,1998,46:S72)S83[19]Cachon G P.Managing supply chain demand variability with scheduled ordering policies [J].M anagement Science,1999,45:

843)856

[20]Kahn J.Inventory and the volatility of producti on [J].American Economic Review,1987,77(4):667)779

[21]Xu K,Dong Y.Vendor Managed Inventory:Towards a Better Coordination of Information in a Supply Chain [R].IC M98_Shang -hai,1998

[22]Chen F,Drezner Z,Ryan J K,David Simchi _Levi.Quantifying the bull whip effect in a simple supply chain:The impact of fore -castin g ,lead times,and information [J].Management Science,2000,46:436)443

[23]Lee H,So Kut C,Tang Christop her S.The value of information sharing in a two_level supply chain [J].Management Science,

2000,46:626)643

[24]Graves S C.A single_item inventory model for a nonstationary demand process [J].Manufacturing &Service Operation M anage -ment,1999,(1):50)61

[25]Naish H F.Production smoothing in the linear quadratic inven tory model [J].Quarterly Journal of Economics,1994,125(4):

864)875

[26]Eichenbaum M S.Some empirical evidence on the production level and production cos t smoothing models of inventory inves tment

[J].American Economic Review,1989,79(4):853)864

[27]Lee H,Padmanabhan V,Whang S.The bullwhip effect in supply chains [J].Sloan Management Rev,1997,38:93)102[28]Blackburn J D.The quick response movement in the apparel industry:A case study in ti me_compressin g supply chain[A].In

T i me_Based Competition:The Next Battleground in American Manufacturing [C].Illinois:Homewood,1991.78)81

[29]Axsater S.Opti mizing of order_up_to_S policies in t wo_echelon inventory systems with periodic review [J].Naval Res Logistics,

1993,40:245)253

[30]Nahmias S,Smith S A.Op timizing inventory levels in a two_echelon retailer sys tem with partial lost sales [J].Managemen t Sc-i

ence,1994,40:582)560

)

91)第3期 达庆利等:供应链中牛鞭效应问题研究

[31]Graves S C.A multi _echelon inventory model wi th fi x ed replenishment in tervals [J].Management Science,1996,42:1)18[32]Erkip N,Hausman V H,Nahmias S.Optimal centralized ordering polices in multi _echelon inventory systems wi th correlated de -mands [J].Management Science,1992,36:381)392

[33]Gullu R.A two_echelon allocation model and the value of i nformation under correlated and demands [J].European Journal of Op -erational Research,1997,99:386)400

[34]Chen F,Zheng Yu_sheng.One_warehouse multi _retailer systems wi th centralized stock information [J].Operations Research,

1997,45:275)287

[35]Chen F.Echelon reorder points,installation reorder points,and the value of centralized demand information [J].Management Sc-i

ence,1998,44:S221)S234

[36]Axsater S,Zhang Wen_fa.A joint replenish ment policy for multi _echelon inventory control [J].Int J Production Economics,1999,

59:243)250

[37]Bourland K,Powell S,Pyke D.Exploiting timely demand information to reduce inventories [J].European Journal of Operational

Research,1996,92:239)253

[38]Cachon G P,Fisher M.Supply chain inventory management and the value of shared information [J].Management Science,2000,

46:1032)1048

[39]Gavirneni S,Kapuscinski R,T ayur S.Value of information in capacitated supply chains [J].Management Science,1999,45:

16)24

[40]Dada M ,Srikanth K N.Pricing policies for quantity discounts [J].Management Science,1987,33:1247)1452

[41]Parlar M ,Wang Q.Discounting decisions in a supplier_buyer relationship with a linear buyer .s demand [J].IIE Transaction,

1994,26:34)41

[42]Wang Qinan,Wu Zhang.Improving a supplier .s quantity discount gain from many different buyers [J].IIE Transaction,2000,

32:1071)1079

[43]Clark T ,Hammond J.Reengineerin g channel reordering processes to improve total supply chai n performance [J].Production and

Operation M anagement,1997,(6):248)265

[44]Cetinkaya S,Lee Chung_yee.Stock replenish ment and shipmen t scheduling for vend or_managed inventory systems [J].M anage -ment Science,2000,46:217)232

[45]Anupindi R.Supply M anagement Under Uncertainty[D].Graduate School of Industrial Ad ministrati on,Carnegie Mellon Univers-i

ty,1993

[46]Bassok Y,Bi xby A ,Srinivasan R,et al .Design of component_supply con tract with commi tmen t_revision flexibility [J].IB M J Res

Develop,1997,41:693)702

[47]Bassok Y,Anupindi R.Analysis of supply contracts wi th total mini mu m commitment [J].IIE Transaction,1997,29:373)381[48]Nahmias S.Production and Operations Analysis [M].Illinois:Homewood,1997

[49]Portues E L.Stochastic inventory theory[A].In Handbook in Operati ons Research and Management Science (Vol.2)[C].Ams -terdam:Elsevier Science Publishers B V ,1990.605)652

[50]Eppen G D,Iyer A V.Backup agreements in fashion buying_the value of upstream flex ibility [J].Management Science,1997,

43:1469)1484

[51]Tsay A A.The quanti ty flexibili ty contract and supplier_customer incentives [J].Management Science,1999,45:1339)1358[52]Tsay A A,Lovejoy W S.Quantity flexibility con tracts and supply chain performance [J].Manufacturi ng &Service Operations

Management,1999,(1):89)111

[53]Iyer A,Bergen M E.Quick response in manufacturer_retailer channels [J].M anagement Science,1997,43:559)570[54]Cormier G,Gunn E A.A review of warehouse models [J].European Journal of Operational Research,1992,58:3)13[55]Janssen F,Ton de Kok.A two_supplier inventory model [J].Int J Production Economics,1999,59:395)403

[56]Sedarage D,Okitsugu Fuji wara,Huynh T rung Luong.Determining opti mal order spli tting and reorder level for N_supplier inventory

systems [J].European Journal of Operational Research,1999,116:389)404

[57]Corbett C J,Groote X De.A supplier .s optimal quantity discount policy under asymmetric information [J].Management Science,

2000,46:444)450

)

92)管 理 科 学 学 报 2003年6月

S tudy on bullwhip effect in supply chain DA Qing -li 1,ZHANG Qin 1,SHEN H ou -cai 2

1.School of Economic and Manage ment,Southeast University,Nanjing 210096,China;

2.Graduate School of Management Science and Engineering,Nanjing University,Nanjing 210093,China Abstract:The bullwhip effect badly affects the enterprises even whole country.It has been being noted and studied for many years,and have not been cognized more clearly until the recent year.This paper argues its phenomenon,causes and countermeasures of elimination or mitigation based on some literatures,and points out the future research directions on the effect.

