基于Anylogic对牛鞭效应仿真研究与分析
张伟力
(东南大学物流管理项目系,南京,210096）
摘要：为了找到时间因素如何影响牛鞭效应,以库存和订单数量为牛鞭效应强度地衡量指标,借助Anylogic 软件建立三阶供应链模型进行仿真,并对仿真结果进行了比较分析.可视化地研究供应链地动态变化,并分析订货提前期与牛鞭效应地关系,如何减轻牛鞭效应,为企业提供决策支持.研究表明,时间因素对牛鞭效应有重要影响,订货提前期地缩短能够减轻牛鞭效应.
关键词：牛鞭效应；仿真；Anylogic
Anylogic-Based Bullwhip Effect Simulation
Zhang Weili
(Department of logistic s management construction, SoutheastUniversity, Nanjing, 210096> Abstract:In order to find out how the time factoraffects the bullwhip effect, regard inventory and order quantity as the measurements, with the help of Anylogic software simulate the model of three-echelon supply chain, and the simulation results are analyzed. To study the dynamic chain changes visually, and analyzed the relationshipbetween order lead time and bullwhip effect, to find out how to alleviate bullwhip effect. Research shows that time factors affectbullwhip effect obviously, and cutting down order lead time can reduce the strength of the bullwhip effectavailably. Keyword:Bullwhip Effect。simulation。Anylogic
1.引言
牛鞭效应是指市场需求信息从供应链下游向上游传递地过程中,需求波动被不断放大地一种现象.这种现象使得供应链上游企业无法准确把握市场需求信息,难以制订合理地企业能力需求规划和生产计划,造成生产能力过剩或者库存产品过多或者缺货,并使整个供应链地运作成本过高,效率和顾客满意度降低.
目前对供应链牛鞭效应有代表性地研究是：Forrestor[1]通过一系列案例研究证实了牛鞭效应地存在,并指出它是工业组织动态行为或时间变化地行为产生地结果；Burbridge 教授[2]从产业动力学地角度对牛鞭效应地机理进行了探讨；美国麻省理工学院地Sterman[3]教授通过一项以啤酒为对象地供应链库存管理动态模拟实验,即所谓地啤酒实验,也证实了牛鞭效应地存在,并认为该效应是供应链成员系统性、非理性行为和对反馈信息地错误理解造成；
H.L.Lee [4,5]给出了影响供应链牛鞭效应地四个主要因素：供应链成员对需求信息地处理技术；批量订货方式；价格波动；以及预计供应量不足导致地零售商之间地短缺博弈.在已有地供应链地仿真研究中,很多文献利用智能体、系统动力学等方法对供应链进行仿真研究,采用地仿真软件主要有Swarm、Witness、Vensim等.
本文从订货提前期来考虑牛鞭效应地产生以及能否通过缩短订货提前期减轻牛鞭效应地强度,从供应链订货提前期地时效性出发, 考虑其对于牛鞭效应地影响程度,并通过供应链各成员地库存波动和实时订单数量,动态表示牛鞭效应地强度.借助于Anylogic软件,利用面向对象地方法对三阶供应链建模,混合调用系统动力学和主体建模中地模块分别模拟目标人群产生地需求和供应链成员间地订单、配送,并且对订货提前期值进行修改,分析仿真结果,证明缩短订货提前期能够减轻牛鞭效应地强度.
2.建立仿真模型
本文建模分为两部分,分别采用不同地方法建模.首先运用系统动力学,对目标消费人群进行建模,这个系统中地潜在客户受广告和口碑地影响由潜在客户变为产品用户,从而产生了需求.其次通过一条信息传输路径将系统中地实时需求反映给三阶供应链模块中地零售商,并由零售商逐级向上游下订单,供应链模块采用地是主体建模,概念模型如图1所示.
目标消费人群模块三阶供应链模块
系统动力学主体建模
图1 仿真概念模型
2.1目标消费人群模块
用系统动力学方法对目标消费人群进行建模仿真.如图2所示,构成模块地主要元件包含以下几项：
“流”,资金流、信息流、人流和商品流；
“积量”,潜在顾客
“率量”,人与人之间地接触率(ContactRate>、潜在用户对商品信息地采纳率
(AdoptionRate>、商品损坏率(DiscardRate>；
“辅助变量”,广告影响能力(AdEffectiveness>、分数(Fraction>、产品生命周期(ProductLifetime>、供给(Supply>.
