牛鞭效应及应用实例分析.docx

牛鞭效应及应用实例分析.docx

《牛鞭效应及应用实例分析.docx》由会员分享，可在线阅读，更多相关《牛鞭效应及应用实例分析.docx（23页珍藏版）》请在冰豆网上搜索。

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（bullwhipeffect）。

学术界普遍接受的牛鞭效应经典定义由HauLLee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教授通过重复多次操作这个游戏，得出的结果确是惊人的相似:

供应链上游参与者总会过多地响应下游参与者的订货需求，最终导致整个供应链系统的总成本比系统最优成本高出5到10倍。

通过研究分析Sterman认为牛鞭效应是由于参与人对反馈信息错误的理解以及其非理性决策行为造成的，避免这种需求放大现象的方法是对于供应链上的参与人进行相关的培训。

1997年，Lee等人对供应链牛鞭效应作了较为深入全面的分析通过研究分析。

Lee认为牛鞭效应是人的理性以及选择最优化决策后相互影响的结果。

并且Lee从运作管理的角度分析得出了产生牛鞭效应现象的四个主要原因：

（1）供应量的计划不足而出现限量供给情况，导致零售商之间不断的短缺博弈；

（2）供应链上各节点企业对需求信号的处理加工；（3）生产商产品价格的波动；（4）零售商分批订货方式。

针对每一种原因，Lee都讨论了可能的解决策略。

Lee的研究最终表明，牛鞭效应是供应链中不可避免的现象，是其成员理性化决策所产品必然结果。

1.2.2牛鞭效应的影响

“牛鞭效应”其实是在下游企业向上游企业传导信息的过程中发生信息失真，而这种失真被逐级放大的结果，从而波及到企业的营销、物流、生产等领域。

牛鞭效应成因于系统原因和管理原因，它们的共同作用提高了企业经营成本，对产品供应链造成消极影响，导致对市场变化的过激反应。

当市场需求增加时，整个供应链的产能增加幅度超过市场需求增加幅度，超出部分则以库存形式积压在供应链不同节点。

一旦需求放缓或负增长，大量资金和产品将以库存形式积压，整个供应链可能资金周转不良，严重影响供应链的良好运作，甚至导致企业倒闭，尤其是处于供应链末端的小企业。

以思科为例，2000年前后网络经济泡沫破灭，直接导致注销高达24亿美元的库存。

以半导体设备制造行业为例，2000年前后经济泡沫后的大量库存，直到2002年才处理完，各大公司动辄注销几千万美元的过期库存。

对众多的次级、次次级供应商而言，则意味着没有新订单，没有新的营业收入，无法维持运营。

结果是大批供应商处于崩溃边缘，大幅裁员，甚至难逃破产厄运。

对市场的响应速度而言，牛鞭效应表明，越是处于供应链后端，企业响应速度越慢。

其结果是，当市场需求增加的时候，供应商往往无法支持制造商；而当市场需求放缓时，供应商则往往继续过量生产，造成库存积压。

由于牛鞭效应，伴随着过量生产的是整个供应链的生产能力过度膨胀。

一旦经济不景气，整个供应链被迫大幅削减人员，关、停、并、转设备。

对整个宏观经济而言，牛鞭效应可以解释为什么有些行业比另一些行业提前衰退，或滞后复苏。

拿半导体行业而言，供应链前端的芯片制造业先于后端的设备制造业衰退；而后者则滞后于前者复苏。

而对于单个企业而言，当经济复苏的时候，不但要动员自身的生产能力，更重要的是动员各级供应商。

这是因为由于牛鞭效应，后端供应商往往受到更大的经济影响，面临更大的财政压力，从而更难也更不情愿扩张生产能力。

在行业腾飞、经济景气时，往往由于后端供应商没法及时扩张而影响整个供应链的销售业绩。

1.2.3牛鞭效应的研究现状

HauLLee等（1997）对牛鞭效应的研究标志着牛鞭效应理论走向了成熟，作者对牛鞭效应问题作了一个十分深刻地分析，文中先对宝洁公司（P&G）的尿不湿产品的市场需求进行了研究，发现顾客对这一产品的需求相对来说是稳定的，没有哪一天或者哪一个月的需求高于或低于其他时间段，而生产商以及其原料得供应商需求量波动却很大。

文中同时也提到了惠普打印机的问题，公司的某个执行人员发现其一个公司主要的零售商的订货量随着时间出现波动。

然而，当他对分销商订货量核实时，却惊讶的发现订货量的波动更大，因此在观察沿供应链上游订货量的波动依次增加。

Lee的研究结果认为其牛鞭效应是源自企业管理者对追求最大利益话的理性决策，并提出了牛鞭效应产生的四大原因。

然而，在2003年，Dejonckheere等教授发现供应链成员间的补充协议规则也是产生牛鞭效应的重要因素之一。

他们进一步指出，不管采用指数平滑法或者移动平均法的需求预测方法，订购量都将产生牛鞭效应。

2005年，Cachon等教授发现需求在供应链由下游往上游传递时不会出现牛鞭效应，与牛鞭效应产生的结果相比，产商相比零售商在需求预测上没有大的差异，甚至出现比零售商预测的结果还小，当然，这样的结果是由其生产平滑化来解释。

