基于系统动力学的IT服务外包供应链牛鞭效应研究

（武汉理工大学 物流工程学院，湖北 武汉 430063）

1 引言

IT服务外包作为服务业的重要产业在产业价值链中的作用日益增大，人才作为知识的载体成为IT服务外包供应链上的核心要素。不同于其他外包服务链中各企业的单一发接包关系，由于信息技术开发的复杂性和软件外包项目管理方法的特殊性，软件服务外包产业链中的资源和信息流动极为频繁和交错，这些交错的资源和信息供求关系形成了一个特殊供应链结构，即IT服务外包供应链（IT ServiceOutsourcing Supply Chain，下文简称IT-SOSC)。根据业务的需要以及交付模式的不同，IT服务外包供应链既包含无形知识服务的交付，同时还有IT技术人才的循环流动，两者相互影响导致该供应链中牛鞭效应较传统制造业供应链牛鞭效应更具复杂性。牛鞭效应的存在使得供应链上服务能力波动较大、人才库存供需不匹配，造成库存堆积、能力浪费，整个供应链运作效率低下，削弱软件服务外包企业竞争力。因此，探讨服务外包供应链中的牛鞭效应具有重要意义。

20世纪初，Edward通过抵押游戏验证了服务供应链牛鞭效应的存在性，并指出了它与产品供应链之间的区别[1]。Akkermans以电信行业为视角，研究了服务供应链上服务生产过程中的牛鞭效应问题[2]。Dirk和Steve Kemper认为服务供应链是在产品服务化过程中所涉及的服务计划、资源分配、配送和回收、分解、修理恢复等与产品服务密切相关的管理活动[3]。Inderfurth和Krikk则考虑到供应链中的逆向过程，将产品的回收再生加入到原来的供应链中，形成了一个生产-消费-回收-再生产的环式供应链[4-5]。桂寿平等提出服务即产品的理念，并通过比较服务与产品的异同证明了其理念的可行性[6]。汪娟构建了服务供应链牛鞭效应的系统动力学模型，并从服务供应链的订单堆积、目标处理能力及处理能力三个方面进一步验证服务供应链中牛鞭效应的存在[7]。刘涛通过模拟工程项目管理服务的过程，完成系统动力学模型因果关系图构建，并验证了信息共享策略在一定程度上可以有效地弱化服务供应链牛鞭效应现象[8]。栾东庆从能力合作的角度，构建了IT外包服务供应链能力合作的基本框架[9]。王蓉等人运用系统动力学研究方法，建立供应链成本分配的系统动力学模型，分析供应链成本分配动力系统的组成要素等变量特征以及这些变量间的相互关系[10]。

综上所述，现有的文献大多着眼于产品供应链，分析牛鞭效应的存在性、牛鞭效应的量化、牛鞭效应的减弱和控制，对于服务供应链多集中在分析研究服务供应链牛鞭效应的影响因素，鲜有将服务供应链与人力资源管理统一起来研究并结合应用于以人才为主要“生产资料”的IT服务外包企业。鉴于此，本文将借鉴系统动力理论在服务供应链中的应用，结合产品供应链中逆向物流的相关理论，类比研究IT服务外包供应链牛鞭效应的影响因素，分析人才在IT服务外包供应链中闭环动态流动过程中的牛鞭效应，为IT服务外包企业管理提供理论参考。

2 IT-SOSC流程及牛鞭效应分析

2.1 IT-SOSC流程

在IT服务外包的产业链中，客户、IT服务集成商、分包服务提供商彼此间扮演着发包客户与接包服务供应商的角色，构成了一个关系紧密，且具备信息流、人才流、资金流的功能网链型结构，即IT服务外包供应链。IT-SOSC与传统制造供应链不同之处在于该供应链是一种双向供应链。首先由客户企业发出需求信息给服务集成商，服务集成商接包后再把外包项目分解，继续外包给下游的软件分包提供商；经过该轮服务需求信息传递后，接包服务供应商再依次将产成的服务从供应链下游传递给上游发包客户，从而形成了一种信息与服务双向流动的供应链。如图1所示。

