长鞭效应(Bullwhip Effect)
转载 长鞭效应是供应链管理的基本原理之一,经济学上的一个术语,指的是供应链上的一种需求变异放大现象,是信息流从最终客户端向原始供应商端传递时,无法有效地实现信息的共享,使得信息扭曲而逐级放大,导致了需求信息出现越来越大的波动,此信息扭曲的放大作用在图形上很像一根甩起长鞭,因此被形象地称为长鞭效应。可以将处于上游的供应方比作梢部,下游的用户比作根部,一旦根部抖动,传递到末梢端就会出现很大的波动。
“长鞭”效应产生的原因
1、更新需求预测
为了安排生产进度,计划产量,控制库存和计划物料需求,供应链中的企业通常都会预测产品需求。而预测通常是基于企业直接接触的顾客的购买历史进行的。当下游企业订购时,上游企业的经理就会把这条信息作为将来产品需求的信号来处理。基于这个信号,上游经理会调整需求预测,同时上游企业也会向其供应商增加订购,使其作出相应的调整。因此,这种需求信号的处理是“长鞭”效应产生的主要原因。
2、批量订购
在供应链中,每个企业都会向上游企业订货,并且会对库存进行一定程度的监控。由于入库的物料在耗尽以后,企业不能马上从其供应商那里获得补给,因此,企业经常都会进行批量订购,在再次发出订购之前保持一定的存货。运输费用高也是阻碍企业频繁订货的障碍之一。卡车满负荷载重时,单位产品运输成本最低,因此当企业向供应商订购时,他们都会倾向大批量订货以降低单位运输成本。
通常供应商难以处理频繁的订购,因为处理这些订货所消耗的时间与成本相当大。宝洁公司估计,由于订购、结算和运送系统需要人手运作,处“长鞭”效应产生;如果所有顾客的订购周期均匀分布,那么“长鞭”效应的影响就会最小。然而,这种理想状态极少存在。订单通常都是随机分布,甚至是相互重叠的。当顾客的订货周期重叠时,很多顾客会在同一时间订货,需求高度集中,从而导致“长鞭”效应高峰的出现。
3、价格波动
价格波动会促使提前购买。制造商通常会进行周期性促销,如价格折扣、数量折扣、优惠券等,这些优惠实质上是一种间接的价格优惠。制造商的价格优惠会促使其分销商提前购买日后所需的产品,而提前购买的结果是顾客所购买的数量并不反映他们的即时需求,这些批量足以供他们将来一段时间使用。
这种促销对供应链来说可能会成本很高。当制造商的价格处于低水平时(通过折扣或其它促销手法),顾客常会购买比自己实际所需要大得多的数量;当制造商的价格恢复正常水平时,顾客由于有足够库存,因此在其库存消耗完之前,他们不会再购买。结果,顾客的购买模式并不能反映他们的消耗/消费模式,并且使其购买数量的波动较其消耗量波动大,从而产生“长鞭”效应。
4、限量供应和短缺博弈
当产品供不应求时,制造商常根据顾客订购的数量按照一定的比例进行限量供应,客户会在订购时夸大实际的需求量;当供不应求的情况得到缓和时,订购量便会突然下降,同时大批客户会取消他们的订单。对潜在的限量供应进行的博弈,会使顾客产生过度反应。这种博弈的结果是供应商无法区分这些增长中有多少是由于市场真实需求而增加的,有多少是零售商害怕限量供应而虚增的,因而不能从顾客的订单中得到有关产品需求情况的真实信息。
如何解决“长鞭”效应
1、避免使用多种方法更新需求预测
避免重复处理供应链上的有关数据的一个方法是使上游企业可以获得其下游企业的需求信息。这样,上下游企业都可以根据相同的原始资料来更新他们的预测。例如,计算机制造商会要求分销商将零售商中央仓库里产品的出库情况反馈回去。虽然这些数据没有零售商销售点的数据那么全面,但这总比把货物发送出去以后就失去对货物的信息要好得多。现在IBM、惠普和苹果等公司在合同中都会要求其零售商将这些数据反馈回去。
