基于系统动力学的供应链中牛鞭效应的研究.pdf

《基于系统动力学的供应链中牛鞭效应的研究.pdf》由会员分享，可在线阅读，更多相关《基于系统动力学的供应链中牛鞭效应的研究.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2 0 0 9 年3 月第1 2 卷第6 期中国管理信息化C h i n aM a n a g e m e n tl n f o r m a t i o n i z a t i o nM 扯2 0 0 9V 0 1 1 2，N o 6基于系统动力学的供应链中牛鞭效应的研究刘秋生，蒋国耀(江苏大学工商管理学院，江苏镇江2 1 2 0 1 3)摘要 本文运用系统动力学的原理和V E N S I M 软件构建了啤酒游戏的供应链模型。通过增加供应链模型节点个数并对其仿真结果进行分析，证明随着供应链长度的增加，牛鞭效应也愈加明显；对V M I 库存管理模式与传统库存管理模式的系统结构及运营绩效进行了比较

2、，说明供应链成员间的信息共享可以有效地弱化牛鞭效应。关键词 供应链；牛鞭效应；系统动力学；啤酒游戏 中图分类号】F 2 7 3 7 文献标识码 A 文章编号 1 6 7 3 0 1 9 4(2 0 0 9 0 6 0 0 7 2 0 41引言宝洁公司在对本公司某项产品的订货规律进行调查分析时，发现处在其供应链最下游的零售商的销售额变化并不大，而分销商中心向宝洁公司订货的波动幅度却明显增大了。而在进一步调查宝洁向供应商的订货时，他们发现其订货变化幅度更大。宝洁公司把这一现象称之为“牛鞭效应”(B u l l w h i pE f f e c t)。所谓牛鞭效应，就是指当供应链上的各级供应商只根据

3、来自其相邻的下级销售商的需求信息进行供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。一直以来，各国学者试图用各种科学的方法来描述、解释进而减弱供应链中的牛鞭效应。2 0 世纪6 0 年代麻省理工学院斯隆管理学院创建了一个名为“啤酒游戏”的库存管理策略游戏，该游戏形象地反映出牛鞭效应的存在及影响。几十年来，虽然游戏的参加者成千上万，但是游戏总是产生类似的结果。因此游戏产生恶劣结果的原因必定超出个人因素，这些原因必定是藏在游戏本身的结构里。本文利用系统动力学原理和V E N S I M 软件，构建了啤酒 收稿日期】2 0 0 8 0 7 1 3 作者简介 刘秋生(1 9 5

4、 7 一)，男，江苏无锡人，江苏大学工商管理学院教授。博士，主要研究方向：企业信息化。图4S A N 结构存储S A N 结构的存储和备份系统具有以下特点：高带宽，跨平台集中式管理。容量扩充快速方便，但设备费用较高。3 结束语威胁企业信息数据安全的因素很多，防御这些威胁的方法与手段也同样丰富。本文针对企业经常遇到的问题简单介绍了两种以较小的开销有效保护企业数据的方法。信息安全永远没有绝对，只能通过不断的努力将可靠性不断提7 2 C H I I 悄M A N A G E M E N TI N F O R M A T I O N E A T I O N游戏的模型，并通过所建模型的动态模拟，分析了啤

5、酒游戏的内在运作机制。然后通过改变参数，从供应链长度和信息共享两个方面对牛鞭效应产生的影响进行分析，为正确应对牛鞭效应提供了科学的依据。2 模型的基本假设及参数定义在原始的啤酒蝣戏中，游戏的3 个参与者形成一条供应链，分别是啤酒零售商、批发商和制造商。各参与者以其下游参与者的订单作为唯一的需求信息来源并做出销售预测，然后根据各自的库存情况独立地做出库存决策和订货决策。本文根据啤酒游戏的运作机制，首先对最简单的二阶段供应链上的系统流程进行仿真，见图l。然后根据仿真目的，改变供应链节点个数以及前后节点的因果关系，构建新的供应链的模型。通过对各种模型的仿真分析，说明供应链长度和信息共享对供应链成员订

