供应链中的牛鞭效应与库存控制Word格式.docx
《供应链中的牛鞭效应与库存控制Word格式.docx》由会员分享，可在线阅读，更多相关《供应链中的牛鞭效应与库存控制Word格式.docx（30页珍藏版）》请在冰点文库上搜索。
正如有学者所说：
“将来的竞争不是企业与企业之间的竞争，而是供应链与供应链之间的竞争。
然而，作为供应链中的一种常见现象，牛鞭效应的存在已经严重影响到供应链的效率和竞争力，因此很有必要对供应链中牛鞭效应的治理问题进行研究。
同时，牛鞭效应现象也是供应链库存的一种放大反映，是供应链管理中库存波动的渊源，反映出现代供应链库存管理的新要求。
因此从库存管理的角度来研究供应链中牛鞭效应的治理问题具有一定的可行性。
长期以来，传统供应链中的库存管理都是各自为政的，供应链中的各个环节（零售商、批发商、供应商等）都设有自己的库存，各自管理，并有各自的库存控制策略，这样便不可避免地造成需求扭曲现象，无法使供应链快速地响应用户的需求，这种传统的库存控制方法显然不能满足现代供应链管理的同步化要求。
为适应现代供应链管理的要求，近几年在国内外出现了不少新的供应链库存管理方法，联合库存管理便是其中的一种。
联合库存管理策略打破了传统的各自为政的库存管理棋式，进一步把供应链管理系统集成为上游和下游两个协调管理中心，从而部分消除了由于供应链环节之间的不确定性和需求信息扭曲现象造成的供应链库存波动，通过协调管理中心实现供需双方的信息共享，以此解决供应链上的需求放大现象，提高供应链运作的稳定性和同步化程度。
1.3供应链牛鞭效应问题研究现状
作为供应链中存在的一种普遍现象，迄今为止，关于供应链牛鞭效应问题的研究工作主要集中在三个方面：
牛鞭效应的存在、牛鞭效应的量化、牛鞭效应的弱化和控制。
1.3.1牛鞭效应的存在
在牛鞭效应的初始研究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。
第一个提出牛鞭效应的人是美国麻省理工学院的Forrester教授。
他在1961年出版的《工业动力学》一书中基于系统动力学原理分析了消费需求波动沿着供应链向上游企业逐级放大的系统特性，提出因为供应链各级节点间信息反馈困难和前置时间的延迟，使各级订单决策者产生重复订购，因此造成了需求的放大。
随后J.D.Sterman1989年通过研究啤酒销售游戏对牛鞭效应进行了分析，认为牛鞭效应是实验者的非理性行为和对反馈信息的错误理解造成的。
Towill（1996）通过模拟和实证分析发现：
需求信息的变化幅度每通过一个环节就会增加一倍，生产商从中间商处获得订单后对市场需求的变化预测幅度几乎是初始波动的8倍之多。
对这一现象分析比较全面的是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。
关于牛鞭效应的形成原因，H.L.Lee认为，主要基于五方面的因素：
需求预测、订货间隔期、订货批量、供应短缺和价格波动。
1.3.2牛鞭效应的弱化与控制
牛鞭效应的弱化和控制问题始终是供应链管理中的重要理论和应用问题，而关于牛鞭效应的弱化和控制研究一般基于三个方面：
物流渠道设计、信息方法设计和决策控制设计。
一些学者在许多大规模的供应链项目研究中，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、时间压缩原则、信息透明原则和环节减少原则等等。
H.L．Lee和Chen.F认为可以通过调整需求预测算法来集中需求信息从而达到弱化牛鞭效应的目的。
国内学者张钦教授等人研究了ARIMA（0,1，1）需求下的牛鞭效应与信息共享问题，认为通过信息共享可以实现牛鞭效应的弱化。
