供应链管理中的牛鞭效应研究模板

供应链管理中的牛鞭效应研究资料内容仅供参考，如有不当或者侵权，请联系本人改正或者删除。摘要牛鞭效应是供应链上的一种需求变异放大现象,是供应链上的信息流从最终客户端向原始供应商传递时,信息出现了扭曲而逐级放大,导致了需求信息出现越来越大的波动。牛鞭效应导致供应链中巨大的损失:它误导生产计划、导致过多的库存投资、收益减少,而且降低了服务水平,导致无效运输等等。由于牛鞭效应是供应链本身的结构决定的固有特性,是无法消除的。因此最大限度地削弱牛鞭效应的影响成为提高整个供应链效率,实现供应链管理目标的关键。论文首先采用了定性分析的方法对供应链管理中牛鞭效应的产生机理进行系统分析,然后在信息共享条件下运用回归分析法对具体案例进行分析,重点讨论订货提前期对牛鞭效应的影响,最后据此提出减轻的方法和措施。关键词:牛鞭效应;供应链;回归分析;订货提前期

AbstractThebullwhipeffectisademandvariabilityamplificationphenomenoninthesupplychain.Whentheinformationflowpassesfromtheend-clienttotheoriginalsupplierinthesupplychain,theinformationappearsdistortedandprogressivelyenlarges,andleadstothedemandinformationcausesgrowingfluctuations.Thebullwhipeffectcausesmuchloss

in

the

supplychain:itmisleads

theproductionplan,leadsto

excessive

inventoryinvestment,

reducesearnings,

reducesthelevelofservice,andcausesinvalidtransportandsoon.Becausetheinherentcharacteristicsof

thestructure

of

the

supplychainleadthebullwhipeffect,soitcannotbeeliminated.So

weaken

the

bullwhipasmuchaspossibleisthekeyofimproving

the

efficiency

of

theentiresupplychain,andachieving

the

goal

of

supplychainmanagement.Firstly,thepapermakesasystematicanalysisofthemechanism

of

the

bullwhipeffect

in

supplychainmanagementbyamethodofqualitativeanalysis.Then

underconditionsoftheinformationsharing,itusestheregression

analysis

to

analyze

the

specificcase,andfocusesontheleadtime’sinfluencetothebullwhip.Atlastthepaper

proposesthemethodsandmeasurestoweak

the

bullwhip.Keywords:

bullwhipeffect;supplychain;regressionanalysis;leadtime

目录1绪论 11.1研究的背景和意义 11.2国内外研究现状 21.3论文的研究内容和结构 32供应链管理和牛鞭效应介绍 52.1基本概念 52.1.1供应链管理概述 52.1.2牛鞭效应概述 62.2牛鞭效应的成因分析 82.3牛鞭效应的危害 102.4减小牛鞭效应的措施 113牛鞭效应量化模型线性回归预测描述 153.1线性回归预测法概述 153.2线性回归方程介绍 163.3牛鞭效应量化模型 184案例分析 204.1BMW物流介绍 204.2数据收集及分析 214.2.1非固定周期订货分析 214.2.2固定周期订货分析 254.2.3原因分析 284.2.4解决方法叙述 305总结 32致谢 33参考文献 34附录A 36附录B 431绪论1.1研究的背景和意义进入21世纪以来,随着全球经济化和信息化趋势的增加,全球经济一体化的步伐在加快,竞争也更加激烈。与此同时,由于信息技术和生产技术的提高,使得产品的生命周期缩短,在这种情况下,单个企业间的竞争逐渐地让位于供应链之间的竞争。现代企业要想保持住自己在竞争中的地位,保持自己的核心竞争力,企业就必须重新审视自己的内在力量源泉和新的竞争点,供应链管理成为企业的最佳选择。供应链管理是指在满足服务水平的同时,为了使系统成本最小而采用的把供应商、制造商、仓库和商店有效地结合成一体来生产商品,并把正确的数量的商品在正确的时间送至正确的地点的一套方法。供应链管理的目的是追求整个系统的成本最小和效率最高,有效的供应链管理是以市场需求为驱动力,从而协调供给与需求之间的关系。可是在供应链上,常常存在着如预测不准确、需求不明确,供给不稳定,企业间合作性与协调性差、造成了供应缺乏,生产与运输作业不均衡、库存居高不下,成本过高等现象[1]。牛鞭效应正是供应链中各方成员试图调节供需关系时发生的。供应链上的一种需求变异放大(方差放大)现象,是供应链上的信息流从最终客户端向原始供应商传递时,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。