下载

2下载券

加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 牛鞭效应

牛鞭效应.ppt

牛鞭效应

『梓西』
2013-12-31 0人阅读 举报 0 0 暂无简介

简介:本文档为《牛鞭效应ppt》,可适用于生产运营领域

供应链中牛鞭效应供应链中牛鞭效应背景知识:牛鞭效应:最早由宝洁公司在世纪年代提出的。宝洁公司对其中某项产品的订货进行考察时发现其产品的零售商的库存是稳定的波动幅度不大然后再考察分销商的订货情况时发现分销商的订货需求波动比较大而宝洁公司向它的供应商订货幅度变化更大。从产品的零售商到供应商他们的订货需求的波动幅度逐渐增大形似一条鞭子因此被称为牛鞭效应(如图)。供应链中牛鞭效应供应链中牛鞭效应牛鞭效应示意图供应链中牛鞭效应供应链中牛鞭效应啤酒游戏:该游戏是由麻省理工学院斯隆管理学院在世纪年代创立的库存管理策略游戏该游戏形象地反映出牛鞭效应的存在及影响。几十年来游戏的参加者成千上万但游戏总是产生类似的结果。因此游戏产生恶劣结果的原因必定超出个人因素,这些原因必定是藏在游戏本身的结构里。在游戏中零售商通过向某一批发商订货来响应顾客要求购买的啤酒订单批发商通过向生产啤酒的工厂订货来响应这个订单。该实验分成三组分别扮演零售经理、批发经理和工厂经理。每一组都以最优的方式管理库存准确订货以使利润最大化。供应链中牛鞭效应供应链中牛鞭效应案例介绍此案例主要是通过模拟啤酒游戏来仿真供应链中的牛鞭效应从为改善牛鞭效应来提供帮助。首先假设啤酒游戏中包含零售商、批发商、供应商三个成员。同时对游戏中的参数进行如下假设:市场对啤酒的前周的需求率为周箱在周时开始随机波动波动幅度为±均值为波动次数为次随机因子为个。假设各节点初始库存和期望库存为箱期望库存持续时间为周库存调整时间为周移动平均时间为周生产延迟时间和运输延迟时间均为周不存在订单延迟。仿真时间为~周仿真步长为周。期望库存等于期望库存持续时间和各节点的销售预测之积。供应链中牛鞭效应供应链中牛鞭效应问题识别:本案例主要研究供应链中牛鞭效应各个供应链节点库存积压库存波动幅度比较大不够稳定导致供应链的成本居高不下失去了竞争优势。因此急需采取措施来削弱牛鞭效应从而能够降低整条供应链的成本建立稳定的竞争优势。因此本案例通过啤酒游戏来对供应链进行仿真从而为寻找较优的供应链结构来削弱牛鞭效应降低成本。系统边界确定:本案例中只考虑供应链中零售商、批发商、供应商而且仅考虑他们之间的库存订货系统没有涉及供应商的生产系统供应链中的物流供应系统等等。供应链中牛鞭效应供应链中牛鞭效应因果关系图:当市场需求增加时零售商的库存将会减少从而导致零售商期望库存和零售商的库存之差即零售商库存差增加当零售商库存差增加零售商增加向批发商订货来弥补库存差。零售商的订货增加会加快批发商对零售商的送货率但是这个过程存在两个延迟过程。一个信息延迟过程就是零售商将市场需求变化情况反馈批发商过程。另一个是物质延迟过程就是批发商得到零售商的订货要求需要一个时间过程来满足这个要求。同样批发商的库存也会减少这样就引起批发商期望库存和批发商库存之差批发商就会增加向供应商订货来弥补库存差。同理批发商增加订货量会引起供应商向生产商或上级供应商增加订货量在这两个弥补库存差的过程中同样存在延迟过程然后来响应市场需求。供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应系统流程图:根据因果关系图绘制系统流程图。首先要识别系统中的水平变量、速率变量。本系统中包括零售商库存、批发商库存、供应商库存三个水平变量市场需求率、批发商发货率、供应商发货率、供应商生产率、三个速率变量。各个节点的发货率是根据下级节点的订单来决定的。各级节点的订单又是由产品销售预测和库存差来决定的。各个节点的发货率还需要辅助变量来表达。辅助变量包括各节点的订单量期望库存、销售预测量、供应商生产需求。