6、单及库存的影响。如图1 所示，在最简单的二阶段供应链中，零售商的库存由市场销售率和制造商发货率共同决定，而制造商库存由其产出率和发货率决定。零售商的订单需要经过一个运输延迟才能满足。由于顾客可以在零售商那里即时购买所需，市场需求的满足不存在运输延迟。零售商根据接收到的订单和本企业库存量发出货物，不足部分则为缺货，以负数形式表示。零售商发向制造商的订单和制造商下达的生产需求取决于各自的销售预测及库存调整量和库存调整时间。库高。随着技术的进步，将有更多条道路供企业选择。在信息安全领域还有一条花费少，效果好，但最难实现的途径，那就是全面提高并强化企业员工的信息安全意识，加强企业内部安全管理。人是企业

7、安全中最重要的因素，否则即使安装了非常好的安全设施，也可能由于员工的疏忽而造成无法挽回的损失。企业员工是企业数据的创造者和守护神，是企业信息安全整体解决方案的基石。主要参考文献 1 王德禄，李莉中小企业信息技术外包风险与控制 J 科技与管理，2 0 0 8，1 0(2)：3 5 3 8 2 杨科华基于数据立方体维层次的O L A P 安全性策略 J 应用科学学报，2 0 0 8 2 6(2)：1 8 2 1 8 6 3 欧阳伟网络信息安全技术分析 J 中国科技信息，2 0 0 8(6)：1 2 4一1 2 7 4 郝淑萍，张莉浅谈网络会计面临的问题与对策 J 科技创新导报，2 0 0 8(8)

8、：1 7 9 一1 8 0 万方数据企业管理生产延迟时间运输延迟时间制造商_ f。期望库存库存调整零售商销售预测图1 传统二阶段供应链模型存调整量是期望库存量与现有库存量的差值。销售预测则产延迟时间)单位：箱周。来源于往期客户订单的移动平均数。(1 2)制造商发货率=S M O O T H 3(零售商订单，运输延迟游戏部分参数及假设根据仿真目的进行了适当的修改：时间)单位：箱周。表示零售商订单经过一定的运输延迟初始市场需求率为10 0 0 箱周，从第5 周开始上升至i4 0 0才能满足。箱周，各节点初始库存量和期望库存量为30 0 0 箱。期望库(1 3)制造商库存=I N T E G(制造商

9、产出率一制造商发存可持续时间均为3 周，库存调整时间为4 周，销售预测所需货率，期望库存可持续时间x 10 0 0)单位：箱。表示制造的移动平均时期数为6 周。假设各节点运输延迟时间和制造商库存量等于制造商产出率和制造商发货率差的积分，初始商生产延迟时间均为3 周，不存在订单延迟。仿真的时间范值为期望库存可持续时间x 10 0 0=30 0 0。围是0 2 0 0 周，步长为1。(1 4)制造商期望库存=制造商销售预测期望库存可在传统二阶段供应链的模型中，有速率变量3 个，水平变持续时间单位：箱。量2 个，常量5 个，辅助变量6 个。相应的方程式说明如下：(1 5)制造商生产需求率=M A X

10、(0，制造商销售预测+(1)市场销售率=10 0 0+I FT H E NE L S E(T i m e =(制造商期望库存一制造商库存)库存调整时间)单位：5，4 0 0，O)单位：箱周。表示市场需求在前4 周为10 0 0，箱周。从第5 周开始上升至14 0 0。表示当“制造商销售预测+(制造商期望库存一制造商(2)库存调整时间=4 单位：周。库存)库存调整时间”大于0 时订单量取该值，小于或等于O(3)运输延迟时间=3 单位：周。时则取0。(4)移动平均时期数=6 单位：周。(1 6)制造商销售预测=S M O O T H(制造商发货率，移动(5)零售商订单=M A X(0，零售商销售预