最下游的客户端相当于鞭子的根部,而最上游的供应商相当于鞭子的梢部,在根部的一端只要有一个轻微的抖动,传递到末梢端就会出现很大的波动。在供应链上,这种效应越往上游,距终端客户越远,变化就越大,影响也就越大。这种信息扭曲,如果和企业制造过程中的不确定因素叠加在一起,将会导致巨大经济损失。牛鞭效应对供应链中企业的影响是相当严重的。它使企业对市场需求预测失误,过高或过低预测需求,导致供不应求或过多存货,造成巨大损失;它还会使企业的生产计划产生偏差,在设计工厂、仓库、配送中心和销售点的设施规模和网点布局的时候容易规划不善;还有产品或服务质量降低,成本增加等危害。企业要想在当前如此激烈的竞争环境中立于不败之地,缓解牛鞭效应尤为重要。针对牛鞭效应产生的诸多原因,缓解牛鞭效应的策略更是多种多样,采取有效措施对症下药,消除产生的原因都能在一定程度上取得效果。1.2国内外研究现状牛鞭效应现象并非最近才发现,早期的研究基本上集中于证明牛鞭效应的存在。早在20世纪60年代初,Forerster用系统动力学原理,研究了一系列的案例,首先发现了消费需求波动沿着供应链向上游企业逐渐放大的系统特性,而且证明了这个行业的动态变化或行业组织系统的行为随时间而动态变化的结果,能够经过改变组织的行为方式加以克服[2]。Burbridge教授(1984)从产业动力学的角度对牛鞭效应的机理进行了探讨。基于在工业界长期从事生产计划和控制的经验,她提出了”5个避免破产的黄金法则”。在这些法则中,她详细地讨论了需求的放大现象以及解决方法。不同于Forrester的研究,Burbridge的工作强调了关键结合点(Sharpedged)的价值及生产的不连续性,以及由此造成的所谓信息流的多级阶段(multi-phasingoftheinformationflow)[3]。Towill经过模拟的方法证实了库存管理方法对供应链信息扭曲的影响。需求变化的幅度每经过一个环节就会增加一倍,生产商从中间环节获得订单后,对市场需求变化的预测幅度几乎是最初的8倍之多。她还集中研究了供应商的不同分配机制对牛鞭效应的影响,提出不同性质的机制具有不同的激励作用,对供应商和零售商的行为产生不同的影响,有些机制会加剧订货的波动程度,即加剧牛鞭效应,而有些机制不会导致这种现象[4]。牛鞭效应研究的一个里程碑式的进展源于著名的”MIT啤酒游戏”的提出和研究。J.D.Sterman系统地描述了这个游戏:参与者在游戏中分别扮演一个啤酒销售供应链中的不同角色(啤酒零售商,批发商,分销商和酿造商)。随着游戏的进行,客户需求的一点微小变化将对上游供应商的订单和库存水平产生巨大的影响。当供应链的各节点企业只根据来自其相邻的下级需求信息进行生产或供应决策时,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,达到最初源头供应商时,其获得的需求信息和实际消费市场中的顾客需求信息发生很大的偏差,需求变异系数比分销商和零售商的需求变异系数大得多[5]。对牛鞭效应研究最深入的是H.L.Lee领导的研究小组。H.L.Lee支持经济学家的理论,即牛鞭效应起源于管理者追求利润最大化的理性决策,并结合运作管理研究中的系统思维,将供应链各环节作为一个整体来研究,提出了一个简单的供应链数学模型,它能够描述供应链的组织结构和成员的优化行为,指出有四个主要原因导致了牛鞭效应的产生:需求信息处理、订单批量、价格波动、短期博弈,而且分别建立不同的模式来证明其观点[6]。在Lee之后的研究中,Cachon和Lariviere进一步研究了短缺博弈问题[7];Kelle和Milne进一步研究了订单批量问题[8];Cachon、Ricardo、Lambert及Copper等人研究了订货策略问题,而更多的研究则集中在对市场需求信号的处理技术以及相应的信息共享问题上[9]。对减弱牛鞭效应国外提出了采用信息共享、缩短供应前期、协调订货和简化促销行为;还有人提出”每天低价(EDLP)”的方法减少订单波动;也有人利用价格变化和贸易促销以及渠道权威的重新分配等方法。上述方式经验证,均可达到抑制牛鞭效应的效果。在中国,马新安等将静态的委托—代理模型推广到动态的情况,考虑了供应商和制造商之间的系统内部相互作用,用它来研究供应链中的核心企业对其合作伙伴的信息共享及正常供应活动的激励,说明了供应链中的合作伙伴关系或相互信任的逐步加深过程[10]。万杰等阐述了供应链结构(即组成要素和要素之间的相互关系)对牛鞭效应的影响;提出了基于不同水平层次和垂直规模组合的四种供应链结构:链状结构、整树结构、短粗结构和细长结构,而且提出了经过区分供应链中的主要成员和支持成员的办法来确定适当结构从而削减牛鞭效应的措施[11]。孙元欧等提出了交货期对牛鞭效应的影响。认为若交货周期较长,需要增加常规库存,库存量多,面对需求波动的应变能力则较弱。在较长的交货期间内,一旦出现市场需求波动,需要重新估计和调整需求期望值、安全库存、订货点和订货量等,增加了整个系统的不确定性[12]。1.3论文的研究内容和结构论文主要研究供应链中牛鞭效应的产生机理,在各个节点企业之间需求信息共享时,采用回归分析预测方法对案例进行需求分析,分析订货提前期对牛鞭效应的影响,同时提出了缓解牛鞭效应的对策。本文的结构和主要内容如下:第一章介绍牛鞭效应研究背景和意义以及国内外研究现状。第二章介绍供应链管理及供应链管理中牛鞭效应的相关知识。具体包括供应链管理的特点和目标,牛鞭效应的概念、产生原因、危害以及缓解措施等。第三章线性回归预测模型的描述,牛鞭效应的量化分析。第四章介绍在信息共享的情况下,采用回归分析预测方法对某企业的订货情况中的牛鞭效应现象进行分析,并对该企业进行分析,提出缓解措施。第五章对论文进行总结。