而龚本刚等提出了基于Internet网络将ERP、GIS（地理信息系统）和GPS（全球定位系统）集成为供应链信息系统，通过实现物理结构上的信息共享来达到弱化牛鞭效应的目的。
Baganhan、Cohen和Riddalls等人通过对生产库存的研究认为通过稳态库存、生产延迟控制等策略可以缓解牛鞭效应，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来处理牛鞭效应的解决方案。
国内学者黄小原、卢震在量化牛鞭效应方差之比的基础上进行了牛鞭效应的有序控制和随机控制研究，即在顾客需求波动最大与随机波动情况下的牛鞭效应弱化问题研究。
第二章供应链牛鞭效应相关理论分析
本文的研究内容主要涉及到三方面理论内容：
供应链理论、牛鞭效应理论、联合库存管理理论，本章将逐一对它们进行介绍分析。
2.1供应链理论
2.1.1供应链的基本概念
供应链（SupplyChain，SC）概念是在美国哈佛大学商学院教授迈克尔•波特（MichaelPorter）于20世纪80年代初期提出的价值链理论基础上发展而来的，至今只有二十多年的历史。
由于在不同时期人们对供应链的认识不同，对供应链的定义也不同，目前尚无统一说法。
但是，随着人们对供应链认识的不断深入，供应链的内涵得到了不断扩展和完善。
早期观点认为，供应链是制造企业的一个内部过程，是企业把从外部采购的原料和零部件，通过生产转化为产品，再配送到零售商和终端客户的一个过程，它局限于企业的内部操作层面，注重企业自身的资源利用，是一种线性链条。
目前供应链的概念已经扩展到企业的战略管理层面，在综合各种定义的基础上，马士华教授将供应链定义为：
“供应链是以核心企业为中心，用户需求为导向，通过对信息流、物流、资金流的控制，将制造商、分销商、零售商直到最终用户连成一个整体的功能网链。
’’供应链包括了所有加盟的节点企业，要求相关企业从整个供应链的角度出发以全局的观点考虑产品的竞争力，是一个范围广泛的企业结构模式（见图2.1）。
图2.1供应链的网链结构模型
从上图可以看出，供应链是一种围绕核心企业（可以是产品生产制造企业，也可以是大型零售企业）的网链关系。
在这个功能网链中，每个企业都是供应链上的一个节点，既是产品或服务的提供者，也是产品或服务的享受者或消费者，节点企业在需求信息的驱动下，通过供应链的职能分工与合作（生产、分销、零售等）．以资金流、物流为媒介实现整个供应链的不断增值，因此供应链不仅是一条连接供应商到用户的物料链、信息链、资金链，而且是一条增值链，物料在供应链上因加工、包装、运输等过程实现增值，给相关企业带来收益。
2.1.2供应链的基本结构
供应链的结构由供应链中参与成员的多少来决定，而供应链参与成员的多少又是由产品的特性、原材料获得的难易程度、销售的方式和服务的形式等多种因素决定的，特别是产品的特性，对供应链的结构起着举足轻重的作用，不同的产品具有不同形式的供应链。
我们可以从以下两个方面来考虑供应链的结构：
层级结构（包括水平层次和垂直规模）和中心位置。
水平层次是指整个供应链中所包括的所有供应商和消费者的层次数量，它决定了供应链的长短。
垂直规模是指对于核心企业而言，其各层次所包含的供应商或消费者的数目，它决定了供应链的宽度。
中必位置是指核心企业在整条供应链中的位置，一般情况下，核心企业越接近最终消费者，在整条供应链中的权威性就越高。
根据水平层次和垂直规模的不同，可将供应链的结构分为四种，见图2.2。
图2.2供应链的层级结构模型
如上图所示，对于水平层次多和垂直规模大的供应链结构我们称之为整树结构，它的形状像一棵有着茂盛枝叶和完整根须的大树，表示核心企业拥有大量不同层次的供应商和消费者：
