供应链中的牛鞭效应

牛鞭效应案例分析

摘要

本文阐述了“牛鞭效应”的定义，“牛鞭效应”是指需求信息在从供应链下游传向上游的过程中发生的放大现象，介绍了“牛鞭效应”的提出以及以前的一些研究成果。本文还具体的说明了“牛鞭效应”在供应链中将消费需求一级一级的放大，导致生产商无法计算产量，对各级经销商都产生了影响。

“牛鞭效应”的产生原因主要有六种，分别是：需求预测；库存策略；流通环节；提前期；促销策略；短缺博弈行为。文章详细说明了这六种原因如何产生“牛鞭效应”，以及它所带来的危害：

（1）从分销商到生产商接到的订单的变动性要比顾客需求的变动性大得多, 使得生产企业进入无序状态, 无法了解市场真正的需求量；

（2）当某种产品大量销售时, 供应链的库存却无法做到迅速减少, 造成流动资金的大量占用和固定资产利润率低下；

（3）各个节点企业从自身利益出发, 而不是从整个供应链的运作考虑, 因此导致整个供应链的利益很难维护；

（4）由于“牛鞭效应”而导致供应链节点企业之间的不信任增加, 合作最终变成短期行为, 不利于供应链联盟的形成和发展。

“牛鞭效应”的弱化方法有：提高最终用户需求信息的透明度；缩短提前期；减少供应链的流通环节；减少价格的波动；建设起战略性伙伴关系。这几种方法会在一定程度上弱化供应链中的“牛鞭效应”。

关键词：牛鞭效应；供应链；危害；弱化方法。

一、“牛鞭效应”的定义

1.1 名称

英文名称：Bullwhip effect，在管理学上俗称“牛鞭效应”，动力系统中常称为“蝴蝶效应”。 1.2 定义

营销过程中的需求变异放大现象被通俗地称为“牛鞭效应”。 指供应链上的信息流从最终客户向原始供应商端传递的时候，由于无法有效地实现信息的共享，使得信息扭曲而逐渐放大，导致了需求信息出现越来越大的波动。由于这一现象很像我们在挥动牛鞭时，只要手腕稍稍用力，鞭梢就会出现大幅度的摆动，所以被人们形象的称之为“牛鞭效应”。

“牛鞭效应”是市场营销活动中普遍存在的高风险现象，它直接加重了供应商的供应和库存风险，甚至扰乱生产商的计划安排与营销管理秩序，导致生产、供应、营销的混乱，解决“牛鞭效应”难题是企业正常的营销管理和良好的顾客服务的必要前提。 1.3 概念的提出与研究

工业动态学之父Forrester 在其1961 年出版的《工业动力学》一书中最早提出了“牛鞭效应”现象，Forrester 通过列举一系列的例子证实该效应的存在，并从工业动力学的角度指出它是组织行为变化的结果。也就是说，根据工业组织随时间动态变化的行为特点，得出这种效应是供应链系统成员之间在订货、采购、运输和生产等过程中存在时滞的结果，即一个组织所采用的基本形式和政策导致了供应链中的“牛鞭效应”。

随后，在20 世纪80 年代，J.D.Sterman 设计了一个非常著名的“啤酒游戏”实验，目的是对“牛鞭效应”进行分析。在该实验中，扮演生产者和销售者角色的人们唯一的目的就是尽量做好自己的本职工作：如果需要啤酒，就向自己的上游发住订单。客户如有个较小的需求波动，如增加十箱啤酒，一级批发商可能就要增加三十箱，依次波及二级批发商、供应商。由于零售商和批发商不断的追加订货数量，导致啤酒厂供不应求，而当啤酒厂做出调整，诸如增购生产设备等，零售商又意识到实际客户的需求并没有增加多少，于是停止要货，最终造成啤酒工厂、批发商、零售商的库存大量积压。在啤酒游戏中，任何一方的意图都是善良的，满足客户并使利润最大化，然而正式这种常规的思维方式导致了需求的变异性放大，这证实了供应链中存在着“牛鞭效应”。Sterman 认为这样的结果是实验者的非理性行为导致的。