2供应链管理和牛鞭效应介绍2.1基本概念2.1.1供应链管理概述所谓供应链是围绕核心企业,经过对信息流、物流、资金流的控制,从采购材料开始,制成中间品以及最终产品,最后由销售网络把产品送到消费者手中的将供应商、制造商、分销商、零售商、直到最终用户连成一个整体的功能网链结构(见图2.1)。供应商的供应商用户的用户供应源应源需求源需求源供应商用户供应源应源需求源需求源核心企业物流信息流资金流图2.1供应链结构从图2.1中能够看出,供应链由围绕核心企业的供应商的供应商、供应商、用户、用户的用户组成。一个企业是一个节点,节点企业和节点企业之间是供应和需求的关系。供应链中的节点企业除制造商外,既包括处于供应链上游,为制造商提供原材料和零部件的供应商;也包括处于供应链下游,从事产品代理、批发、零售等业务的分销商;还包括专业从事某项职能服务的专业服务提供商;甚至包括顾客。供应链上的每个环节都含有”供”和”需”两方面的含义。例如,制造商的销售部门是分销商的供方,但又是生产部门的需方。如图2.2所示。供应 制造装配分销消费 信息流供应商的供应商供应商核心企业用户用户的用户图2.2供应链节点企业关系《中华人民共和国国家标准物流术语》(GB/T18354—)对供应链管理的定义为:供应链管理是对供应链涉及的全部活动进行计划、组织、协调与控制。供应链管理发端于20世纪80年代的制造资源计划(MRPⅡ),然后经历准时生产制(JIT),90年代进入精细生产和精细供应,21世纪初进入供应链管理阶段(见图2.3)。20世纪80年代20世纪90年代21世纪制造资源计划准时生产制精细生产和精细供应供应链管理阶段•推动式系统•物料采购以可分配需求为基础•消除安全库存和周转库存•依赖于相关订货计划和可靠的预测•经过变动对供应商需求实现柔性•拉动式系统•来自最终用户的固定需求量•生产能力与需求匹配•固定的生产协作单位•柔性的制造系统•相似产品范围很小•经济生产批量很小•供应商提前期很短•消除浪费•存和在制品占用最小•成本在供应链上透明•多技能员工•减少工件排队•调整转换时间很短•多品种小批量生产•每一个阶段连续改进•快速响应•供应具有柔性•顾客化定制生产•与最终需求同步生产•受控的供应链过程•合作伙伴间的能力是集成的•全面应用电子商务并行的产品开发图2.3供应链管理的发展阶段供应链管理的实质就是使供应链节点上的各相关企业充分发挥各自的核心能力,形成优势互补,从而最有效地实现最终顾客价值。一条富于竞争力的供应链,各成员必须是专业化的,即要根据自己的业务优势定位。供应链中各企业之间的关系应在社会平均利润率规律的作用下,形成生产资本和商业资本的合理配置,供应链、制造商、分销商、零售商、专业服务提供商各司其职、各专其能的社会分工体系。供应链由相关上下游企业组成,满足最终客户特定的需求。在供应链系统的运行和管理中,以总成本最低、客户服务最优、产品或服务质量最优、响应速度最优为目标,而这些目标之间存在着一定的互相冲突。客户服务水平的提高,响应速度的加速,会引起成本的上升。供应链管理就是要从系统的观点出发,寻求改进服务、缩短时间、提高品质与减少库存、降低成本的均衡,从而实现系统的最优化[13]。2.1.2牛鞭效应概述在近几年对供应链进行管理的过程中人们已经注意到,尽管特定产品的顾客需求变动并不大,可是它们的库存和延期交货水平却很大,这被美国著名的供应链管理专家Haul.Lee教授称为”牛鞭效应”(bullwhipeffect)。在英文中,”bullwhip”是指就是赶牛或牲口用的粗而长的鞭。在供应链管理中由此而引申出来的”牛鞭效应”是对需求信息扭曲在供应链中传递的一种形象的描述。其基本思想是:当供应链上的各节点企业只根据来自其相邻的下级企业的需求信息进行生产或者供应决策时,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。当信息达到最源头的供应商时,其所获得的需求信息和实际消费市场中的顾客需求信息发生了很大的偏差。供应链中每个节点企业的信息都有扭曲。零售商——批发商——分销商——制造商,逐级而上,信息的扭曲越来越严重。牛鞭效应是指供应链上的一种需求变异放大现象,指供应链上的信息流从最终客户端向原始供应商端传递时,由于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。如图2.4所示,这种信息扭曲的放大作用在图形上很像一根甩起的赶牛鞭,因此被业界人士形象地称为”牛鞭效应”。最下游的客户端相当于鞭子的根部,而最上游的供应商相当于鞭子的末梢部,在根部的一端只要有一个轻微的抖动,传递到末梢端就会出现很大的波动。这种效应在供应链的运营当中会出现诸如预测不准确,需求不明确,供给不稳定,企业间合作性与协调性差等问题,造成供应缺乏,生产与运输作业不均衡,库存居高不下和成本过高等现象。这种信息扭曲如果在和企业制造过程中的不确定因素叠加在一起,将会导致巨大经济损失[14]。需求量需求量需求量需求量时间时间时间时间客户需求VS时间零售商需求VS时间批发商需求VS时间生产商需求VS时间图2.4”牛鞭效应”中需求逐级放大信息在向上游传播中,需求的波动越发强烈,常常是巨大的订单后紧接着很少甚至没有订单,这样使得上游的生产厂商很难合理的安排当前的生产计划并规划未来的生产能力。而对下游的销售厂商而言,由于订购数量远远偏离了实际的需求数量,其结果或者是产品大量积压而形成超额的库存费用,或者是无法供货而造成客源流失和支付违约费用。牛鞭效应有时称作”蝴蝶效应”,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[15]。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”。2.2牛鞭效应的成因分析从20世纪中期开始,学术界和企业界就注意到了牛鞭效应的存在及其对供应链的影响,并从经济学、管理学等各个角度对牛鞭效应的产生原因进行了分析与探讨,可是这些研究大部分局限在定性的分析、实证的观察以及计算机的仿真上。1997年,Lee等发表在ManagementScience(1997a)和SloanManagementReview(1997b)上的两篇论文从理论上较为清楚地解释了牛鞭效应产生的原因与影响因素。Lee支持经济学家的理论,指出牛鞭效应起源于管理者追求利润最大化的理性决策,并结合运作管理研究中的系统思维,将供应链各环节作为一个整体来研究,指出了产生牛鞭效应的四种原因:需求信号处理、批量订货、价格波动、短缺博弈。下面我们将结合Lee的研究,介绍牛鞭效应产生的这四种原因以及产生牛鞭效应的其它几个因素。1、需求信号处理在传统的供应链中,各个环节根据其下游提供的订单来制定生产或销售计划。订单从零售商开始,经由分销商、批发商、制造商等一级一级地向上传送。零售商所下的订单是根据对市场需求的预测来制定的,出于追求利润最大化和风险最小化的心理,零售商往往会根据所观察到的市场需求情况,对需求预测结果进行人为的调整。例如,在市场销售活动中,假如零售商的历史最高月销量为1000件,但下月正逢重大节日,为了保证销售不断货,她会在月最高销量基础上再追加A%,于是她向其上级批发商下订单(1+A%)1000件。批发商汇总该区域的销量预计后(假设)为1件,她为了保证零售商的需要又追加B%,于是她向生产商下订单(1+B%)1件。生产商为了保证批发商的需货,虽然她明知其中有夸大成份,但她并不知道具体情况,于是她不得不至少按(1+B%)1件投产,而且为了稳妥起见,在考虑毁损、漏订等情况后,她又加量生产,这样一层一层地增加预订量,导致”牛鞭效应”。2、批量订货在供应链中,每个企业都会向其上游订货,一般情况下,销售商并不会来一个订单就向上级供应商订货一次,而是在考虑库存和运输费用的基础上,在一个周期或者汇总到一定数量后再向供应商订货;为了减少订货频率,降低成本和避免断货风险,销售商往往会按照最佳经济规模加量订货。同时频繁的订货也会增加供应商的工作量和成本,供应商也往往要求销售商在一定数量或一定周期订货,此时销售商为了尽早得到货物或全额得到货物,或者为备不时之需,往往会人为提高订货量,这样,由于订货策略导致了”牛鞭效应”。3、价格波动销售价格的变动一般也会造成牛鞭效应。在价格下降的时候,零售商一般会倾向于增加库存量,使订货量远远大于实际的需求量,许多企业在某些时间提供促销、数量折扣等销售策略时,常会带来这样的结果。以一个供应商与一个零售商组成的供应链为例,当促销活动在某个时间段开始时,零售商会经过对库存、订货与购买成本的分析,订购高于实际需求量的产品数,当供应商的销售价格回升时,零售商将不会下任何订单,直到它的库存水准低至最低点时,才会订少量的货,使它的库存水准维持在一个较低的水平。由于零售商的这种随销售价格的变动而变动的订单并不能反映其真实的需求,因此,导致牛鞭效应也是必然的。4、短缺博弈当市场上对某些产品的需求增加时,下游企业会怀疑这些商品的供应将会出现短缺的情况,而每个零售商都知道供应商将会采取配给策略,即把商品按一定的比例分配给各个零售商,于是,在订货量没有限定的情况下,为了能够得到更多的供货,她们都会尽量夸大自己的订单,从而造成订单量超过需求的数量,即发生短缺博弈。特别是在供应商对滞销产品采取回购策略时,这种订单与实际需求的偏离程度将进一步扩大。因此,供应商接收到的需求信息将大于零售商的实际需求,即产生牛鞭效应。当需求降温或短缺结束后,大的订货量又突然消失,这就会使牛鞭效应更加明显。5、牛鞭效应的其它产生原因除了上述四种原因以外,企业经营过程中的内外环境变异、产品销售权与控制权的分离、供销企业之间缺少协作、产品的订货提前期加长等原因均会加重牛鞭效应。(1)环境变异当政策、经济和社会等环境因素发生变化而且这种变化不确定时,企业应对它的最主要的手段是持有高库存,而且库存量随着不确定性程度的提高而加大,但这种高库存所代表的并不是真实的需求,因此也就引发了牛鞭效应。(2)经营中的产品销售权与控制权的分离在产大于销的市场经济形势下,供应商为了鼓励进货商多销售其商品,常采用将商品销售出去后才结算的营销方法,即由供应商将商品送交零售商,待销售完成后在进行结算,但商品的进货与销售

