蔡报熠牛鞭效应研究综述

1、供应链管理“牛鞭效应”研究综述摘要：随着全球化的竞争不断加剧，企业间的竞争逐渐转变为供应链与供应链之间的竞争。牛鞭效应导致供应链运作效率低下，日益成为供应链研究的焦点。本文首先给出牛鞭效应的定义，再讨论形成的原因，接着列举了牛鞭效应研究的里程碑事件，然后列举了近些年来的进展，接着对牛鞭效应的减弱方法进行了梳理。最后对供应链中牛鞭效应进行展望。关键词：供应链管理；牛鞭效应；综述0.引言牛鞭效应是指供应链中的零售商向供应商的订货量与其实际的销售量不一致.一般地,发给供应商的订货量,其方差大于销售给买方的(即需求扭曲),这种扭曲以放大的形式向供应链的上游蔓延(方差变大)1.牛鞭效应给企业造成的后果是

2、不言而喻的,有时甚至非常严重.由于较差的需求预测,制造商支付了超额的原材料成本或产生原材料短缺.额外的制造费用、加班费,以及很高的库存水平导致超额的仓储费用和大量资金积压,低效率的运输过程和超额的运输成本等,都直接影响企业的效益。牛鞭效应有时称作“蝴蝶效应”2,它是形容北京的一只蝴蝶扑扇一下翅膀引起了佛罗里达的风暴.在经济生活中,因为一些企业出现了这种现象,导致整个国家的生产能力过剩经济危机.即经济学家所说的“库存加速器理论”(inventory accelerator theory)。牛鞭效应问题如此重要,多年来一直受到企业家和学者的关注,但直到近年对它才有较为清晰的认识.本文基于国外的文献

3、对该问题的研究工作进行回顾和总结.国内对供应链的研究尚处于起步阶段3,4。1.牛鞭效应成因1.1从经济学角度Forrester认为牛鞭效应现象是由于组织行为随时间变化引起的,并假设系统参与人具有某种特定的行为方式,因此,牛鞭效应可以通过改变组织的行为方式克服。Sterman将牛鞭效应归因为参与人的非理性行为和对反馈信息的错误理解10,认为通过对参与人培训可以克服这种现象.也有学者认为是系统参与人为响应需求变化25,避免缺货20或降低生产成本26,在追求利润最大条件下的理性行为1,27。供应链是若干个公司或组织组成的动态联盟,根据委托代理理论,供应链内部上下游之间是一种双向委托代理关系,即使那些

4、企业形成供应链,也都有各自的利益,分别拥有市场需求、销售数据、成本结构等方面的信息,并据此分别作出对自己最有利的决策,不同成员的决策又会互相影响1,27.从传统意义上讲,其契约关系是松散的,对整个系统的运作缺乏有效的激励机制和监督机制。1.2从运作管理的角度许多学者在发现牛鞭效应这一现象时,就找到了它的起因,但有片面性.Lee等人从运作管理的角度分析了牛鞭效应现象的5个主要原因1,27：（1）需求信号处理18,2024.买方在某时期发现需求增加,会认为这是未来需求将会提高的预兆,从而大幅度增加订货量.在传统的运作管理中,上游仅仅依靠下游买方的需求数据做出预测和决策,它的库存控制将不可避免地受到

5、扭曲信息的损害.这样重复下去,呈现逐步放大的趋势,即多重预测是导致牛鞭效应的一个关键因素。（2）供应短缺20.制造商的生产能力不能满足潜在的需求时,会根据买方的订货量限额配给,买方为了得到更多的配额,就会提高订货量,超出实际的需求.当这种问题解决后,订货量会回到正常的水平.其实,即使供应量充足,只要买方认为可能发生缺货,就可能采取以上的策略。（3）批量订货14.由于订货成本等因素,经济批量订货(EOQ)对买方可能是最优的订货策略,但对供方可能很糟糕.多个买方的订货时间分布有随机订货、正相关订货和平衡订货3种情况,这3种情况对供方来说有相同的订货量期望值,方差是第1种最大,第3种最小.3种情况下

