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。
３研究牛鞭效应的三大类典型模型
３．１系统动力学模型
系统动力学由美国麻省理工学院斯隆管理学院的Ｆｏｒｒｅｓｔｅｒ于２０世纪５０年代创立，它的基础主要是系统论和控制论，用一组差分方程来描述构成系统的各个组元之间的关系，用计算机对社会大系统进行模拟。１９５８年Ｆｏｒｒｅｓｔｅｒ首先描述了一个多结点的生产分销系统，由于该系统的组织结构、组织政策和其中的延误使得供应链中出现如现在所说的牛鞭效应那样的现象：消费者需求波动沿着供应链向上游企业逐级放大。Ｆｏｒｒｅｓｔｅｒ认为这种现象由系统本身的特性决定。
缓解该效应的补救措施为：（１）加速订单处理，即缩短提前期，减少延误。（２）提高信息质量，尽量减少信息传递过程中的扭曲，使得沿着供应链传递的需求信息接近真实的客户需求。（３）逐步调整库存。
许多学者在Ｆｏｒｒｅｓｔｅｒ模型的基础上，运用模拟仿真等手段验证了牛鞭效应的存在。斯隆管理学院著名的“啤酒博弈（ｂｅｅｒｇａｍｅ）”实验是应用系统动力学说明牛鞭效应的典型范例，ｓｔｅｒｍａｎ将其设计成为一个课堂游戏，四个参与者形成一个供应链，这四个参与者分别是啤酒零售商、批发商、分销商和生产商。四个角色以独立的身份做出库存决策和订货决策，并且把相邻参与者发出的订单作为唯一的信息来源。啤酒在供应链各角色之间移动有迟滞。因此各角色在决策时应该考虑这种迟滞。模型中规定一批货物需要花三个周期才能到达，而且订单要花一个周期才能到达上游供应者。
模型中使用了啤酒这一大众商品，其实可以是任何商品，只要它经过以上供应过程，用该模型进行模拟，结果都表明在线性成本结构下，订货数量的变化随着向供应链上游的移动而变大。上游成员总是过分的响应下游的订货需求，导致供应链总成本成倍增大。由于信息在时间上产生了延迟，订单将不反映当时实际的啤酒需求，决策者也很难对需求进行预测。这样决策者的订单决策和库存决策也就失去了准确性。而且它的决策错误可能传给其上游的供应者，进一步造成供应者决策的失误。实际上啤酒需求的变化已经被放大了，供应者不得不加大库存来应付这种放大的需求，于是该啤酒供应链总成本增加了。
该实验证明了牛鞭效应的存在性，说明了系统结构决定系统的总合行为，应用系统动力学模型的研究者认为：供应链系统中的牛鞭效应是系统本身结构所决定的。系统结构影响系统中各角色的行为，不可避免的导致牛鞭效应发生。
３．２ＡＲ １ 模型
Ｆ．Ｃｈｅｎｅｔａｌ ２０００ 引入指标ＢＥ＝Ｖａｒ ＳＤ Ｖａｒ ＲＤ 来衡量牛鞭效应的严重程度，其中Ｖａｒ ＳＤ 、Ｖａｒ（ＲＤ）分别表示供应商与零售商的需求的方差。这个指标以极其简明的方式表达出牛鞭效应的不确定性本质，能较科学地描述牛鞭效应的严重程度，ＢＥ值越大，牛鞭效应就越严重，供应商遭受的
危害会越大。
Ｆ．Ｃｈｅｎｅｔａｌ ２０００ 讨论了在（ｓ Ｓ）的库存策略下，采用移动平均和指数平滑的预测方法求ＢＥ系数的下界。为建立模型需求，他们用ＡＲ １ Ｍ模型来假设零售商看到的客户需求是随机的，且具有如下形式：
Ｄｔ＝ｕ＋ρＤｔ－１＋εｔ１．１
其中ｕ为非负常数，ρ是相关系数，误差项εｔ为均值为零的独立同分布随机变量。再假定提前期固定不变。则通过移动平均方法计算得出ＢＥ系数的下界：
ＢＥ＝Ｖａｒ（ｑＭＡ）１．２
其中，ｐ是移动平均方法中选择的观察期数。ｐ越大表示用的历史数据越多，处理结果越平滑，使在其他参数不变的条件下，ＢＥ系数越小。
通过指数平滑方法计算得出的ＢＥ系数的下界如下式：
≥１＋（２Ｌα＋）（）１．３