11、测+(零售商平均时期数)单位：箱周。表示制造商当期销售预测等期望库存一零售商库存)库存调整时间)单位：箱周。表于过去6 周发货率的移动平均数。示当“零售商销售预测+(零售商期望库存一零售商库存)3模型的建立及仿真分析库存调整时问”大于0 时订单量取该值，小于或等于0 时则取3 1 供应链长度对牛鞭效应影响的仿真0。3 1 1 模型的建立(6)零售商库存=I N T E G(制造商发货率一市场销售率，期望库存可持续时间l0 0 0)单位：箱。表示零售商库存量等于制造商发货率和零售商发货率差的积分，初始值为期望库存可持续时间10 0 0=30 0 0。(7)期望库存可持续时间=3 单位：周。(8)

12、零售商期望库存=零售商销售预测期望库存可持续时间单位：箱。(9)零售商销售预测=S M O O T H(市场销售率，移动平均时期数)单位：箱周。表示零售商当期销售预测等于过去6 周发货率的移动平均数。(1 0)生产延迟时间=3 单位：周。(1 1)制造商产出率=S M O O T F l 3(制造商生产需求率，生众所周知，供应链长度是影响牛鞭效应的重要因素之一，随着供应链长度的加长，需求信息在链上放大的次数越多，放大幅度越大。本文通过建立不同长度的供应链模型并对其仿真，将各节点订单量进行比较，说明供应链长度和牛鞭效应的关系。首先建立的是最简单的二阶段供应链模型在该模型下，供应链由两个节点组成，

13、即只存在制造商和零售商，而没有分销商和批发商。系统流程图如图1 所示。其次是三阶段供应链模型，相比较于二阶段模型，它在零售商和制造商间增加了一个批发商，系统流程图如图2 所示。最后是三阶段供应链模型，它由制造商，分销商，批发商，零售商4 个节点组成，系统流程图如图3 所示。图2 传统三阶段供应链模型C H f l、I AM A N A G E M E N TI N F O R M A T I O 1 1 0 N 7 3 万方数据企业管理生产延迟时间运输延迟时间制造商产m 率“制造商发货牢广分销商发货率丁批发荫发鸳，L _ 7 一r 口功硐芦e，、f J f糙敝曾率淼尹磊测艄r 蕊厶预0 发r

14、讼差售预孑霄r 惫销名预测渺造商期望库存分销商期望库存一批发商期望库存一零售商期望库存三阶段、四阶段供应链模型的参数及变量设置原理与二阶段供应链设置原理相同，批发商和分销商的参数和方程式设置参照前文零售商设置。由于文章篇幅有限，后文各模型中的期望库存可持续时间、库存调整时间、移动平均时期数已被隐藏。3 1 2 仿真结果分析仿真运行模型各节点订单输出结果分别如图4、图5、图6 所示。在二阶段供应链模型下，如图4 所示，市场销售率在第5 周发生了阶跃变化后，零售商订单和制造商生产需求率均发生了波动，而零售商订单波动幅度和时间长度明显小于制造商，制造商生产需求率在8 0 周后趋于稳定。而在三阶段供应

15、链模型下，如图5 所示，制造商生产需求率波动幅度最大，波动时间最长，批发商次之，零售商最小，此时制造商生产需求率在第1 0 5 周左右趋于稳定。在四阶段供应链模型下，如图6 所示，制造商生产需求率波动幅度最大，时间最长，其次是分销商和批发商，最后是零售商，此次制造商生产需求率在1 2 5 周左右才趋于稳定。此外，仿真结果还显示，随着供应链上节点企业的增加，制造商生产需求率大幅上升。由此说明，供应链中水平层次的参与者越多，信息被加工迭代次数就越多，放大现象越严重，市场需求扭曲的程度也越大。T i m e(W e e k)零售商订单一，_ 1 _ 1 1 _ 叶1 叶_ t _ 箱周制造商生产需求

16、噜 卜卜_ 卜1 十箱周图4 传统二阶段供应链各节点订单及需求零售商订单P 卜1，十0 卜二卜-1 _ t 十1 箱T i m e f W e e k)周垫鉴塑F 苎二_ 1 t 2 _ 卜r 千十卜一箱周制造商生产需求籍商图5 传统三阶段供应链各节点订单及需求7 4(：H Z p 舱M A N A G 口4 日订疥历D R M A 刀O N 亿A 了1 D NT i m e(W e e k)零售商订单-卜_ 1 十t _ P _ 1 卜箱周批发商订单 卜 _ _ 箱周翁霪窨坚盖聂=：=己=譬黝制造商生产需求。辑，周图6 传统四阶段供应链各节点订单及需求3 2 信息共享下对牛鞭效应影响的仿真3

