牛鞭效应简析.ppt

啤酒游戏：牛鞭效应最早的模型 牛鞭效应最初的研究来源于Simon 和Forrester在1961年《Industrial Dynamics》的著作中。 Forrester最初通过系统动力学仿真来研究牛鞭效应，并将其命名为“需求放大。 Stermon在MIT的Sloan管理学院学生中进行“啤酒分销游戏”。 2.1 牛鞭效应的危害 Excess inventories （1）牛鞭效应直接后果是库存积压 Increased production costs and shipping costs （2）过度频繁的需求变化使企业生产计划变化加剧，增加了供应链的生产成本和运输成本 Lost customer service （3）用户需求得不到及时满足，服务水平差 Lengthened replenshiment time （4）延长了供应链的补给供货期，容易给人造成需求增加的错觉，使制造商投入的生产能力大于实际需求 2.2 牛鞭效应产生原因 引起牛鞭效应的原因，一方面在于供应链上下游节点之间需求沟通方面存在着障碍，是在信息不充分的条件下，决策者追求优化决策的行为因素；另一方面是由供应链的固有属性所引起的运作因素。 具体的说，主要有如下原因： （1）供应链成员的理性行为（2）需求预测 （3）订货提前期（4）企业内部制度安排 （5）价格波动（6）短缺时博弈 （7）供应链的多层次结构（8）信息的不共享性 Causes of BWE 牛鞭效应的原因： 1.运作因素 2.行为因素 行为因素 运作因素 运作因素 Operational causes 预测方法错误导致需求信息扭曲向供应链上游传播。已有文献中的预测方法可以分为： Agent-based models 基于Agent的模型 Control engineering models 控制工程模型 Machine learning models 机器学习模型 Time series models 时间序列模型 1. effect of forecasting需求预测的影响 运作因素 Operational causes 2. Ordering policy Batching批量订货政策 运作因素 Operational causes 有大量文献研究批量订货政策对于牛鞭效应的影响，订货点(Order-up-to)策略可以最小化库存水平的变动而被认为是最优策略。 Cachon和Lariviere 分析了平衡订购策略，并指出小批量、订货时间间隔长的平衡订购策略能起到减少供应商需求变动的效果。 Chen 和 Disney 研究了OUT策略，并指出牛鞭效应主要是由库存水平和需求预测的联合变动引起的，而且经典的OUT策略与ES或MA等预测方法结合总是会产生牛鞭效应。 3. Effect of inventory policy库存政策的影响 库存政策在规定决策规则时需考虑库存补货点和供应链网络中某个供应链节点的补货数量。由于订货数量和订货时间取决于库存水平，通常库存和订货政策是相互关联的。 Chandra 和Grabis认为基于物料需求计划（MRP）的库存控制策略能弱化牛鞭效应。 Disney和Towill比较了VMI供应链和传统供应链对于牛鞭效应的影响，VMI是供应商管理客户库存的策略，能使供应链更加流畅。 运作因素 Operational causes 运作因素 Operational causes 4. Effect of lead time提前期的影响 Heydari研究串行供应链中提前期的变动，并得到随着提前期的延长订单变动也增加，但是整个供应链的订单一致的变动对牛鞭效应无影响。 Wang等人指出提前期延长，牛鞭效应也增强。缩短提前期可以从以下方面着手： (1)低安全库存；(2)减少缺货损失；(3）提高服务水平 未来研究方向： 模糊提前期、随机性的提前期研究 5. Effect of lack of transparency缺乏透明性 牛鞭效应的主要原因在于系统和数据缺乏透明性，也意味着信息共享的重要性。 Sohn and Lim将信息共享分为如下三种类型： Decentralized policy：供应商和零售商之间信息不分享，供应商只从零售商那里得到订单。 Centralized policy：信息完全共享 Separated policy：信息不共享。零售商预测未来需求并从供应商那里订货。 研究表明，完全信息共享不一定能产生最优的效果，选择恰当的信息策略对于减弱牛鞭效应很有必要。 运作因素 Operational causes 6. Effect of replenishment policy补货策略影响 Boute分析了补货策略的