资讯的价值(1)(2).ppt

CH4資訊的價值 內容大綱 長鞭效應 BullwhipEffect 導致長鞭效應的主因長鞭效應之量化集中式資訊下長鞭效應之影響分散式資訊下長鞭效應之影響減少長鞭效應的方法目標衝突的供應鏈設計 簡介 我們生活在 資訊 的時代中 資訊取代了存貨 說明資訊如何影響供應鏈的設計與運作 藉由有效地利用可取得的資訊 可比以前更有效果 更有效率地設計與運作供應鏈 資訊的價值 協助減少供應鏈的變異性 協助供應商作更好的預測 即說明促銷市場的改變 使製造和配銷系統與策略能夠協調 藉由提供工具來配置所需的商品項目 使零售商能提供顧客更好的服務 使零售商能更快地反應及適應供應方面的問題 使前置時間能減少 長鞭效應 BullwhipEffect 何謂長鞭效應 BullwhipEffect 在供應鏈中愈往上游走 訂單數量變異性愈增大的現象就是長鞭效應 長鞭效應 BullwhipEffect 為了解決訂購數量問題 批發商必須要依據零售商所下的訂單來做預測 零售商所下的訂單變動會比外部需求高 批發商被迫持有較零售商多的安全存貨 或保持較高存貨以維持服務水準 同樣的結果發生在配銷商與工廠上 產生更大的變異與存貨水準 導致長鞭效應的主因 傳統存貨管理面的因素需求預測的變異前置時間批量訂購供應鏈成員對於市場力量的反應價格波動被誇大的訂單 長鞭效應之量化 把供應鏈中每一個階段會發生的變異性加以數量化 這麼一來將可有效的顯示出變異性增加的規模大小 也能顯示出預測技術 前置時間 及變異性增加之間的關係 長鞭效應之量化 在一個二階層的供應鏈中假設零售商面對一個固定的前置時間L採用 s S 存貨政策需求預測採用p期移動平均法根據需求預測Yt為t期的訂購量上限 長鞭效應之量化 假設 零售商所見顧客需求的變異數為Var D 零售商下給製造商的訂單變異數為Var Q 則相對於顧客需求的變異數應滿足下式 長鞭效應之量化 下圖顯示變異數值增加的下限 在不同前置時間L下 為p的函數 長鞭效應之量化 當p很大 L很小時 根據預測錯誤的長鞭效應是很小的 長鞭效應會隨著我們增加前置時間L 減少p而擴大 長鞭效應之量化 舉例來說 假設零售商根據最近五個觀察值 即p 5來計算平均需求 在t期期末所下訂單在t 1期期初被收到 即L 1 在這情形下 零售商從製造商收到訂單的變異數 將會較零售商本身所看見的顧客需求多48 即 長鞭效應之量化 舉例來說 當零售商根據最近十個觀察值來預測時 即p 10來計算平均需求 在這情形下 零售商從製造商收到訂單的變異數 將會較零售商本身所看見的顧客需求多22 即 換句話說 使用移動平均法時 增加的觀察的次數 零售商將可大大降低他給製造商的訂單變異性 集中式資訊下長鞭效應之影響 集中需求資訊下 供應鏈中每一個階層都收到零售商所預測的平均需求 可以計算出供應鏈中第k個階層所下訂單的變異數Var Qk 相對於顧客需求的變異數Var D 可得下面式子 集中式資訊下長鞭效應之影響 Li表在第i階層及i 1階層間的前置時間舉例來說 零售商到批發商前置時間為兩期 即L1 2批發商到配銷商前置時間也是兩期 即L2 2配銷商到工廠前置時間也是兩期 即L3 2這情形下從零售商到工廠全部的前置時間為L1 L2 L3 6 集中式資訊下長鞭效應之影響 此第k個階層所下的訂單變異數相似之前所述 不同在於前置時間必須以k階層的前置時間 在此可發現供應鏈中某一階層所下訂單的變異數是該階層與零售商之間全部前置時間的增加函數 這表示供應鏈的階層數越多 訂單的變異數會越大 分散式資訊下長鞭效應之影響 分散式資訊下 供應鏈中每一個階層都必須各自採用p期移動平均法來預測下一階層的訂單需求 依據此系統可以計算出供應鏈中第k個階層所下訂單的變異數Var Qk 相對於顧客需求的變異數Var D 可得下面式子 分散式資訊下長鞭效應之影響 此處的變異性在供應鏈每一階層是以乘數在增加 訂單的變異性會隨向供應鏈上移而增加 因此批發商所下之訂單的變異性會大於零售商 集中資訊與否變異性之差異 集中式資訊下 供應鏈中訂單的變異數是依所在階層之總前置時間逐漸累加的 分散式資訊下 供應鏈中卻是依成數增加 然而 即使在需求資訊完全集中下 且供應鏈中每一階層都可使用相同的預測技術及存貨政策 長鞭效應還是會存在的 只是影響程度較小而已 