论文部分内容阅读
摘 要：牛鞭效应是在供应链中,每一个供应链节点企业的信息都有一个信息的扭曲,并且这种扭曲程度沿着供应链向上游不断扩大,使订货量的波动程度沿供应链不断扩大。为尽量弱化“牛鞭效应”对供应链的影响,近年来,国内外许多学者对此进行了研究。本文在对牛鞭效应原因分析的基础上，提出了几点消除牛鞭效应的对策。
关键词：牛鞭效应；供应链；对策
1．产生“牛鞭效应”的原因分析
1．1“牛鞭效应”
牛鞭效应，也称需求放大效应，是美国著名的供应连管理专家Hau L.Lee教授对需求的信息扭曲（information distortion）在供应链中传递的一种形象描述。早在20世纪50年代Forrester教授就发现这一现象，即微小的市场波动会造成制造商在进行生产计划时遇到巨大的不确定性。后来许多实证研究与企业调查发现，这种现象存在于制造业的供应链结构中。
“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，需求变异系数比分销商和零售商的需求变异系数大得多。由于这种需求放大效应的影响，上游供应商往往维持笔下游供应商更高的库存水平。
从图1 中可以看出,在供应链中,每一个供应链节点企业的信息都有一个信息的扭曲,并且这种扭曲程度沿着供应链向上游不断扩大,使订货量的波动程度沿供应链不断扩大。很显然,这种现象将会给企业带来严重后果:产品的库存水平提高、服务水平下降、供应链的总成本过高以及定制化程度低等问题,这必然降低供应链企业的整体竞争力,最终使每一个供应链成员蒙受损失。因而弱化“牛鞭效应”的负面影响,进而提高供应链敏捷性,降低供应链的成本、缩短产品的供货时间等问题是提高供应链管理效果和赢得市场竞争优势的一种最新手段。
1．2“牛鞭效应”的产生原因
为尽量弱化“牛鞭效应”对供应链的影响,近年来,国内外许多学者对此进行了研究。HauL. Lee 等学者把“牛鞭效应”产生的直接原因归结为四个方面:需求预测、批量订货、价格波动、短缺博弈。
（1）需求预测：在供应链系统中,上游企业的决策信息来源于下游企业的订货需求,都倾向于依据历史和近期的市场需求变化情况来预测市场需求,并依此进行采购、生产和库存决策。企业在对市场需求进行短期预测中常用的方法就是指数平滑法,其函数模型为:
Ft+1 =αAt + (1 - α) Ft
其中, t是本期的时间,α(0 <α<1) 是指数平滑系数, At是第t期的需求值, Ft是第t期的预测值, Ft+1 是t + 1期,或下期的预测值。在选择指数平滑系数的值时, 需要一定程度的主观判断。α越大,有关本期需求值At 的信息传导给上游供应商的越强, 有关本期预测预测值的变动信息传导给上游供应商的越弱, 模型就能很快地对时间序列的变化做出反应。但α过大可能使得预测会跟踪时间序列的随机波动, 而不是根本性变化;反之,α越小,有关本期需求值At的信息传导给上游供应商的越弱, 有关本期预测值Ft 的变动信息传导给上游供应商的越强, 如果α过小,预测值会非常“平稳”, 不太可能受时间序列随机因素的干扰。因此在利用过去需求信息来预测未来市场需求时, 都可能对从消费者处得到的消费信息发生错误理解, 进而将这种扭曲的市场信息传导给供应链上游企业, 并在传导过程中被放大,导致“牛鞭效应”产生。
（2）批量订货：由于处理订单的时间和成本是相当大的，以及运输的经济性等原因，企业在向上游企业订货时不是市场需求增加时就发生订单行为，而是需求累计增加到一定程度才安排批量订货，再者, 由于缺货成本通常高于库存成本,理智的供应链企业通常都会选择一定的安全库存,依此来应付两次采购之间市场可能出现的波动,订货周期越长, 需求不确定性也越大, 为此而设计的安全库存也越大, 其结果是预期的订货量远大于实际需求量。而置身于供应链中的企业,以接收的订单上记录的数量形成需求, 向自己的上游企业发出订货信息。所以, 从经销商到制造商到供应商,订货量要比实际销售量大得多, 由于这种大量的安全库存产生“牛鞭效应”。
（3）价格波动：随着市场竞争的日趋激烈,制造商通常会进行周期性促销, 其结果是零售商的产品订购总是发生在实际需求之前, 顾客也会在低价时购买大量的产品作为储备用品。提前订购的结果是零售商所订购的数量并不反映顾客的即时需求量, 顾客的购买模式并不能反映他们所需的真实情况，从而产生订单的波动。当价格恢复正常时, 由于顾客手中有一定的储备用品,他们会停止购买, 同样零售商已有足够的存货,零售商几乎停止订货。由于顾客的购买行为并不能反映他们的即时需求, 零售商的订货行为也不能反映市场实际需求, 零售商的订货量的变化大于需求量的变动, 并且其购买数量的波动较其消耗量波动要大, 并沿着供应链向上游逐级放大，从而产生“牛鞭效应”。