图1 IT-SOSC双向供应链结构

2.2 IT-SOSC牛鞭效应表现

根据IT服务外包供应链结构的特点，以及有形IT人才与无形项目服务混合的特殊交付模式，使得IT服务供应链牛鞭效应的衡量方式与一般供应链有很大差别。本文将IT服务供应链牛鞭效应定义为：沿着IT服务外包供应链，从客户需求波动，到服务集成商订单波动，再到人才外包服务提供商人才库存波动和项目外包服务商能力波动依次增大现象。能力的波动是指，当服务集成商与项目外包服务提供商不能及时满足需求时，通过调整服务能力来应对服务订单的堆积，由此产生的服务能力的波动称为能力波动。针对IT服务外包供应链的复杂性，本文将从以下特征来对IT服务供应链牛鞭效应进行分析。

（1）服务管理复杂。在IT服务外包供应链中，既存在有形人才的交付，又包含无形项目服务的交付。在由客户、服务集成商、人才外包服务提供商、项目外包服务提供商以及资源提供商组成的多级结构中，客户需求信息被拆分后，以不同形式逐级传递，链状结构下信息的不对称性和交付的复杂性使得信息在供应链节点传递过程中更加容易失真，需求信息逐级被扭曲，从而造成牛鞭效应。

（2）人才能力库存积压。IT服务供应链中，人才资源的逆向流动以及知识能力不断增长使得人才的流动更具复杂性，人才作为知识与服务的载体，其流动过程可量化但知识能力的积累过程却难以量化。人才的逆向流动不同于制造业的产品回收再制造，在使用或消费后具有再生性和增殖性，人才能力库存在不断地螺旋式向上变化，这就使得各节点供应商对于人才能力库存的把握异常困难，从而造成人才库存堆积、服务响应不及时以及采购需求波动等问题，由此产生供应链牛鞭效应。

（3）软件服务能力波动。服务集成商与项目外包服务提供商交付的是软件服务产品，无法提前储存，因此不存在库存，企业无法通过预测提前存储服务来应对需求波动，当不能及时满足需求时，只能通过调整服务能力来应对服务订单堆积。为了减少服务订单积压同时最大化使用服务能力不至于造成浪费，IT项目外包企业通过管理服务能力，即优化软件人才的配置、招聘雇佣临时成员以及分包更小模块等方式来调节自身服务能力的大小，以此来满足上游企业的需求。能力调整时间直接影响信息传递的速度，同时间接影响其订单计划，从而造成供应链牛鞭效应的产生。

3 IT-SOSC“牛鞭效应”仿真模型构建

3.1 IT-SOSC系统建模目标及系统边界

（1）系统建模目标。本文研究的是IT-SOSC牛鞭效应复杂系统。该系统与以往研究的制造业供应链系统最大的差别是供应链上各节点企业所提供的是服务包，在供应链中既存在作为知识载体的人才的流动，又存在以软件项目为单位的服务包的流动。由于不同因素变量之间的相互作用，使得服务运作过程中，供应链不同环节的库存、订单等的堆积，以及订单需求的过度波动等情形产生。

（2）系统建模边界。本文所建立的系统动力学模型模拟的是IT-SOSC中服务的提供过程，涉及到客户、服务集成商以及项目外包服务提供商、人才外包服务提供商、人才服务商五个环节，即从客户提出需求后，服务集成商根据客户的需求，对订单进行拆分，分解成相应的人才需求订单和项目服务需求订单。然后将人才需求订单传递给人才外包服务提供商，将项目服务订单传递给项目外包服务提供商，人才外包服务提供商向人才服务商采购相应的人才。服务集成商将根据系统需要对人才进行利用，并整合相应外包出去的项目，完成集成服务后交付给客户。

3.2 IT-SOSC模型构建

根据上述IT-SOSC流程分析可知，在IT-SOSC中，服务集成商的任务是将客户的需求进行分解分包给下游的服务提供商，并整合服务内容，最终交付至客户。服务集成商最终交付的是服务，所以不存在库存，但依据客户的需求会存在订单堆积，服务集成商只能通过调整自身的能力来解决订单堆积问题，服务集成商的能力指的是对客户订单的处理能力，具体为订单的系统设计和订单的分解，服务的融合组装直至形成客户所需要的服务。

