供应链中牛鞭效应问题研究_达庆利.docVIP

供应链中牛鞭效应问题研究① 达庆利1,张　钦1,沈厚才2 (1.东南大学经济管理学院,南京210096;2.南京大学管理科学与工程研究院,南京210093 摘　要∶牛鞭效应对企业的效益甚至整个国家的经济会造成严重的影响,多年来一直受到人们的关注,但直到近年对它才有较为清晰的认识.文章通过文献综述,讨论供应链中牛鞭效应的现象和成因,减轻和消除该效应的对策以及进一步的研究方向. 关键词:供应链;牛鞭效应;需求;库存;信息共享 中图分类号:F252　　　文献标识码:A　　　文章编号:1007-9807(200303-0086-08 0　引　言 牛鞭效应是指供应链中的零售商向供应商的订货量与其实际的销售量不一致.一般地,发给供应商的订货量,其方差大于销售给买方的(即需求扭曲,这种扭曲以放大的形式向供应链的上游蔓延(方差变大[1]. 牛鞭效应给企业造成的后果是不言而喻的,有时甚至非常严重.由于较差的需求预测,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,以及很高的库存水平导致超额的仓储费用和大量资金积压,低效率的运输过程和超额的运输成本等,都直接影响企业的效益. 牛鞭效应有时称作“蝴蝶效应”[2],它是形容北京的一只蝴蝶扑扇一下翅膀引起了佛罗里达的风暴.在经济生活中,因为一些企业出现了这种现象,导致整个国家的生产能力过剩———经济危机.即经济学家所说的“库存加速器理论”(inventory accelerator theor y. 牛鞭效应问题如此重要,多年来一直受到企业家和学者的关注,但直到近年对它才有较为清晰的认识.本文基于国外的文献对该问题的研究工作进行回顾和总结.国内对供应链的研究尚处于起步阶段[3,4]. 1　牛鞭效应现象的研究 1.1　案例分析 第一个认识到牛鞭效应的人是Forrester[5].他通过一系列案例研究指出,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,他还注意到这种效应在供应链的每一级都会放大. 与Forr ester类似,许多学者也都通过对实际数据的数值分析从经济学角度指出了许多行业中的牛鞭效应现象.如工厂产品计划的变化大于销售量的变化[6,7],订货量随着向供应链上游移动有增大的趋势[8,9]等. 20世纪90年代初,美国宝洁公司在研究“尿不湿”的市场需求和订货策略时[1],发现该产品的零售数量是相当稳定的,没有哪一天或者哪一月的需求高于或低于其它时期.然而,分销商向工厂的订货数量的变化程度比零售数量的波动要大得多,而且,宝洁公司向其供应商的订货量波动幅度更大.惠普、IB M等公司也发现了同样的问题. 1.2　模拟研究 Sterman设计了一个称为“啤酒分销博弈”的 第6卷第3期2003年6月　　　　　　　　　管　理　科　学　学　报 JOURNAL OF MANAGE MENT SCIENCES IN CHINA 　　　　　　　　　　　　Vol.6No.3 Jun.,2003 ①收稿日期:2001-05-24;修订日期:2002-12-04. 基金项目:教育部人文社会科学研究“十五”规划项目(01J A630048;国家自然科学基金资助项目 作者简介:达庆利(1945—,男,江苏南京人,教授,博士生导师. 课堂游戏[10,11].四个参与者形成一个供应链,分别以啤酒零售商、批发商、分销商和制造商的身分独立地做出库存决策,以相邻参与者发出的订单作为唯一的信息资源.在线性成本结构下,该实验表明订货数量的变化随着向供应链上游的移动而变大.这种游戏重复许多次,其成员不仅有学生而且有公司的经理,但结果是一样的:上游成员总是过分地响应下游的订货需求,从而导致供应链系统的总成本5~10倍于最优总成本. 在上述同样条件下,文献[2,12]以更广泛的观点,运用啤酒分销游戏观察管理行为,即零售商销售量的一次较小的波动,都能通过供应链中的每个环节放大,使各成员的订货量或生产量大幅度变化. Towill通过模拟的方法证实了库存管理方法对供应链信息扭曲的影响[13].需求变化的幅度每通过一个环节就会增加一倍.生产商从中间环节获得订单后,对市场需求变化的预测幅度几乎是最初的8倍之多. 与以上文献使用的方法不同,文献[14]假设需求的分布函数与时间有关,在给出以每周期现有库存为自变量的最优成本的函数后,用启发式算法定量化了供应链各个环节的牛鞭效应. 1.3　理论证明 一些学者通过数学模型证明牛鞭效应的存在性,研究的重点是订货的策略和需求信息预测. 1.3.1　订货策略 许多文献都用订货策略(s,S来证明牛鞭效应的存在.Blinder首先使用这个订货策略[15],他提出一个与库存控制策略一致的计量经济学模型,对所观察的零售商行为模式作可能的解释.文献[16]假设零售商使用连续盘