其中α是指数平滑方法中的平滑常量，α越小，越平滑。
根据１．２和１．３式分析造成牛鞭效应的两个关键因素，需求预测模型和提前期对ＢＥ系数的影响。
（１）前后两期需求相关系数越大，需求波动放大倍数越小。即ρ越大，ＢＥ越小。
（２）提前期越长，ＢＥ越大。若提前期无法减少，则只能利用更多的历史需求数据来减轻牛鞭效应。
（３）平滑指数越高，ＢＥ系数越小。即预测越平滑，牛鞭效应越小。
（４）模型选择不同对ＢＥ系数也有很大影响。为比较移动平均和指数平滑方法对ＢＥ系数的影响。在观测误差相同的情况下，移动平均参数ｐ和指数平滑参数α有如下关系。
α＝２．１
在ρ＝０的情况下，将２．１式代入１．３式，得到
＝１＋＋＞１＋＋＝２．２
ｃｈｅｎｅｔａｌ由此而得出移动平均方法优于指数平滑方法的结论。
３．３卡尔曼滤波模型
卡尔曼滤波器原来是随机控制理论中的一种重要工具，是由Ｒ．Ｅ．Ｋａｌｍａｎ在Ｗｉｅｎｅｒ滤波器基础上发展出来的一个最优随机控制理论，其讨论的问题是：对于一个本身带有“噪音”的动态系统以及一个带有“噪音”的观察器，如何利用来自观察器的有噪音干扰的数据对系统的状态进行辨识 即估计 并作出最优控制。Ｊ．Ｃｈｅｎ等将Ｋａｌｍａｎ滤波器模型应用于牛鞭效应分析，根据Ｋａｌｍａｎ滤波器原理，假设
Ｘｔ＝ＦｔＤｔ＋ｅｔ
Ｄｔ＝ＧｔＤｔ－１＋ｕｔ３．１
其中，Ｘｔ表示第ｔ期零售商观察到的市场需求，即销售量；Ｄｔ表示第ｔ期实际的市场需求；ｅｔ表示观测误差，服从Ｎ ０ σｅ 分布；ｕｔ表示系统误差，服从Ｎ ０ σｕ 分布；Ｇｔ和Ｆｔ分别是ｔ时间时描述系统的状态变化关系和状态与观察间关系的常数。
为便于比较，本文在假定零售商采取（ｓ Ｓ）的订货策略，在提前期Ｌ固定的情况下也采用Ｋａｌｍａｎ滤波器作为预测工具，计算出Ｆ．Ｃｈｅｎｅｔａｌ ２０００ 提出的ＢＥ指标来考查一个简单二级供应链系统中的牛鞭效应。
（ｓ Ｓ）策略下，如果库存量降到一定的订货点ｙｔ需求方就订货，订货量ｑｔ＝Ｓ－ｙｔ。
订货点ｙｔ＝Ｅ（Ｄｔ ｚ３．２
其中ｚ为服务水平，ｚ＝０意味着无安全库存，可能造成高缺货率和低客户满意。
设各期的市场需求及其观测值都是服从正态分布的，则可得ＢＥ系数的表达式如下：
＝Ｌ ３．３
从该表达式中可以看出，如果不考虑系统误差和观测误差，ＢＥ系数主要取决于提前期的长短。然而事实中，观测误差和系统误差总是不可避免的，导致不同程度的需求方差的放大。
４模型的比较分析
供应链中的供应方企业采取的生产策略有计划式生产（ｍａｋｅｔｏｓｔｏｃｋ，缩写为ＭＴＳ）、订单式生产 ｂｕｉｌｄｔｏｏｒｄｅｒ，缩写为ＢＴＯ 和组装式生产 ａｓｓｅｍｂｌｙｔｏｏｒｄｅｒ，缩写为ＡＴＯ 三种。ＭＴＳ指企业根据对市场需求的预测、服务水平及库存情况，制订生产计划和物料采购计划，安排生产。这种策略直接以库存来满足客户订单，因此客户订单的提前期较短。但是供应方需承受库存成本的压力和预测不准的风险，更何况供应商的预测精度还要受订货方成批订货、价格变动和短缺博弈等原因的影响。错误的预测扭曲真实的需求信息，并将错误的信息向上游企业传递，导致牛鞭效应。ＢＴＯ指企业接到顾客订单后才安排生产；ＡＴＯ也是接到订单后才安排装配。表面上，这两种生产策略中提前期较长，供应商不需要对需
求进行预测，因而不存在牛鞭效应。然而，Ａｎｄｅｒｓｏｎ １９９６ 的例子提出了疑问：汽车的生产机床是按ＢＴＯ或ＡＴＯ生产的，为什么也会出现类似牛鞭效应的现象？解释就只有从汽车行业对自身生产能力发展的预测中寻找。汽车行业对自己未来销量的预测直接影响到企业对自己生产能力的预测，也就是其上游企业机床生产行业的需求。由此看来，对需求预测的不准确性是牛鞭效应产生的关键问题。如果能有效解决需求预测精度问题，则可有效减低供应链中需求信息的扭曲。有效的预测模型是降低牛鞭效应的重要工具。