到20 世纪90 年代，Towill 和Lee 等学者的对“牛鞭效应”进行了更为系统的研究。Towill 通过模拟发现，需求信息的变化幅度每经过一个环节就会变化一倍多，生产商从中间环节获得订单后，对市场需求的预测幅度几乎是初始的8倍之多，证实了库存管理方式对供应链信息扭曲的影响。斯坦福大学的Lee 教授等人对供应链中信息扭曲这一现象作出了更为形象的描述，并采用简单的数学模型证明了供应链成员是理性的并且作出的决策是最优的，而“牛鞭效应”是供应链内部理性参与人之间战略性行为互相影响的产物。研究结果提出，可以通过改变供应链内部组织的基础设施和相关过程来控制“牛鞭效应”。Lee 的模型还对“牛鞭效应”产生的原因进行了系统的研究，得出了导致“牛鞭效应”的四种原因：需求预测、交易博弈、批量订货、价格波动。

1995 年，美国的保洁公司（P&G）在研究Pampers 牌一次性婴儿纸尿裤的市场需求时发现，该产品的零售数量是相当稳定的，波动性并不大。但在考察分销中心向她的订货情况时，吃惊地发现波动性明显增大了，其分销中心说，他们是根据汇总的销售商的订货需求量向她订货的。她进一步研究后发现，零售商往往根据对历史销量及现实销售情况的预测，确定一个较客观的订货量，但为了保证这个订货量是及时可得的，并且能够适应顾客需求增量的变化，他们通常会将预测订货量作一定放大后向批发商订货，批发商出于同样的考虑，也会在汇总零售商订货量的基础上再作一定的放大后向销售中心订货。这样，虽然顾客需求量并没有大的波动，但经过零售商和批发商的订货放大后，订货量就一级一级地放大了。在考察向其供应商，如3M公司的订货情况时，她也惊奇地发现订货的变化更大，而且越往供应链上游其订货偏差越大。这就是营销活动中的需求变异放大现象，人们通俗地称之为“牛鞭效应”。类似的现象也在惠普、IBM等跨国企业中得到了印证。

二、供应链中的“牛鞭效应”

2.1 供应链战略

供应链战略经常可划分为推动型系统和拉动型系统, 这源于20 世纪80 年代的制造业革命。在一个推动型供应链中, 制造商利用从零售商仓库接到订单来预测顾客需求, 各个节点企业是根据预测来进行决策, 因此无法真实地反应市场需求, 容易形成“牛鞭效应”。一个推动型供应链如图1所示:

订单

产品

产品

图 1

2.2 供应链中的“牛鞭效应”

在一条供应链中，消费市场需求的一点点变化都会被一级级放大到制造商、首级供应商、次级供应商那里。例如计算机市场需求预测轻微增长2%，放大到戴尔（制造商）时可能成了5%，传递到英特尔（首级供应商）时则可能是10%，而到了替英特尔生产制造处理器的设备商（次级供应商）时则可能变为20%。

简单来说，当经营者接到消费者发出的订单后，会根据本期从下游经销商收到的订单发出货物，并以此为依据参考销售记录预测未来需求的变化，结合本期期末库存量向上游供应商发出订单。订单的传递和货物的运送都需要两个经营周期，那么每个经营者从发出订单到得到该计单的订货需要四个经营周期。当消费者需求出现变化，零售商、批发商、分销商的订单及库存量自发出现波动，并且，越是处于供应链的后端，需求变化幅度越是会正数级放大。以形状而言，这就像西部牛仔挥舞的牛鞭，鞭轻轻一抖，鞭梢便会大幅度抖动，划出一道美丽的圆弧，这就是所谓供应链管理中的“牛鞭效应”。如图2所示：