供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应建立仿真方程式:()市场销售率=IFTHENELSE(TIME>RANDOMNORMAL(),)单位:箱周()零售商销售预测=SMOOTH(市场销售率移动平均时间)单位:箱周()零售商期望库存=期望库存持续时间×零售商销售预测单位:箱()零售商库存=INTEG(分销商发货率市场销售率)单位:箱()零售商订单=MAX(零售商销售预测(零售商期望库存零售商库存)库存调整时间)单位:箱周()批发商发货率=DELAY(零售商订单运输延迟时间)单位:箱周供应链中牛鞭效应供应链中牛鞭效应()批发商销售预测=SMOOTH(批发商发货率移动平均时间)单位:箱周()批发商库存=INTEG(供应商发货率批发商发货率)单位:箱()批发商期望库存=期望库存持续时间×批发商销售预测单位:箱()批发商订单=MAX(批发商销售预测(批发商期望库存分销商库存)库存调整时间)单位:箱周()供应商发货率=DELAY(分销商订单运输延迟时间)单位:箱周供应链中牛鞭效应供应链中牛鞭效应()供应商销售预测=SMOOTH(供应商发货率移动平均时间)单位:箱周()供应商库存=INTEG(供应商生产率供应商发货率)单位:箱()供应商期望库存=期望库存持续时间×供应商销售预测单位:箱()供应商生产需求=MAX(供应商销售预测(供应商期望库存供应商库存)库存调整时间)单位:箱周()供应商生产率=DELAY(供应商生产需求率生产延迟)单位:箱周供应链中牛鞭效应供应链中牛鞭效应计算机仿真:使用Vensim软件建立系统流图和填入方程式就可以对系统进行仿真。建立仿真模型可以与现实对照可以寻求削弱牛鞭效应的策略可以预测系统未来的行为趋势。供应链中牛鞭效应供应链中牛鞭效应仿真结果供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应通过仿真结果可以发现啤酒游戏能够很好地模拟供应链中的牛鞭效应现象。系统中各个成员的库存和订单量都波动幅度很大市场的需求信息在供应链中一级一级地放大。我们已经很好地对真实的牛鞭效应进行了仿真因此现在需要采用措施来削弱牛鞭效应。我们知道系统的结构决定系统的行为同样牛鞭效应由啤酒游戏中的结构决定。所以要想削弱牛鞭效应关键在于进行政策优化。供应链中牛鞭效应供应链中牛鞭效应政策优化:在前面已经提到政策优化包括参数优化、结构优化、边界优化。SD的优化是最优控制问题。但是这种优化在本质上大大不同于人们已熟悉的线性模型常规的最优化技术对它已无能为力。关于SD优化的手段与方法常用的是”试凑法”即事先设计政策方案然后通过模拟在所设计的方案中选优。“试凑法”一般是对系统的参数而言主要依靠建模与分析人员的经验和技巧很难达到数学意义上的优化或满意。这也是有人质疑系统动力学的地方没有数学上的严谨性。因此有些系统动力学研究者想弥补“试凑法”的缺点开始将遗传算法、蚁群算法、小波分析等全局优化方法用于SD模型的优化问题。供应链中牛鞭效应供应链中牛鞭效应对于牛鞭效应现象已经很多国内外学者进行了深入的研究关于牛鞭效应的原因提出了许多原因。因此在此借鉴他们的研究成果提出的措施来削弱牛鞭效应通过对它们进行仿真模拟来验证这些措施的效果。其中斯坦福大学HauLLee教授对牛鞭效应的原因比较有说服力。本案例主要研究供应链组织结构和信息结构对牛鞭效应的影响从而为优化系统结构提供帮助。供应链中牛鞭效应供应链中牛鞭效应供应链组织结构:通过增长供应链的长度和缩短供应链的长度来研究牛鞭效应的变化情况。所以我们分别研究二级供应链和四级供应链的库存和订单情况从而与三级供应链进行对比看验证牛鞭效应是否与供应链的长度有关。二级供应链裁掉批发商供应商直接和零售商进行交易。四级供应链增加一个分销商。二级供应链、四级供应链和三级供应链的因果关系图、系统流图、方程式都类似因此在这里不再重复。供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应通过对各级供应链的各成员库存量和订单的比较随着供应链上节点企业的增加,供应商生产需求大幅上升在四级供应链中更是达到箱周。