Key W ord:supply chain;bullwhip effect;demand;inventory;information sharing

(上接第70页)

[8]高自友等.城市交通连续平衡网络设计)))理论与方法[M].北京:中国铁道出版社,2000[9]高自友,孙会君.现代物流与交通运输系统[M].北京:人民交通出版社,2003

[10]王迎军,高峻峻.供应链分销系统优化及仿真[J].管理科学学报,2002,5(5):79)84

[11]翟恩东,汪定伟.考虑库存分配的多年度二级分销网络优化模型[J].东北大学学报,2001,22(2):175)178[12]赵晓煜,汪定伟.供应链中二级分销网络的优化设计模型[J].管理科学学报,2001,4(4):22)26

B-i level optimization model for distribution system of supply chain SU N H ui -jun ,GAO Zi -you

School of Traffic and Transportation,Northern Jiaotong University,Beijing 100044,China

Abstract:Distribution channel decision is one of the most important decision in supply chain management,because it has direct effect on other marketing decisions.From the point of integration of the supply chain,a b-i level pro -gramming model is proposed to describe the two -echelon distribution network design problem,which considers the benefits both the network design departments and the customers.It also develops a ne w heuristic algorithm to solve the model,and at the same time a numerical example is given to illustrate the application of the model and its algo -rithm.

Key words:supply chain;distribution system;b-i level programming;heuristic algorithm

)

93)第3期 达庆利等:供应链中牛鞭效应问题研究

物流管理概念整理

物流概念的理解 物流系统化理念 包装技术 产品包装技法是指在包装作业时所采用的技术和方法。（一）产品包装的一般技法 对内装物进行合理置放、固定和加固 对松泡产品进行压缩 合理选择外包装的形状尺寸 合理选择内包装（盒）的形状尺寸 包装外的捆扎 （二）产品包装的特殊技法 缓冲包装技法（或称防震包装技法） 全面防震包装方法 部分防震包装方法 悬浮式防震包装方法 （三） 防破损保护技术

防锈包装技法（防锈油、气相防锈包装技术） 防霉包装技法(冷冻、真空、高温灭菌） 防潮包装技法 防虫包装技术 危险品包装技术 特种包装技术 集装箱的结构与标识 标准箱（TEU）——长为 20ft 的集装箱（Twenty-foot Equivalent Unit)。我国铁路行业集装箱标准：按重量分成 5t、10t、20t、30t 四种，相应型号为 5D、10D、1CC、1AA。5t 和 10t 集装箱主要用于国内运输；20 和 30 集装箱主要用于国际运输。 集装箱的结构和标记 1.集装箱的主要结构 集装箱通常是六面形的箱体。它是由两个侧壁，一个端壁，一个箱顶，一个箱底和一对箱门所组成。 2.集装箱的重要构件——角件

3.集装箱的标志 便于海关和各关系方对集装箱进行识别、监督和管理。 （一）集装箱标记的内容 1．必备标记内容 A．箱主代号：集装箱所有者的代号，前三位由箱主规定， 最后一位区分类型。如：中远集团为 COSU B．顺序号：用六位数字按国家规定对集装箱进行编号。 C．核对号：用于计算机核对箱主号和顺序号的正确性。 位于箱主号和顺序号后，加以方框，以示醒目。 核对号由箱主号的四位字母和顺序号的六位数字 以一定的方式换算而得。 D．最大重量和自重：最大重量（MAX GROSS）：最大载货重 量与空箱重量之和。 自重（TARE）：空箱重量。 要求用 Kg 和 lb 两种单位同时标出。 2．自选标记内容

供应链管理中“牛鞭效应”的分析

供应链管理中“牛鞭效应”的分析 摘要：牛鞭效应是供应链管理中一类典型的由不确定性导致的复杂现象，它会对整个社会经济生产成本产生严重的影响。文章在介绍牛鞭效应的概念及产生原因的基础上，重点提出了弱化牛鞭效应的具体措施。 关键词：供应链管理；牛鞭效应；VMI；第三方物流 在供应链的实际运作中，存在着各种各样的困难，如预测的不准确，导致对需求的难以把握，信息的不透明，导致供给不稳定，由于企业之间的诚信还没有完全建立，企业之间的合作性与协调性差，供应链中的主导企业很难发挥作用，供应的缺乏，生产与运输作业的不均衡、库存居高不下，成本过高等现象。引起这些问题的原因很多，但主要原因之一就是“牛鞭效应”。“牛鞭效应”的基本思想是：当供应链的各节点企业只根据来自其相邻的下级需求信息进行生产或供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象，达到最源头供应商时，其获得的需求信息和实际消费市场中的顾客需求信息发生了很大的偏差，由于这种需求放大效应的影响。上游供应商往往维持比下游供应商更高的库存水平。牛鞭效应表现如图1所示。 由于牛鞭效应是从下游客户端逐级向上游转嫁风险的结果，因而它会危害整个供应链的运作，导致总库存增加、

生产无序和失衡、业务流程阻塞、资源浪费、市场混乱和风险增大。由此可见，牛鞭效应的存在，已经成为削弱供应链的增值能力和竞争能力的主要负面因素，因此，探寻其成因及危害，研究并消除它对于供应链的负面影响具有重大的理论和现实意义。 一、牛鞭效应产生的原因 对于由零售商、供应商、制造商所组成的供应链系统来说，如果单就考虑到自身的利益最大化，都无可厚非，它们也都存在极力为满足顾客而做出不懈努力的意愿，任何一个子系统都无过错。造成恶性循环的罪魁祸首是系统本身的结构，处在大系统当中的每一个子系统在不考虑整个系统运作的时候，这种需求信息被扭曲的现象自然而然的就发生了。所以牛鞭效应产生的原因总结如下： 需求信号的处理 为了安排生产进度，计划产量，控制库存和计划物料需求，供应链中的企业通常都会预测产品需求，而预测通常是基于企业直接接触的顾客的购买历史进行的。当下游企业订购时，上游企业的经理就会把这条信息作为将来产品需求的信号来处理，基于这个信号，上游经理会调整需求预测，同时上游企业也会向其供应商增加订购，使其做出相应的调整。因此，这种需求信号的处理是牛鞭效应产生的主要原因。 批量订购