图2

2.3 “牛鞭效应”的影响

2.3.1 “牛鞭效应”产生影响的原因

“牛鞭效应”其实是在下游企业向上游企业传导信息的过程中发生信息失真，而这种失真被逐级放大的结果，从而波及到企业的营销、物流、生产等领域。“牛鞭效应”成因于系统原因和管理原因，它们的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，导致对市场变化的过激反应。当市场需求增加时，整个供应链的产能增加幅度超过市场需求增加幅度，超出部分则以库存形式积压在供应链不同节点。一旦需求放缓或负增长，大量资金和产品将以库存形式积压，整个供应链可能资金周转不良，严重影响供应链的良好运作，甚至导致企业倒闭，尤其是处于供应链末端的小企业。以思科为例，2000年前后网络经济泡沫破灭，直接导致注销高达24亿美元的库存。以半导体设备制造行业为例，2000年前后经济泡沫后的大量库存，直到2002年才处理完，各大公司动辄注销几千万美元的过期库存。对众多的次级、次次级供应商而言，则意味着没有新订单，没有新的营业收入，无法维持运营。结果是大批供应商处于崩溃边缘，大幅裁员，甚至难逃破产厄运。

2.3.2 “牛鞭效应”对于市场的影响

对市场的响应速度而言，“牛鞭效应”表明，越是处于供应链后端，企业响应速度越慢。其结果是，当市场需求增加的时候，供应商往往无法支持制造商；而当市场需求放缓时，供应商则往往继续过量生产，造成库存积压。由于“牛鞭效应”，伴随着过量生产的是整个供应链的生产能力过度膨胀。一旦经济不景气，整个供应链被迫大幅削减人员，关、停、并、转设备。 2.3.3 “牛鞭效应”对于宏观经济的影响

对整个宏观经济而言，“牛鞭效应”可以解释为什么有些行业比另一些行业提前衰退，或滞后复苏。拿半导体行业而言，供应链前端的芯片制造业先于后端的设备制造业衰退；而后者则滞后于前者复苏。而对于单个企业而言，当经济复苏的时候，不但要动员自身的生产能力，更重要的是动员各级供应商。这是因为

由于“牛鞭效应”，后端供应商往往受到更大的经济影响，面临更大的财政压力，从而更难也更不情愿扩张生产能力。在行业腾飞、经济景气时，往往由于后端供应商没法及时扩张而影响整个供应链的销售业绩。

三、“牛鞭效应”放大现象的计算案例分析

例: 假定在一个简单的供应链中, 每个节点企业在仓库中都存放着7天所

需的货物, 即: 每个节点企业从其上游供应商那里购买足够的材料以使得它的存货满足7 天的需求, 对某种产品的需求一直稳定在每7 天100 单位, 如果某一个7天最终客户的需求比平时多了5单位, 假设配送非常迅速, 我们可以见 证“牛鞭效应”对整个供应链的影响。

给定条件: 每7天供应链的需求为100 单位;

需求: 等于下一环节客户购买的数量;

每个7天开始时的初期库存: 必定等于前一个周期的期末库存; 每个周期的期末库存: 必定等于本周的需求; 购买的单位数: 等于需求加上库存中的任何变化; 购买量=净需求+ ( 期末库存—初期库存) ; 具体计算结果如表1 所示:

分析以上计算案例, 在第二周客户的需求增加5 个单位时, 由于“牛鞭效应”, 信息的扭曲和放大, 导致生产商生产产量提高到了180 个单位, 而当第三周客户的需求恢复正常时, 生产商的产量变为0 单位; 当客户需求在第三周恢复到原来的100单位时, 要使得生产商恢复到100 单位的生产量, 一直要持续到第七周, “牛鞭效应”才会消失。

四、“牛鞭效应”的产生原因

4.1 需求预测

在供应链中, 上游节点主要依赖下游节点的定单作为需求预测的依据。利用下游节点的定单来预测需求是导致“牛鞭效应”的主要原因之一。当下游节点发出定单时, 上游节点以此作为未来需求的信号, 根据这一信息, 上游节点调整其需求预测并向其上游节点发出定单。企业一般采用简单的移动平均法或指数平滑法来预测需求。