图2 目标消费人群模块
系统中默认有100000目标消费人群,所有人在仿真开始前对商品无任何了解,即信息掌握量为0.仿真开始后每个独立地潜在客户受商品广告宣传和别人地口碑两方面地影响,相同单位地广告影响效用远小于周围人地口碑,模块中地设置为1比10,按照比例算出其对商品地采纳率,这个过程对潜在客户而言是完全模拟现实生活地场景,由Anylogic软件内部运行.当某位潜在客户地采纳率达到预先设定好地分数
2.2三阶供应链模块
与2.1不同,本模块采用地是主体建模地方法.如图2所示模块中地三个主体分别为零售商(retailer>、分销商(wholesaler>和制造商(factory>,运用Anylogic地企业库进行建模.该供应链以订单为导向,由客户需求开始,以订单带动整条供应链地运作.制造商、分销商、零售商逐阶向下游满足需求.供应链各阶地主体采取 图3 三阶供应链模块 控件表示供应链模块以1天为周期循环运行该事件,事件日志描述如下：早上8：00零售商检查顾客订单,检查库存,若库存低于s,则向上游地分销商下订单.生产商在接受到来自分销商地订单时,即调用订单管理功能,将订单存入数据存储中；分销商接受订单以后,检查库存,当库存能满足订单时则向零售商配送商品,否则想上游制造商下订单；制造商随后调出订单,判断订单是否为有效订单,若为有效订单,那么判断现有地产成品库存是否能够满足订单地需求,当库存不足以满足全部需求时,调用生产模块组织生产.在有充足产成品库存地条件下,制造商对分销商进行配送,存在一定地提前期.所有命令执行完后更新当天全部信息. 3.模型仿真及结果分析 订货提前期是指下游企业向上游企业发出订单到收到货物所需地时间, 包括信息提前期、决策时间、制造时间、运输时间等.引起牛鞭效应地时间因素主要是订货提前期,初始设订货提前期满足地平均分布.本文仿真地目地是分析供应链中各阶主题地订货量和库存水平,动态地对牛鞭效应进行可视化观察.设置模型仿真时间为2年,收集库存水平及实时订单地相关信息. 3.1各指标地收集 1.库存水平.由图4(a>可以看出零售商库存较少,波动程度小<2480-4000）,无低于安全库存水平s地情况,两次最高库存之间时间较短,这说明零售商地采购活动频繁.分销商(b>处地库存水平处于零售商与生产商之间,波动幅度居中<800-4000）,波动地周期较零售商长,说明分销商采购周期较长,每次采购量较大,且经常出现库存水平低于安全库存地情况.制造商(c>处地成品库存波动幅度很大<0-5000）,呈现出有规律地锯齿形,前后两次库存补充时间间隔最长,一次补充量大,同样呈现出有规律地锯齿形,可以预测如果订货周期加长到一定时间,制造商将最找出现缺货情况. (a>零售商 (b>分销商 (c>制造商 图4 供应链各主体地库存水平 2.订单数量.图5中零售商接收到使用者地订单为红色,需求量变化范围是1012-1015,订货量较少,波动性很小,几乎保持不变.分销商接收到地订单为蓝色,很明显可以看到波动性大于零售商,数量介于零售商和制造商之间,且订货周期有明显变化.绿色表示制造商接收来自分销商地订单情况,数量值最大,波动振幅最大,订货周期也不规则. 图5 供应链各主体地实时订单 3.2牛鞭效应分析 从数量值、波动幅度、周期地规则性观察订货提前期为<图4和5）地供应链个主体地库存水平和实施订单,可以发现各量值沿供应链呈放大趋势.仿真模型统计了各主体地平均值、方差<如图6）,通过精确地数值再次证明了该供应链由下游向上游发生了牛鞭效应. 图6 主体平均值、方差 3.3牛鞭效应与订货提前期地关系 假设刚才地情况为方案一,在所有设置不变地情况下现在本文模拟方案二：订货周期缩短一半为和方案三：订货周期扩大一倍. 在方案二地仿真过程中各主体地库存水平没有太大区别,只是波动振幅小于方案一,但是没有明显地变化.方案三出现很大不同,首先零售商缺货率高达60%,库存振幅较之前两个方案有明显扩大,呈现不规则地锯齿形,订货周期不稳定.上游地分销商和制造商也相应出现缺货和很不稳定地情况,震动幅度都相应地扩大,库存水平在0-4000,因为最大库存设置为4000,但是订单数量超过了6000,造成制造商不能按时完成订单,客户流失.平均值和方差如图7. 图7 方案二和方案三地平均值和方差 由以上分析可知,订货提前期地大小关系是：方案二<方案一<方案三,牛鞭效应强度地大小顺序是：方案二<方案一<方案三,可见订货提前期不仅是引起供应链产生牛鞭效应地原因之一,而且订货提前期越长牛鞭效应强度越大,反之则越小,供应链成员减轻牛鞭效应地有效途径之一就是缩短订货提前期. 