6、的方差都大于买方面临的需求变动的方差。（4）价格变化.制造商的产品价格在一定范围内随机变化时,零售商的最优订货策是价格低时扩大订货,价格高时减少订货.另外,由于在某些时期对大量采购提供促销和打折措施,导致不正常的订货或销量,也会引起牛鞭效应。（5）交货时间19,28.牛鞭效应的起因还与供应链环节之间交货的时间迟滞紧密相关.这些时间迟滞有时很长,在服装行业中,两次供货之间竟花平均一年到66周的等待时间28。综上所述,牛鞭效应是供应链成员在自身利益的驱动下,所做出的理性决策的结果。从管理的层面上讲,是供应契约结构的不合理、需求信息的不确定和需求信息的个别占有等因素造成的。2.牛鞭效应的里程碑事件李

7、刚等(2004)认为牛鞭效应经过了四个里程碑式的研究:Forrester (1961)、Burbidge (1984)、Sterman (1995)和Lee(1997)。2.1 (1997)以前的里程碑事件学术界一般认为,牛鞭效应研究的开创者是Forrester, Forrester (1961)发现了需求扭曲现象和方差放大现象,且认为解决牛鞭效应的方法是将供应链作为一个整体来考虑,根据系统动力学的观点,对一个三阶段四结点的供应链系统进行仿真建模,以便管理者确定合适的决策方案。Burbidge (1984)从产业动力学的角度对牛鞭效应的机理进行了探讨,他提出了“5个避免破产的黄金法则”,认为对

8、订购策略进行调整可以有效解决问题。在Sterman (1995)讨论的MIT啤酒游戏(MITBeer Game)中,过度的反应总会出现在供应链的上游,造成系统总费用的增加。Sterman认为出现这种情况的原因在于参与者没有认识到系统是一个彼此联系的整体,他们在过程中往往做出非理性的决策;他认为通过对管理人员的再培训,帮助他们养成“系统思维”,可以有效地解决问题。2.2 (1997)的研究内容（1）需求信号处理（2）短缺博弈（3）订单批量（4）价格波动针对每一种具体原因，Lee提出了对应的解决方法。对于需求信号处理所造成的牛鞭效应，Lee建议信息共享、避免多重预测和缩短提前期;对于短缺博弈所造成

9、的牛鞭效应，Lee建议采用根据历史数据进行分配、提高信息共享水平和订立合同等方式;对于订单批量所造成的牛鞭效应，Lee提出了减少运输成本(通过利用EDI和CAO等手段)、拼车发货和第三方物流的建议；对于价格波动所造成的牛鞭效应，Lee建议采用作业成本法、天天低价战略和签订合同的方式来进行控制和弱化。3.近年来牛鞭效应研究的新进展Cachon (1999)用一个供应商和个零售商的模型,讨论零售商订货间隔和订货数量的平衡问题,认为加大订货间隔和减少订货规模可以降低供应商的需求方差。傅烨和郑绍濂(2002)从委托代理理论出发考察了供应链牛鞭效应的成因，指出供应链中的牛鞭效应和其他效率损失问题的根源在

10、于供应链的结构,并从利益目标协调、信息一体化两个方面讨论了削减牛鞭效应的应用方法。Kim等(2006)在前人研究的基础上,引入了随机提前期,经过分析后发现,随机提前期和确定性提前期的存在,都会使牛鞭效应恶化。李立等(2006)研究了不同信息共享模式下的牛鞭效应,得出销售信息共享所产生的上游信息波动最小,库存信息共享次之,订单信息共享模式下导致上游的订货波动最大。路应金等(2006)将牛鞭效应的形成过程描述成系统内部的非线性机制，用算法计算得到需求信息处理和价格波动下牛鞭效应的关联维数,模拟可知需求信息处理和价格波动下牛鞭效应具有分形特征。另外，本文在进行文献整理时，发现Lee(1997)之后的