（4）短缺博弈：短缺博弈又称订单膨胀，是指当怀疑产品需求大于供应链时，理性的决策是按照用户的订货量比例分配现有的库存量，制造商常根据顾客订购的数量按照一定的比例进行限量供应,但是客户会在订购时夸大实际的需求量,当供不应求的情况得到缓和时, 订购量便会突然下降,同时大批量的客户会取消他们的订单。由此可见,对潜在的限量供应进行博弈, 会使顾客产生过度反应。这种博弈的结果是供应商无法区分这些增长中有多少是由于市场真实需求而增加的,有多少是零售商害怕限量供应而虚增的, 因而不能从顾客的订单中得到有关产品需求情况的真实信息。
2.消除牛鞭效应的对策
在分析了“牛鞭效应”产生的具体原因以后，可以有针对性地采取相应的策略有效地减少它带来的负面影响。
（1）信息共享, 提高最终用户需求信息的透明度
从以上的对“牛鞭效应”产生的原因分析可以看出,供应链各成员企业之间信息不能有效地共享导致信息的严重失真并逐级放大,制造商根据预测对零售商的订单所做出的反应与实际需求存在较大的偏差,是形成“牛鞭效应”的最根本原因。所以通过供应链成员企业间的信息共享水平的提高可以有效的弱化“牛鞭效应”。如果实现供应链成员企业间的订单状况信息、创新的可能性、运送计划等实现共享。上游企业可以要求下游企业将仓库里产品的出库记录、销售情况反馈回去，供应链上的合作伙伴可以使用电子数据交换系统(EDI)来进行实时跟踪。这样供应链中各节点企业就可以制定出一个精确的预测,而不是依赖于其下游企业发出的订单来进行预测。为了使要共享的信息数据更形象、更容易被理解接受,执行者和管理者需要运用一些工具。如利用Internet、ED I技术、XML集成技术( exLendedMarkup language可扩展的数据描述语言模型) 实现供应链成员企业间的信息共享,数据畅通、准确的交换。
（2）缩短提前期
一般来说，订货提前期越短，订货量越准确，因此鼓励缩短订货期是破解“牛鞭效应”的一种有效的办法。根据沃尔玛的调查，如果提前26 周进货，需求预测误差为40%；如果提前16 周进货，则需求预测误差为20%；如果在销售时节开始时进货，则需求预测的误差为10%。并且通过应用现代信息系统可以及时获得销售信息和货物流动情况，同时通过多频度小数量联合送货方式，实现需时订货，从而使需求预测的误差进一步降低。另外，使用外包服务，如第三方物流也可以缩短提前期和使小批量订货实现规模经营，这样销售商就无须从同一个供应商那里一次性大批订货。虽然这样会增加额外的处理费用和管理费用，但只要所节省的费用比额外费用大，这种方法还是值得应用的。
关键词：牛鞭效应；供应链；对策
1．产生“牛鞭效应”的原因分析
1．1“牛鞭效应”
牛鞭效应，也称需求放大效应，是美国著名的供应连管理专家Hau L.Lee教授对需求的信息扭曲（information distortion）在供应链中传递的一种形象描述。早在20世纪50年代Forrester教授就发现这一现象，即微小的市场波动会造成制造商在进行生产计划时遇到巨大的不确定性。后来许多实证研究与企业调查发现，这种现象存在于制造业的供应链结构中。
“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，需求变异系数比分销商和零售商的需求变异系数大得多。由于这种需求放大效应的影响，上游供应商往往维持笔下游供应商更高的库存水平。
从图1 中可以看出,在供应链中,每一个供应链节点企业的信息都有一个信息的扭曲,并且这种扭曲程度沿着供应链向上游不断扩大,使订货量的波动程度沿供应链不断扩大。很显然,这种现象将会给企业带来严重后果:产品的库存水平提高、服务水平下降、供应链的总成本过高以及定制化程度低等问题,这必然降低供应链企业的整体竞争力,最终使每一个供应链成员蒙受损失。因而弱化“牛鞭效应”的负面影响,进而提高供应链敏捷性,降低供应链的成本、缩短产品的供货时间等问题是提高供应链管理效果和赢得市场竞争优势的一种最新手段。
1．2“牛鞭效应”的产生原因
为尽量弱化“牛鞭效应”对供应链的影响,近年来,国内外许多学者对此进行了研究。HauL. Lee 等学者把“牛鞭效应”产生的直接原因归结为四个方面:需求预测、批量订货、价格波动、短缺博弈。
（1）需求预测：在供应链系统中,上游企业的决策信息来源于下游企业的订货需求,都倾向于依据历史和近期的市场需求变化情况来预测市场需求,并依此进行采购、生产和库存决策。企业在对市场需求进行短期预测中常用的方法就是指数平滑法,其函数模型为:
Ft+1 =αAt + (1 - α) Ft
