牛鞭效应、啤酒游戏与供应链管理
作者: 来源: 文字大小:[大][中][小]
牛鞭效应就是指供应链中下游消费者的需求轻微变动导致上游企业生产、经营安排剧烈波动的效果，这就是逐级放大的牛鞭效应(The Bullwhip Effect)或者说是供应链中的下游企业的需求信息在向上游企业传递时发生的放大现象。
宝洁公司在对其尿不湿的订货模式的调查中发现：尿不湿在零售商点中的销售量呈幅度不大的波动变化，可是当分销商向宝洁订货时，订货量的变化幅度显著变大，而在宝洁向其供应商发出的物料订单中，这种波动变得更大。即婴儿是以一种稳定的消费速度消费尿不湿的，可是需求订货的不平稳却还是随着供应链的向上延伸被一级一级放大了。
为了探询牛鞭效应的起因并尽量弱化牛鞭效应对供应链的影响，国外许多学者对此作了研究。比如Forrester 用一系列的案例证实了该效应，并指出它是行业组织变化行为的结果，认为可以通过改善行为来弱化牛鞭效应。
Sterman在库存管理场景实验中，用“啤酒游戏”（Beer Distribution Game）证实了牛鞭效应，认为供应链中的成员是非理性的,并主张通过加强个人教育来弱化牛鞭效应。这个实践以四人为一组，分别代表供应链中的生产商、
经销商、批发商和零售商。实验过程中，由指导教师代表消费者发出订货，每个经营者将根据本期从各自下游经营者收到的订单发出货物，并以此为依据参考销售的历史记录预测未来需求的变化，结合本期期末库存量向上游的供应商发出订单。任意两个经营者之间的订单传递需要两个经营周期，货物的运送也需要两个经营周期，换句话讲，每个经营者从发出订单到得该订单的订货需要四个经营周期。这样，在经营一段时间以后，首先消费者需求出现微小调整，随后零售商、批发商、分销商的订单、库存量相继出现波动，并且，沿供应链回溯波动幅度越来越大，“牛鞭效应”的痕迹越来越明显。这个游戏在《第五项修炼》与《供应链系统设计》这两本书中均有极为详细的解释。
但以前的大部分对牛鞭效应的研究集中在证明牛鞭效应的存在性，识别它产生的原因并且提出减少它的影响方面。尤其是Lee H等学者用四个模型说明了牛鞭效应产生的四个原因：调整市场需求预测；批量订货；价格波动；理性对策。这些研究提出了大量的减少牛鞭效应的影响的方法和建议。比如，有一个比较普遍的建议就是在供应链内部集中顾客的需求信息，也即为供应链每一阶段提供有关顾客实际需求的全部信息以上的结论表明在集中型供应链中订单方差以和的方式增加，而在分散型供应链中订单方差以积的方式增加。在分散型供应链中只有零售商知道顾客的需求，这导致比集中型供应链更高的变动性，尤其是当提前期很长时。在集中型供应链中供应链的每个阶段都能获得顾客的需求信息，其订单方差的变动性较小。因此，集中需求信息能够显著减少牛鞭效应。
研究结果表明，在集中型供应链中订单方差以和的方式增加，而在分散型供应链中订单方差以积的方式增加。在分散型供应链中只有零售商知道顾客的需求，这导致比集中型供应链更高的变动性，尤其是当提前期很长时。在集中型供应链中供应链的每个阶段都能获得顾客的需求信息，其订单方差的变动性较小。因此，集中需求信息能够显著减少牛鞭效应。“牛鞭效应”所造成的需求大幅度变化对每个经营者都是棘手的难题，都将可能导致企业生产安排不当（规模过大或过小），运输不合理，库存过多，企业对市场化反应慢，客户满意程度下降，造成收益减少。
表面上看，“牛鞭效应”表现为需求的不确定，但实质上，这种不确定却是由于需求变化的信息在由供应链下游企业向上游企业传导过程中被扭曲、进而扭曲被放大的结果。“牛鞭效应”产生的原因复杂多样，涉及到企业的营销、物流、生产各个领域。但简单来讲，这些原因主要有两大类，一类是系统原因；一类是管理原因。两种原因纠结在一起，共同作用提高了企业经营成本，对产品供应链造成消极影响。
系统原因也可以理解为客观原因，或者说是供应链存在本身所无法克服的原因。有人曾经指出“牛鞭效应”来源于两个方面：需求的变化和订货周期。需求的变化主要指需求自身的波动幅度，需求变化大，则效应强烈；需求平稳，则效应微弱。这几乎是不证自明的。“牛鞭效应”的另一个原因是订货所需的订货周期（lead-time），即从经营者发出订单到最终收到所订货物要花费的时间。订货周期越长，市场的波动越大，需求预测越不准确，“牛鞭效应”表现越明显。
造成“牛鞭效应”的另外一个重要系统根源就供应链的多层次性。由于在供应链的各个层次经营者都会针对客户的要求设置安全库存，多层的累积，乃至同一层次中多个仓库的累积会导致整个供应链系统库存产品量的数倍增加，进而导致库存对市场波动的反映速度减缓，“牛鞭效应”加剧，再促使企业为提高
客户服务水准，尤其是现货供应水平提高安全库存，形成恶性循环。
造成“牛鞭效应”的管理因素则比较复杂，也比较多样化。它可能是由于经营中的非理性行为造成的，也可能是经营者理智决策的产物。仍以实验中的经营者为例，由于实验中不允许经营者之间互相讨论（这也是有着一定的现实背景的），经营者所能够得到的唯一的市场信息就是下游企业传来的订单，由于相互之间的不信任，每个经营者都倾向于根据历史上需求的变动，以及近期所得到的需求的变化情况作出自己的市场预测，并以此作为确定采购、生产、库存决策的依据。以我们经常采用的指数平滑预测法为例：
Ft+1=a*At+（1-a）*Ft
企业对需求的历史信息越看重，即a越小，当前期实际需求A在预测中所占的权数越小，其对观测值Ft+1影响越小，较多反映需求历史变动的原预测值Ft对未来期采购的影响越大，有关需求变动信息传导给上游供应商的越大，有关需求变动信息传导给上游供应商的越弱；相反，对当前需求变动越看重，a越大，当前期实际需求对预测的影响越大，由此制定的未来期采购计划越能反映本期需求波动的情况，向上游供应商所传导的本期需求变动的信号越强烈。由于需求的波动可能是随机的，也可能体现今后一段时间一定的变化趋势，因此无论哪一种预测策略都可能对从消费者处得到的消费信息发生错误理解，进而将这种扭曲的市场信息传导给供应链上游企业，并在传导过程中被放大，导致“牛鞭效应”产产生。
“牛鞭效应”还与企业所处的物流环境有极大关联。订货交易成本的存在，运输中规模经济的影响，乃至订单处理、
仓储管理的落后，现代化通信手段的匮乏，都会直接导致经营者延长订货周期，加大订批量。同时，鉴于缺货成本通常高于库存持有成本——尤其是当我们将缺货的隐性成本考虑在内时，理智的经营者必然将选择一定的安全库存量来应付两次采购之间市场可能发生的波动，订货周期越长，需求不确定性也将越大，为此而设计的安全库存量也将越大。此外，一般来讲，订货周期时间由四部分组成：订单传送、订单处理、备货和货物装运。由于这四部分时间中的任何一部分变化都影响到订货周期的确定性，订货周期的不确定也作为安全库决策时考虑的一项重要内容。