17、 2 1 模型的建立及说明需求的不确定以及需求信息的个别占有是牛鞭效应产生的一个重要因素。一般认为通过供应链各成员之间的协调，建立有效的信息共享机制与激励机制，可以减轻牛鞭效应的影响。由于V M I(供应商管理库存)是一种较为典型的信息共享下的库存管理方式，本文就以三阶段V M I 下的供应链为研究对象(见图7)，将其与传统三阶段供应链(见图2)进行对比，说明信息共享对牛鞭效应的影响。在传统的供应链管理模式中，信息流由下至上到达制造商，物流由上至下到达终端客户，在这个过程中，供应链成员彼此都是独立的，没有信息共享，每个个体都是为了自己的利益最大化考虑，只会采取自己的预测方法，遵守各自的补货原则

18、等。与传统供应链不同的是，由于信息共享，使得V M I 下的供应链中只包含有用的和真实的需求信息，供应链成员不再依赖预期来进行订货。在V M I 的协议下，零售商及时将其商品销售信息和库存消耗量跨越分销环节的多个成员，与批发商、制造商共享，供应商监视零售商的库存状况，确定库存补充数量。3 2 2 模型参数的定义V M I 下的供应链模型与传统三阶供应链模型相同参数及方程式不再赘述，不同的参数和方程式说明如下：(0 1)市场销售率=l0 0 0+I F T H E NE L s E(T i m e =5 R A N D O MN O R M A L(一2 0 0，2 0 0，0，5 0，4)，O

19、)单位：箱周。为更逼真的模拟现实中的需求波动，两种模型市场销售率均改为随机波动。方程式(0 1)表示市场需求率在前4 周为l0 0 0，从第5 周开始随机波动，波动幅度为2 0 0，均值为0，波动次数5 0 次，随机因子4 个。(0 2)批发商订单=M A X(O，市场销售率+(批发商期望库存2 一批发商库存一零售商库存)4)单位：箱周。表示批发商的订单不再取决于销售预测，而取决于零售 万方数据企业管理制造商库批发商库批发商发货牢批发商销售预测觥商艟库存面两零售商订售商库零售商销售预测零售商b 望譬堡一一图7V M I 下的三阶段供应链模型商传递来的市场销售率和批发商库存调节率。而批发商库存调

20、节率为两倍的批发商期望库存与现有批发商实际库存和零售商库存的差值除以调整时期。(0 3)制造商生产需求率=M A X(0，市场销售率+(制造商期望库存3 一制造商库存一批发商库存一零售商库存)4)单位：箱周。表示制造商的订单不再取决于销售预测，而取决于零售商传递来的市场销售率和制造商库存调节率。而制造商库存调节率为3 倍的制造商期望库存与现有供应链上库存总和的差值除以调整时期。3 2 3 仿真结果分析仿真输出结果如图8 所示，与传统供应链相比(见图9)，在实施供应商管理库存后，供应链各节点订单水平及生产需求波动幅度明显降低，需求信息的放大程度也大大减少。由此可知，供应链各成员之间信息的共享有效

21、地缓和了市场需求的不确定性，消除了信息的扭曲。T i m e(W e e k)零售商订单-一，一_+一-：-箱周批发商订单 卜卜_ 卜+十箱周制造商生产需求率-一-卜_ _+_ 卜_-t-+箱周图8 传统三阶段供应链各节点订单和需求比较零售商订单。，霉!竖：竺!辅f r d 零售商订单一p _ 1 一一，一P+二一。：，批发商订单噜量量卜卜叫卜十呻+十箱周制造商生产需求t 鲁_ _ _ p 呻-_ r 1 一卜箱周图9V M I 下供应链各节点订单和需求比较此外，由于需求信息的共享供应链成员的库存水平都有不同程度的改善。但供应链上游成员如分销商和制造商的改善程度明显好于供应链的下游。在实施供应