水平层次多而且垂直规模小的供应链结构称为细长结构；
相反的，水平层次少而垂直规模大的供应链结构称为短粗结构：
水平层次少而垂直规模也小的供应链称为链状结构。
另外根据中心位置的不同还可将供应链分为预测驱动型和需求驱动型。
随着核心企业的中心位置由上游向下游转移，供应链也由传统的生产推动型向需求拉动型转变，从而不断提高供应链的效率。
如图2.3所示，当核心企业处于不同位置时，将产生两种不同类型的供应链，即预测驱动型和需求驱动型，在预测驱动型的供应链中，由于核心企业远离最终消费者，生产依据预测进行；
需求驱动型供应链接近最终市场可以对市场需求有效识别，利用拉动的形式驱动整条链的运作。
图2.3中心位置结构类型
2.2供应链牛鞭效应问题
2.2.1牛鞭效应的基本概念
一般情况下，供应链中的成员有消费者、零售商、批发商、分销商、制造商及供应商。
消费者向零售商（百货公司、大卖场、便利店等）购买各种商品，零售商根据商品销售情况定期从批发商处补货，这样一级一级上去，最后是生产商根据下游企业的订单安排生产，从而形成了现行的供应链体系（如图2.4）。
供应链强调以市场变化为中心，并根据最终的消费需求变化进行产品的开发和生产。
但是由于供应链中的需求信息一般以订单的形式传递，订购量是买方对各种信息预测处理后的结果，因此订单数据经常会扭曲真实的市场动态。
在这条供应链中便经常出现一种奇怪的现象，即一般情况下产品的实际销售数量相当稳定，波动性并不大，可是制造商在考虑其营销网络的订货情况时，往往会吃惊地发现产品销售的波动性却明显增大。
因为零售商是在参考历史销售及预测现实销售的情况下来确定订货量的，并且为了保证这个订货量的及时可得，并能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再向上一级批发商订货，而分销商出于同样的考虑，也会在汇总的基础上再进行一定的放大后向制造商订货。
这样，尽管顾客的实际需求量并没有太大的波动，但经过各级代理商的订货放大后，订货量就被逐级放大了。
例如，HP公司在一个主要零售商那里检查打印机的销售情况时，发现该零售商的销售随着时间波动，当他们检查该零售商的订单时发现订单的波动幅度比其销售的波动幅度还要大。
更让他们吃惊的是，公司打印机生产部向物料供应部提供的订单的波动比前两者的波动都大。
这种只要供应链末端消费者需求量发生微小变化，便会引起一系列上游企业的供给发生剧烈波动，随着往供应链上游前进需求变异放大的现象显示在图形上很像一条甩起来的赶牛鞭，只要执鞭的手微微用力摆动，鞭梢就会发生大幅度摆动，可谓差之毫厘，谬以千里，人们将这种现象形象地称为“牛鞭效应”（如图2.5）。
终端顾客零售商批发商分销商制造商供应商
图25“牛鞭效应”示意图
2.2.2牛鞭效应的形成机理分析
从前文可知，牛鞭效应主要是由需求信息的扭曲造成的，而需求信息扭曲的原因是由于缺乏信息交流，那么又是什么原因造成的信息交流的不畅呢？
笔者认为牛鞭效应的形成离不开其主要的生长环境——供应链，本节将从供应链的组织结构、信息结构和决策机制三个方面来分析牛鞭效应的形成机理。
2.2.2.1组织结构对牛鞭效应的影响
首先供应链组织结构是产生牛鞭效应的根源。
不同的产品具有不同形式的供应链，同一个企业也可以是多个不同供应链的实体。
在传统的供应链结构下，随着供应链水平层次和垂直规模的增多，委托代理关系的梯次也就增加，利益目标和博弈决策之间的二次选择也就被多次重复，而每一次重复都意味着次优选择的迸一步优化，这是牛鞭效应随供应链长度、宽度增加而逐渐放大的原因。