设有一条简单的供应链, 下游节点的定单需求为D, 上游节点的定单需求为q, 上下节点之间的交货提前期为L , 上游节点根据最近p 份下游节点的定单需求作为预测的依据。当上游节点采用移动平均法来预测需求时, 可得到

Var(q)2L2L2

（1） 12

Var(D)pp上游节点发出的定单的需求方差大于下游节点需求的方差, 也即根据移动平均

法来预测需求时, 存在着“牛鞭效应”。在交货提前期不变的条件下, “牛鞭效应”的大小取决于上游节点所采用的历史数据的个数。当上游节点采用指数平滑法来预测需求时, 可得到

Var(q)4L4L2

11 （2）

Var(D)p1p(p1)因此, 指数平滑预测技术同样存在“牛鞭效应”。

4.2 库存策略

在供应链中, 需求方一般采用批量定货的策略,这主要是因为存在着固定的定货成本以及通过大量采购可节约运输成本。企业一般采用( s , S) 型库存策略, 当库存水平低于定货点s 时, 企业会补充库存至S 。批量定货意味着下游节点的定单并没有真实体现客户的实际需求。

以i,i分别表示某节点面临的每期需求的均值和标准差,i表示该节点向其上游节点发出的定单的标准差, 令DiSisi, 那么i与i存在如下的关系：

2Di2i2

 i2 （3）22

2Diiii

2i

2i

因此, ( s, S) 型库存策略导致了供应链中的“牛鞭效应”。

另外, 企业还常用定期补充库存的策略( R , S ) , 在这种库存策略中, 企业每R 期检查一次库存, 并补充库存至S 水平, 也即企业每次补充的库存为上一次库存检查期内的客户需求。当供应链某一节点面临N个下游节点, 并且这些下游节点的库存检查期都为R, 设下游节点在每一期的平均需求为m, 方差为

2,Zt 表示在时期t 内N 个下游节点的定单需求的总和,则下游节点面临的需求的方差与定单需求总和的方差存在以下关系：

当下游节点在库存检查期内随机定货时:

Var(Ztr)N2m2N(R1)N2 （4）当下游节点在库存检查期内同期定货时:

（5） Var(Ztc)N2m2N2(R1)N2 当下游节点在库存检查期内均匀定货时:

Var(Ztb)N2m2k(Rk)N2 （6）可见( R , S ) 型库存策略同样也导致供应链中的“牛鞭效应”。

4.3 提前期

提前期也是引起“牛鞭效应”的一个重要因素。交货提前期越长, 供应链中的不确定性也越大, 供应链节点为了防止缺货现象的发生, 会提高安全库存水平。在采用( s , S ) 库存策略时, 一般定货点s 采用如下的计算方法

:

（7） sLDzD其中L 为提前期；D为平均的每期需求；D为需求的标准差； z 为统计变量,

表示在给定的服务水平条件下不发生缺货的概率；其中安全库存为。因此, 提前期L 越长, 安全库存也越大。另外从公式( 1) 、( 2) zD可知, 提前期越长, “牛鞭效应”也越大。

当提前期变动时, 假设提前期的均值为L, 标准差为L,

则安全库存

。由于提前期不稳定导致了安全库存的进一步增大。

4.4 流通环节

当供应链中各节点之间缺乏沟通, 并且流通环节增多时, “牛鞭效应”会增大。从图2中可看出这种结果,“牛鞭效应”具有逐层增大的现象, 多一个流通环节, “牛鞭效应”就放大一次。