11、研究热点相当突出,集中在不同需求预测技术对牛鞭效应的影响、供应商管理库存（VMI）方法的研究和应用、博弈理论研究牛鞭效应和控制论抑制牛鞭效应四方面，本文接下来将按照这些研究热点进行分别综述。3.1牛鞭效应需求预测方法。近年来,国内外致力于需求预测方法的成果颇多。Chen(2000)建立了包含一个零售商和一个制造商的两阶供应链系统，假设AR(1)需求过程分别采用移动平均方法（MA）和指数加权移动平均方法（EWMA）进行需求的预测，引入指标BE=Var(SD)/Var(RD)来衡量牛鞭效益的严重程度,然后利用预测结果在供应链系统中考察牛鞭效应,分析其影响因素,认为集中和共享需求信息可以削减牛鞭效应

12、。李刚等(2006)开发了一种普遍适用于一般需求过程是ARIMA的供应系统的订单预测方法,简称为LYW方法,通过与LST方法和Raghunathan方法的对比，认为LYW方法不需要使用任何实时更新的需求信息,却可以产出和信息共享方法同样的绩效。刘红等(2007)以消费需求AR(1)模型为基础,在假定采用订货点库存策略的前提下,分别推导出了零售商采用MA、ES及均方误差优化方法预测市场需求时生产商所面对的需求波动,认为随着需求相关系数的增大,采用均方误差优化预测技术时的牛鞭效应与采用MA时的牛鞭效应的比较、采用均方误差优化预测技术时的牛鞭效应与采用ES时的牛鞭效应的比较,均与零售商备货期的大小有

13、关。3.2供应商管理库存。Lee(1997)针对需求信息处理和价格波动所造成的牛鞭效应,提出了信息共享这一解决策略。信息共享发展到高级阶段,既包括订单信息和库存信息的共享,也包括销售信息的共享,这需要供应链企业建立战略伙伴关系,供应商管理库存是深受理论界推崇的典型方法,大部分学者认为VMI的应用可以有效削减牛鞭效应。Disney和Towill(2003)设计了一个两级供应链VMI系统下牛鞭效应的仿真模型,他们的仿真结果表明VMI可以减少50%的牛鞭效应,说明采用VMI方式对控制牛鞭效应具有重要的积极意义。徐礼富等(2008)也设计了两级供应链系统,假定零售商的需求是独立均匀分布的,不同的是,这

14、篇文章是理论和公式的推导而非仿真。也有研究对VMI减少牛鞭效应提出了质疑。周萌剑(2007)从理论和应用两方面对VMI削减牛鞭效应的局限性进行了分析。从理论模型的角度,他认为VMI模式并不适合短期合作,也不适用于市场需求波动剧烈的产品;从应用的角度,应用范围的局限、成本因素的考量、博弈与再博弈等均对VMI模式的应用产生限制。3.3博弈理论的应用。博弈理论（Game Theory）是研究供应链中的竞争和合作的常用方法,近年来,用博弈理论研究牛鞭效应是学术界关注的热点。Cachon等(1999)考虑了在包含一个供应商和个零售商的供应链系统中,当零售商的需求之和超过供应商的固定生产能力时,采用tur

15、n-to-earn的方式进行分配,这属于短缺博弈的范畴, turn-to-earn方式是根据历史数据进行需求分配的一种特殊模式,供应商在某期对某一零售商的供货量与该零售商上期销售量完全相等。万杰等(2002)分析了几种分配机制并根据是否产生牛鞭效应将它们划分为两大类: “鼓励响应”直接机制和“激励扩大”机制,通过量化分析,证明了“激励扩大”机制会激励零售商增加订货,导致牛鞭效应的出现。唐宏祥等(2004)运用信号传递博弈理论研究了供应链中零售商和供应商之间的需求信息共享机制,认为供应商和零售商之间信息共享的关键在于分离均衡的存在,分离均衡使供应商能够得到足够的信息量来识别零售商需求预测的真实性