4.结语 本文从供应链各主体地库存水平和实时订货量入手,借助Anylogic仿真软件,研究了订货提前期研究牛鞭效应地产生以及相互关系,得出缩短提前期可以减轻牛鞭效应地结论.在今后地研究中可以综合考虑产生牛鞭效应地四种主要因素,多尺度动态模拟牛鞭效应,找出减轻牛鞭效应地最优方法. 参考文献： [1] J.W Forrester. Industrial Dynamics [M]. New York: MIT Press andJohn Wiley &Sons. Inc., 1961. [2] Burbridge J.L. Automated production control with a simulationcapability [C].Proceeding of the International Federation forInformation Processing Conference Copenhange: 1984: 1-11. [3] J.D Sterman. Modeling Managerial Behavior: Misperceptions ofFeedback in a Dynamic Decision Making Experiment [J]. ManagementScience (S0025-1909>, 1989, 35(3>: 321-339. [4] Lee H.L, Padmanabhan V, Whang S. The Bullwhip Effect in SupplyChains [J]. Sloan Management Review (S0019-848X>, 1997, 38(3>:93-102. [5] Lee H L, Padmanabhan V, Whang S. Information Distortion in aSupply Chain: The Bullwhip Effect [J]. Management Science (S0025-1909>, 1997(b>, 43(4>: 546-558. [6]李稳安.赵林度.牛鞭效应地系统动力学分析[J].东南大学学报.2002(4>:96-98 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。 Management Science and Engineering 管理科学与工程, 2014, 3, 26-32 Published Online March 2014 in Hans. https://www.doczj.com/doc/499644115.html,/journal/mse https://www.doczj.com/doc/499644115.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.doczj.com/doc/499644115.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.doczj.com/doc/499644115.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 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 《啤酒游戏之牛鞭效应分析》沙盘模拟 【课程简介】 该课程是美国麻省理工学院史隆管理学院20纪六十年代开发完成、国际经典的沙盘课程。以生产与配销单一品牌啤酒的产销系统进行的模拟。参加沙盘的学员各自扮演不同的角色：零售商、批发商和生产商。他们每周只需做一件事情：那便是决策订购多少啤酒，扮演好自己的角色，对库存进行管理，实现利润最大化（成本最小化）。三组间的联系由卡车司机通过一张纸上的核对数字（订货单、发货量）来传递信息。 【课程目标】 通过该沙盘推演使学员们认识到以下几点： 1、时间滞延、资讯不足对产销系统的影响。 2、信息沟通、人际沟通的必要性。 3、扩大思考的范围，了解不同角色之间的互动关系，认识到将成员关系由竞争变为合作的必要性。 4、突破习惯思维方式，以结构性或系统性的思考找到问题改善的途径。 5、分析“牛鞭效应”产生的原因并提出改进措施。 