却由零售商掌握和调度。这样就导致了零售商普通倾向于加大订货量,从而加剧了订货需求,产生牛鞭效应。(3)供销企业之间缺少协作在经营过程中,许多供销企业之间常常缺乏有效的沟通。例如,制造商由于某种原因(如上游供应商的原材料供应不及时)导致产品的供应能力不足,可是制造商未能够将此信息及时通知给下游的分销商,以至于造成对方经营中的被动局面。也就是说,由于缺少信息交流和共享,企业无法及时掌握下游的真正需求和上游的供货能力,只好自行多储货物。同时,供应链上各个节点无法实现存货互通有无和转运调拨,只能各自持有高额库存,这也会导致牛鞭效应。(4)订货提前期的加大需求的变动随提前期的增长而增大,提前期越长,需求变动引起的订货量就越大。订货提前期的加大一方面是由于产品的生产和销售地距离较远,途中运输的时间较长;另一方面,由于生产、供应、运输、装卸等各环节存在诸多不确定因素,而且缺乏信息的及时交流,企业对交货的准确时间心中无数,于是希望对交货日期留有一定的余地,这样就为提前期预留了一个”安全期间”,因而持有较长的提前期,而逐级的提前期拉长也就加重了牛鞭效应。从以上的分析和介绍中能够看出,牛鞭效应是供应链内部参与者之间的战略性行为相互影响的产物,而这些参与者所做出的各种决策都是其进行理性分析与判断的结果,以追求自己的利益最大化。也就是说,在供应链中,上下游企业都具有独立的利益目标,并做出自己的最优化决策,同时供应链所有成员的目标利益和最优化决策都互相制约和影响,这样就会造成供应链上的浪费和内耗,加之缺乏有效地信息沟通产生牛鞭效应也是不可避免的[17]。2.3牛鞭效应的危害在供应链中信息的扭曲向我们揭示了这样一个问题,如果制造商仅仅以订单来预测市场需求的话,那么它必将受到歪曲信息的诱导,从而导致不必要的原材料购买、过多的生产剩余、库存的大量浪费,等等,进而降低了货物和资金的周转率,为在同样生产成本下提高服务水准制造了种种困难,这也必然降低供应链中各相关企业的整体竞争力,最终使每个供应链的成员蒙受损失。牛鞭效应给企业所造成的危害具体如下:1、牛鞭效应增加了生产成本。制造商一般以下游企业的订单进行产品预测,设计生产能力,控制库存以及安排生产时间。由于这种效应,制造商面对具有变动性的顾客需求订单流,为了应付这种增大的变动性,公司要么扩大生产能力,要么增加库存量。但这两种做法都会加大单位产品的生产成本。2、增加了库存成本。由于牛鞭效应的存在,上游企业的订单会在下游企业订单的基础上产生额外的波动,即使最终的顾客需求比较稳定,零售商、批发商、制造商、供应商的订购量波动幅度也会逐级增大,这就增加了供应链中需求的不确定性。供应链上的各节点企业一般会拥有大量的库存以应付需求的不确定性,这势必增加了企业的库存。牛鞭效应引起的库存增加,占用了企业资金。同时,高水平的库存还增加了必备的仓储空间,从而导致了库存成本的增加。3、增加了供应链的运输成本和送货与进货相关的劳动力成本。公司及其供应商在不同时期的运输需求与订单的完成密切相关。由于牛鞭效应的存在,运输需求将会随着时间的变化而剧烈波动。因此,需要保持剩余的动力来满足高峰的需求,都会增加劳动力总成本。劳动力的需求也存在类似的波动,为了应付这种订单的波动,供应链的不同阶段有不同的选择,或者保有剩余劳动力,或者变动劳动力,可是无论是哪种选择,都会增加劳动力总成本。4、延长了供应链的补给供货期,降低产品供给水平。由于牛鞭效应增加了需求的变动性,与一般需求相比,公司及其供应商的生产计划更加难以安排,往往会出现当前生产能力和库存不能满足订单需求的情况,从而导致供应链内公司及其供应商的补给供货期延长。订单的大幅波动使得公司无法及时向所有的分销商和零售商供货,从而导致零售商出现货源不足的频率加大,供应链销售额减少。5、给供应链中每个节点企业的运营都带来负面影响,从而损害了供应链不同节点企业之间的关系,供应链内的每个节点企业都认为自己做得尽善尽美,而将这一责任归咎于其它节点企业。于是,牛鞭效应就导致供应链中各节点企业之间得互不信任,从而使潜在的协调努力变得更加困难。牛鞭效应及其引发的失调对供应链的运营业绩有较大的负面影响。牛鞭效应对供应链管理是不利的,它造成批发、零售商的订单和生产商产量峰值远远高于实际客户需求量,进而造成产品积压,增加了成本,降低了反应能力,使得整个供应链的运作效率低下,从而导致供应链整体利润下滑。2.4减小牛鞭效应的措施由于牛鞭效应是从下游客户逐级向上游转嫁风险的结果,因而它会危害整个供应链的运作,导致供应链各个节点的总库存量的增加,使生产、销售流程常处于无序和失衡的状态,从而增加了产品的成本和经营风险。为此,必须运用先进的管理技术和信息技术加以妥善解决,消除需求信息的扭曲和失真现象。为了控制和减轻牛鞭效应,企业能够从牛鞭效应的产生原因出发,对供应链内部组织间结构及其相关过程加以必要的改进。