牛鞭效应评估方法的实例分析

Management Science and Engineering 管理科学与工程, 2014, 3, 26-32 Published Online March 2014 in Hans. https://www.wendangku.net/doc/cb3787645.html,/journal/mse https://www.wendangku.net/doc/cb3787645.html,/10.12677/mse.2014.31B005 Case Study on the Evaluation Method of Bullwhip Effect Yijun Huang1, Ximei Lian2 Beijing University of Posts and Telecommunications, Beijing Email: hyijun@https://www.wendangku.net/doc/cb3787645.html, Received November 2013 Abstract In the process of practical supply chain management, “bullwhip effect” is a common phenomenon. This article quantifies the actual value of bullwhip effect by constructing a simple mathematical model with the moving average forecasting method, and proves that information sharing can re-duce the bullwhip effect. In order to improve the operability of information sharing, this article has filtered the information sharing content and discussed the information sharing way prelimi-narily. Keywords Bullwhip Effect; Case Study; Information Sharing 牛鞭效应评估方法的实例分析 黄逸珺1，连细妹2 北京邮电大学，北京 Email: hyijun@https://www.wendangku.net/doc/cb3787645.html, 收稿日期：2013年11月 摘要 在供应链实际管理过程中，“牛鞭效应”是普遍存在的现象。本文通过构建简单的数学模型，运用移动平均预测法评估牛鞭效应值，并定量分析得出信息共享能够减小牛鞭效应。最后，为提高信息共享的可操作性，本文对其内容进行了筛选，并对其共享方式进行了初步探讨。

牛鞭效应的成因

巴里勒公司牛鞭效应的成因 需求预测：三级预测,多级预测 通心面的需求时变动的，而且呈现出明显的季节性，比如特殊类型的通心面用于夏天的通心面沙拉，而鸡蛋通心面则在复活节很受欢迎。相对变化的需求使得通心面供应链上的各个节点都有必要对未来的需求做出预测以指导生产的进程。对于巴里勒来说，产品的新鲜度十分重要，产品不可能被存放很长时间，因此工厂要预测分销商和自营的仓库的需求以生产恰当数量的通心面和面包产品，为了提高顾客服务水平，避免缺货和延期交货的风险，分销商要预测超市和商店对通心面和面包产品的需求以确定采购恰当数量的产品。在预测需求时，供应链上相互连接的两个节点之间会进行博弈，商店和超市为了防止顾客的需求而增加库存，分享商在预测了最终顾客的需求之后，为应对商店和超市的需求变动而增加库存，同样，工厂及配送中心为了防止分销商需求的增加而缺货的风险从而增加了自身的库存，因此各个节点增加了库存，牛鞭效应就产生了。 提前期：8-14天,平均为10天 由于订货提前期为8—14天，平均为10天，是相对较长的订货提前期，订货提前期越长，需求波动的概率就越大，因此为了规避风险，供应链每个节点需要增加的库存也就越多，于是越往上游，库存增加越大，牛鞭效应就会产生。而相比于JITD的模式，较短的订货提前期使得需求预测更加贴近实际，而且是由上游确定供应数量，不会出现牛鞭效应 库存策略与批量订货：分销商采用定期库存检查系统 大多数分销商使用简单的定期库存检查系统，分销商可能周二检查库存水平，然后对于那些低于订货点的产品进行订货。虽然几乎所有的分销商都有计算机支持订货系统，但很少有分销商具有能够确定订货量的系统或复杂的分析工具。这种简单的订货系统缺乏灵活性，没有针对市场的需求变化做出及时调账，因此分销商每次采购都需要订购大批量的产品作为库存，而对于配送中心，由于他们缺乏分销商的库存信息，所以要持有足够的库存来满足各大分销商每次大批量的订购。由于配送中心面对很多分销商，所以只有通过增加库存来满足分销商的需求。因此分销商的不灵活的订货模式以及配送中心对分销商库存信息的不了解产生了牛鞭效应。 促销策略：价格促销,数量促销,销售代表促销 巴里勒将一年分为10-12个市场为4-5周的兜售期。在每个兜售期都有一个促销计划，分销商可以通过兜售期的促销活动大量购买产品以满足现在和未来的需求。巴里勒根据销售代表在每一兜售期销售目标的实现情况来对其进行奖励，奖励取决于产品的利润结构。巴里勒的数量折扣表现在，巴里勒为分销商支付运输费。巴里勒为整车订单提供了2%-3%的折扣。而且如果购买者采购至少三整车的巴里勒的鸡蛋通心面，销售代表可向购买者提供每箱一千里拉的折扣。因此，价格促销和数量促销，以及销售代表在商店进行的促销都会使得分销商为获得折扣而增加库存，工厂预测到分销商会增加库存，所以自身也增加库存，于是产生了牛鞭效应。 短缺博弈行为：供应链各个节点之间的博弈 博弈行为是指在双方在进行决策时会考虑对方可能的决策行为，从而最终达到纳什均衡实现双方的共赢。在巴里勒公司的案例中，供应链的节点上也存在相关的博弈行为。也正是因为博弈行为，导致了牛鞭效应的出现。比如对于工厂的配送中心和分销商，在进行产品的供货