16、。3.4控制论的应用。牛鞭效应模型从研究方法来看,可以分为三种,即系统动力学模型、统计学模型、控制理论模型,控制理论用于研究牛鞭效应是近几年提出的新方法。Dejonckheere等(2003)从控制论的理论和方法出发去衡量和避免牛鞭效应,他强调了控制论中的传递函数、频率响应曲线和光谱分析,用控制论的方法分析了order-up-to(考虑持货成本和缺货成本最优)补货策略下的牛鞭效应。佀楠楠等(2007)建立一个多阶段供应链系统,讨论了控制理论在牛鞭效应研究中的应用,认为控制论不需建立在特定的需求模式上,能更好地反映供应链系统本身的性能。王磊等(2004)认为控制论模型是三类研究方法中最优秀的模型

17、,但由于牛鞭效应产生的原因众多,还需将其结合具体的供应链过程、结构和其中的策略来分析。4.消除或减轻牛鞭效应的对策从根本上解决牛鞭效应,供应链成员的利益目标必须完全一致.一般来说,这是不可能的。通过供应链的协调,订立合理的契约,建立完善的激励机制和监督机制,实行有效的信息共享,可以减轻甚至消除牛鞭效应.在具体的运作中,可采用销售数据和库存信息共享,减少供应链环节,缩短订货的提前期或交货时间,买卖双方协调订货以及制造商价格方案的简化等策略。5. 近年来牛鞭效应研究的特点及其发展趋势5.1近年来牛鞭效应研究的特点通过对近年来牛鞭效应研究热点的回顾和总结,我们发现Lee(1997)之后的大部分研究成

18、果都集中在对Lee (1997)框架内容的补充和扩展上,其中信息共享方面的研究成果最为丰富。虽然研究内容是在Lee (1997)框架下的,但这些研究较以往的研究相比,数学方法被广泛采用,人们对牛鞭效应的定量化研究成为热点,随之而来,研究深度较以往增加,考虑问题也更加符合实际。另外,研究深度的加大还表现在新模型和新理论不断被提出,从传统的系统动力学观点,到经典的统计学模型(如AR(1)模型),再到近些年兴起的控制理论,牛鞭效应研究中不断涌现出新的模型和理论,这也是牛鞭效应不断受人关注的源泉。另外,牛鞭效应的研究范围不断扩大,对于Lee (1997)框架外的新研究观点,不论是闭环牛鞭效应,定价的逆

19、向牛鞭效应,还是BTO方式下的牛鞭效应,都可以看作是对传统牛鞭效应研究的演化和扩展,其研究思路和方法与传统研究相当,但内容却不局限在需求信息和方差放大的角度。从文献数量上看,这些新的研究观点尚未成为研究热点,其生命力还有待考验。5.2牛鞭效应研究的发展趋势总结了研究现状和特点后,本文认为牛鞭效应研究的发展趋势如下:首先,牛鞭效应作为供应链管理的核心问题之一,会继续作为理论界和企业界研究的热点发展下去。对任何理论模型和研究领域而言,其生命力的长短取决于自己的核心问题,牛鞭效应在供应链中就属于这样一类问题。其次,有关牛鞭效应的新理论和模型将继续涌现。近年来,大量新理论和模型被引申到牛鞭效应研究中来

20、,其中控制论在近年来受到了学者的推崇,这种百花齐放的趋势将继续延续。再次,统一系统地论证和研究牛鞭效应问题是下一步的工作。不同预测方法,不同理论的应用,似乎将牛鞭效应研究引入一个不断分化的未来,但本文认为这只是一个暂时的现象,牛鞭效应的研究会向更一般化、包容性更强的模型和方法发展。将现有研究加以整合,得出一个一般的、适用于大多数供应链的牛鞭效应研究框架,让理论和实践更好的结合,是牛鞭效应研究的未来工作。参考文献：1郑湛,郑小京,徐绪松.供应链风险管理研究综述信息风险管理J.技术经济,2013,06:120-129.2许民利,周依.基于行为运作的供应链牛鞭效应研究综述J.北京理工大学学报(社会科