1、实现信息共享这是减小牛鞭效应最有效的措施之一。供应链成员之间经过Internet/EDI来实现实时交流和信息共享,减少和消除信息的不对称性,准确把握下游的实际需求。进一步地,既然我们提出了经过实现供应链中信息的共享以减轻牛鞭效应,我们能够改变供应链中信息层层传递的弱点,建立集中式的信息共享系统,如图5.1所示。分销商批发商零售商顾客信息集成中心分销商批发商零售商顾客信息集成中心制造商制造商图5.1供应链中信息共享与集成示意图在集成信息模式中,供应链中的所有信息都实现了共享,这些信息反映的是供应链内外的原始信息,克服了供应链信息级级传送所导致的信息失真或延迟的弱点,减小了因此而产生的牛鞭效应。信息共享使制造商节约了成本,这时制造商和零售商就应该达成某些共识,她们能够经过协商制定协议,经过卖方管理库存的方式来降低零售商的日常开支,经过降低货物到达的前置时间的方式来降低零售商保管货物的费用,或者经过降低产品价格的方式来增加零售商的利润,使双方达到一种默契,建立良好的伙伴关系,从而以一种互惠互利的方式促进双方的共同发展。2、提高预测的精确度零售商一般是根据已经发生的需求信息来预测未来需求发生情况,因此,预测方法与预测技术的合理采用成为提高预测准确度的关键,这就需要综合考虑历史资料、定价、季节、促销和销售额等因素,实现多余预测方法的合理选择和综合使用。显然,准确的信息预测能够有效地减少牛鞭效应。如果预测是基于信息共享来进行并可实现预测信息的共享,即由供应链的上下游企业分享进行预测的基础数据并进行协作预测,则会进一步提高预测的准确性。3、准确把握下游企业的需求动态我们知道零售商为了节约订货成本将会采取批量订货的策略,批量订货策略的采取使得上游的供应商必须面对具有很大变异性的订单。为了应对零售商的订单,供应商势必要维持一定的安全存货,零售商的订单的变异性越大,供应商所要维持的安全存货也就要越大。因此,供应商能够经过信息的共享实现对零售商的销售和库存状况的监控,了解零售商的安全库存水平,做到对零售商订单种类和数量的提前预判,从而有效降低为了应对突如其来的大订单所维持的安全存货。4、稳定价格制定相应的价格策略,鼓励零售商进行小批量定购并减少提前购买行为以减少牛鞭效应。如把基于批量的折扣策略改为基于总量的折扣策略,即在一特定时期内(如一年内),按总的采购量来制定折扣政策,它能够使得每次的批量减少;实行天天平价政策和限制促销等方法,使价格稳定,减少预先购买行为,从而减少牛鞭效应。5、对订货进行分级管理当制造商生产的货物不能满足市场的需求时,制造商一般将实行货物的配给政策,而零售商为了照顾到自己的商业利益,必然会夸大它的订单,以期得到更多的货物,导致短缺博弈现象的发生。这时我们就不能再以零售商所提供的虚假订单作为货物发放的依据,这时我们能够对零售商进行分别对待,实行订货分级管理,根据零售商在这一地区的市场份额,或是根据零售商历史销售记录来决定订货物的发放,经过掌握关键销售商和重要销售商的真实需求信息来减小变异发生的概率。在当今的供应链中,制造商常常会为零售商提供退货政策,这样更使得零售商在货物短缺的时候毫不顾虑地扩大自己的订单。因此制定严格的退货政策,也能够有效地降低牛鞭效应。6、采用供应商管理库存或联合库存的方式,合理协调与分担库存如果供应商在掌握顾客真实需求信息的基础之上,负责为零售商制定进货计划,就能够协调各个零售商的需求计划,实现供应链的整体最优化,以最大程度地减小牛鞭效应。供应商、分销商和零售商也能够采用联合库存的方式合理地分担库存,一旦某处出现库存短缺,可立即从其它地点调拨转运来保证供货。这既防止了需求变异的放大,又实现了风险共担,降低了整体库存,有效地抑制了牛鞭效应。7、缩短订货的提前期一般来说,订货提前期越短,订量越准确。根据沃尔玛的调查,如果提前26周进货,需求预测误差为40%;提前16周进货,需求预测的误差为20%;而在销售时节开始时进货,则需求预测误差为10%。因此,缩短提前期能够显著地减小牛鞭效应。缩短提前期需要供需双方的共同努力,也能够采用第三方物流,利用其专业化的服务来缩短提前期,减少运输中的风险[17]。8、建立战略伙伴关系和信任,及时沟通信息经过建立战略伙伴关系,建立相互信任,实现信息共享,使供应链上的每个阶段供应与需求都能很好地匹配,降低交易成本。例如,供应商如果信任零售商的定单和预测信息,她就能够省去预测环节,类似地,如果零售商信任供应商的质量和配送,她就能够减少收货物时的计数和检查环节。一般来说,供应链上各阶段的信任和良好关系能够减少重复努力,降低交易成本,导致减少牛鞭效应。经过供需双方信息的经常沟通,双方都能够及时了解对方的供需情况和能力,避免了短缺情况下的博弈行为和大量的囤积库存现象的发生,从而降低了产生牛鞭效应的机会。