单一考虑IT服务集成商运作环节时，主要考虑人才外包服务供应商库存。订单率→订单预测量→期望人才库存→人才外包服务提供商采购需求。人才外包服务提供商会根据采购需求向下级供应商采购人才进行培训等操作，转化为人才的获得率，但招聘来的人才须进行培训，所以存在延迟。而人才服务外包供应商库存和人才外包服务提供商订单率会综合影响人才外包服务提供商对服务集成商的人才交付率，如此形成闭合回路。

单独考虑项目外包服务提供商时，项目外包服务提供商提供的是无形服务不存在有形产品的库存，因此只存在订单堆积。项目外包服务提供商的服务订单堆积由项目外包服务提供商的服务需求率和项目外包服务提供商对服务集成商的服务交付率所决定。

综上所述，在Vensim环境下，得出IT-SOSC系统牛鞭效应仿真模型。其中方框表示状态变量，反映信息、物质、能量等对时间的积累效应；连接状态变量的为表述状态变量时间变化的速率变量；其他为辅助变量及常量；实线用来连接各变量之间的关系，箭头方向表示物质与信息的流动方向或作用。如图2所示。

3.3 IT-SOSC模型变量说明

本文构建的IT-SOSC结构模型中，将人才外包服务提供商库存、项目外包服务提供商订单堆积、服务集成商订单堆积定义为状态变量。客户订单率为外生变量。另外设置5个常量，10个速率变量，15个辅助变量，总共37个变量，具体见表1。

图2 IT-SOSC系统仿真模型

表1 系统变量说明

（1）服务集成商部分方程式。服务集成商的订单堆积（SI Order Backlog）受到服务集成商订单率（Order Rate）、项目服务提供商对服务集成商的服务交付率（POSP To SI's Delivery Rate）、人才外包服务提供商对服务集成商的人才交付率（TOSP To SI's Delivery Rate）以及服务集成商交付率（SI Delivery Rate）影响。服务集成商的订单堆积是存量，其输入流为人才外包服务提供商对服务集成商的人才交付率，输出流为服务集成商交付率。有关方程式如下：

（2）项目外包服务提供商部分方程式。项目外包服务提供商订单堆积（POSP Order Backlog）作为系统中状态变量，通过能力调整来缓解。其输入流为项目外包服务提供商服务需求率（POSP Demand Rate），输出流为服务提供商对服务集成商的服务交付率（POSP To SI's Delivery Rate）的影响，有关方程式如下：

（3）人才外包服务提供商部分方程式。人才外包服务提供商人才库存（TOSP Inventory）积压受到人才服务商对人才外包服务提供商的人才交付率（TS to TOSP's Delivery Rate）、人才回收率(Talent Recovery Rate)和人才外包服务提供商对服务集成商的人才交付率(TOSP To SI's Delivery Rate)等因素影响。输入流为人才服务商对人才外包服务提供商的人才交付率，输出流为人才外包服务提供商对服务集成商的人才交付率，有关方程式如下：

4 仿真结果及分析

4.1 运行条件

设置仿真初始时间为0，仿真终止时间为100，仿真单位为天，时间步长为1，时间单位为天。将服务集成商、人才外包服务提供商、人才服务商服务调和项目外包服务提供商的调整时间设置为6d，人才回收率设置为0（即所有交付出去的人才均不回收），通过设置不同的客户订单率对该模型进行仿真实验，观察IT-SOSC系统中个产品流与服务流的堆积状况。

4.2 运行结果

（1）阶跃需求下的仿真结果分析。采用阶跃函数作为客户需求量的输入，可以看出需求平稳状态下的各级服务商的需求状况，以及在需求受到干扰发生突变时，人才库存积压和服务订单堆积的趋势变化。调用“STEP”阶跃函数，设置客户需求量=“5+STEP（5，80）”，表示在0-80d，客户的订单率是5个/d，在第80d，由5个/d变为10个/d，如图3、图4所示。