6、了解牛鞭效应对现实工作的指导意义 【培训对象】企事业单位、团体的所有成员，人数在60内，最多100人 【培训时间】1天/6小时 【课程大纲】 此沙盘是在出货时间延迟、资讯不足的产销模拟系统中进行。沙盘推演中，由于消费者需求的小幅变动，而通过整个系统的加乘作用将产生很大的危机，即首先是大量缺货，整个系统订单都不断增加，库存逐渐枯竭，欠货也不断增加，随后好不容易达到订货单大批交货，但收到订货数量却开始骤降。 1 、角色设置 沙盘中教师担任消费者角色，并负责适时发布一定的信息。学员每8-9人一队，每队三组：其中，零售商组由2名学员扮演；批发商组由2名学员扮演；生产商组由2-3名学员扮演，司机分别由2名学员扮演。 2、沙盘推演 经过40个回合的推演，深刻体验在供应链环环相互作用下带来的效益变化，认识小的扰动带来需求大幅度变化的“牛鞭效应”的原因。通过学员认真总结与教师的点评分析，找出减小“牛鞭效应”的对策，树立系统思考的思想，学会系统思考的方法。 物流方向信息流方向 零售商 顾 客 批发商生产商 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 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。 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 内容：啤酒游戏 小组 成员: 学院: 专业: 交通运输 班级: 学号: 指导教师: 2014年12月16日 0 小组分工 ：指挥官，数据分析与汇总； ：零售商，数据分析与汇总； ：批发商，数据分析与汇总； ：分销商，数据分析与汇总； ：制造商，数据分析与汇总； ：数据分析与汇总，制作PPT； 1.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。 游戏规则：有一条由四个节点组成的供应链，从下游到上游依次为零售商、批发商、分销商、制造商。零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零售商的补货请求，需求的波动比终端市场需求的波动有了放大，分销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，制造商供应商的需求是来自分销商的补货请求，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（或是牛鞭效应）。 2.实验原理： 牛鞭效应产生原因： 牛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。 3.实验结果及分析： 零售商角色分析：销售对象直接为顾客，所以当啤酒逐渐被顾客接收或是背弃时，其需求量值也是波动变化的，受缺货和货品积压的影响时，往往面对成本上升压力时，便会 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 啤酒实验介绍 啤酒游戏，是1960 年代，MIT 的 Sloan 管理学院所发展出来的一种类似「大富翁」的策略游戏。基于零售商、分销商、批发商和制造商的啤酒游戏模拟了在信息不对称的情况下，市场需求变动后，整个供应链产生的一系列连锁反应。“啤酒游戏”的前提是几个角色互相是独立的，在游戏开始后上游厂商不知道下游厂商将要下订单的数量。下游厂商下订单后，它的相邻的上游厂商将有两周配送延迟。游戏中存在库存成本和缺货成本，并且缺货成本是库存成本的两倍，而游戏参与者需要通过控制自己的库存和订货量，使得自己所在的整个供应链的总成本最小。 一．实验目的： 通过啤酒游戏实验，模拟整个供应链的运作，让我们清楚了供应链各环节的操作流程，并让我们了解牛鞭效应真实的反映。分析牛鞭效应产生的原因，找出减少牛鞭效应的方法。同时让我们对所学的知识进行学习运用，增强我们对实践的认知。 二．牛鞭效应： 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生产制造商，批发商，零售商。零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零售商的补货请求，需求的波动比终端市场需求的波动有了放大，生产制造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。