集中資訊與否變異性之差異 由下圖可發現 當Li 1時 k 1 k 3與k 5所下訂單 在集中資訊與分散資訊下之變異性 減少長鞭效應的方法 1 透過資訊技術的應用 改變訂單作業程序 傳統供貨流程供應商與零售商之互動性低各自的作業流程資訊交流有限採用電子商務的供貨流程透過EDI POS直接取得資訊提高零售商與供應商的互動程度前置時間的縮短 減少長鞭效應的方法 1 透過資訊技術的應用 改變訂單作業程序 採購流程改變對於長鞭效應的改善做到資訊共享 供應商可直接掌握最終端需求的資訊 可降低供應鏈存貨水準與避免誇大的訂單資訊透過EDI 可加速訂單處理工作 縮短前置時間 亦可降低固定訂購成本支出 對於降低訂購批量亦有助益透過第三方物流配送可減少Full Track Load的經濟效益 減少長鞭效應的方法 2 資訊集中的效果可降低需求的不確定性降低需求的變異性縮短訂單處理時間 減少訂購前置時間可避免誇大的訂單資訊3 策略聯盟關係策略聯盟可改變供應鏈中的資訊分享方式與存貨管理方式 VMI 可以減少長鞭效應的影響 有效的預測 資訊導至更有效的預測 愈多未來需求的因素能夠被加以考量 預測的正確性就越高 聯合預測系統在這些系統中 複雜的資訊系統提供了一個反覆的預測程序 使在供應鏈當中的參與者透過合作能夠達到對預測有一致的共識 供應鏈所有的參與者分享並使用相同的預測工具且導至長鞭效應的降低 聯合預測 規劃及補貨 CollaborativePlanning ForecastingandReplenishment CPFR將供應鏈各企業的規劃 預測及補貨程序所需之資訊 透過電子商務的技術加以有效連結與分享 五位鋼琴家要在同時間以同樣的速度彈奏同樣的曲子 彼此看不到對方 應該如何進行 同樣的樂譜 節拍器保持同樣的速度 一位指揮讓五位鋼琴家知道何時開始 何時調整 何時結束 系統整合的資訊 系統不協調時供應鏈的每一個成員只尋求自己運作的最佳化 而不去注意本身的政策對供應鏈其他成員的影響 全面的最佳化確認什麼才是對整個系統最好的做法 誰來做最佳化 如何使透過協調的策略而節省下的成本能在不同供應鏈的設施之間彼此分享 找到需要的產品 有很多種方式可以滿足顧客的需求 對一個庫存式生產系統 madetostock 而言 我們希望從零售的存貨來滿足顧客需求 能夠找出且配送產品 有時與擁有存貨一樣有效 例如大型產品 但如果商品是在零售商的競爭者手中 這些競爭者是否願意為零售商調撥商品則不是很明朗 前置時間的縮短 加速訂單到上游與物品到下遊的時間有效的資訊系統 資訊流 有效的配銷網路設計 物流 效益快速滿足顧客訂單降低長鞭效應更正確的預測減少存貨水準 資訊和供應鏈互抵效果 供應鏈不同階層均有衝突的目標 而對供應鏈中不同階層的整合或協作也造成了衝突 甚至在一個階層中 降低存貨水準或運輸成本的互抵效果 或是增加產品多樣性的互抵效果也常常出現 藉著小心地使用可獲得的資訊 供應鏈可以更趨近於全面最佳化 並依據不同衝突目標和不同互抵效果 降低系統面的成本 目標衝突的供應鏈設計 在過去 為了達成某些目標 另外一些目標必須要被犧牲 供應鏈被視為是一連串要決定的互抵效果 大量的資訊現在已可取得 這使供應鏈能夠被設計來折衝這些彼此衝突的目標 一些在幾年前被認為是在供應鏈中存在的互抵效果 現在已不再互相抵觸 目標衝突的供應鏈設計 批量大小 存貨的互抵效果零售商小批量訂購 降低存貨 製造商大批量生產 降低成本 方法現代化製造技術小批量生產看板 setuptime降低 快速換模零售商取得製造資訊可瞭解製造商能力 產生信心 目標衝突的供應鏈設計 存貨 運輸成本的互抵效果整車運輸降低運輸成本需求總是低於整車貨量 提高存貨成本方法先進的生產控制系統與配銷控制系統可確保生產的數量結合不同產品 確保整車運輸需要訂單資料 需求預測資料 供應商的配送時間表 目標衝突的供應鏈設計 前置時間 運輸成本的互抵效果存有物品到整車在運輸 降低運輸成本製造完成立即運送 降低前置時間方法改善預測技術及資訊系統降低前置時間的其他構成要素 訂單處理時間 改善資訊流的時間而不必去改善物流時間 目標衝突的供應鏈設計 產品多樣 存貨的互抵效果產品多樣性 會同時增加運輸與存貨成本方法延遲差異化 物流設計 中性化的產品往下游移動 在視下游需求進行多樣化運用風險共擔觀念 中性化產品彙整顧客需