图3 人才库存积压与服务订单堆积

根据仿真结果可知，当客户订单为常数时，人才服务商、人才外包服务提供商库存、服务集成商订单堆积以及项目外包服务商订单堆积在仿真开始的时间段内出现了大幅度波动，30-80d，波动趋势慢慢变缓，但当客户需求受到干扰，产生突变时，人才库存积压和服务订单堆积出现大幅波动。观察IT-SOSC系统中人才流，人才服务商的需求订单波动幅度大于人才外包服务供应商的需求订单波动。

（2）随机需求下的仿真结果分析。在现实生活中，客户需求率更为常见的状态是呈随机分布，模拟随机需求状态下的市场环境更贴近实际。“RANDOM UNIFORM”表示产生随机数的均匀分布函数，设置客户需求率=“RANDOM UNIFORM（0，10，1）”，表示客户需求随机分布在0-10范围内，图5、6为仿真实验结果：

图4 阶跃需求-人才订单率

图5 人才库存积压与服务订单堆积

当客户需求呈随机变化时，各系统变量在仿真初期波动剧烈，然后逐渐减弱。人才服务商的需求订单波动幅度大于人才外包服务供应商的需求订单，由此可以看出需求放大现象随供应链节点逐级变大。对比服务提供商和人才提供商，人才库存积压幅度大于服务订单堆积波动度，但各级状态量堆积整体波动幅度小于需求突增环境下的波动幅度。

综上所述，在IT-SOSC系统中，当各级供应链上服务调整时间以及人才回收比例为常数时，其供应链上确实存在需求信息随节点逐渐放大现象，且人才流牛鞭现象比服务流牛鞭现象更为剧烈，需求变动性的强弱对系统牛鞭效应的影响较大。

图6 随机需求-人才订单率

5 结论

实际应用中牛鞭效应是影响供应链效率的一个主要问题，由于信息技术开发的复杂性和软件外包项目管理方法的特殊性，IT服务外包供应链的牛鞭效应不同一般产品供应链，本文在梳理IT-SOSC运作流程的基础上，考虑人才循环使用的人才交付模式及服务交付模式，运用系统动力学理论和方法对IT-SOSC牛鞭效应的存在性进行了研究，在VENSIM环境下对模型进行仿真，在不同需求条件下，分别从人才库存积压、服务定单率堆积、订单率的波动验证了牛鞭效应的存在性。根据模型分析可知需求信息传递的真实性、服务能力的调整、人才回收率的大小等是影响IT-SOSC牛鞭效应的主要因素。因此，服务外包企业可以从需求信息传递、服务与管理能力、上下游节点协同合作以及供应链结构几个方面进行优化来针对性地缓解IT-SOSC牛鞭效应。

[1]Edward G,AndersonJr,Douglas J Morrice.A SimulationGameforTeaching Serviced-Oriented Supply Chain Management:Does Information Sharing Help Managers With Service Capacity Decisions?[J].Production& Operations Management,2000,9(1):40-55.

[2]Akkermans H,Vos B.Erratum:Amplification in Service Supply Chains:An Exploratory Case Study from the Telecom Industry[J].Production & OperationsManagement,2004,13(2):200.

[3]Waart D D,Kemper S.5 Steps To Service Supply Chain Excellence[J].Supply Chain Management Review,2004.

[4]Inderfurth K,Teunter R H.Production Planning and Control of Closed-Loop Supply Chains[J].Econometric Institute Research Papers,2001.

[5]H Krikke,J Bloemhof-Ruwaard,L N Van Wassenhove.Concurrent product and closed-loop supply chain design with an application to refrigerators[J].International Journal of Production Research,2003,41(16):3 689-3 719.

[6]桂寿平,丁郭音,张智勇,等.基于Anylogic的物流服务供应链牛鞭效应仿真分析[J].计算机应用研究,2010,27(1):138-140.

[7]汪娟.基于系统动力学的服务供应链牛鞭效应研究[D].南昌:华东交通大学,2011.

[8]刘涛.基于系统动力学的工程项目管理服务供应链牛鞭效应研究[J].经营管理者,2016,(1):8-9.

[9]栾东庆.基于能力合作的IT外包服务供应链探讨[J].商业文化月刊,2011,(5):45.

[10]王蓉,陈良华,吴大勤,等.基于系统动力学的供应链成本分配动力研究[J].华东经济管理,2015,29(10):101-108.