供应链上的合作伙伴可以使用电子数据交换系统(EDI)来进行预测。由于使用的预测方法和购买习惯的不同,他们在向上游企业订购时,仍会导致订单的一些不必要的波动。使用电子交换系统能使上游企业了解下游企业的需求和库存信息,并对下游企业进行再供应。相应地,下游企业就成为供应链中积极的一员。
另一种方法是绕过下游企业来获得有关信息。例如,戴尔计算机就绕过传统的分销渠道,直接面向消费者销售其计算机,这样戴尔公司就可以直接了解其产品的需求模式。最后,正如前面所提到的,供应时间过长也会夸大“长鞭”效应。因此,提高经营效率能够大大降低由于更新多种预测数据所导致的需求变动幅度。
2、打破批量订购
由于批量订购会产生“长鞭”效应,因此企业应调整其订购策略,实行小批量、多次订购的采购或供应模式。企业偏好大批量、低频率采购策略的原因是采购成本、运输成本高昂。事实上,即使通过EDI可以使订购成本大大下降,但订购的效率仍会受满负荷与否所限制。现在,很多制造商都鼓励其分销商同时订购多种不同的产品。这样货车一次就可从同一制造商那里满载多品种的产品,而不是满载同一品种。这样对每一产品来说其订购的频率大了,发送的频率不变,但仍可获得运输的规模经济性。例如宝洁公司对愿意进行混合订购的顾客给予折扣优惠。
使用第三方的物流公司也可使小批订购实现规模经济。企业可以通过把临近供应商的货物联合运输来实现规模经济,而无须从同一个供应商那里一次大批订购。虽然这样会增加额外的处理费用和管理费用,但只要所节省的费用比额外的费用大,联合运输还是值得的。
3、稳定价格
控制由于提前购买或转换而引起的“长鞭”效应的最好方法是减少对批发商的折扣频率和幅度。制造商可通过制定稳定的价格策略以减少对提前购买的激励。当企业进行地区性促销时,某些零售商会在该地区进行大量采购,然后再把这些产品转移到其他地区。基于活动的成本核算系统能精确计算库存、特殊处理和运输等成本,因此,这种系统能帮助企业实行天天低价的价格策略。
4、消除短缺情况下的博弈行为
面临供应不足时,供应商可以根据顾客以前的销售记录来进行限额供应,而不是根据订购的数量,这样就可以防止顾客为了获得更多的供应而夸大订购量。通用汽车长期以来都是这样做的,现在很多大公司,如惠普等也开始采用这种方法。
在供不应求时,客户对制造商的供应情况缺乏了解,博弈行为就很容易出现。与顾客共享生产能力和库存状况的有关信息能减轻顾客的忧虑,从而减少他们参与博弈。但是,共享这些信息并不能完全解决问题。某些制造商会在销售旺季来临之前帮助顾客做好订购工作,这样他们就能更好的设计生产能力和安排生产进度以满足产品的需求。此外,制造商给零售商的退货政策也会鼓励博弈行为。缺乏惩罚约束,零售商会不断夸大他们的需求,在供给过剩的时候再退货或取消定单。
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
什么是Token?为什么大模型要计算Token数
大模型不是直接做的“字符”的计算,而是将字符变成一个数字,也就是变成了 token 来处理。
API Token 大模型 LLM -
Sklearn实现小批量KMeans聚类
MiniBatchKMeans 是 KMeans 算法的一个变种,它使用小批量(mini-batches)来减少计算时间,而这多个批次仍然尝试
聚类 机器学习 sklearn 迭代 数据集 -
python 批量梯度下降 小批量梯度下降python
在学习线性回归的时候很多课程都会讲到用梯度下降法求解参数,对于梯度下降算法怎么求出这个解讲的较少,自己实现一遍算法比较有助于理解算法,也能注意到比较细节的东西。具体的数学推导可以参照这一篇博客一、 首
python 批量梯度下降 梯度下降 python实现 批量梯度下降 随机梯度下降