供应链中需求方所采取的库存管理策略对牛鞭效应的产生有直接影响。Ｃｈｅｎｅｔａｌ提出的原因中需求方定期更新需求预测做出定购计划就是一种库存管理策略的表现。需求方通常采用的库存管理策略有（ｓ Ｓ）、 ｓ Ｑ 、 ｓ Ｓ Ｒ 、 ｓ Ｑ Ｒ 。其中（ｓ Ｓ）、 ｓ Ｑ 属于永续盘存制，在这两种库存方式中，时间是连续的。只要库存小于最低库存ｓ 立即订货。 ｓ Ｓ 将订货至最高点Ｓ， ｓ Ｑ 则按经济批量Ｑ订货。 ｓ Ｓ Ｒ 、 ｓ Ｑ Ｒ 属于定期盘存制，即每Ｒ个时间盘查一次库存，发现库存低于ｓ，就订货。订货量与相应的（ｓ Ｓ）、 ｓ Ｑ 相同。这几种订货策略从长期来看，ｓ Ｓ Ｑ Ｒ都会受到决策者对需求预测的影响。需求方根据对市场的预测，调整相应库存策略中的参数。
合同订立策略是指供应合同中所规定的物流流动所需要的时间限制和所必须遵循的约定。包括货物数量，交货时间和付款方式等内容。实际生活中，合同中规定的内容灵活而具体，视供应双方的合作关系而定。合同内容反映了供应链中理性双方博弈的结果。其中的一些人为策略也可能造成需求波动的放大。如短缺博弈就是一种大家都接受的约定，可以视为一种隐性的合同。此外，不少供应链中存在赊借、代理等信用关系。供应链中各结点的决策者基于自己利益的理性决策往往会造成一定程度的人为的需求信息扭曲。部分供应商根据自己的营销策略，经常会采取先铺货，待销售商销售完成后再结算的方式。这种体制导致的结果是供应商需要在销售商 批发商、零售商 结算之前按照销售商的订货量负责将货物运至销售商指定的地方，而销售商并不承担货物搬运费用；在发生货物毁损或者供给过剩时，供应商还需承担调换、退货及其它相关损失，这样，库存责任自然转移到供应商，从而使销售商处于有利地位。同时在销售商资金周转不畅时，由于有大量存货可作为资产使用，所以销售商会利用这些存货与其他供应商易货，或者不顾供应商的价格规定，低价出货，加速资金回笼，从而缓解资金周转的困境；再者，销售商掌握大数量的库存也可以作为与供应商进行博弈的筹码。
因此，销售商普遍倾向于加大订货量掌握主动权，这样也必然会导致“牛鞭效应”。供应商如果能对市场需求有较准确的认识，则可以有效避免这种由需求方恶意扩大订货量造成的需求信息的扭曲。
综合上述三个方面的讨论，本文作者认为，有效的需求预测是降低牛鞭效应的关键。供应链中每个节点都会对需求信息进行了再加工，根据下游企业提供的信息进行预测，然后再传递给上游企业。科学的预测方法能保证再加工过程的科学性，有效减低牛鞭效应。
４．１系统动力学模型
系统动力学模型采取模拟的方法，系统都是非线性模型，实验的发生形式和条件较接近
真实情况，具有较高的可信度，其结果较有说服力。它形象证明了牛鞭效应的存在性，描述了牛鞭效应产生过程。这种模型对牛鞭效应发生的原因归结于系统结构，通过对供应链中结构和策略的深入分析，可以辅助决策者调整策略，以适应需求变动来减轻牛鞭效应。但是系统动力学模型没有预测能力，不能解决各节点企业对需求信息波动的放大问题。
４．２自回归分析的ＡＲ（１）模型
ＡＲ １ 模型意识到零售商采取不同的需求预测模型，对上游企业的需求波动放大有直接的影响。Ｆ．Ｃｈｅｎｅｔａｌ利用预测结果在简单的供应链系统中考察牛鞭效应，分析其影响因素，对实践有重要的指导意义。但该模型还存在以下不足：