因此，对于上文的四种供应链层级结构，在其它条件相同时，链状结构对牛鞭效应的影响最小，整树结构影响最大，短粗结构和细长结构视具体情况而定。
供应链中成员个数越多，信息被加工的次数越多，被扭曲的现象就越严重。
而预测驱动型和需求驱动型是由于核心企业在供应链中的不同位置所产生的两种不同生产方式的供应链。
预测驱动型安排生产是依据预测，即对过去需求数据的加工和对下游需求的预测，因此与实际的需求相比具有较大的波动性。
正如Lee在文献中所描述的那样，多重的预测是导致牛鞭效应的关键因素，每一个成员都依赖于下游成员发来的需求信号预测生产量，牛鞭效应由此呈现出放大的趋势。
因此，关于对牛鞭效应放大程度的影响，预测驱动型供应链结构比需求驱动型供应链结构明显要大。
2.2.2.2信息结构对牛鞭效应的影响
供应链节点企业之间的相互作用与影响关系一般有三种：
完全合作、部分合作和独立决策，相应地也就形成了三种不同的信息结构类型：
完全信息共享、部分信息共享和信息不共享。
不同信息结构对牛鞭效应的影响也不尽相同。
完全合作属战略层次上的合作，在组织结构上通过合并、兼并、控股等控制方式实现组织结构纵向一体化，实行中心集中控制，达到信息完全共享，对生产的安排、计划的执行、库存的分配、市场的预测等均实行统一集中控制，便于识别加工过的信息，不会对供应商产生太大的订货波动，牛鞭效应影响较小。
部分合作是指跨越企业之间的某些流程而进行的操作层次上的协作，在协作的过程中共享部分信息，例如企业之间的订货流程、采购流程、信息管理流程上的合作就只共享部分信息，这种形式是供应链信息结构类型的主要存在类型。
由于部分合作没有组织结构上的合作，只是信息结构上部分信息的共享，如果合作领域包括的主要流程与订货流程息息相关，那么就会对减少供应商订单波动产生一定影响，否则牛鞭效应会依旧存在。
另外，在经过多次的重复合作与博弈之后，相互间产生的信任也有助于牛鞭效应的缓解。
独立决策是指各实体之间无合作意向，各自根据预测，以达到自身利益最大化为目的，安排生产和订货，实体之间不存在信息共享。
独立决策时由于无信息共享，其结果很容易增强牛鞭效应，尤其在产品短缺、交货时间长、市场波动比较大的情况下，供应商将会面临巨大的需求波动。
显然，要减弱牛鞭效应，实现企业间的信息共享是供应链的大势所趋。
目前在供应链管理中，信息共享的实现方式层出不穷：
有些企业已经开始通过局域网、内部信息系统或ERP实现企业内部的信息集成，以便对企业外部的信息做出快速反应：
有些企业通过建立企业间的信息系统来实现信息共享；
还有一些企业通过互联网技术，将企业、用户、供应商及其他商业和贸易所需环节联结到互联网上，在网上达到信息共享。
可见构建信息共享系统的管理平台，是供应链合作伙伴在商业模式和它所支持的系统结构中实现信息共享的通用方式。
2.2.2.3决策机制对牛鞭效应的影响
1．需求预测
在供应链管理中，上游管理者总是将来自下游的需求信息作为自己需求预测的依据，并据此安排生产计划或供应计划。
笔者认为，这一需求信息的产生过程是导致牛鞭效应产生的直接原因。
譬如，决定订单数量的管理者一般使用一种简单的方法如指数平滑法来进行需求预测，当每日的新数据出现时，未来需求将呈现连续变化，送给供应者的订单反映了需要重新满足来自需求的库存数量，也反映了必要的库存安全量，未来需求与相关的安全库存通过平滑技术得以实现。
在交货期内，保持数周的安全库存是习以为常的，但结果往往是预期的订单数量比需求数量变化更大。
置于供应链中，作为供应商的管理者，来自管理者的原有状态的每日订单就构成了其需求。
如果也使用指数平滑法来计算需求预测值及安全库存，那么供应商提供的订单将会产生巨大波动。