供应链中的_牛鞭效应_成因及对策分析

V ol 116,N o.1 管 理 工 程 学 报 Journal of Industrial Engineering ΠEngineering Management 2002年第1期 收稿日期:2000209218(修改稿).作者单位:复旦大学管理学院,上海200433. 研究 简报 供应链中的“牛鞭效应”———成因及对策分析 傅　烨,　郑绍濂 摘要:本文从委托代理理论出发考察了供应链“牛鞭效应”的成因,指出供应链中的“牛鞭效应”和其他效率损失问题其根源在于供应链的结构。即供应链中任何一对买卖双方都具有双向的委托代理关系,而这种关系由于信息的不完备、契约的不完善,包括缺乏有效的激励与监督机制导致委托和代理双方产生了目标与结果的重复次优选择问题。 关键词:供应链管理;委托代理理论;信息一体化;合作与信任 中图分类号:F271,F06219 文献标识码:A 文章编号:100426062(2002)0120082202 引言 一直以来,许多制造企业经常发现他们所面临的产品需求量波动很大,其程度要远大于产品的市场实际销售量的变 化幅度。宝洁公司把这一现象称之为“牛鞭效应” (Bullwhip E ffect ):它使得需求信息在从供应链的一端向另一端传递的 过程中发生了严重扭曲。 牛鞭效应并非是最近才被发现。J.F orrester (1961)、J.D. S terman (1989)、D.R.T owill (19996)等都对此作过研究。但真 正对这一现象作出较全面而且正确的分析的是H.L.Lee (1997&1998)。他认为系统参与人是理性的并且是最优化 决策的,而牛鞭效应是供应链内部理性参与人之间战略性行为相互影响的产物;为控制牛鞭效应,企业可以对供应链内部组织间的基础结构及相关过程加以改进。 Lee 的模型得出了导致产生牛鞭效应的四个因素:供应 链内部各环节(企业)对需求信号的处理过程;因预计供应量不足而出现限量配给引致的零售商之间的博弈过程;零售商的批量订货方式;生产商的产品价格波动。 1　成因的经济学解释 正如Lee 所论述的,牛鞭效应是供应链内部参与人之间战略性行为相互影响的产物,而这些参与人是理性假设的、最优化决策的。也就是说,牛鞭效应是供应链内部理性参与人各自效用最大化决策的博弈结果。 从委托代理理论来看,供应链内部每一对买卖双方(上下游之间)、中间商(零售商)之间互为一种双向的、长期的委托代理关系。任何一个参与人(企业)都具有独立的利益目标,并作出自己的最优化决策。同时供应链所有成员的目标利益和最优化决策都相互制约和影响。 在任何一对委托代理关系中,由于传统供应链结构的限 制,其信息结构是不完全、不对称的。生产商的生产成本和产量以及库存信息、零售商(中间商)的销售成本和实时销售以及库存信息、生产商和零售商(中间商)对不确定市场未来需求的预期都不属于共同知识。与此同时,受传统供应链结构的限制,内部委托代理的契约关系中缺乏有效的激励与监督机制以保证代理人的决策最大化符合委托人的利益目标。特别是那些处于同一供应链角色(即同是中间商或者零售商)的成员之间的契约关系,传统上他们的利益目标要么是竞争的,要么就是互不相干的,其契约关系也是松散的,有效激励与监督机制的缺乏自不待言。 进一步考察Lee 所讨论的牛鞭效应的四种成因,则发现均可将之归因于生产商和零售商以及零售商之间的委托代理关系由不完善信息和不合理契约所引起的博弈过程。 简单地说,在传统供应链结构中的委托代理关系是结构内生的,而委托和代理双方的目标利益不协调(甚至是冲突的),不完善信息和契约的不合理安排(缺乏有效的激励与监督机制)导致了委托代理双方利益目标和博弈决策结果之间的次优选择。而随着供应链内部环节的增多,委托代理关系的梯次也就增加,利益目标和博弈决策结果之间的次优选择也就被多次重复,这也是牛鞭效应随供应链长度的增加而逐渐向上游放大的原因。 2　牛鞭效应的对策分析 由于牛鞭效应是传统供应链的结构内生的,单纯从信息完善和简化决策的角度出发无法根本解决。事实是,供应链内部各成员的目标利益的不协调、有效的激励与监督机制的缺乏使得完善信息和简化决策在传统供应链结构下是不可能的。 — 28—

牛鞭效应

牛鞭效应 牛鞭效应 - 简介 “牛鞭效应”是对需求信息扭曲在供应链中传递的一种形象的描述。供应链上各个环节：零售商、批发商、分销商 和制造商等其基本思想是：当供应链上的各节点企业只根据来自其相邻的下级企业的需求信息进行生产或者供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。当信息达到最源头的供应商时，其所获得的需求信息和实际消费市场中的顾客需求信息发生了很大的偏差。由于这种需求放大效应的影响，供应方往往维持比需求方更高的库存水平或者说是生产准备计划。 在整条供应链上，各个环节：零售商、批发商、分销商和制造商等等，每一个节点企业的订单都会产生波动，需求信息都有扭曲发生（这不过是或多或少罢了），这样下来，通过零售商、批发商、分销商、制造商，逐级而上，信息的扭曲越来越严重。 真实的反映实际需求来知道实际生产比想象的要难得多。计算机领域的DELL是最受推崇的直销专家。他们的成功，实际上就是不断缩短长鞭的长度，避免公司经营出现“牛鞭效应”。然而不是每一个公司和领域的企业都能适应直销方式的作法，因为直销的门槛儿相当高，例如美国的可口可乐为了将针对大卖场、超市、零售店的销售做到直接，在全球铺设了强大的销售物流体系，成本巨大，对于一些国内中小饮料企业，这种模式根本无法做到。除了直销，必须有新的方式帮助中国的企业避免“牛鞭效应”的产生。 高效的整合供应链被认为是解决方法的最有效武器。但是一些传统的模式必须改变才能达到真正的高效运转。因为通过分析，管理学家认为，问题不在于是否对供应链进行了管理，而在于没有通过新的管理模式，尤其是在分销与库存管理方法上。 传统上，由于供应链每一个环节都是自己管理的库存，都有自己的库存控制目标和相应的策略，而且相互之间缺乏信息沟通，彼此独占库存信息，因此不可避免地产生了需求信息的扭曲和时滞，使供应商无法快速准确地满足用户的需求。这实际上与供应链管理的产生思想背道而驰，SCM的产生原因在于加强协同，避免信息传递的不准确，然而几乎 供应链条上都要超过5家以上企业，几乎所有这些家都要根据自己的实际情况变更信息。客户需求数量是550部，生 产商考虑到生产线开工率成本，可能认为600部时单位成本更合理，增加了50部的排产计划；而到了原料供应商， 根据原料可能出现的损坏率要增加5%生产，一下来550部的需求就变为630部的原料供应。这还是一个最简单的事例，由管理学统计得出的数据，经过4家企业调整，原始数据差异变化至少要被扩大2-7%。事实上超过5家中间环 节的供应链相当普遍，在产业发展趋势进入低利润的状况下，某些中间商，产品利润只有1%不到，如果在如此的供应链管理环境下，企业经营已经变得相当危险，因为稍微一个小的震荡，这个项目必定亏损。 如何有效地控制这种“牛鞭效应”，尤其是在生产产品相对变化较少的成熟、低利润行业已经迫在眉睫。 牛鞭效应 - 引起原因引起“牛鞭效应”的主要原因有两种，牛鞭效应一种是触发因素，它是整个供应链波动的源头，另一种是加剧因素，它将波动进行放大和扩展：前者主要包括终端市场波动、多样化的需求等，后者主要包括失败的预测、限制性订货条件、促销行为、MRP的僵化运算、非限制性订货条件、经济订货批量、销售波动、计划失误等 因素。 牛鞭效应的结果如下，例如： 1、错误的容量计划。 2、错误的生产排程。 3、无效的运输。 4、过多的存货。 5、不好的客户服务。 6、丧失收入等。 牛鞭效应 - 避免措施1、从VMI寻求突破供应商库存管理主要问题发生在快速响应用户需求的整个供应链上， 供应链各个环节的活动都是同步进行的，而传统的库存和分销管理思想无法满足这一要求，必须从这两方面入手解决问题。首先出现了一种全新的供应链库存管理——VMI（Vender Managed Inventory，供应商管理库存），正在成为 生产制造的避免“牛鞭效应”的突破点。 VMI与RMI（Retailer Managed Inventory，零售商管理库存）的传统库存管理方式完全相反。库存不在由各 自企业自行管理，而是作为供需双方共同管理的“第三方库存”。 在中国推行VMI管理方式的明基逐鹿软件，将一些长期稳定需求的零部件采购不再采取订单形式交付给客户，而 采用VMI方式管理，产生需求后直接从库存中取货，而供应商根据库存中的最低、最高警戒线自动补货，根据最小成 本生产规模制订补货生产数量，而不是根据传统的订单数量。当库存低于最低警戒线补货，高于最高警戒线停止补货。通过VMI，变传统的供应方和需求方双库存管理，为单库存管理，使得生产、采购环节的“牛鞭效应”大为减小。 VMI改变了各节点企业库存管理各自为政的现象，将信息更加集成，而且利用巧妙的方式加深了商务协同能力。 具体来说，VMI是一种以用户和供应商双方都获得最低成本为目的，在一个共同的协议下由供应商管理库存，并 不断监督协议执行情况和修正协议内容，使库存管理得到持续地改进的合作性策略。 VMI对于供应双方好处都是显而易见，库存由供应链上游企业管理，下游企业可以放开手脚进行核心业务的开发，