（１）预测不够科学。首先是ＡＲ（１）模型对需求的模拟假设与实际情况出入较大。Ｆ．Ｃｈｅｎｅｔａｌ将前后期需求信息的关系建立在ＡＲ １ 模型基础上（见公式１．１）。这个模型若应用于实际，显得过于理想，没有充分考虑影响需求变动的因素。因为该表达式中隐含着假设：各期需求都具有相同均值（Ｅ（Ｄｔ）＝μ（１－ρ））和相同方差（ｖａｒ（Ｄｔ）＝σ２（１－ρ２））。这个假设在产品生命周期逐渐缩短的今天显然是不合实际的。产品处于生命周期的不同阶段，其需求是明显不同的，不可能具有相同均值和方差。其次是关于前后两期需求的相关系数ρ不变的假设也过于理想。模型中引进ρ的目的在于预测时可利用历史数据。然而，由于现实生活中一些人为因素的影响，历史数据和所预测数据之间的联系不够稳定，不能用一个单一不变的ρ来表示。对一些价格弹性明显的商品，销售者通过促销战略调节需求时，会发生经常性的变动。如没有促销活动，每期的销售量就在平均需求附近波动；如果某一时期中有促销活动，该期的销售量就明显上升，到了下一时期，因为促销活动结束且在促销期间顾客有过量购买行为，因此促销期后的一个时期的销售量明显低于平均需求。每一期的需求增加与否与该期有否促销呈正相关而与上一期有否促销呈负相关。除此以外，ρ 还因企业的其他竞争策略调整而发生变化。而且，ＡＲ（１）模型预测时利用的数据是前期的销售量，与前期的实际需求有一定区别。如前文所提到的一些需求方从自己的利益角度出发，有可能恶意扩大订货量，使订货量与实际需求发生很大偏差，实际生活中，由于促销等其他因素的影响，产品的销售量与实际需求往往存在较大出入。通常销售量的波动大于实际需求的波动，把销售量与实际需求等同起来进行需求预测，本身就会扩大需求波动。显然，ＡＲ（１）模型对现实需求的描述过于理想。模型中未充分考虑导致需求变动的因素，导致需求预测不够科学。
（２）ＢＥ系数的下界缺乏说服力。Ｆ．Ｃｈｅｎｅｔａｌ将ＡＲ １ 模型与移动平均和指数平滑等需求预测方法结合起来，定量评估牛鞭效应的程度，给出了ＢＥ系数的下界，而非下确界。他们通过比较相同平滑程度下移动平均方法得出的下界比指数平滑法的下界小（公式２．２），得出移动平均方法优于指数平滑的预测方法，显然不够严密。ＤｅａｎＣｈａｔｆｉｅｌｄ ２ 等人曾通过仿真实验得出相反结论。即在其他各种因素相同的条件下，零售商采取指数平滑方法进行预测所带来的牛鞭效应小于移动平均方法。
４．３卡尔曼（Ｋａｌｍａｎ）滤波器模型
相对于ＡＲ １ 模型，Ｋａｌｍａｎ滤波器模型采用了同样的指标来衡量牛鞭效应，但是Ｋａｌｍａｎ滤波器模型具有良好的过滤“噪声”的性能，能提供更科学的需求预测。除了供应短缺机制外，该模型对Ｌｅｅｅｔａｌ． １９９７ａ 或Ｃｈｅｎｅｔａｌ ２０００ａ 提出的导致牛鞭效应的其它几个因素都有适当考虑。并包括价格因素和订货分批等因素，甚至一些人为因素的影响。其科学之处主要体现在以下几个方面：
（１）把市场需求和销售量区分开来。在以往的研究中，由于需求的不可测性，研究者通常以购买量来代替需求量。视供应商接到的该期订单为其该期需求，零售商的实际销售量为其市场需求。而实际生活中，由于价格因素和其他促销活动的影响，购买量有时并不能完全反映市场需求。卡尔曼滤波器模型对需求的预测建立在销售量历史数据的基础上。而销售量与历史需求之间的关系可以通过Ｆｔ来设置。因此，利用卡尔曼滤波模型对需求的估计会随着销售数据的增加使估计越加精确，能有效过滤掉价格和促销等手段给需求带来的影响，需求预测更加平稳。