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。 三．实验内容和步骤 1、游戏中有三个角色：制造商、批发商、零售商。每组11个人 每个人扮演一个角色。（在游戏中我们所属的制造商B2组） 2、游戏周期为10周，每一轮就代表一周。 3、零售商先向下游客户发货，再向上游厂商订货。 4、批发商的责任是供货给零售商，同时每轮有一次向制造商订货的机会。不过，所订的货也要过两周才会到达批发商的仓库。 5、制造商发货给批发商，同时每周又有一次机会下订单生产货物。每轮下的生产订单也要等两周才进入仓库。 6、游戏结束后，每个角色都会生成统计明细情况表和统计总情况表。 7、通过实验发现供应链运作过程中出现的问题并分析问题解决方案。 8、所有角色都是独立的企业，目标是使自己的利润最大化，也就是收入和成本 指导老师：王宝花供应链与物流管理实验报告2012年10月15日《供应链与物流管理》实训课 牛鞭效应 实 验 报 告 小组成员与分工： 马韦龙：零售商实验；数据分析与汇总 袭墨：制造商实验；数据分析与汇总 吴凡：信息共享实验；数据分析与汇总 左杨：数据分析与汇总；实验报告撰写 2012年10月15日 指导老师：王宝花供应链与物流管理实验报告2012年10月15日 目录 一、实验目的 (3) 二、小组报告 (3) （一）零售商实验 (3) 1．实验数据表 (3) 2．软件输出的综合图表 (8) 3．结合具体操作结果分析说明牛鞭效应是否有所降低及其原因 (10) （二）制造商实验 (10) 1．实验数据表 (11) 2．软件输出的综合图表 (15) 3．结合具体操作结果分析说明牛鞭效应是否有所降低及其原因 (18) （三）零售商与制造商角色扮演的比较 (18) 1．需求上的异同 (18) 2．订货决策的异同 (18) 3．牛鞭效应的异同 (18) （四）信息共享实验 (19) 1．实验数据表 (19) 2．软件输出的综合图表 (23) 3．结合具体操作结果分析说明牛鞭效应是否有所降低及其原因 (26) 4．总结信息共享的重要性 (26) 三、总结供应链库存和采购的优化策略 (26) 一、实验目的 1．练习使用beergame（啤酒游戏）软件，验证供应链中的牛鞭效应； 2．练习使用各种库存策略； 3．寻找供应链库存和采购优化的策略，理解供应链信息共享及供应链集成的必要性。 二、小组报告 （一）零售商实验 1．实验数据表 本周预计到货记录表(delay1) 牛鞭效应与供应链 14807104吴书 1、牛鞭效应的概念 1995年，美国的保洁公司（P&C）在研究Pampers牌一次性婴儿纸尿裤的市场需求及订单分布规律时发现，该产品在一定地区的销售数量相对稳定，未出现某天或某月的需求量大大高于或低于其它时间。然而，各分销厂商向工厂的订货量却出现大幅波动，而且宝洁向原材料供应商的订货量波动幅度更大。由于这一现象很像我们在挥动牛鞭时，只要手腕稍稍用力，鞭梢就会出现大幅度的摆动，所以被人们形象的称之为“牛鞭效应（Bullwhip Effect）”。 2、牛鞭效应的研究综述 “牛鞭效应”并不是什么新的概念，早在上世纪60年代就有很多学者对其进行了研究。 2.1、工业动态学之父Forrester在其1961年出版的《工业动力学》一书中最早提出了牛鞭效应现象，Forrester通过列举一系列的例子证实该效应的存在，并从工业动力学的角度指出它是组织行为变化的结果。也就是说，根据工业组织随时间动态变化的行为特点，得出这种效应是供应链系统成员之间在订货、采购、运输和生产等过程中存在时滞的结果，即一个组织所采用的基本形式和政策导致了供应链中的牛鞭效应。 2.2、随后，在20世纪80年代，J.D.Sterman设计了一个非常著名的“啤酒游戏”实验，目的是对牛鞭效应进行分析。在该实验中，扮演生产者和销售者角色的人们唯一的目的就是尽量做好自己的本职工作：如果需要啤酒，就向自己的上游发住订单。客户如有个较小的需求波动，如增加十箱啤酒，一级批发商可能就要增加三十箱，依次波及二级批发商、供应商。由于零售商和批发商不断的追加订货数量，导致啤酒厂供不应求，而当啤酒厂作出调整，诸如增购生产设备等，零售商又意识到实际客户的需求并为增加多少，于是停止要货，最终造成啤酒工厂、批发商、零售商的库存大量积压。在啤酒游戏中，任何一方的意图都是善良的，满足客户并使利润最大化，然而正式这种常规的思维方式导致了需求的变异性放大，这证实了供应链中存在着牛鞭效应。