其中, t是本期的时间,α(0 <α<1) 是指数平滑系数, At是第t期的需求值, Ft是第t期的预测值, Ft+1 是t + 1期,或下期的预测值。在选择指数平滑系数的值时, 需要一定程度的主观判断。α越大,有关本期需求值At 的信息传导给上游供应商的越强, 有关本期预测预测值的变动信息传导给上游供应商的越弱, 模型就能很快地对时间序列的变化做出反应。但α过大可能使得预测会跟踪时间序列的随机波动, 而不是根本性变化;反之,α越小,有关本期需求值At的信息传导给上游供应商的越弱, 有关本期预测值Ft 的变动信息传导给上游供应商的越强, 如果α过小,预测值会非常“平稳”, 不太可能受时间序列随机因素的干扰。因此在利用过去需求信息来预测未来市场需求时, 都可能对从消费者处得到的消费信息发生错误理解, 进而将这种扭曲的市场信息传导给供应链上游企业, 并在传导过程中被放大,导致“牛鞭效应”产生。
（2）批量订货：由于处理订单的时间和成本是相当大的，以及运输的经济性等原因，企业在向上游企业订货时不是市场需求增加时就发生订单行为，而是需求累计增加到一定程度才安排批量订货，再者, 由于缺货成本通常高于库存成本,理智的供应链企业通常都会选择一定的安全库存,依此来应付两次采购之间市场可能出现的波动,订货周期越长, 需求不确定性也越大, 为此而设计的安全库存也越大, 其结果是预期的订货量远大于实际需求量。而置身于供应链中的企业,以接收的订单上记录的数量形成需求, 向自己的上游企业发出订货信息。所以, 从经销商到制造商到供应商,订货量要比实际销售量大得多, 由于这种大量的安全库存产生“牛鞭效应”。
（3）价格波动：随着市场竞争的日趋激烈,制造商通常会进行周期性促销, 其结果是零售商的产品订购总是发生在实际需求之前, 顾客也会在低价时购买大量的产品作为储备用品。提前订购的结果是零售商所订购的数量并不反映顾客的即时需求量, 顾客的购买模式并不能反映他们所需的真实情况，从而产生订单的波动。当价格恢复正常时, 由于顾客手中有一定的储备用品,他们会停止购买, 同样零售商已有足够的存货,零售商几乎停止订货。由于顾客的购买行为并不能反映他们的即时需求, 零售商的订货行为也不能反映市场实际需求, 零售商的订货量的变化大于需求量的变动, 并且其购买数量的波动较其消耗量波动要大, 并沿着供应链向上游逐级放大，从而产生“牛鞭效应”。
（4）短缺博弈：短缺博弈又称订单膨胀，是指当怀疑产品需求大于供应链时，理性的决策是按照用户的订货量比例分配现有的库存量，制造商常根据顾客订购的数量按照一定的比例进行限量供应,但是客户会在订购时夸大实际的需求量,当供不应求的情况得到缓和时, 订购量便会突然下降,同时大批量的客户会取消他们的订单。由此可见,对潜在的限量供应进行博弈, 会使顾客产生过度反应。这种博弈的结果是供应商无法区分这些增长中有多少是由于市场真实需求而增加的,有多少是零售商害怕限量供应而虚增的, 因而不能从顾客的订单中得到有关产品需求情况的真实信息。
2.消除牛鞭效应的对策
在分析了“牛鞭效应”产生的具体原因以后，可以有针对性地采取相应的策略有效地减少它带来的负面影响。
（1）信息共享, 提高最终用户需求信息的透明度
从以上的对“牛鞭效应”产生的原因分析可以看出,供应链各成员企业之间信息不能有效地共享导致信息的严重失真并逐级放大,制造商根据预测对零售商的订单所做出的反应与实际需求存在较大的偏差,是形成“牛鞭效应”的最根本原因。所以通过供应链成员企业间的信息共享水平的提高可以有效的弱化“牛鞭效应”。如果实现供应链成员企业间的订单状况信息、创新的可能性、运送计划等实现共享。上游企业可以要求下游企业将仓库里产品的出库记录、销售情况反馈回去，供应链上的合作伙伴可以使用电子数据交换系统(EDI)来进行实时跟踪。这样供应链中各节点企业就可以制定出一个精确的预测,而不是依赖于其下游企业发出的订单来进行预测。为了使要共享的信息数据更形象、更容易被理解接受,执行者和管理者需要运用一些工具。如利用Internet、ED I技术、XML集成技术( exLendedMarkup language可扩展的数据描述语言模型) 实现供应链成员企业间的信息共享,数据畅通、准确的交换。
（2）缩短提前期
一般来说，订货提前期越短，订货量越准确，因此鼓励缩短订货期是破解“牛鞭效应”的一种有效的办法。根据沃尔玛的调查，如果提前26 周进货，需求预测误差为40%；如果提前16 周进货，则需求预测误差为20%；如果在销售时节开始时进货，则需求预测的误差为10%。并且通过应用现代信息系统可以及时获得销售信息和货物流动情况，同时通过多频度小数量联合送货方式，实现需时订货，从而使需求预测的误差进一步降低。另外，使用外包服务，如第三方物流也可以缩短提前期和使小批量订货实现规模经营，这样销售商就无须从同一个供应商那里一次性大批订货。虽然这样会增加额外的处理费用和管理费用，但只要所节省的费用比额外费用大，这种方法还是值得应用的。