假设D 为零售商面临的客户需求, q'为分销商面临的零售商的定单, qk 为原材料供应商面临的下游节点的定单需求, 根据公式( 1) 可得

Var(qk)Var(qk)Var(qk1)Var(q')K2Lk2L2k

,...,1（8） pp2

Var(D)Var(qk1)Var(qk2)Var(D)k1

因此, 流通环节对“牛鞭效应”具有乘数效应。 4.5 促销策略

在实际中, 许多企业为了提高市场份额、增加销售数量, 经常会采用诸如价格折扣、数量折扣等促销手段来刺激顾客的购买欲望。而正是这些促销策略促使客户大量购买的同时产生大量库存。在商品促销期间, 客户会购买比实际需要多得多的商品, 以备以后使用； 在商品价格回复到正常水平时, 客户将减少或停止购买行为, 直到库存耗尽。因此, 促销策略使购买行为与实际需求相脱节, 客户的购买数量无法反映实际的需求数量, 并且购买数量的变化程度远远大于客户实际需求的变化程度, 从而导致“牛鞭效应”。而且该种商品的需求价格弹性

越大,“牛鞭效应”也越严重。 4.6 短缺博弈行为

当需求大于供给时, 供应商常会根据客户的定单需求进行比例分配。设有N 个客户,gi(m)为i个客户所分配到的商品数量, mi为客户的实际需求, K 为供应总量, 则在比例分配情况下



Kmi

gi(m)minmi,N (9)

mj1j

客户为了使自己获取更多的商品, 达到利润最大化, 就会进行博弈, 增大

定货数量。在众多客户博弈达到均衡时, 所有客户的定货量都将是实际需求的某个倍数, 从而引起牛鞭效应。在这种情况下, 所有客户都夸大了其真正的需求, 使供应商无法准确地了解真实的需求信息。

五、“牛鞭效应”的危害

从“‘牛鞭效应’放大现象的计算分析”案例计算可以看出, “牛鞭效应”

产生的后果, 不仅仅是各个节点企业的库存增大, 利润下降, 占用资金, 同时也导致了企业经营风险增大以及整个供应链运作的低效率。资源的无效率利用, 使得供应链各个节点企业的计划和管理难度增大。除此之外, 还可能造成以下的一些危害, 具体可以归纳为以下几条:

（1）从分销商到生产商接到的订单的变动性要比顾客需求的变动性大得多, 使得生产企业进入无序状态, 无法了解市场真正的需求量；

（2）当某种产品大量销售时, 供应链的库存却无法做到迅速减少, 造成流动资金的大量占用和固定资产利润率低下；

（3）各个节点企业从自身利益出发, 而不是从整个供应链的运作考虑, 因此导致整个供应链的利益很难维护；

（4）由于“牛鞭效应”而导致供应链节点企业之间的不信任增加, 合作最终变成短期行为, 不利于供应链联盟的形成和发展。

六、“牛鞭效应”的弱化方法

6.1 提高最终用户需求信息的透明度

提高最终用户需求信息的透明度。在需求信息沟通不畅的供应链中, 上游节点只了解其直接下游节点发出的定单, 而对最终用户的需求则一无所知。如果上游节点能够掌握最终用户的需求信息, 那么可以利用最终用户的需求信息作为需求预测的依据, 从而可大大减小“牛鞭效应”。根据公式（1），第k 个上游节点面临的下游需求的方差相对于最终用户需求的方差有如下的关系:

2k1Lk2Var(qk)

1

Var(D)p

K



Kk12

Lk



2

p

（10）

此时的“牛鞭效应”相对于公式（8）所表示的“牛鞭效应”要小得多。提高最终用户需求信息的透明度, 可采用销售点数据（POS）系统, 这样可以使上游节点及时、准确地了解产品的最终市场需求, 过滤掉中间环节预测所带来的信息干扰。

6.2 减少供应链的流通环节

供应链的流通环节越多, 整个供应链所需的安全库存也越多, 产品从制造商到最终用户所需要的流通时间和流通费用也越多, “牛鞭效应”也越大。减少流通环节可以减少需求信息的放大程度, 同时也可以更好地对客户的需求做出反应。采用基于Internet 网络的B to B 和B to C 电子商务大大减少中间的流通环节, 采用与客户面对面的交易方式。另外, 可采用配送中心取代流通过程中的一级、二级等批发商。 6.3 缩短提前期