3牛鞭效应量化模型线性回归预测描述3.1线性回归预测法概述所谓回归分析预测,就是依据回归分析描述的经济变量之间的数量关系对经济现象进行预测。经过建立变量之间的回归方程,并将回归方程作为预测模型,根据自变量在预测期的数量变化来预测因变量关系,大多表现为相关关系,因此,回归分析预测法是一种重要的\o"市场预测"市场预测方法,当我们在对市场现象未来发展状况和水平进行预测时,如果能将影响市场预测对象的主要因素找到,而且能够取得其数量资料,就能够采用回归分析预测法进行预测。在物流需求预测中,物流需求的多少受到多种因素的影响,能够经过在各相关影响因素间建立回归预测模型来实现对物流量的预测。在回归分析预测过程中,我们一般应关注以下几个基本问题。1、变量间相关关系的定性分析回归分析预测是一种基于定量描述经济变量之间数量关系的预测方法。然而,现象之间是否存在着某些数量关系,必须在预测前依据一定的经济理论和实践经验,对变量间进行分析,只有确定了现象间确实存在某种因果关系才能进行定量分析,而不是不加分析地将两个或多个时间序列资料放在一起进行定量分析。2、变量因果关系的确定现象之间的数量因果关系,什么是”因”,什么是”果”,预测前必须明确。在回归分析预测中,把变量称自变量,它是引起这一现象的原因。自变量和因变量间关系的具体确定主要包括数学模型的选择和显著性检验两方面。(1)数学模型的选择社会经济现象之间的相关关系虽然与确定的函数关系不同,但在大量的观察下,仍能够用一些函数式表示它们之间的数学依存关系。变量之间可能的函数关系式很多,在回归分析中,必须正确地选择数学模型。论文中收集的数据几乎成线性相关关系,下面的分析就选择一元线性回归模型。(2)回归方程与回归系数的显著性检验任何两个变量都能够配合成一个回归方程,而两个变量之间却不一定存在相关关系。因此,在运用回归方程预测前必须对回归方程和回归系数进行显著性检验。当检验得出线性关系显著的结论时,才能运用回归方程进行预测。检验指标主要有相关系数检验、t检验和F检验。对一元线性回归模型进行显著性检验时,可任选一种。论文主要介绍各个节点企业之间需求信息共享时,订货提前期对牛鞭效应的影响。即只有一个自变量时,供应链管理中牛鞭效应的表现情况。能够考虑应用一元回归方程模型预测对象的发展变化规律,进而估计预测对象的未来变化趋势。下面介绍一元线性回归预测的方法。3.2线性回归方程介绍1、回归方程的建立采用一元线性回归分析,即在回归分析中有两个变量、,其一元线性回归方程可表述为:(3.1)对于含有n组、变量的方程,其可表述为:(3.2)式中:,——回归方程的参数;——自变量;——因变量;——剩余残差项或称随即扰动项。是为了包括对因变量的变化有影响的所有的其它因素,对有影响,但不是决定性影响,可代表随机变量,服从正态分布。对式(3.1)两边去数学期望,即:(3.3)记为(3.4)对(3.2)取方差(3.5)实际上,,,都是真实存在的参数。回归分析的内容之一就是经过样本值(,)将其估计出来。回归方程的确定,实质上是要求出待定参数,,若,求出来了,回归方程也就是唯一确定的。2、参数估计回归方程中的回归参数的求解采用最小二乘法,其中心思想是经过数学模型,配合一条较为理想的趋势线,这条趋势线必须满足以下要求:(1)原数列的观测值与模型估计值的离差平方和为最小;(2)原数列的观测值与模型估计值的离差总和为0。我们根据最小二乘法的要求,令残差平方和(3.6)最小二乘法的意义在于使达到最小。根据最优化原理,有(3.7)求解方程组,得与的估计值:(3.8)(3.9)是利用样本估计出来的。残差平方和服从分布,于是,即知。这样就得到了的无偏估计量:。这里,。参数,确定后,有,我们称为总离差,称为剩余或残差,称为回归。记,称为总离差平方和,其自由度为;称为回归离差平和,其自由度为1;称为剩余离差平方和,自由度为。3、模型显著性检验(1)相关系数检验相关系数的定义如下:(3.10)显然。相关系数的绝对值的大小表示相关程度的高低。=1\*GB3①当=0时,说明与完全不相关,所求回归系数无效。②当时,说明与\o"完全相关"完全相关,自变量与因变量之间的关系为函数关系。=3\*GB3③当时,说明与是部分相关,越接近1,与线性相关度越好。为微弱,为低度,为显著,为高度相关。(2)检验检验主要是利用统计学中的统计量,检验整个回归方程的回归显著性的可靠性。取统计量为:(3.11)服从参数为的分布,即,然后在给出的显著水平下=0.05,按自由度,查分布表,得临界值。若>,说明回归效果显著;若<,说明回归效果不显著[18]。3.3牛鞭效应量化模型所谓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)。一般采用订购量的方差与需求的方差的比值来描述牛鞭效应[19]。对于需求信息共享的各节点企业,其对市场需求的放大程度(即牛鞭效应),能够表述为:牛鞭效应=(3.12)式中,为供应链中变量的方差,对于任意一个含有个元素的数据序列,由下式计算:=(3.13)上述指标清晰的表示出供应链中牛鞭效应的程度,同时科学的描述出牛鞭效应的影响因素和影响程度。值越大,则下游客户需求量和上游企业订货量不一致性越大,供应链中牛鞭效应越严重,对生产企业的危害越大。

