信息共享对企业供应链牛鞭效应影响的研究①

东华理工大学经管学院 孙琪霞 朱青

山东理工大学电气与电子工程学院 史成东

信息共享对企业供应链牛鞭效应影响的研究①

东华理工大学经管学院 孙琪霞 朱青

山东理工大学电气与电子工程学院 史成东

现代企业之间的竞争是供应链之间的竞争，而供应链上出现的牛鞭效应现象非常突出，这往往成为影响供应链顺利运行的一个重要因素。本文以APIOBPCS模型为基础，将预测环节视为供应链的组成部分，通过信息共享改造传统供应链的串行结构，采用基于变换和测量牛鞭效应的控制工程方法，仿真研究了信息共享对制造商-分销商-销售商构成的三级供应链网络牛鞭效应的影响。通过仿真证实，信息共享能够减少牛鞭效应，但不能消除牛鞭效应。最后通过探讨物流延迟时间参数和一阶指数平滑预测参数对牛鞭效应的影响，给出了弱化牛鞭效应的措施。

信息共享 牛鞭效应 供应链 指数平滑预测

牛鞭效应是供应链中的需求波动放大现象[1-2]，它是供应链结构中最为重要的性能指标，牛鞭效应给企业造成的后果有时甚至非常严重。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。

牛鞭效应问题如此重要，因此多年来一直受到企业家和学者的关注。目前，对牛鞭效应的定量研究主要采用统计分析量化方法和控制工程量化方法[3]。Lee[1]和Chen[2]等学者研究了牛鞭效应的五大因素，并采用移动平均预测、指数平滑预测等方法对需求信号的处理和交货到订货的时间延迟进行了量化处理。刘红等以H.L.Lee提出的消费需求AR(1)自相关模型为基础，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移动平均法、一次指数平滑法预测及均方误差优化预测市场需求时，生产商所面对的需求波动。分析了不同预测技术对牛鞭效应的影响及适用范围[4]。汪传旭通过分析ARMA(1，1)需求条件下的供应链历史订单量信息对牛鞭效应和制造商平均成本的影响，得出历史订单量的充分利用可以减少牛鞭效应，降低供应链成本[5]。Disney和Towill等人采用控制工程中的传递函数、频率响应和谱分析等方法，提出了分析牛鞭效应的频率响应曲线最大幅值方法和噪声带宽方法[6][7]。王旭坪等利用控制理论建立了多级线性供应链的模型，分别使用噪声带宽和Matlab/Simulink对一个可扩展多主体线性供应链系统的牛鞭效应进行建模和仿真，分析了实施信息共享前后供应链系统的牛鞭效应[8]。郭海峰等采用基于变换的离散传递函数和测量牛鞭效应的控制工程方法，计算了由一个供应商和一个用户组成的、使用指数平滑预测的供应商管理库存供应链和传统供应链的牛鞭效应[9]。本文以 APIOBPCS模型为基础[6]，将信息共享环节(指数平滑预测)视为供应链系统的组成部分，采用变换的方法，建立信息共享供应链系统的传递函数，使用Matlab仿真信息共享对供应链系统牛鞭效应的影响。

1 信息共享供应链系统

本文主要研究信息共享对制造商-分销商-销售商三级供应链系统牛鞭效应的影响，供应链节点的结构采用APIOBPCS模型。在传统供应链系统(无信息共享)中各节点是串联的，而信息共享供应链系统则是一个前馈系统。

1.1 传统供应链离散传递函数

将市场需求信息的预测视为供应链节点中的一个环节，采用一阶指数平滑预测方法[9]，其变换为平滑系数为预测中的数据平均期。为下游节点观察到新的库存水平，向上游节点制定的订货量，为净库存，为在制品量，为物流生产或配送延迟时间。传递函数为：

由于传统供应链中各个节点上的预测环节是相互独立的，因此传统供应链离散传递函数是各个节点变换的乘积。为了简化，令所有节点使用相同的预测参数和相同的延迟时间。所以，传统三级供应链的离散传递函数为：

1.2 信息共享供应链离散传递函数

在信息共享系统中，各个节点上的预测环节不再是独立的，而是共享最终需求信息。当=1时，，是指供应链上只存在销售商；当=3时，是指由销售商和分销商组成的二级供应链的离散传递函数。此时的传递函数为：