21、学版),2013,05:43-51.3路应金,唐小我,张勇.供应链中牛鞭效应的分形特征研究J.系统工程学报,2006,05:463-469.4吴军,李健,汪寿阳.供应链风险管理中的几个重要问题J.管理科学学报,2006,06:1-12.5于晓霖,刘敬保.基于APIOBPCS模式VMI下牛鞭效应仿真研究J.管理科学,2007,06:11-21.6茆剑.基于Swarm的供应链“牛鞭效应”分析J.科技管理研究,2005,06:85-87+62.7黄丽娟.供应链管理中的牛鞭效应(BullwhipEffect)现象研究以图书供应链为例J.科技进步与对策,2005,04:143-145.8刘开军,张子刚,

22、周永红.线性库存管理策略下供应链中需求传播过程J.管理科学学报,2008,04:94-103.9廖诺,徐学军.信息共享对瞬时补货多级供应链牛鞭效应影响的建模分析J.工业工程,2008,02:92-95.10高然,龙子泉.牛鞭效应研究现状与趋势:一个文献综述J.华东经济管理,2010,12:135-138.11谢科范,彭华涛.供应链管理中的“牛鞭效应”与信息风险J.中国机械工程,2003,17:76-78+6.12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,2003,03:86-93.13侯玲,陈东彦,腾春贤.集群式闭环供应链系统动态模型及牛鞭效应分析J.工业工程与管理,20

23、11,04:28-33+39.14李刚,汪寿阳,于刚,阎洪.牛鞭效应与生产平滑模型有效性问题.管理科学学报,2004,7(1):1-18.15沈厚才,陶青,陈玉煜.供应链管理理论与方法J.中国管理科学,2000,(1):1916Forrester J.Industrial DynamicM.New York:MITPress and Wiley&Sons,Inc.196117Blanchard O J.The production and inventory behaviorof the American automobile industryJ.J Political Economy

24、,1983,91(3):36540018West K D.A variance bounds test of the linear quadratic inventory modelJ.J Political Economy,1986,94(4):37440119BlinderAS.Can the production smoothing model of inventory behavior be saved?J.Quarterly Journal of Economics,1986,101(3):43145420Krane S D,Braun S N.Production smoothin

25、g evidence from physical product dataJ.J Political Economy,1991,99(3):55858121Sterman J D.Modeling managerial behavior:Misperceptions of feedback in a dynamic decision making experimentJ.Manage-ment Science,1989,35:32133922Sterman J D.The beer distribution gameA.In Heieke J,Meile L,eds.Games and Exe

26、rcises forOperationsManagementM.New Jersey:Prentice Hall,1995.10111223Senge PM,Sterman J D.System thinking and organizational learning:Acting locally and thinking globally in the organization of thefutureJ.European Journal of Operational Research,1992,59(3):13714524Towill R D.Industrial dynamics mod

27、eling of supply chainsJ.International Journal of Physical Distribution&LogisticsManage-ment,1996,26(2):234125Metters R.Quantify the bullwhip effect in the supply chainsJ.Journal of OperationsManagement,1997,15:8910026Blinder A S.Retail inventory investment and business fluctuationsJ.Brookings Pa

28、pers on Economic Activity,1981,(2):43350527Caplin A S.The variability of aggregate demand with(s,S)inventory policiesJ.Econometrica,1985,53:1359140928Keller P,Miline A.The effect of(s,S)ordering police on the supply chainJ.Int J Production Economics,1999,59:11312229Baganha M P,Cohen MA.The stabilizi

29、ng effect of inventory in supply chainsJ.Operations Research,1998,46:S72S8330Cachon G P.Managing supply chain demand variability with scheduled ordering policiesJ.Management Science,1999,45:84385631Kahn J.Inventory and the volatility of productionJ.American Economic Review,1987,77(4):66777932Xu K,Do

30、ng Y.VendorManaged Inventory:Towards a Better Coordination of Information in a Supply ChainR.ICM98_Shang-hai,199833Chen F,Drezner Z,Ryan J K,David Simchi_Levi.Quantifying the bullwhip effect in a simple supply chain:The impact of fore-casting,lead times,and informationJ.Management Science,2000,46:43644334Lee H,So Kut C,Tang Christopher S.The value of information sharing in a two_level supply chainJ.Management Science,2000,46:62664335Graves S