从经营者到制造商的订单数量要比实际销售量大得多，大量的安全库存产生牛鞭效应，供应交货时间越长，波动越加激烈。
2．批量订货
在供应链中，每一个企业通常都会使用某种方法来控制库存。
当库存将耗尽时，下游企业会立刻向上游供应商发出订单，提出订货。
在供应链中，一个共同的问题就是频繁订单下的运输经济性问题。
在满负荷运输与低于最低起运量运输之间的经济差距是巨大的。
因此，当从供应商处订购材料时，其强烈的愿望就是要满负荷运输，因此供应商会对大量或批量订货给出最优惠的定价。
订货批量有周期和即刻两种形式。
从订单的频率看，理论上需求方可以月、旬、周、日，甚至时制定，然而由于供应和需求往往存在空间距离和时间的矛盾，连续订单的实现几乎是不可能的，对大多数公司来说，批量订货通常是一个月的供应量或者更多。
在即刻订单中，一般会表现出需求的规则波动。
如果供应商得到需方按季、按年的需求量，那么这将产生在季末或年末的订单波动。
所以，需方可以按季、按年的需求量有规则地分配于一定的间隔期，而供应商也可以据此签定订单。
这样，当一个公司面临周期性订货时，牛鞭效应现象就发生了。
如果所有消费者订货周期均匀地分布在各周期，那么牛鞭效应达到最小。
一些消费者的周期需求变化不明显，因为并非所有订单都在同一时间内产生，然而这种理想情况较少出现，订单极大可能地被偶然传播损失或重叠。
当订单周期重叠时，大多数周期订货的消费者在同一时期均做同样的事。
其结果是，订单需求波动产生，来自牛鞭效应的变化将达到最大。
3．价格波动
据估计，零信业中制造商与代理商之间交易的80%是在需求预测的前提下预先成交的，这通常是因制造商给出了一个极具吸引力的价格，使零售业中的预先购买导致较多的存货。
在目标市场中，预先购买由价格波动产生，制造商和分销商周期性地使用特殊促销方式，如价格折扣、数量折扣和特殊奖励等等。
此外，制造商还向分销商、批发商提供一些交易特权，如特别折扣、价格条款与分期付款等，它们均为价格折扣的间接形式。
在供应链中，这些特殊促销方式的运用在促进消费者大量购买的同时产生未来库存。
这种促销与供应链密切相关，如果预先购买成为一种惯例，那么可以预见，当商品价格低时，消费者所购买的比实际需要的要多：
当价格处于中性或偏高时，消费者将停止购买行为直到耗尽存货。
结果，消费者的购买模式无法反映实际的消费模式，并且购买数量的变化要大于消费数量的变化。
尽管许多公司认为高低价格交叉策略有利于刺激购买，增加销售，但其负面效应也是显而易见的。
实际上，由于牛鞭效应现象的存在，在供应链中，从消费者反馈到制造商的订单差别是巨大的。
当面临这一大幅度变化时，制造商一方面不得不在某一特定时间超负荷、超时生产和运输，而在其他时间则闲置无事：
另一方面，制造商还不得不设置高额库存以满足需求的巨大波动。
另外，在供应链中，除制造商外，这种营销手段也加大了供应链中的各级库存。
4．分配与短缺博弈
将有限的生产按照零售商所要求的订货量比例进行分配的方式（rationingschemes），也会导致牛鞭效应的扩大。
在供应链中经常会出现这种高需求的产品供应短缺的情形。
在高科技的产品市场上尤其如此。
譬如，某制造商所接到的各分销商的订货总量为Q．而该制造商的供应能力仅为Q/2，在该分配方案下，每个分销商或零售商都将得到其要求的订货量的一半。
也正是由于在现实中许多制造商奉行这种分配方案，因此各分销商或零售商都放大自己的订货量。
此时，制造商若根据其所接到的订单信息进行需求预测，便会严重地放大这种需求，并极有可能会采取两种招致失败的举措：
向供应链发出严重超出需求的订单，或为该产品配置严重过量的生产能力资源。