“牛鞭效应”的主要危害及其对策

摘要：介绍了供应链需求放大现象“牛鞭效应”的概念，深刻分析其产生的原因，阐述了“牛鞭效应”的主要危害，提出了一些缓解“牛鞭效应”的基本对策。 关键词：牛鞭效应；需求预测；战略联盟；库存管理；博弈 供应链是围绕核心企业，通过对信息流、物流、资金流的控制，从采购原材料开始，制成中间产品以及最终产品，最后由销售网络把产品送到消费者手中的将供应商、制造商、分销商、直到最终用户连成一个整体的功能网链结构模式。论文格式供应链由于具有开放性、动态性、集成性、群体性和分布性等特点，因此在供应链中有着大量的不确定性因素，这给供应链管理，尤其是供应链管理下的库存控制带来了巨大的挑战。其中最明显的问题就是“牛鞭效应（bullwhip effect）”。 一、供应链中的“牛鞭效应”及其产生的原因 供应链是一个包括满足顾客需求而产生的所有直接和间接环节的体系。因此供应链是由顾客需求来推动的。供应链成员在决策时都是直接利用来自下游的需求信息进行预测并向上游企业订货，每个企业都面临着前趋和后继间的订货问题。然而当下游需求发生变化时，由于供应链信息传递的时间和准确性上的误差会产生信息曲解，沿着零售商、批发商、分销商、制造商逆流而上，并逐渐扩大，在达到最终源头供应商时，其获得的需求信息和实际消费市场中的顾客需求信息发生了很大的偏差，需求信息严重失真、扭曲，这种现象被称为供应链中的需求放大，又称为“牛鞭效应”。“牛鞭效应”产生的原因主要有： 1．需求预测 表面上看，“牛鞭效应”表现为需求的不确定性，但实质上，这种不确定性是由于需求信息在供应链下游企业向上游企业转递过程中被扭曲放大的结果。在传统中，供应链的成员为了确定理想的库存水平和订货数量，总是将下游的需求信息作为自己需求预测的依据，一般利用移动平均或指数平滑等方法进行预测。一方面，预测方法本身属性的趋势性，不可能精确地预测变化着的需求市场的未来；另一方面，企业在考核绩效管理、绩效规划指标时，从来都是有增无减地要求，因此，沿着供应链向上游移动时，各成员获得的需求信息与实际的顾客需求信息产生越来越大的偏差。比如，销售商销售了1000个产品时，他可能会乐观地估计未来，或为了保证不断货，他会增加库存水平或订货数量达到1200个。同样地，批发商、分销商也可能做出比以往更多库存的决策，传到制造商时，订单可能就是2000个，甚至更多。而实际需求最多不会超过1100个，于是“牛鞭效应”也就产生了。 2．批量订购 在供应链中，每个企业向上游企业订货时，总要考虑到进货成本和库存成本，并且会对库存进行一定程度的控制。一方面，减少订货频率，可降低订货、进货成本，因此企业总是要间隔一定周期或累计到一定程度后才向上游企业发出订单，这样就产生了批量订购；另一方面，由于存货耗尽以后，企业很难马上（及时）从其供应商那里获得补充，所以通常各企业在采用最佳经济批量订货（EOQ）时，并在交货期内要保持一定量的安全库存，即提前期。其结果是预期的订货量将比需求量变大。提前期越长，对需求信息的时效性及对安全库存的影响就越大。而置身于供应链中的供应商，以接收的订单数量形成需求信息，又向自己的上游企业发出订货信息，从经销商→制造商→供应商溯流而上，订货量自然要比实际销售量大得多。此外，订单通常都是随机分布的，当顾客的订单周期重叠、需求高度集中时，甚至导致“牛鞭效应”高峰的出现。 3．价格波动 制造商通常会进行一些促销策略，比如降价折扣、数量折扣等。对下游企业来说，如果库存成本小于由于折扣所获得的利益，那么在促销期间，他们为了获得大量含有折扣的商品，就会增加即期订货量，即提前购买日后所需的产品，而提前购买的结果是顾客所购买的数量并