（２）卡尔曼滤波模型是一个动态模型。Ｇｔ和Ｆｔ可以逐期更新，所以可以避免１．１式中ρ为常数所带来的不足，更加符合变幻莫测的实际情况。现实生活中，一些人为原因造成的可预测的因素可以通过修改Ｇｔ和Ｆｔ来量化。使得预测不仅考虑了系统误差和观测误差等不可控因素，也考虑了人为可控因素造成的影响，更加接近事实情况。如若产品处于成长期，则Ｇｔ大于１。而成熟期产品，Ｇｔ约等于１，衰退期产品，Ｇｔ小于１。若企业上期采取降价或者其他促销措施，带来销售量的大幅度增加，预测时应适当修改Ｆｔ－１的值，把促销因素带来的销售量的增加过滤掉。不同商品，企业竞争战略对Ｆｔ－的影响也不竟相同。如同样采取降价促销，尿布的销售量与实际需求变化不会很大。Ｆｔ－还是约为１。而相对啤酒而言，降价促销，可能引起销售量的极大变动。Ｆｔ－可能远大于１。该模型引入Ｇｔ和Ｆｔ后，把价格波动等因素都考虑在内，使得预测更加灵活和科学。把反映需求变动的各项因素都包含在其中，可以较真实的反应需求变动，降低需求扭曲程度。
（３）该模型给出了ＢＥ系数的计算式。相对于ＡＲ（１）模型，Ｋａｌｍａｎ滤波器模型给出了ＢＥ系数的精确计算表达式，有利于进行确定性的分析和研究。
（４）模型具有较好的可扩展性。卡尔曼滤波器易于和各种库存策略相结合。上述Ｆ．Ｃｈｅｎｅｔａｌ所使用的ＡＲ １ 模型只能把时间划分成相等的时间段，否则其各期需求之间的关系假设就都不能成立。而卡尔曼滤波器模型则适用于时间长短不同的各期。只要将前期的Ｄｔ－１处理为单位时间的需求而在Ｇｔ中考虑定货周期的长度的影响即可。如ｔ－１期为３０天，ｔ期为６０天，则对处于成熟期的产品Ａ可设Ｇｔ为２。这样模型就可以与永续盘存制的库存策略相结合了。
５小结
本文分析了科学的选择预测模型对降低牛鞭效应的重要作用。比较了牛鞭效应的三类模型，系统动力学模型可以辅助决策，但没有预测能力 ＡＲ １ 模型过于理想化，预测不够精确，给出牛鞭效应的下界却没有给出下确界 Ｋａｌｍａｎ滤波器模型充分考虑导致需求变动的各因素，有效过滤需求预测中的干扰因素，能进行动态的科学预测，
能有效降低牛鞭效，是值得提倡的预测方法。
由于牛鞭效应产生的原因众多，卡尔曼滤波器模型还需要结合具体的供应链过程、结构和其中的策略来分析。关于其中参数的设置，Ｇｔ和Ｆｔ的更新规则等还有待进一步探讨。
本文作者：王磊，陈竞先，唐志杰
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 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
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/5b10908716.html,/journal/mse https://www.doczj.com/doc/5b10908716.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/5b10908716.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/5b10908716.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。
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 - 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，