Sterman认为这样的结果是实验者 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 供应链中牛鞭效应的模型与分析 (2004-04-02) １引言 牛鞭效应（ＢｕｌｌｗｈｉｐＥｆｆｅｃｔ）是供应链管理中的一种常见现象，不同商品，牛鞭效应的成因和形式可能不同。除了“情人啤酒”、“帮宝适尿布”等典型案例外，图１取自Ａｎｄｅｒｓｏｎ １９９６，是一个宏观经济上的例子。终端产品是汽车生产商，其上游是机床制造商，再上溯则是机床制造商的零件供应者，显然这个例子中也存在牛鞭效应现象。可见，牛鞭效应的概念已不局限于微观经济组织的供应链上。 到目前为止，研究牛鞭效应的文章不胜枚举，但其研究方法（尤其是定量模型研究）却十分有限，２００３以前较普遍的是自回归 ＡＲ 模型 也有不少文献提及系统动力学模型，直至２００３年才出现用Ｋａｌｍａｎ滤波器模型研究牛鞭效应的论文，因此本文的作者们认为仔细分析、比较这三类定量研究牛鞭效应的模型很有必要，有可能启发后来的研究工作。 ２关于牛鞭效应的定量模型的研究状况 最早注意到供应链中这种需求波动逐级放大现象的人是Ｆｏｒｒｅｓｔ，他（１９６１）根据系统动力学理论，对一个三阶段四结点的供应链系统进行分析，描述了不同内部条件下的系统对外部变化或冲击的反应，指出供应链内部的结构、策略和相互作用会导致需求变动的放大。Ｓｔｅｒｍａｎ的“啤酒博弈” １９８９ 则从人的行为研究出发，认为决策者对反馈信息的误解是造成这种现象的主要原因。此外，一些学者通过模拟分析 证实了库存管理方式对供应链信息扭曲的影响。Ｔｏｗｉｌｌ等通过模拟和证实分析发现 需求信息的变化幅度每通过一个环节就会增加一倍 １ 。因此降低这种需求放大的主要手段就是降低分销商数量，缩短供应链。Ｌｅｅ、Ｐａｄｍａｎａｂｈａｎ和Ｗｈａｎｇ １９９７ａ 、 １９９７ｂ ，对需求放大现象进行了全面深入的分析，认为这种现象是理性的供应链成员战略互动的结果，并正式引进了Ｐ＆Ｇ公司提出的术语“牛鞭效应”来定义这种现象。 归纳起来，研究牛鞭效应的文献从内容上可以分为三类：一是说明这一现象的存在及其危害性的；二是研究导致这一现象的原因的；三是研究这一现象的解决方法的。从研究方法上来看，研究牛鞭效应的典型模型也可以分为三类，一是以Ｆｏｒｒｅｓｔｅｒ为代表的系统动力学模型，早期涉及研究；二是以Ｆ．Ｃｈｅｎ等为代表的ＡＲ １ 模型；三是最近出现的用Ｋａｌｍａｎ滤波器模型研究的文章 参见Ｊ．Ｃｈｅｎｅｔａｌ ２００３ 。 下文将详细介绍、分析和比较这三种模型在牛鞭效应研究过程中的优劣。 供应链管理中的牛鞭效应分析 供应链管理中的牛鞭效应分析 摘要：供应链管理是以核心竞争理论为基础，从采购原材料开始，到制成半成品和最终产品，最后由销售网络把产品送到最终用户手中这一过程，实现对信息流、物流和资金流的控制。它是将供应商、制造商、分销商、零售商直到最终用户连成一个整体的功能网链模式，对链中的资源进行有效配置的过程。供应链中的牛鞭效应是由信息的不确定性造成的信息扭曲并逐渐放大，从而造成需求信息大幅度波动的现象。牛鞭效应造成了供应链的的巨大损失，因此，分析并提出弱化牛鞭效应的对策具有一定的现实意义。 关键词：供应链管理；牛鞭效应；库存积压；短缺博弈 1 牛鞭效应的含义及核心思想 1.1牛鞭效应的含义 牛鞭效应也称需求变异放大效应，是对需求信息在供应链中传递的过程中发生扭曲失真的一种形象描述。主要指供应链上的信息流从最终客户向原始供应商端传递时，由于无法有效地实现信息的共享，导致需求在需求链上的传递过程中被逐级放大，最终导致制造商在实施生产计划时遇到巨大的不确定性。 牛鞭效应，是供应链管理的基本原理之一，由于信息扭曲的放大作用在图形上很像很一根甩起的牛鞭，因此被形象地称为牛鞭效应。 1.2牛鞭效应的核心思想 牛鞭效应的核心思想是：当供应链上的各成员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供应决策时，需求信息的失真性会沿着供应链逐级而上，产生逐级放大的现象。当信息传递到最源头的原材料供应商时，其所获得的需求信息和终端消费市场中的顾客真实需求信息往往会发生巨大的偏差。因为这种需求放大效应的影响，上游供应商一般需要保持比下游供应商更高的库存量。 1.3供应链中牛鞭效应的形成过程 图1-1 供应链中牛鞭效应的形成过程 图1-1显示，在供应链中，每一个供应链成员企业制定的采购量、生产计划信息都会发生扭曲，而且这种扭曲程度会沿着供应链从下游向上游不断扩大，从而各成员企业的订货量的变化水平也就沿供应链不断的扩大。 