供应链中牛鞭效应问题研究.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(2003 03-0086-08 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 . , 应商的订货量 , ( 扭曲 , 延 (] 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 theory . 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 1 第一个认识到牛鞭效应的人是 F orrester [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 F orrester 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 、 I BM 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 JOURNA L OF M ANAGE ME NT SCIE NCES I N CHI NA 　　　　　　　　　　　　 V ol. 6N o. 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 (01JA630048 ; 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 . T owill 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 , 最初的 8倍之多 . [14 , 用启发式 算法定量化了供应链各个环节的牛鞭效应 .