Cachon进一步指出，牛鞭效应在供应链中并不是普遍存在的。

2009年，EricSucky教授在前人研究的基础上，通过将供应链之间的线性联系拓展成网络间的联系，在chen模型的基础上，得出牛鞭效应在供应链中的过大估计和风险可以在供应链网络中被分担。

这样的结果对推动供应链的研究有着重要的作用。

我国对供应链牛鞭效应的研究起步比国外发达国家要晚的多，大部分的理论是在国外现有的基础之上进行研究的，但国内学者也从不同的角度对牛鞭效应进行了研究，取得了一定的成果。

陈安等对供应链数学模型的构建、供应链成员间的多方协作问题上的研究现状以及面临的挑战进行总结和探讨，重点讨论了供应链的各类快速算法和优化模型，包括运输问题、制造系统、库存决策等各个方面；以及外部供应链中买—卖、库存—分销、库存—生产等几类协作机制；最后给出了供应链上的信息传递中的扭曲现象的分析、后勤重构的必要性和特征、及绿色供应链的一些研究方法。

万杰等从短缺博弈的角度来研究供应商分配机制对“牛鞭效应”的影响，通过研究其短缺博弈，一方面证明其为牛鞭效应产生的原因之一，另一方面，当供应商生产能力有限，采用不同分配机制时，零售商的订货策略会不同。

根据博弈双方需通过讲真话的决策是否为博弈的纳什均衡，将其不同的分配机制分成两大类。

证明了随机型分配机制、确定型分配机制、均匀分配机制为“鼓励——响应”直接机制，这个不会造成牛鞭效应；而线性分配机制属于“激励——扩大”机制，会激发零售商对自身订货的增加，牛鞭效应的现象就存在。

刘洪等从不同的需求预测方法出发，对其移动平均法、指数加权滑动平均、最佳平均误差方进行牛鞭效应存在的证明，发现在对其用移动平均法和指数滑动法下，牛鞭效应存在，而在最佳平均误差预测方法下，牛鞭效应不一定存在。

当然，更多的学者从信息共享角度出发对其供应链牛鞭效应的研究，东南大学经济管理学院的张钦（2001）等教授在ARIMA（0，1，1）需求下研究牛鞭效应与信息共享的评价，其作者了考虑一个包含一个供应商和一个零售商的两级供应链，研究在需求模型ARIMA（0，1，1）下牛鞭效应的量化以及信息共享的价值，比较信息共享前后差异，其结果表明信息共享能给供应商带来减少现有平均库存、减轻牛鞭效应以及降低成本等好处。

朱顺泉（2006）扩展了其研究的范围，从ARIMA（0，1，q）需求模式下一个供应商和一个零售商组成的两节点两阶段供应链系统出发，详细推导了牛鞭效应的量化过程，对比分析了信息共享对牛鞭效应的影响，并在此基础上分析了参数q和提前期对牛鞭效应的影响，结果表明:

信息不仅能够减弱牛鞭效应，还能减弱q即需求市场惯性和提前期对牛鞭效应的影响。

相应的，q越大，提前期越长，信息共享对牛鞭效应的抑制作用则越明显。

李刚等（2006）教授在其出版的《供应链中牛鞭效应与信息共享的研究》一书中将一般性的自回归移动平均的需求过程和最优化的适应性库存策略结合在一起，运用数学分析和仿真研究的方法，深入分析了在这样的一个集成的模型框架内，供应链不同阶段所面临的需求的特征，揭示了需求信息在供应链中的传播规律。

2牛鞭效应的弱化介绍

从根本上解决牛鞭效应，一般来说是不可能的，但是可以通过供应链的协调，制定合理的契约，完善监督机制，以及有效地实行各节点的信息共享，从而达到减轻甚至消除牛鞭效应的目的。

在实际的运作中，我们可以采用缩短供应链长度，订单快速处理以减少时间延迟，信息共享，增进供应链各成员之间的协作等策略来控制牛鞭效应。

2.1.缩短供应链长度

供应链的流通环节越多，整个供应链的产品从制造商到最终用户所需要的流通时间和流通费用也越多，供应链中各节点传递信息的加工迭代次数就越多，从而牛鞭效应也越大，进而使得市场扭曲程度也就越大，因此，整个供应链积累了更多的安全库存，大大降低了供应链给各个企业所带来的经济效益。

在不影响企业经营绩效的前提下，采用基于工nternet网络的电子商务技术尽量精简供应链结构的水平层次和垂直规模的组合，通过区分供应链中的主要成员和支持人员的方法来确定供应链的节点数，可以有效地减少流通环节，减少需求信息的放大程度，减少整个供应链系统中的累积安全库存，使得企业与客户可以进行面对面交易，同时也可以更好地对客户的需求作出反应。

2.2订单快速处理

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要的时间。

而订货提前期又包括信息提前期、决策时间、制造时间、运输时间等。

如果订货提前期缩短一半，那么预测误差也就减少一半，因此，缩短订货的提前期是减轻牛鞭效应的有效途径。

针对订货提前期的不同组成部分，可以采用不同的措施来缩短时间。

采用EDI等现代信息技术来缩短供应商接受和处理订单的时间;使用决策支持系统来加速企业制定生产计划和运输计划;利用现代化的生产技术和管理手段，对生产流程进行优化设计来缩短产品的制造时间;采用现代集成化物流管理技术以及第三方物流来缩短产