牛鞭效应及应用实例分析

牛鞭效应及应用实例分析 1 牛鞭效应的背景介绍 1.1 牛鞭效应的发现 二十世纪九十年代中期，宝洁公司的工作人员对他们最畅销的婴儿尿布产品的订单模式进行检查时，发现了一个奇怪的现象：该产品的零售数量是相当稳定的，波动性并不大，但在考察分销中心向她的订货情况时，吃惊地发现波动性明显增大了。其分销中心说，他们是根据汇总的销售商的订货需求量向她订货的。她进一步研究后发现，零售商往往根据对历史销量及现实销售情况的预测，确定一个较客观的订货量，但为了保证这个订货量是及时可得的，并且能够适应顾客需求增量的变化，他们通常会将预测订货量作一定放大后向批发商订货，批发商出于同样的考虑，也会在汇总零售商订货量的基础上再作一定的放大后向销售中心订货。这样，虽然顾客需求量并没有大的波动，但经过零售商和批发商的订货放大后，订货量就一级一级地放大了。在考察向其供应商，如3M公司的订货情况时，她也惊奇地发现订货的变化更大，而且越往供应链上游其订货偏差越大。这个现象就像牛仔使用的长鞭，顶端轻微的一点抖动就会在末梢转化为一条长长的弧线。因此，宝洁公司把这个现象命名为牛鞭效应（bullwhip effect）。 学术界普遍接受的牛鞭效应经典定义由Hau L Lee等（1997a）给出，他用过程的方差来定量的描述需求的波动：牛鞭效应描述的是供应链中供应商所接受的订单比终端顾客的需求具有更大的方差现象（即需求扭曲现象），这种扭曲将以放大的形式向供应链的上游传播（即方差的放大现象）。 1.2 牛鞭效应的成因和影响 1.2.1 牛鞭效应的形成原因 最早注意到供应链中这种需求波动逐级放大现象的人是J. Forrester, 早在1961年他就根据系统动力学理论，对一个三阶段四节点的供应链系统进行分析，指出对于季节性商品，制造商觉察到的需求变化远远超过顾客的需求变化。Forrester认为出现这种现象的原因在于供应链系统太过复杂，而公司间的信息反馈又非常困难，因此单个公司很难独立理性地作出订购决策。Forrester认为解决这种现象的方法在于将供应链视为一个整体，并采用系统动力学的观点对供应链系统进行仿真建模，以便管理者能够确定合适的决策方案。 牛鞭效应研究的一个里程碑式的进步源于著名的“MIT啤酒游戏”的提出和研究。Sterman（1989）教授在其库存管理现场试验中设计了一个“啤酒分销游戏”，从而证实了供应链中确实存在牛鞭效应。在这个试验中，整个供应链上只有四个参与者，分别是啤酒制造商、分销商、批发商以及零售商，它们以各自的身份独立地进行决策，并且相互之间只能以相邻的参与者发出的订单作为唯一的需求信息资源。Sterman教

牛鞭效应实验报告

牛鞭效应实验报告 一、实验内容 在由多级节点组成的库存系统中，如果各节点以分散独立决策的方式进行运作，即每个节点决策的目标是使各自局部的利益达到最优，此时系统整体并不一定处在最优的运作状态。 供应链在这样的运作环境下，常会出现如下现象：当需求从终端向上游逐步传递时，需求的波动将逐级放大，如图1所示。设想有一条由四个节点组成的供应链，从下游到上游依次为零部件供应商，生产商，批发商，零售商。销售商面临的终端市场需求只有少许波动，批发商的需求是来自销售商的补货请求，需求的波动比终端市场需求的波动有了放大，生产商的需求是来自批发商的补货请求，需求的波动又有了放大，零部件供应商的需求是来自生产商的补货请求，需求的波动进一步放大。这种需求波动放大的现象如同一根甩起的长鞭，将处于下游的节点比作根部、上游的节点比作梢部，一旦根部抖动，传递到末梢端就会出现很大的波动，因此被形象地称为长鞭效应。 求 需 时间 求 需 时间

需求 时间 需求 需求 二、 实验原理 长鞭效应产生的原因主要有以下几方面： 1) 需求预测的数据更新 2) 批量补货 3) 价格波动 4) 限量供应和短缺博弈 5) 补货提前期。

三、实验目的 无信息共享的多级库存管理实验（牛鞭效应实验）是为辅助物流概论课程的教学而设计的一个验证型实验。学生通过网络平台模拟供应链上各节点操作决策的环境，通过亲身实践加深对牛鞭效应现象的理解，辅助分析产生该现象的原因。培养学生发现问题和分析问题解决问题的能力，为今后关于库存管理课程的学习奠定基础。 学生在实验过程中，应着重： a)理解库存管理的基本概念和知识，如提前期，库存水平，各种成本的概念； b)体验牛鞭效应现象的产生，并分析其产生原因； c)分析如何减小牛鞭效应。 四、牛鞭效应产生的原因 (1)供应链的不确定性 需求不确定性的客观性，需求的不确定性、制造的不确定性和供应的不确定。供应的不确定性主要是以提前期的不确定性来体现的。提前期与供应商的生产能力密切相关，制造的不确定导致供应的不确定，另外地理位置、运送方式等也会影响提前期。 (2)订货批量的影响 在供应链中，每个企业都会向其上游订货，一般情况下，销售商并不会来一个订单就向上级供应商订货一次，而是在考虑库存和运输费用的基础上，在一个周期或者汇总到一定数量后再向供应商订货；为了减少订货频率，降低成本和规避断货风险，销售商往往会按照最佳经济规模加量订货。同时频繁的订货也会增加供应商的工作量和成本，供应商也往往要求销售商在一定数量或一定周期订货，此时销售商为了尽早得到货物或全额得到货物，或者为备不时之需，往往会人为提高订货量 (3)信息不对称 上游企业难以准确预测到最终消费者的需求，只是根据下游订货量决定自己的订货量，这便可能会产生由于预测不准确或者突发状况而引起的缺货或者过多持有存货。 (4)需求预测的主观性 上游企业总是将下游需求信息作为自己需求预测的依据，并据此安排生产或供应计划。结果预期的订货量将比需求变化更大，错误的预测方式使订货量发生巨大的变化，订货量与实际销售量有较大的出入。 (5)提前期的影响 提前期的可靠性与长度直接影响信息的扭曲程度。 五、实验分析 本报告主要分析第四节点上决策的制定以及数据产生的原因。