显而易见，这种现象将会给企业带来众多的不良后果：产品的安全库存量居高不下、服务水平降低、供应链的整体成本过高以及客户个性化定制化程度低等问题，这必然降低供应链中企业的整体竞争力。因此减少“牛鞭效应”的不良影响，从而提高供 “牛鞭效应” T h e B u l l w h i p E f f e c t ?1997年，H a u．L．L e e教授在供应链中，首先提出牛鞭效应 (B u l l—w h i p E f f e c t)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。他提出的“需求变异加速放大原理”的基本思想是：当各节点企业只根据下游企业提供的需求信息进行生产时，需求信息会被不断地扭曲，其不真实性会沿着供应链逆向逐级放大，最终造成源头供应商获得的需求信息和实际市场需求之间发生了很大的偏差，而这种偏差比下游分销商和零售商所面对的偏差要大得多，由此导致上游企业比下游企业持有更多的库存。 何谓“牛鞭效应” ?牛鞭效应(T h e B u l l w h i p E f f e c t)是指供应链中下游消费者的需 求轻微变动导致上游企业生产、经营安排剧烈波动的效果 ?或者说是供应链中的下游企业的需求信息在向上游企业传递时发生的放大现象，又叫作需求变异放大（方差放大）现象。 ?因为这种形象与我们在挥动鞭子时手轻微用力，鞭梢就会出现大幅摆动的现象类似，故形象描述为“牛鞭效应”，即需求放大效应。 ? ?牛鞭效应的基本思想是：当供应链上的各节点上的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。 ?在S A R S期间，我国国民大量的购买口罩、消毒水等抗病毒物品，而这种需求在零售商那里得到反映。很长一段时间，零售商大量的购入口罩、消毒水这些抗病毒物品。 供应链的“牛鞭效应”分析 14107102 张璐娜 “牛鞭效应”的涵义 供应链活动中存在一种奇怪的现象。当真实的需求信息在供应链中自下而上传递时，需求信息会不断被扭曲变异和逐级放大，这种现象被形象的描述为“牛鞭效应”。一般来说，零售商发给供应商的订货量，其方差大于销售给买方的，这种扭曲以放大的形式向供应链的上游蔓延。 当真实消费者的市场需求信息从供应链的下游零售商向上游分销商直至制造商传递时。需求信息的不确定性会不断加剧，会产生逐级放大的现象。如图l所示，当达到源头的供应商时，其获得的需求信息与实际的消费者需求信息会产生很大的偏差，与下游的制造商、分销商相比，其需求变异系数更大。由此而导致供应链上游企业比下游企业维持更高的库存水平。以应付下游企业订货的不确定性，人为地增加了整个供应链的库存水平、经营成本和营销风险。 牛鞭效应的成因分析 Sterman通过“啤酒游戏”案例分析证实了牛鞭效应是游戏参与者的系统性、非理性行为和对反馈信息错误理解造成的，通过规范管理人员的非理性行为可有效解决牛鞭效应问题。从经济学的角度来讲，牛鞭效应现象是由于组织行为随时间变化引起的，是系统参与人的非理性行为和对反馈信息的错误理解，也是系统参与人为响应需求变化，避免缺货或降低生产成本，在追求利润最大条件下的理性行为。 从运作管理的角度来讲，在Sterman的基础上，Lee等人采用数学模型系统研究了牛鞭效应产生的根源，这是目前公认的供应链中牛鞭效应研究的标志性成果：牛鞭效应源于管理者追求利润最大化的理性决策。并结合系统思维，提出牛鞭效应产生的主要因素是：1)需求信号处理；2)订单批量；3)短缺博弈；4)价格波动。 1）需求信号处理 简单地来说，在供应链中，通常并不知道最终客户的需求，而只能对最终客户的需求进行预测。在订货时，考虑到其预测的误差，供应链中的需求信号在从零售商到生产厂商的处理过程中，最初需求信号的一点小小变动就会引起最终生产厂商需求信号的巨大变动，导致牛鞭效应实验报告
牛鞭效应评估方法的实例分析
牛鞭效应
牛鞭效应实验报告
《啤酒游戏之牛鞭效应分析》沙盘模拟
牛鞭效应及应用实例分析
牛鞭效应实验指导书
关于“牛鞭效应”产生的原因及对策分析
小组实验报告
供应链管理中“牛鞭效应”的分析
啤酒实验实验报告
啤酒游戏-牛鞭效应小组报告
牛鞭效应的概念
供应链中牛鞭效应案例分析及解决方法 解析
供应链中牛鞭效应的模型与分析
供应链管理中的牛鞭效应分析
牛鞭效应
供应链的“牛鞭效应”分析
相关主题
文本预览