由此说明,供应链中水平层次的参与者越多,信息被加工迭代次数就越多,放大现象越严重,市场需求扭曲的程度也越大。可以知道随着供应链长度增长供应链的牛鞭效应越来越严重。因此可以知道供应链的组织结构对牛鞭效应是有一定的影响的所以通过调整供应链的组织结构可以来削弱牛鞭效应。现在供应链越来越向网络化虚拟化那么这样的供应链组织调整是不是有利于供应链库存水平的稳定呢?(拓展部分)供应链中牛鞭效应供应链中牛鞭效应供应链信息结构:许多研究牛鞭效应的学者都认为供应链的信息结构对牛鞭效应有很大的影响由于供应链成员之间利用信息不对称进行商业博弈从而导致市场需求信息在各级成员之间被扭曲逐渐放大市场需求。因此很多学者提出通过供应链各成员之间的协调,建立有效的信息共享机制与激励机制,可以减轻牛鞭效应的影响。所以当前出现了许多新的供应链库存管理模式如供应商库存管理(VendorManagedInventory,VMI)、联合库存管理(JointlyManagedInventoryJMI)、协同规划、预测与补给(CollaborativePlanningForecastingandReplenishment,CPFR)等等。供应链中牛鞭效应供应链中牛鞭效应本案例中我们选取VMI模式来验证通过改善供应链信息结构是否能够削弱牛鞭效应。VMI(供应商管理库存)是一种较为典型的信息共享下的库存管理方式在传统的供应链管理模式中,信息流由下至上到达制造商,物流由上至下到达终端客户,在这个过程中,供应链成员彼此都是独立的,没有信息共享,每个个体都是为了自己的利益最大化考虑,只会采取自己的预测方法,遵守各自的补货原则等。供应链中牛鞭效应供应链中牛鞭效应与传统供应链不同的是,由于信息共享,使得VMI下的供应链中只包含有用的和真实的需求信息,供应链成员不再依赖预期来进行订货。在VMI的协议下,零售商及时将其商品销售信息和库存消耗量跨越分销环节的多个成员,与批发商、制造商共享,供应商监视零售商的库存状况,确定库存补充数量。本案例我们以三级VMI模式下的供应链为研究对象将其与传统三级供应链进行对比来验证信息结构的调整对牛鞭效应的影响。供应链中牛鞭效应供应链中牛鞭效应VMI模式下的三级供应链与传统的三级供应链只是在信息结构不同VMI中成员不再是根据自己的销售预测来进行订货而是在VMI协议下由零售商将市场的需求信息与批发商、供应商来共享由供应商来对零售商的库存进行管理。所以VMI模式的三级供应链的因果关系图与传统三级供应链一样只是系统流图有点差异。供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应由系统流图可以知道VMI模式下的三级供应链各成员的订单直接依赖于市场需求信息不再根据自己的销售预测来订货。同时各上游节点需要对下游节点的库存进行管理。因此它们的方程式也要进行修改。()批发商订单=MAX(零售商销售预测(批发商期望库存×批发商库存零售商库存)库存调整时间)单位:箱周()供应商生产需求=MAX(零售商销售预测(供应商期望库存×供应商库存批发商库存零售商库存)库存调整时间)单位:箱周仿真结果对比如下图所示:供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应供应链中牛鞭效应由仿真输出结果可知与传统供应链相比在实施VMI的供应链中各节点库存量比较稳定波动幅度明显减小。供应链各节点订单水平及生产需求波动幅度也明显降低说明各节点订货水平越来越接近市场需求信息需求信息的放大程度大大减少。由此可知供应链各成员之间信息的共享有效地缓和了市场需求的不确定性削弱了牛鞭效应。所以通过对供应链的信息结构进行调整有利于削弱牛鞭效应。

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/40

牛鞭效应

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利