牛鞭效应实验指导书

牛鞭效应实验 一、实验内容 在由多级节点组成的库存系统中，如果各节点以分散独立决策的方式进行运作，即每个节点决策的目标是使各自局部的利益达到最优，此时系统整体并不一定处在最优的运作状态。 供应链在这样的运作环境下，常会出现如下现象：当需求从终端向上游逐步传递时，需求的波动将逐级放大，如图1所示。设想有一条由四个节点组成的供应链，从下游到上游依次为零部件供应商，生产商，批发商，零售商。销售商面临的终端市场需求只有少许波动，批发商的需求是来自销售商的补货请求，需求的波动比终端市场需求的波动有了放大，生产商的需求是来自批发商的补货请求，需求的波动又有了放大，零部件供应商的需求是来自生产商的补货请求，需求的波动进一步放大。这种需求波动放大的现象如同一根甩起的长鞭，将处于下游的节点比作根部、上游的节点比作梢部，一旦根部抖动，传递到末梢端就会出现很大的波动，因此被形象地称为长鞭效应。 长鞭效应是供应链系统中比较普遍存在的一种现象，数十年来，许多学者与实践者开展了大量的工作，旨在揭示和克服长鞭效应。例如，早期的“啤酒游戏”，就是在实验室里模拟啤酒的生产与销售过程中需求波动的放大现象，也有很多文献对长鞭效应进行了深入的理论分析。 求 需 时间Array求 需 时间

需 时间 需 时间 图1 长鞭效应现象 长鞭效应产生的原因主要有以下几方面：需求预测的数据更新、批量补货、价格波动、限量供应和短缺博弈、补货提前期。 长鞭效应对供应链整体来讲是一种不利的现象，它会增加企业的经营成本，尤其是处在上游的企业。针对长鞭效应产生的原因，我们可以从若干方面采取措施来降低长鞭效应的影响。关于如何降低长鞭效应，更好的管理多级库存系统，我们将在下一节实验中详细介绍。 二、实验目的 无信息共享的多级库存管理实验（牛鞭效应实验）是为辅助物流概论课程的教学而设计的一个验证型实验。我们通过网络平台为学生提供一个可以模拟供应链上各节点操作决策的环境，使学生通过亲身实践加深对牛鞭效应现象的理解，辅助学生分析产生该现象的原因，培养学生发现问题和分析问题解决问题的能力，为今后关于库存管理课程的学习奠定基础。 学生在实验过程中，应着重： a)理解库存管理的基本概念和知识，如提前期，库存水平，各种成本的概念。 b)体验牛鞭效应现象的产生，并分析其产生原因。 c)练习控制库存的方法，如报童模型的订货策略。

供应链中的牛鞭效应

供应链中的牛鞭效应问题——分析及对策 姓名：任艳慧张西萌赵研 杨亚亚祝贵安郭帆 专业：信息管理与信息系统 学号：1302100130、31、32 34、26、33

目录 一、研究的背景和意义 ........... - 1 - 二、牛鞭效应影响 ............... - 2 - 三、产生原因 ................... - 3 -< 一 > 需求信号的处理 ............................................................................................... - 3 -< 二 > 批量订购 ........................................................................................................... - 4 -< 三 > 价格波动 ........................................................................................................... - 4 -< 四 > 限量供应和短缺博弈 ....................................................................................... - 4 -< 五 > 供应链间各个环节间信息不透明 ................................................................... - 5 -四、解决方法 ................... - 5 - 一、实现上下游企业的无缝链接 ................................................................................... - 5 - 1、实现信息共享 ......................................................................................................... - 5 - 2、业务集成 ................................................................................................................. - 6 - 二、订货分级管理 ........................................................................................................... - 6 - 三、缩短提前期 ............................................................................................................... - 6 - 四、采用业务外包 ........................................................................................................... - 6 - 五、加强库存管理 ........................................................................................................... - 7 - 1、库存控制 ................................................................................................................. - 7 - 2、联合库存控制 ......................................................................................................... - 7 - 3、第三方物流管理库存 ............................................................................................. - 7 - 六、打破批量订购 ........................................................................................................... - 8 - 七、稳定价格 ................................................................................................................... - 8 - 八、消除短缺情况下的博弈行为 ................................................................................... - 8 - 九、建立惩罚约束机制 ................................................................................................... - 8 -五、结束语 ..................... - 9 -

关于“牛鞭效应”产生的原因及对策分析

关于“牛鞭效应”产生的原因及对策分析 作者姓名：学号： 摘要：牛鞭效应是营销活动中普遍存在的现象，是企业物流配送供应链中一类典型的由不确定性导致的复杂现象，对供应链性能有着很大的负面影响。本文结合企业物流配送实际其供应链中的不确定性即牛鞭效应产生的成因、供应链管理产生的危害做出了分析，并在此基础上有针对性地提出相应缓解对策，有效地弱化牛鞭效应。 关键词：牛鞭效应，供应链，缓解对策 1引言 牛鞭效应是指在营销市场中供应链中的零售商向供应商的订货量与其实际的销售量不一致。一般地，发给供应商的订货量，其方差大于销售给买方的(即需求扭曲) ，这种扭曲以放大的形式向供应链的上游蔓延。 牛鞭效应给企业造成的后果是不言而喻的，有时甚至非常严重。由于较差的需求预测，制造商支付了超额的原材料成本或产生原材料短缺。额外的制造费用、加班费，以及很高的库存水平导致超额的仓储费用和大量资金积压，低效率的运输过程和超额的运输成本等，都直接影响企业的效益。在某些制造业中，牛鞭效应会使供应链条突然断掉或是造成大量的库存产生。这对于资金紧缺、利润微薄的企业将是致命的冲击。 2牛鞭效应产生的原因 2.1案例分析 第一个认识到牛鞭效应的人是Forrester 。他通过一系列案例研究指出，对于季节性商品，制造商觉察到的需求变化远远超过顾客的需求变化，他还注意到这种效应在供应链的每一级都会放大。 与Forrester类似，许多学者也都通过对实际数据的数值分析从经济学角度指出了许多行业中的牛鞭效应现象。如工厂产品计划的变化大于销售量的变化，订货量随着向供应链上游移动有增大的趋势等。 2009年IBM在北京发布了《2009全球首席供应链官调查报告——智慧的未来供应链》。此份报告通过采访全球近400位供应链执行官，揭示了当前一些企业的供应链管理中面临着可视性、风险、客户亲密度、成本控制等5大挑战，同时提出了建立面向未来的智慧的供应链来消除牛鞭效应、应对金融危机。宝洁、惠普等公司也发现了由牛鞭效应所产生的各种问题。 2.2“牛鞭效应”放大现象的计算案例分析 例：假定在一个简单的供应链中，每个节点企业在仓库中都存放着7天所需的货物，即：每个节点企业从其上游供应商那里购买足够的材料以使得它的存货满足7天的需求，对某种产品的需求一直稳定在每7天100单位，如果某一个7天最终客户的需求比平时多了5单位，假设配送非常迅速，我们可以见证“牛鞭效应”对整个供应链的影响。 给定条件：每7天供应链的需求为100单位； 需求：等于下一环节客户购买的数量； 每个7天开始时的初期库存：必定等于前一个周期的期末库存； 每个周期的期末库存：必定等于本周的需求；