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 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 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 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 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
————————————————————————————————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
982 工商管理基础考试大纲（2012版） 一、考试组成 982企业管理基础包括生产与运作管理、微观经济学和会计学三部分，三部分分数分别为58分、51分和41分（总分150分）。 二、生产与运作管理部分的考试大纲 （一）参考书目 1.《生产与运作管理（核心理论与习题集）》，北京：机械工业出版社（2007年9月）王晶编著（二）复习内容及要求 第一章生产与运作管理概论 主要内容： 生产与运作管理的基本概念 转换过程 生产类型 服务产品 生产与运作管理面临的新挑战 基本知识点： 什么是生产与运作，生产与运作管理研究的基本问题； 转换过程，生产与运作系统的构成要素； 生产类型及其特点的比较； 服务产品的特点。 第二章生产与运作管理战略 主要内容： 用户-产品-运作系统的关系 产品竞争策略 运作战略的决策过程 运作系统的战略性构造 基本知识点： 现代企业产品竞争的特点； 产品竞争重点的转移； 运作管理的决策内容与决策过程； 各类运作系统的功能特点。 第三章新产品研究与开发 主要内容： 现代企业的新产品研究与开发 新产品研究与开发的组织 新产品研究开发技术 服务产品设计 基本知识点： 现代企业新产品研究与开发的特点； 新产品研究与开发过程； 产品开发对生产成本的影响； 新产品研究与开发绩效评价； 并行工程方法； 服务蓝图。 第四章需求预测 主要内容： 需求预测过程 定性需求预测 时间序列分析 回归分析需求预测法 基本知识点： 需求预测的影响因素及一般步骤；
主要定性预测方法； 简单移动平均法、加权移动平均法、指数平滑法； 线性回归需求预测模型； 预测误差度量。 第五章长期生产能力管理 主要内容： 生产能力的概念 生产能力计划的内容与意义 长期生产能力计划过程 长期生产能力计划方法 基本知识点： 生产能力的定义及度量方法； 生产能力利用率； 长期生产能力计划的影响因素； 盈亏分析法、决策树法、净现值法。 第六章设施选址与设施布置 主要内容： 影响设施选址的因素 设施选址过程和方法 影响设施布置的因素 工艺专业化设施布置 生产对向专业化设施布置 服务设施布置 基本知识点： 设施选择的重要性及影响因素； 选址的一般步骤和方案的评价方法； 设施布置的原则及影响因素； 物料流向图法与作业相关图法； 装配流水线平衡方法； 服务设施布置方法。 第七章工作设计与时间测定 主要内容： 生产率与人的行为 工作设计 时间研究与作业测定 劳动定额管理 学习曲线 基本知识点： 生产率及其影响因素； 工作设计的内容与方法； 流程分析方法； 时间测定方法、工作抽样法； 工时消耗的构成、工时定额管理； 学习曲线原理及模型。 第八章总生产计划 主要内容： 企业的计划管理 需求与生产能力管理 总生产计划的内容与方法 基本知识点： 企业计划层次、计划指标体系； 影响需求及调整生产能力的方法 制订总生产计划的方法。 第九章作业计划与作业排序