(2)供应链的决策结构与牛鞭效应
(1)需求预测
即lee,et a1.等人所描述的对需求信号的处理。根据lee,et a1.等人的分析,供应链内部各环节(企业)对需求信号的处理过程是导致牛鞭效应的原因之一。
在供应链中,上游节点企业主要依赖下游节点企业的订单作为自己需求预测的依据,据此安排生产计划或供应计划,并据此向其上游节点发出订单。这一需求信息的产生过程是产生牛鞭效应的主要原因。企业一般采用简单的移动平均法和指数平滑法来预测需求。
假设供应链上的每一级均孤立地开展库存管理决策(*小*大库存法),当某物品的实际库存量一旦低于*小库存(订货点),即发出订货,将物品补充至*大库存。预设订货点一般需要考虑两个因素:交货周期内的常规库存;应对需求波动的**库存。服务水准高低的设定,决定了**库存的大小。
作为一位决定订单订货量的管理者,可使用一种简单的方法来进行需求预测,如指数平滑法。使用此法,当每日的新数据出现时,未来需求将呈现连续变化,发送给供应者的订单既反映了来自需求的库存数量,也反映了必要的**库存量。未来需求与相关的**库存可通过平滑技术得到。在交货期里,保持数周的**库存是习以为常的,其结果是预期的订货量将比需求数量变化更大。
在供应链中,作为供应商的管理者,来自管理者的原有状态的每日订单就构成其需求。如果也使用指数平滑法来计算需求预测值及**库存,那么供应商提供的订单将会有巨大波动。由于大量的**库存产生牛鞭效应,因而使供应链中供应的交货时间越长,波动更为剧烈。
(2)库存策略——批量订货
在供应链中,每一个企业通常使用某种方法来控制库存。当库存耗尽时,下游企业会立刻向上游供应商发出订单,提出订货。订货批量有周期批量和即刻批量两种形式。
企业通常采用批量订货法,既能减少订货次数与订货成本,又可获得批量运输的费用折扣。然而,若下游企业孤立开展库存管理决策和批量订货,上游企业实际面对的是间歇型的批量订货,时而一个大数量订货,时而订货为零,呈扭曲和振荡波动的批量型需求,而不是实际的*终需求。周期订单的制订和执行增大了需求变化范围并产生牛鞭效应。
(3)促销策略——价格波动
若商品供应价格存在周期性波动,当价格较低时,零售商将大量购进和囤积商品,同时减少价格较高时段的采购,造成订货数量的周期性振荡。
供应链中的牛鞭效应导致供应链巨大的效率损失:它误导了生产计划,导致过多的库存投资、收益减少,并且降低了服务水平,还会导致无效运输等。因此对其形成机理、影响因素进行系统的理论与实证研究具有重要的理论与现实意义。
本书在分析供应链牛鞭效应形成机理的基础上,首先以H.L.Lee提出的基于AR(1)需求模式的两级供应链牛鞭效应的理论模型为参考,从影响供应链牛鞭效应的外部因素即市场需求模式,以及内部因素即供应链的组织结构和决策结构等多个方面,对H.L.Lee的简单供应链牛鞭效应理论模型在深度和广度上进行了系统完整的拓展研究。主要的拓展性理论研究工作包括:建立了在无信息共享条件下基于AR(1)和ARMA(1,1)需求模式,采用移动平均预测技术、一次指数平滑预测技术、均方误差优化预测技术和订货点库存策略的供应链牛鞭效应理论模型并进行了参数影响分析,给出了订货量输出的随机特性。在信息共享条件下建立了基于AR(1)和ARMA(1,1)需求模式,采用移动平均预测技术、均方误差优化预测技术和订货点库存策略的供应链牛鞭效应理论模型。
同时,利用EXTENI)系统仿真软件,建立了在共享和不共享需求信息的条件下,市场需求为AR(1)或者ARMA(1,1)时间序列,采用移动平均预测技术、一次
指数平滑预测技术或者均方误差优化预测技术等各种组合情况下,供应链牛鞭效应的仿真模型,并对供应链牛鞭效应理论模型和仿真模型进行了相互验证。在此基础上,结合正交试验、极差分析技术和方差分析技术对影响供应链牛鞭效应的各种因素的重要度进行了排序,为降低供应链牛鞭效应提供了参考和依据。
在上述研究工作的基础上,作者比较了在AR(1)和ARMA(1,1)需求模式下,供应链各级成员共享或不共享市场需求信息、采用移动平均预测技术或者均方误
差优化预测技术时供应链系统整体牛鞭效应的大小,给出了共享或不共享需求信息以及不同预测技术的适用场合。
*后,作者结合供应链牛鞭效应的概念,**对航运市场上的牛鞭效应进行了证研究。
通过上述对供应链牛鞭效应的理论和仿真试验研究,得到了如下主要结论:
(1)对基于AR(1)需求模式、移动平均预测技术、订货点库存策略的供应链,总是存在牛鞭效应。其值随备货期L的增加而增加,随需求预测时依据的基础数
据期数p的增加而减小。