缓解供应链中“牛鞭效应”的策略研究

《缓解供应链中“牛鞭效应”的策略研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、缓解供应链中“牛鞭效应”的策略研究戴开勋(湘潭大学商学院，湖南，湘潭411105)摘要：缓解供应链小“牛鞭效应”是实现供应链管理的关键，也是提升供应链竞争力的有效方式Z—。本文分析了产生“牛鞭效应”的原因，论述了减少供应层级及实现需求信息共享能有效地缓解“T鞭效应”，在此基础上提出建立基于电子商务/Internet的信息共亨系统、对叮定制产品采用大规模定制生产策略能故大限度地缓解供应链中的“牛鞭效应”。关键词：供应链管理；牛鞭效应；信息共享；电子商务；大规模定制“牛鞭效应”，也称需求放大效应，是美国著名的供应链管理专家Hau.L.Lee教授对需求的信息扭lllj(informati

2、ondistortion)在供丿应链屮传递的一种形象描述“。牛鞭效应普遍存在于供应链Z中，它的存在会给企业带来严重的后果：由于较差的盂求预测，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，以及耍保持比实际需求大很多的库存，导致企业经营风险加大，库存成本上升，利润下降，产品积压，占用大量资金，削弱企业的竞争力。因此，为了提升供应链企业竞争力，我们对缓解供应链中“牛鞭效应”的策略进行研究，具有重人的理论与现实意义。一、产生“牛鞭效应”的原因分析1.需求预测⑵在传统供应链中的上游节点企业总是以直接下游节点企业或用户的需求信息作为自己需求预测的依据，并在此基础上安排

3、市场调度，协调生产能力，控制库存和生产资源。这一需求信息的产牛过程是导致产牛“牛鞭效应”的主要因素。例如，某上游金业的管理者采用指数平滑的方法來进行需求预测时，可以得到以下关系式：Var{Q)

4、4厶2厂——=1+—+>1(1)Var(D)pp{p+1)式中：Q为上游节点金业的产品需求预测量；D为下游节点企业或用八的产品需求预测量;L为交货周期；P为预测时采纳的样本数量。从(1)式可以看岀上游节点企业的需求方差耍人于下游节点企业的需求方差，也就是存在“牛鞭效应”。2.批量订货下游企业在向上游企业订货吋，总要考虑其进货成本与库存成本。为了减少订货频率，降低成木，企业总是在需求累计到一定

5、程度或者在一个周期后才向上游企业发出订单，这样就形成了需求的变动。一般来说，分批订货决策比订单订货决策需求的变动性更人。此外，由于订货的随机性，当很多顾客的订货周期重裤时，即很多顾客在同一时间订货，需求高度集中，从而导致“牛鞭效应”高峰的出现。3.价格波动在市场经济条件下，商品的价格不但受到产品的内在价值的彩响，而且在很人程度上还受市场供求关系的影响。所以制造商的产品价格波动是非常平常的事情。当产品价格在一定范围内随机变化时，零售商的最优订货决策是价格低时扩大订货，价格高时减少订货。另外,山于在某些时期对大量采购提供促销和打折措施，导致不正常的订货或销量，从而加剧了“牛鞭效应”。1

6、.短缺博弈短缺博弈又称订单膨胀。当制造商的生产能力不能满足潜在的需求时，制造商理性的决策是按客户订货量的一定比例实施定量配给。买方为了维持止常甚至更大的货物量，就会在订货时故意提高订货量，而当需求降温后,订货又突然下降甚至取消。由于供应商无法获取准确、真实的需求信息，常常为这些抽象需求信息付出超量存货、增加生产能力或赶工引起成木增加的代价，从而导致“牛鞭效应”的加剧。1.提前期提前期是山用于订单处理、采购和制造商品、在供应链不同阶段运输商貼的时间构成的。提前期越长，对企业的订购点和安全库存的影响越大，也会降低需求信息的时效性，从而引起“牛鞭效应”。二、减少供应链的层级及实现需求信息

7、共享能有效地缓解“牛鞭效应”根据前而的原因分析可知，“牛鞭效应”产牛最主要原因是信息共享程度差界及缺乏信任机制，而每一企业乂都是理性人，冇各自的利益，由此造成盂求信息在传递过程中不断地被扭曲。因而集中需求信息，对供应链的不确定性需求的信息实现共享管理，提高信息的共享程度能有效地缓解供应链中的“牛鞭效应”。根据美国的Simchi.Levi,D.⑶等人研究表明：在具有集中需求信息的供应链中，供应链笫K阶段发出的定单的方差Var(Qk)相对丁•顾客需求的方差Var(D),即畑2工二厶

8、2(工HVar(D)~pp2式中：p——p个定单观察值；k——表示零售商、批发商、制造商、供应商等供应链

9、的不同阶段；b——笫i阶段与笫i+1阶段的提前期。在具有分散需求信息的供应链中，供应链小第K阶段发出的定单的方差Var(Qk)相对于顾客需求的方差Var(D),即Var(Qk)Var(D)k-l/=1(4)公式(4)屮的符号表示同⑶式结论1：从k面⑶⑷式中可以看出，不管是集中需求信息的供应链还是分散需求信息的供应链，当其向上游移动即当k值增大时，订货量的方差Var(Qk)/Var(D)都将变得越來越大，也就是说供应链结构中当成员个数越多，信息被加工的次数越多，其被扭曲