Stalk 和Hout发现如果提前期缩短50%, 那么预测误差也将减小50%。定货提前期是指发出定单到收到货物之间所需的时间, 定货提前期又可细分为信息提前期、决策时间、制造时间、运输时间以及各过程中存在的等待时间( 如图3 所示) 。信息提前期是指供应商接收和处理定单所需要的时间；决策时间是指供应商制定生产计划和运输计划所需的时间；制造时间是指当供应商没有库存或在JIT生产方式或定制生产方式下生产定货产品所需的时间； 运输时间是指挑选、装卸和运输产品所需的时间；等待时间则是指各个过程中的空闲时间。

图3

针对定货提前期的不同组成部分, 可采用不同的措施来缩短时间。采用EDI 等现代信息技术来缩短信息提前期；使用决策支持系统, 例如MRP、ERP、DRP, 来加速决策定制过程；通过加强生产管理、利用现代先进的制造技术、采用平行工程及对现有产品结构和生产流程重新优化设计等措施来缩短产品制造时间；采用现代集成化物流管理技术及第三方物流来缩短物流运输的时间；通过协调各成员的活动、加强管理来缩短各过程之间的等待时间。 6.4 减少价格的波动

供应商可采用“天天低价”(EDLP) 策略来减小促销所导致的价格波动带来的客户需求的波动。通过消除价格促销, 供应商可以消除伴随着促销同步产生的

需求的急骤变化。因此, 天天低价策略能够产生更稳定的、变动性更小的顾客需求模式。

6.5 建设起战略性伙伴关系

在供应链中实施战略性伙伴关系可以减小甚至消除“牛鞭效应”。战略性伙伴关系可以改变信息共享和库存管理的方式。在供应商管理库存( VMI) 中, 供应商直接管理零售商的库存, 由供应商来确定零售商的安全库存和补充数量, 供应商并不依赖零售商的定单进行决策, 因而彻底避免了“牛鞭效应”。当供应链各成员能够相互合作、充分共享信息时, 可以减少需求方的短缺博弈行为,从而可以减少由于短缺博弈所造成的“牛鞭效应”。另外, 供应链可以采用第三方物流伙伴, 这样可以实施小批量、多批次的补充策略, 这一方面减少需求方的库存费用, 另一方面可以平稳供应商的生产, 因此这是一种多赢的策略。当整个供应链能够进行集成化管理, 形成一个扩展型企业(Extended Enterprise)时, 供应链各成员好比一个企业的各个部门, 从而可以步调一致地对最终用户的需求作出快速、有效的反应。

七、结论

供应链中的“牛鞭效应”是指需求信息在从供应链下游传向上游的过程中发生的放大现象。这种需求放大现象主要在于供应链各成员之间信息沟通方面的弊端以及供应链结构方面的一些固有属性所引起的。引起“牛鞭效应”的主要原因可归结为: 供应链上游节点根据其直接下游节点的定单需求进行需求预测；由于存在较高的定货成本和运输成本, 供应链成员采用批量定货的策略；提前期长且不稳定；流通环节多；供应商采用价格或数量促销；由于需求大于供给所引起的需求方的博弈行为。因此, 供应链中的“牛鞭效应”主要是由供应链各成员追求自身利益优化的结果。减少“牛鞭效应”的关键在于协调整个供应链, 使供应链各成员能够相互合作, 建立起战略性伙伴关系, 共享供应链中的需求信息, 进行集成化供应链管理。

参考文献

[1]邵晓峰，季建华，黄培清，供应链中的牛鞭效应分析，东华大学学报，2001 [2]张静芳，供应链中“牛鞭效应”案例分析及解决方法研究，物流科技，2007年第7期