4案例分析4.1BMW物流介绍汽车制造工业对物流供应有着相当高的要求,其中最难的地方在于有效提供生产所需的千万种零件器材。BMW公司每天装配所需的零件由上千家供应商来提供。面对如此庞大的供应链,一定是有很好的供应链管理系统。华晨宝马汽车有限公司是宝马集团和华晨中国汽车股份有限公司共同投资成立的合资企业,从事BMW品牌汽车的制造、销售和售后服务。在汽车组装零件的送货控制中,最重要的是提出订货需求,也就是把货物的需要量和日期通知物流采购中心。BMW在生产规划过程中,能够针对10个月后所需提出订货需求,供货商也可藉此预估本身对上游供货商所需提出货物的种类及数量。不过,随着生产日期的接近,双方才会更明确地知道需要量。1、在定单方面,BMW已在挖掘”当日需要量”潜力针对送货控制而言,一般可分为两种不同形式:一为根据生产步骤所需提出订单,另一种为视当日需要量提出需求。前者为由生产顺序决定需要量,其零件大多在极短时间内多次运送,由于此种提出订单方式对整个送货链的控制及时间要求相当严格,因此适用在大量,高价值或是变化大的零件。对于大多数的组装程序而言,只要确定当天需要量就足够了,区域性货运公司在前一天从供货商处取货,隔天就抵达BMW组装工厂。在送抵BMW工厂之前的取货并停放在转运点的过程称为”前置运送”,而第二阶段送达BMW工厂的步骤称为”主要运送”。过去几年里,BMW公司已把根据生产顺序所需的订货方式最佳化。视当日需要量提出订单方式仍有极大发展潜能,因此BMW公司当前积极对此项最佳化进行研究。2、在仓储方面,BMW已在处理低存货带来的运输成本为了降低BMW的仓储成本,该公司向来积极减少本身存货数量,如此导致供货商送货频率的提高,造成货运成本提高。”前置运送”及”主要运送”的费用计算有所不同,前者的费用计算是把转运点到供货商的路程、等待及装载时间都列入计算,与运送次数成正比,但与装载数量的多少无关。而后者的费用计算是与货物量成正比,不受送货次数影响。大多数供货商接到BMW不同工厂的订单,可由同一个货运公司把货物集中到统合的转运站,然后由此再配送到各所需工厂,这样有效地安排取货路径,降低前置运送所需成本。同时也考虑各工厂间整合性仓储设备及运送的供应链管理、各个价值创造的部分程序及次系统,使其产生互动影响,出发点不再只限于局部最佳化,而是以整体成本为决定的依据。3、供应链方面,BMW已把合作伙伴纳入成为考量因子BMW公司把其供应链上的合作伙伴(如运输公司等),纳入成本节约的考量因子,这也是物流链管理的意义所在。在此基础上,她们建立成本方程式,例如在一次的前置运送中,安排替几个BMW工厂同时取货。这个成本方程式是建立在最佳化计算法的基础上,考虑因素为对供货商成本最低化的送货频率、相关的不同附随条件,例如尽可能让运输工具满载、每周固定时间送货等。如果同一货运公司替多个BMW工厂送货,则必须安排送货先后次序,以达成本最佳化。另外,运送货量最好一星期内平均分配,让运输工具及仓储达到最高使用率,不致影响等待进货时间。事实上在这个BMW的案例中,仅仅优化了物流链管理的第一步－－采购送货,其它部分也具有最佳化潜能,例如供货商的处理程序及成本,更进下的是考虑供货商的制造及库存状况。如此,能够降低整个价值创造链上的库存成本,这也是整个物流供应链里,提高竞争力的最佳利器[20]。4.2数据收集及分析4.2.1非固定周期订货分析由上述介绍知道BMW的物流链管理虽然很不错,但还是存在一些问题没有考虑到。下面是从宝马收集到的某一零件的非固定订货周期的需求信息,此零件按当日需要量提出需求,由于生产计划的变动,订货量和订货提前期也会出现明显的波动。具体数据如下表4.1。表4.1非固定订货周期需求信息表日期项目订货量当前库存需求量提前期10.08.SchLneN/00010352402360314.08.SchLneN/00010352394360417.08.SchLneN/00010352387357321.08.SchLneN/00010352382357424.08.SchLneN/00010352377357328.08.SchLneN/00010440372357431.08.SchLneN/00010440455399304.09.SchLneN/00010352496414407.09.SchLneN/00010440431391311.09.SchLneN/00010440457392414.09.SchLneN/00010352483391318.09.SchLneN/00010440421391430.10.SchLneN/0001079274828706.11.SchLneN/0001079238824713.11.SchLneN/000108806818720.11.SchLneN/0001079268818727.11.SchLneN/0001088042835704.12.SchLneN/0001079287822711.12.SchLneN/0001079227822718.12.SchLneN/0001088085822728.12.SchLneN/0001016216316541129.01.SchLneN/0001015847515791126.02.SchLneN/000105984559122826.03.SchLneN/0001056327756922826.04.SchLneN/0001058961759132828.05.SchLneN/000105456054542825.06.SchLneN/000101848218132826.07.SchLneN/0001061603761382827.08.SchLneN/00010539959545828本节研究的是非固定周期的订货提前期与需求量、订货量之间的关系。由于同一订货提前期下,订购量波动不大,而且经过任意选取其中的数据,不影响分析结果。因此从上述信息中随机选出各订货提前期中的一组数据,如表4.2:表4.2非固定周期订货提前期信息表需求量订货量订货提前期3603523414440482279271579158411经过第二章的叙述,订货提前期与需求量、订货量之间存在某种关系,下面经过作散点图进行分析,如下图4.1、4.2。图4.1需求量与订货提前期关系图图4.2订货量与订货提前期关系图图中分别是需求量、订货量与订货提前期的线性关系。能够知道,订货提前期与需求量、订货量之间近似成线性分布关系。下面运用Excel表格中的”数据分析”功能对上述数据作线性回归分析。首先是需求量与订货提前期分析。自变量为订货提前期,因变量为需求量。建立回归方程Excel数据分析如下图4.3:图4.3需求量回归分析”回归统计”中MultipleR为相关系数;RSquare为可决系数R2;AdjustedRSquare为修正的可决系数;”标准误差”为σ的点估计值,该值可用于求Y的预测区间和控制范围。方差分析表中SignificanceF为对回归方程整体拟合效果的b值假设检验,即P值。若线性假设符合实际,则b不应为零;SS为平方和;df是自由度;P-value为P值,即所达到的临界显著水平。最后部分给出的是各回归系数及对回归系数的显著性检验结果。Intercept为截距,即常数项;Coefficients为回归系数;”标准误差”为对各个回归系数标准差的估计;tStat为对回归系数进行t检验时t统计量的值。下限95%和上限95%分别给出了各回归系数的95%置信区间。显然=－487.3,b=208.8 回归方程为:相关系数r=0.996>0.8,说明x与y高度相关。显著性水平,查F分布表[21],=10.1<F=393.9,说明回归效果显著。同时对b值假设检验,在x这一变量的检验中p-值为0.00028,说明总体中这一变量的参数显著不等于零,也就是说订货提前期对需求量有显著影响。接下来对需求提前期和订货量进行分析,如下图4.4所示。图4.4订货量回归分析则回归方程为:由上述分析可知,此需求提前期x和订货量y也高度相关。有上述牛鞭效应量化分析介绍,能够用订货量的方差与需求的方差的比值来描述牛鞭效应。结合实际计算得到的回归方程,则牛鞭效应=计算值=1.0634>1,说明上游企业订货量比下游客户需求量要大,存在着牛鞭效应现象。上述两个变量的回归方程中订货量的斜率208.9>需求量的斜率208.8,由此能够看到,此种零件的订货量和需求量的差距将逐渐加大,其不一致性会拉大。数据表明虽然现在订购、需求不一致性比较小,但也说明BMW供应链管理存在着问题,如果像这样长期发展下去,会给企业带来很大的危害。4.2.2固定周期订货分析下面是收集到的另一种零件的订购信息。此物品采取定周期订货,而且每周期提前7天订购一次货物,其订购量波动不大,它的确定主要根据生产计划即需求量,同时也依据以往的生产状况。具体信息如表4.3。