牛鞭效应实验报告

牛鞭效应实验报告

————————————————————————————————作者：————————————————————————————————日期： ?

牛鞭效应实验报告 一、实验过程及数据分析 在本次实验中我所处的是供应链上第四个节点，提前期是３期,单位库存成本是2,单位缺货成本是１0,单位缺货成本是单位库存成本的5倍，因此对于各节点来说会选择大量订货策略来避免出现缺货现象。从利润图可以看出,利润柱的大幅下降大多是由缺货引起的,小幅度且长期的下降则是由于某段时间内多个节点停滞不动导致的存货成本上升引起的。 在固定参数中还显示了退货价格这一数据,但是我在实验时没有进行过这个操作。如果在原有实验的基础上增加退货这一操作便会将自己的存货成本上推给上一级节点,那么这样就会对利润图产生相应的影响，特别是对于上一个节点想必是会产生更大的影响。同时,退货这一操作也具有极大的风险，精益生产讲究零库存,但是对于我所处的第四节点来说,提前期是3期,如果没有一定量的库存做保障,当下一级节点发出需求时将无法及时满足订单需求,而且这次产生的缺货成本将会一直延续至下一次满足全部订单需求的时期。因此选择存货还是缺货,选择零库存还是选择低库存都需要做一个合理的权衡。 图1 节点固有属性参数

图２.1、图2.２、图2.3显示的是50期实验的个人数据截图。这三幅图完整地展示了我所在的第四节点在每一期的期初库存、期初缺货、本期到货、本期需求、本期发货、本期订货、单期成本和单期利润的数据。图2.1的上方显示了经过50期实验之后第四节点的总成本和总利润,截至50期，产生利润30２５0，发生的总成本为５7430。总体来看是盈利的，但是从整个运作状况来看是不太好的，下面结合图2、图3和图4对50期的经营结果进行简单分析。 图2.１个人历史数据 图2.２个人历史数据

供应链中牛鞭效应案例分析及解决方法 解析

供应链中“牛鞭效应”案例分析及解决方法来源：物流天下作者：佚名日期：2009年06月16日访问次数：随着市场全球化和竞争的不断加剧,有人曾 在20世纪就预言了21世纪企业之间的竞争将变成供应链之间的竞争。我国的国 家标准《物流术语》,对于供应链的定义是:“供应链是生产及流通过程中,涉及 将产品或服务提供给最终用户活动的上游和下游企业所形成的网链结构。”由此 可见,供应链是一个集成了多家企业的价值增值链。其基本结构如图1所示: 随着市场全球化和竞争的不断加剧,有人曾在20世纪就预言了21世纪企业 之间的竞争将变成供应链之间的竞争。我国的国家标准《物流术语》,对于供应 链的定义是:“供应链是生产及流通过程中,涉及将产品或服务提供给最终用户活 动的上游和下游企业所形成的网链结构。”由此可见,供应链是一个集成了多家企 业的价值增值链。其基本结构如图1所示: 作为一种跨企业的协作,供应链包含了所有加盟的节点企业,不仅是一条联 结供应商到用户的物流链、信息链和价值链,而是一条增值链。提高整条供应链 的增值能力,增强供应链的竞争力,成为各节点企业共同的目标。 尽管如此,在供应链的实际运作中,却存在着各种各样的困难:如预测的不准确,导致对需求的难以把握;信息的不透明,导致供给不稳定;因为企业之间的诚 信还没有完全建立,企业之间的合作性与协调性差,供应链中的主导企业很难发 挥作用;供应的缺乏,生产与运输作业的不均衡、库存居高不下,成本过高等现象。引起这些问题的原因很多,但主要原因之一就是“牛鞭效应(Bullwhip Effect)”。由于牛鞭效应是从下游客户端逐级向上游转嫁风险的结果,因而它会 危害整个供应链的运作,导致总库存增加、生产无序和失衡,业务流程阻塞,资源 浪费、市场混乱和风险增大。由此可见,牛鞭效应的存在,已经成为削弱供应链的 增值能力和竞争能力的主要负面因素。因此,研究牛鞭效应,并消除它对于供应链 的负面影响就是本论文要研究的内容。 1 供应链中“牛鞭效应”分析 1.1 何谓“牛鞭效应” 1995年,宝洁公司(P&G)管理人员在考察婴儿一次性纸尿裤的订单分布规律时,发现一定地区的婴儿对该产品的消费比较稳定,零售商那里的销售量的波动 也不大,但厂家经销商那里得到的订货量却出现大幅度波动,同一时期厂家向原 材料供应商的订货量波动幅度更大,这一现象与我们挥动鞭子时手腕稍稍用力, 鞭梢就会出现大幅动摆动的现象相类似。于是,人们将这种现象叫做“牛鞭效应(Bullwhip Effect)”。类似的现象也在惠普、IBM等跨国企业中得到了印证。另外,麻省理工学院的Sterman教授通过着名的啤酒试验,也证明了牛便效应这一