第4章 长链效应和信息的价值.pptVIP

第4章 长链效应和信息的价值 案例4.1 Barilla SpA 公司是世界上最大的意大利面制造商 35%在意大利销售 22%在欧洲销售 公司的组织 公司总部 三个意大利面部门，分别位于Barina、Voiello和Braibanti 烘烤产品部门 筵席承办部门 靠近Pedrignano的面条制造厂 国际部门 主要产品 意大利面：分为不同的长度、干湿程度、不同的包装 烘烤产品，如面包等 Barilla SpA的配送途径 配送中产品的分类 鲜品：包括21天保存期和1天保存期的面产品 干品：包括干的意大利面及可长期保存的面包等烘烤产品 配送组织 两个中央配送中心(Central Distribution Centers, CDC) 北部在Pedrignano的CDC 南部在Naples近郊的CDC 配送机构 GDs (Grande Distribuzione)：将干产品配送到连锁超级市场 DOs (Distribuzione Organizzata)：将干产品配送到非连锁超级市场，非连锁超级市场的中央采购机构 零售商 连锁超级市场 非连锁超级市场 小型非连锁店 Barilla SpA的配送途径 配送方式 大部分产品由工厂到两个CDCs，新鲜面包不送CDCs 鲜产品在CDC只停留3天时间，通过配送系统快速移动 代理商从CDC购买鲜产品后，运送到遍布在意大利的70个地区性仓库 干产品可以在CDC停留1个月 干产品的1/3从CDC运到小型非连锁店，配送是通过Barilla自营的地区性仓库实现的。这些商店通过掮客购买，一般有两个星期的库存 GDs将产品配送到连锁超级市场，有10-12天的库存 DOs将产品配送到非连锁超级市场 GDs和DOs向Barilla下订单，产品8-10天送到，平均提前期为10天 营销：通过广告和宣传促销 Barilla SpA的问题 每星期的需求波动很大 由于它的制造流程没法立即制造出来 许多配送者无法满足零售商的要求 库存水平提高则增加费用 一些制造商与物流人员要求配送商和零售商保留额外的库存 而配送者和零售商认为他们的库存已经太多了 JITD方案 Vitali的分析 制造无法对需求波动作出快速响应 结果造成太多的库存 同时还不能满足零售商的需求 JITD (Just-In-Time Distribution)设想 将物流管理延伸到物流组织每天的细节部分 运送店里真正需要的，不多也不少 要求各配送商提前一天提供将需要运送产品的资料，同时提供当前库存水平的信息 这样Barilla可以负责调整配送时间表 但方案的实施开始遇到巨大的阻力 信息在供应链的作用 帮助减少供应链的波动 帮助供应商做更好的预测，解释促销及销售变化 似的制造、配送系统和策略协调 利用信息技术为顾客提供更好的服务 使得零售商反映问题更为迅速 使得提前期缩短 长链效应 长链效应说明：人们发现一个有趣的现象 顾客对于特定产品的需求变动不大 但配送者订货订单的波动却很大 这种现象叫长链效应 如PG的总裁在研究免洗纸尿裤的需求时注意到 零售商产品的销售一致，没有任何一天或一个月特别高，或特别低 而配送者对工厂下的订单，波动非常大，大于零售商的销售量 PG对供应商的订单波动更大 长链效应 增加波动的原因 需求预测 订货采用(s, S)策略 (s, S)策略依赖于预测的平均数和标准差 提前期 再订货点与提前期直接相关，提前期越大，再订货点也就越高 订货批量 由于批量，有时有大量的订单，而有时又没有订单 价格变动 价格降低时零售商会囤积存货 膨胀订购 产品短缺时，会产生膨胀订货 长链效应的定量解释 顾客需求变动与零售商下订单变动的关系 假设零售商用移动平均法进行预测，观测值个数为P 零售商按(s, S)策略控制库存 零售商的提前期为L 顾客的需求变动为Var(D)，零售商下订单的变动为Var(Q) 二者满足 长链效应的定量解释 影响的程度 当P值很大，而L小时，这种预估错误可以忽略 P=5, L=1时，Var(Q)/Var(D)?1.4 P=10, L=1时， Var(Q)/Var(D)?1.2 集中需求信息的供应链 集中信息 零售商观测顾客需求，并以P个观测点的移动平均法进行预测，同时按(s, S)策略订货，其他各级都相同 每一级都收到零售商预估的平均需求 波动关系为 分散需求信息的供应链 分散信息 零售商观测顾客需求，并以P个观测点的移动平均法进行预测，同时按(s, S)策略订货，其他各级都相同 零售商不将预估的平均需求信息提供给其他级别 波动关系为 集中信息的价值 不管集中信息还是分散信息，越在供应链的上层，订购的变异越大 变异与提前期密切相关 分散信息的变异比集中信息变异大 集中信息能减少变异，但不能消除变异 解决长链效应的方法 减少不确定性 利用