推断集中式的需求资讯可以降低长鞭效应.ppt

第四章 資訊的價值The Value Information 個案研討：Barilla SpA(A) 4.1 簡介 4.2 長鞭效應 4.3 有效的預測 4.4 系統整合的資訊 4.5 找到需要的產品 4.6 前置時間的縮短 4.7 資訊和供應鏈的互抵效果 4.1 簡介 我們生活在「資訊」的時代中。 資訊取代了存貨。 技術資訊如何影響供應鏈的設計與運作。我們藉由有效地利用可取得的資訊，我們可以比以前更有效果更有效率地設計與運作供應鏈。 4.1 簡介 豐富的資訊將： 協助減少供應鏈的變異性。 協助供應商作更好的預測即說明促銷市場的改變。 使製造和配銷系統與策略能夠協調。 藉由提供工具來配置所需的商品項目，使零售商能提供顧客更好的服務。 使零售商能更快地反應及適應供應方面的問題。 使前置時間能減少。 4.2 長鞭效應The Bullwhip Effect 在供應鏈中愈往上游走，訂單數量變異性愈增大的現象就是長鞭效應。 4.2 長鞭效應 一個簡單的四個階 層供應鏈： 一個零售商 一個批發商 一個配銷商 一個工廠 4.2 長鞭效應 零售商所下的訂單的變動會比顧客需求高，如圖左，批發商被迫持有較零售商多的安全存貨，或必須要能較零售商保持較高的容量以維持相當的服務水準 。 4.2 長鞭效應 在供應鏈中導致變異性增加的主要因素： 需求預測 前置時間 批次訂購 價格變動 被誇大的訂單 4.2.1 長鞭效應之數量化 把供應鏈中每一個階段會發生的變異性加以數量化。這麼一來將可有效的顯示出變異性增加的規模大小，也能顯示出預測技術、前置時間、及變異性增加之間的關係。 4.2.1 長鞭效應之數量化 圖4-7顯示變異性數值增加的下限，在不同的前置時間 L 下，為p之函數。 4.2.2 長鞭效應下資訊集中的影響 常被提出降低長鞭效應的建議就是在供應鏈中集中需求的資訊。即根據實際的顧客需求，在供應鏈中每一個階層提供完整的資訊。 若需求資訊是集中化的，那麼在供應鏈中的每一個階層都可使用正確的顧客需求資料，並以此產生正確的預測，而不是依賴前幾個階層來的訂單，而其可能會比真實的顧客需求變動的更多。 4.2.2 長鞭效應下資訊集中的影響 為了決定長鞭效應對集中化需求資訊的影 響，我們將區分兩種不同型態的供應鏈： 集中式的需求資訊 分散式的需求資訊 4.2.2 長鞭效應下資訊集中的影響 在集中式供應鏈中，供應鏈中的每一個階層收到零售商所預測的平均需求，並根據這個平均需求訂購存貨上限水準的存貨政策。在此情形下，將需求的資訊、預測的技術，及存貨政策集中化處理。 供應鏈中某一階層所下訂單的變異數是該階層與零售商之間全部前置時間的增加函數。 4.2.2 長鞭效應下資訊集中的影響 分散式供應鏈中，零售商不提供他所預測的平均需求給供應鏈中的其他人。不同的是，批發商必須要根據從零售商那裡收到的訂單，計算平均需求。 在分散式供應鏈中，只有零售商知道顧客的需求，所以會比集中式供應鏈具更多的變異，但在集中式供應鏈中，供應鏈中的任何階層都可得到顧客需求資訊。所以，推斷集中式的需求資訊可以降低長鞭效應。 4.2.2 長鞭效應下資訊集中的影響 4.2.3 克服長鞭效應的方法 辨識及數量化長鞭效應原因的能力，引道 出數個降低長鞭效應及減少其影響的建 議： 降低不確定性 降低變異性 減少前置時間 策略夥伴關係 4.3 有效的預測 資訊導至更有效的預測。愈多未來需求的因素能夠被加以考量，預測的正確性就越高。 許多供應鏈正向聯合預測系統邁進。在這些系統中，複雜的資訊系統提供了一個反覆的預測程序，使在供應鏈當中的參與者透過合作能夠達到對預測有一致的共識。 這暗示了供應鏈所有的參與者分享並使用相同的預測工具且導至長鞭效應的降低。 4.4 系統整合的資訊 在任何的供應鏈當中有許多系統，包含了不同的製造、倉儲、運輸以及零售系統。 所有這些系統是連結在一起的。進一步來看，這些來自供應鏈當中一個系統的產出是下一個系統的投入。因此，試著為任何一個階層找尋最佳互抵效果的答案是不夠的。我們需要考慮整個系統並協調相關決策。 4.4 系統整合的資訊 當系統不協調時－也就是每一個供應鏈當中的設施追求自己最大的利益－其結果是局部的最佳化。供應鏈的每一個成員只尋求自己運作的最佳化，而不去注意本身的政策對供應鏈其他成員的影響。 相對於上述方式的是全面的最佳化。全面最佳化意謂去確認什麼才是對整個系統最好的做法。有兩個議題需要被注意： 誰來做最佳化？ 如何使透過協調的策略而節省下的成本能在不同供應鏈的設施之間彼此分享？ 4.5 找到需要的產品 有很多種方式可以滿足顧客的需求。 對一個庫存式生產系統(made to stock)而言，我們希望從零售的存貨來滿足顧客需求。 能夠找出且配送產品，有時與