22、商管理库存后，零售商库存水平变化并不明显，但越靠近供应链上游的成员，如批发商和制造商(分别见图l O 和图1 1)，其库存水平降低幅度越大。由此可见，信息共享是弱化牛鞭效应，降低供应链库存水平的有效手段之一。同时，信息的共享对供应链上游和下游的影响是不同的，需求信息的共享对供应链的上游企业更加有利。T i m e(W e e k)传统供应链批发商 _ t _-1 1，1 _ t _ 卜卜1 叶_ 箱V M I 供应链批发商1 P 1 t t f 卜r P 干箱图1 0 传统供应链和V M I 下供应链的批发商库存比较50 0 045 0 030 0 015 0 00T i m e(W e e

23、k)传统供应链批发商+_ _ 1+P 1+t 一1 十箱V M I 供应链批发商_ t t _ t t。p+箱图”传统供应链和V M I 下供应链的制造商库存比较4 结论牛鞭效应是供应链管理中一个非常普遍的现象，牛鞭效应是衡量供应链效率高低的重要指标，认识并且分析牛鞭效应，对于改进供应链的运行和构筑供应链的结构都有很大的帮助。本文运用V E N S I M 软件对“啤酒游戏”进行动态模拟，分别讨论并分析了不同模型中牛鞭效应的变化，说明了供应链长度对牛鞭效应的影响，并对V M I 库存管理模式与传统库存管理模式的系统结构及运营绩效进行了比较，说明信息共享对弱化牛鞭效应的意义。主要参考文献 1 马

24、士华，林勇，陈志祥供应链管理 M 第2 版北京：机械工业出版杜，2 0 0 5 2 美 彼得圣吉第五项修炼 M 上海：三联书店，2 0 0 2【3 李一峰，宣慧玉，武红江供应链中牛鞭效应的模拟研究 J 物流科技2 0 0 2(5)，1 1 1 5 4 刘晓峰，宗蓓华物流运作中。啤酒游戏”的M a d a b 仿真 J 交通运输工程学报，2 0 0 3(3)，7 3 7 4 5 达庆利，张钦，沈厚才供应链中牛鞭效应问题研究 J 管理科学学报2 0 0 3(6)，8 5 9 3 6 刘嫒媛，王海燕供应链节点变化对牛鞭效应影响的系统动力学仿真研究 J 物流技术，2 0 0 6(6)，5 0 一5 3

25、 7 王其藩系统动力学 M 修订版北京：清华大学出版社，1 9 9 4 c H 艄m M G 踟E N 下呐R 订0 N I Z A T I O N 7 5麟鉴糙一掣一弋罗髓延问产时盯卧 万方数据基于系统动力学的供应链中牛鞭效应的研究基于系统动力学的供应链中牛鞭效应的研究作者：刘秋生，蒋国耀，LIU Qiu-sheng，JIANG Guo-yao作者单位：江苏大学,工商管理学院,江苏,镇江,212013刊名：中国管理信息化英文刊名：CHINA MANAGEMENT INFORMATIONIZATION年，卷(期)：2009,12(6)被引用次数：1次 参考文献(7条)参考文献(7条)1.王其藩

26、 系统动力学 19942.刘嫒媛;王海燕 供应链节点变化对牛鞭效应影响的系统动力学仿真研究期刊论文-物流技术 2006(06)3.达庆利;张钦;沈厚才 供应链中牛鞭效应问题研究期刊论文-管理科学学报 2003(06)4.刘晓峰;宗蓓华 物流运作中啤酒游戏的Madab仿真期刊论文-交通运输工程学报 2003(03)5.李一峰;宣慧玉;武红江 供应链中牛鞭效应的模拟研究期刊论文-物流科技 2002(05)6.彼得圣吉 第五项修炼 20027.马士华;林勇;陈志祥 供应链管理 2005 引证文献(2条)引证文献(2条)1.李更生 WPS表格在平面控制测量中的应用期刊论文-矿山测量 2010(6)2.李更生 WPS表格在平面控制测量中的应用期刊论文-矿山测量 2010(6)本文链接：http:/