表4.3定周期订货信息表日期项目订货量库存需求量提前期30.08.SchLneN/00010840538710706.09.SchLneN/0001082056181713.09.SchLneN/0001083055382820.09.SchLneN/0001096055582827.09.SchLneN/0001084069182404.10.SchLneN/00010830112041111.10.SchLneN/00010820835111518.10.SchLneN/0001082082981625.10.SchLneN/0001083082782201.11.SchLneN/0001082083282508.11.SchLneN/0001082082482815.11.SchLneN/0001082082082422.11.SchLneN/0001084082281829.11.SchLneN/0001082084481806.12.SchLneN/0001082082983513.12.SchLneN/00010820827822由于10月初可能是由于假日的原因需求量减少,为了追加产量之后的几天生产异常加大,这种异常现象我们不对其进行分析。因此,选取下列数据进行分析,见表4.4。表4.4固定提前期订购信息表订货量需求量订货提前期8407107820817830828960828840824820816830822820825820828820824840818820818820835820822用Excel中的”插入函数”中的VAR(估计基于给定样本的方差)功能,对相应数据进行分析。订货量方差计算结果如下图4.5:图4.5订货量方差计算需求量方差计算结果如下图4.6:图4.6需求量方差分析这些数据序列所反应的牛鞭效应为:=此订购零件的订货量与需求量的不一致情况更为剧烈。根据以往生产情况及库存,视当日需要量一定时间段提出需求。由于这种订购方式存在一定的不确定性,需求变动时,物料订购方面不能及时更改订购计划,企业订货量与需求量信息不一致性变大,可导致企业成本增加,库存加剧等问题。4.2.3原因分析上述两类不同的零件,采用不同的订购提前期,反映出一个共同的问题:BMW公司供应链管理中存在牛鞭效应现象。物料订购方面,公司根据物料的性质(JIS、JIT、BULK件等)采取对应的订购策略。尽管采用了先进的SAP物料信息查询系统,可是各种问题层出不穷,物料短缺、零件溢出、订购信息重复和需求出错等。力争要成为中国高档车第一品牌的BMW公司,存在着如下的问题才导致上述情况。1、零件订货方式及供应商管理方面欠佳上述案例是宝马具有代表性的订购信息。第一种订货是随着合作时间的增加,订购提前期逐渐增加,零件的订货量和需求量的差距在逐渐增大,如果物料订购一直延续,定会导致两者不一致性加大;第二种订购形式在BMW最为常见,由于企业某些因素的影响,经过系统库存和需求提出的订购信息存在很大的差异。宝马公司把运输公司作为很重要的考量因子,可作为供应商的合作伙伴却没有几家能享受如此待遇。宝马供应商上千家,仅有十几家重要零件的供应商常驻BMW,而且主要是外观零件的厂家,如门把手与封块、天窗、密封圈等。尽管如此,宝马的很多信息她们都无法看到或者只能查看一些简单的订购信息,往往查询库存信息这么简单的事情,还要找物流人员帮助。2、部门之间存在脱离现象物料控制部根据生产计划确定当日生产计划,物料规划部门根据生产计划及库存确定零件的订购情况,实物物流方面负责每天的供线。物料规划经过系统库存订购货物,可实际库存和系统库存往往存在一定的不一致性。实物物流和物料规划之间的脱离对企业物料情况影响重大。还有当生产计划出现变动时,物料规划部不能及时更改订购计划,物料控制部也没及时更改日生产计划,实物物流部只好根据原定计划进行拣选供线,结果导致相应零件没法装车,甚至最后没有系统,只能报废处理。如下表4.5所示零件由于cubing项目取消使用此零件,但实物已送到线旁,由于长时间不消耗掉,为了平帐,工作人员为了尽快解决问题只好把好好的零件做到报废区。表4.5Cubing项目取消零件表DSNRPartNo.RemarkQty7324853-027315NOneedreorderforcubing2U00028813、重复报件生产过程中,零件在装车的过程中收到了损坏,线上的段长需要把坏的零件报到系统内进行报废处理,物料人员经过统计DSNR号对这种情况进行订购。表4.6是收集到的某一零件信息。U0002130是培训师芦家鹤的员工号,她负责21、28线3系车的生产。此零件在21线装车,然后很快旋转到28线,生产过程中的报废件能够在其中任一条线上进行系统报废。负责物料订购的人员根据当天零件报废信息DSNR及时补充订货。这样,重复报件信息没有被及时发现,物料部门加之当天报废信息发出订单,供应商根据订单生产所需的数量,最后零件运达工厂。由于订购量超出生产所需,多出的零件堆放在库房里,增加各项成本。表4.6重复报件零件表DSNRPartNo.RemarkQtyTimeDate7324853-02E840912VS2总装L28线报件1U000213012:34:0823.03.7324853-02E840912VS2L21线报件1U000213010:16:5424.03.4、系统重复下需求或需求区域出错生产在即,物流操作人员根据系统所下的需求信息拣选对应的零件。但经常出现重复供线的现象,如公司生产的T-car验证车中红色车身的3系车仅2台,却有4套红色门把手送至门段。生产项目结束,线旁不接受多余的零件,物流操作者忙于下个项目生产,对这些零件不能及时处理,闲置于库房里,最后只有把其从系统内做掉。物料部门继续订购,可是这些实物还在库房里。另外,内饰工位需要的零件送到了翻转工位,如表4.7所示。这个工位需要的零件在那个工位上。相对每天所需的几千种零件,这种情况不多,但就这些零件却带来了很多问题:生产延迟、重新下需求、零件放置不用等。表4.7需求区域出错零件表RequiredNo.PartNo.RemarkQtyFit6859024-01小油管10L2100615、物流盘点不及时盘点工作落实不彻底,很多时候是需要盘点的时候盘点人员才进行盘点,而且很多时候都不是整体盘点,只是盘点发现问题的部分。没发现问题不代表没有问题。盘点出来的差异零件还需要质量人员判定可不可用,可用才可做入系统,入库处理。上述重复下需求和需求出错的情况,正是没有及时由质量人员判定,没能重新做入系统,导致资源的浪费。6、生产信息不一致为了保证零件送线效率和装车的准确性,华晨宝马为相关工作人员制作了两种清单:pickinglist(拣选单)和bomlist(装车单)。物流人员根据拣选单给生产线供应每日所需零件,总装人员持有装车单。但由于两种清单制作流程不同,常常出现信息不一致等问题。下面是从物料部门的邮件中收集到的一个信息不一致的情况。零件号为73329467-04*10,7329468-04*10的零件在F350113的AAB(单车用量)里面,因此我们订购了放在TIP1。如果库存有,请帮忙确认pickinglist里有没有。如果库存有,实际也需要,那么pickinglist应该是错误的;如果库存有,实际不需要,那应该是bomlist错误,订的零件又剩了。4.2.4解决方法叙述1、上述案例分析中,非固定周期订货的牛鞭效应量化值为1.0634,牛鞭效应现象比较小;固定周期订货其值为1.425,其牛鞭效应现象相对严重。企业最好采取非固定周期订货,同时保证订货提前期不要过大。非固定周期订购,企业可根据当前库存及生产计划进行实时调控,便于工作人员掌握物料动态。一般来说,订货提前期越短,订量越准确,但考虑到运费等问题,采取区域集中配载运输以相应的缩短提前期。由,知案例中零件的订货提前期为18天时,订购最佳。同时,需要把供应商作为她们的一份子,BMW工作人员和供应商共同管理库存,建立良好的合作伙伴关系,实现信息共享。在供应商参与管理库存时,如果库存出现异,供应商也会最新发现,方便供需双方及时了解信息进行沟通。物料规划和供应商可一起确定预计的订单量,然后供应商就能够根据实际情况和物料规划部门提出订单的订单放心生产,不必担心生产过剩等问题。企业批量订货时,由于批量或时间间隔的限制,其订货没有完全传达库存的状态,但有了共享的库存数据,供应商能够调节其订货,以响应零售商的异常低或高的库存。2、部门之间应该协同合作,有效沟通。物料规划和实物物流不可分开,能够把物料规划的工作人员安排到各个实物物流部门,正常订购的物品,物料工作人员根据实际库存及生产计划即可正常订购。如果是特殊订购零件,能够分类汇总通知物料规划。3、重复报件主要是人为原因。需要对工作人员加强生产管理培训,培养正确的操作方法,某工位报废的零件要在相应工位做系统进行报废,做到一个报废零件一个单据一个DSNR号。4、重复下需求或需求区域出错,主要是因为系统存在某些问题。需要对相应问题及时发现并解决。如果是人为原因导致某些零件信息输入重复或区域出错,发现者要立