1.3 系统仿真

表1 供应链各层级牛鞭效应的仿真结果

1.4 仿真结果分析

依据系统仿真知，牛鞭效应沿供应链向上游呈放大趋势。信息共享供应链频率响应明显小于传统供应链的频率响应，说明信息共享对供应链牛鞭效应具有消减功能。从表1看出，预测参数相同的情况下，生产或物流延迟时间越长，牛鞭效应越明显。在交货提前期相同的情况下，预测参数越大，牛鞭效应越小。这是因为预测的时间越长，预测值越准确。然而取较大的值只能适用于稳态的需求模式。当需求不稳定时，必须取较小的值以密切跟踪需求来获得满意的服务水平，因此，需要在跟踪需求变化和对牛鞭效应的影响之间做出折中。此外，信息共享能够有效抑制牛鞭效应，但不能够完全消除牛鞭效应。这说明牛鞭效应是供应链系统固有的特征。

2 弱化牛鞭效应的措施

2.1 时间压缩策略

供应链时间压缩策略，作为供应链管理的有效措施，可获得更短的提前期、更好的订货控制、更低的库存水平等等，能很好地减轻供应链中的牛鞭效应。时间压缩策略分别从供应链物流和信息流两条渠道进行，即进行信息流和物流两方面的时间压缩。

在信息流中进行时间压缩，主要通过实施信息共享把销售点(POS)数据实时提供给供应链上的每一成员，这样，每个成员可以根据其下游企业的订单信息和最终需求信息做出准确而快捷的生产、存货决策，进而减少库存、降低成本。通常使用EDI、Extranet、 ERP等软件和网络，使供应链的各个环节之间达到信息共享，提高供应链的整体效率。

在物流方面中进行时间压缩，可通过消除物流中的冗余工序，并行运作物流流程等手段来实现。

2.2 信息共享激励策略

根据前面的分析，信息共享能够弱化牛鞭效应，增加供应链的整体绩效。但信息共享并不是对供应链所有成员都是有益的，例如，对销售商而言，信息共享几乎没有价值。而且供应链中的所有成员都可能担心这些共享的私有信息会泄漏给竞争对手，所以为促进信息共享，应建立信息共享的激励与监督机制，处理好利益在整个供应链中的再分配问题。

3 结语

本文采用基于控制工程的量化建模方法，仿真研究了信息共享对制造商-分销商-销售商构成的三级供应链网络牛鞭效应的影响。仿真表明，信息共享是一种有效的减少牛鞭效应的方法。因为其删除了最终市场需求信息流的时间延迟，改变了传统供应链的串行结构，这在供应链理论研究和工程上具有重要意义。本文仅就最终市场需求信息流的共享对供应链牛鞭效应的影响进行了研究，关于其它信息流的共享对供应链牛鞭效应影响的研究有待进一步深入。

[1] Lee N,Padmanahan S,Whang S.Information distortion in a supply chain:thebullwhip effect[J].Management Science,1997,43(4):546～558.

[2] Chen F.Drezner Z,Ryuan J K,et al. Quantifying the bullwhip effect in a simplesupply chain:the impact of forecasting,lead times,and information [J].Management Science,2000,46(3):436～443.

[3] 黄小原,王静.供应链中的牛鞭效应问题研究进展:存在、量化与控制[J].信息与控制,2004,33(5):579～583.

[4] 刘红,王平.基于不同预测技术的供应链牛鞭效应分析[J].系统工程理论与实践,2007,(7):26～33.

[5] 汪传旭.基于ARMA(1,1)需求的供应链历史订单量信息价值的分析[J].管理工程学报,2006,20(4):25～30.

[6] Dejonckheere J, Disney S M, Towill D R. Transfer function analysis of forecasting induced bullwhip in supply [J].Int. J.Production Economics,2002,78(2):133～144.

[7] Dejonckheere J,Disney S M, Lambreoht M R,et al.Measuring and avoiding thebullwhip effect:a control theoretic approach[J].European Journal of Operational Research,2003,147(3):567～590.

[8] 王旭坪,郭瑞东,胡祥培.基于控制工程的牛鞭效应建模与仿真研究[J].中国管理科学,2006,(14):469～473.

[9] 郭海峰,黄小原.供应商管理库存对牛鞭效应的影响[J].控制工程, 2007,14(1):111～114.

F253

A

1005-5800(2010)11(b)-248-02

江西省高校人文社会科学研究基金(JJ1003)。