一旦需求回复到正常水平（有时仅仅需要市场上有一点需求回落的迹象），制造商将承担高昂的库存成本和资源配置失误成本（损失成本）。
例如，在80年代中期，我国许多商品短缺，其中钢材供应
也是十分紧张，各生产经营企业订单骤增，国家也花大量的外汇从国外进口了大量钢材以缓解市场供应状况。
但事后发现，这些进口钢材的绝大部分并没有真正被消耗掉，而是进了供应链的各级仓库。
这就说明这种订单激增的现象并非由于消费实际增长，而是一种预测，消费者可以拥有来自不同供应商的重复订单，并且从第一供应商处购买，然后取消所有的其它重复订单。
当这种现象成为一种社会行为时，可以想象，订货模式和消费模式的差距将是巨大的，牛鞭效应也就产生了。
在订单波动的情况下，许多制造商无法辫别是否产生了真正的需求或仅仅是一种来自分销商所期望的产品分配的抽象需求，常常为这些抽象需求信息付出超量存货、增加生产能力或由加班引起的成本增加的代价。
5．订货提前期
如果供应链中各阶段之间的订货提前期过长，则供应链内部的牛鞭效应也会放大。
我们可以用数学方法来证明这一点：
不妨假设制造商的两个订货提前期t0和t1，且t1>
to；
另假设制造商的下游阶段（分销商）在单位时间内的变异程度（thedegreeofvariability）为v。
当然，变量可能是随机性变量，也可能是某种趋势（确定或不确定的趋势）。
由于在供应链中，上游阶段习惯将下游阶段的变量解释为趋势。
因此，通常的情况是制造商会将单位时间的变异程度v与订货提前期（to和t1）相乘，得到订货变量。
于是有：
订货提前期为t0的订货变量：
v0=v×
t0，
订货提前期为tl的订货变量：
V1=V×
t1
故有：
v1>
v0。
若t1＞＞t0，则v1＞＞v0。
因此，订货提前期设置的大小对牛鞭效应的影响也是非常大的。
6．时间延迟
供应链中存在的时间延迟问题，包括信息延迟和物流延迟。
一般顾客的订货信息不能立即送达制造商，而需经过零售商、批发商处理后才传递给制造商，这就造成了信息延迟（InformationDelay）。
信息延迟一般有三种：
订单业务处理延迟，如零售商收到订单后，进行处理所需的时间；
订货延迟，如零售商根据订货量制作新订单并发送给批发商所需的时间；
邮寄延迟，即订单在邮寄途中花费的时间。
另外，由于制造商生产的产品需要经过批发商和零售商等中间环节才能交付到顾客手中，这就导致了物流延迟（MaterialDelay）。
物流延迟一般有两种：
交货延迟，即某个成员收到订单后到最终实现货物交付所需的时间；
运输延迟，货物在运输途中花费的时间。
这两个方面的时间延迟都使得供应链上各成员企业元法同步响应市场需求变化，也在一定程度上增加了供应链的牛鞭效应产生的风险。
如图2.6所示，供应链上各成员的需求（订货量）波动变化是逐级放大的，而且各成员对市场需求变化的响应存在不同的时间延迟。
如图所示，当顾客需求首次开始上升时（o点）．零售商会利用顾客的需求信息进行预测并向批发商订货，受牛鞭效应的影响，零售商对批发商的订货并没有相应地立即增加，而是滞后了一段时间△才有所响应：
相对于顾客的需求而言，零售商的需求也产生了一定的波动放大。
由于批发商、制造商和供应商分别是该供应链的中间环节和末端环节，他们的需求波动幅度都会比零售商大，对市场需求的响应速度也比零售商更加滞后，有时甚至会出现截然相反的结果。
例如，图2.6中当顾客需求再次上升时（i点），制造商对供应商的订货（k点）没有随之上升，反而在减少。
结果是，供应链上各成员无法同步响应市场需求变化，而是各自朝着不同的方向运作，同时各成员企业的库存也围绕着期望库存水平上下波动。
随着供应链的增长，参与供应链运作的企业越多，供应链上各成员的需求相对于市场需求的波动放
升级会员 