Bullwhip effekt

Illustration av bullwhip-effekten: slutkunden lägger en beställning (piska), som alltmer förvränger tolkningar av efterfrågan allt eftersom man fortsätter uppströms längs leveranskedjan .

Bullwhip -effekten är ett fenomen i leveranskedjan där beställningar till leverantörer tenderar att ha en större variation än försäljning till köpare, vilket resulterar i en förstärkt efterfrågevariabilitet uppströms. Delvis resulterar detta i ökande lagersvängningar som svar på förändringar i konsumenternas efterfrågan när man går längre upp i försörjningskedjan. Konceptet dök upp först i Jay Forresters Industrial Dynamics (1961) och därför är det också känt som Forrester-effekten . Det har beskrivits som "den observerade benägenheten för materialorder att vara mer varierande än efterfrågesignaler och att denna variabilitet ökar ju längre uppströms ett företag befinner sig i en leveranskedja". Science vid Stanford University hjälpte till att införliva konceptet i varuförsörjningskedjan med hjälp av en berättelse om Volvo . Med ett överflöd av miljöbilar utvecklade försäljning och marknadsföring ett program för att sälja det överflödiga lagret. Även om det var framgångsrikt med att generera det önskade marknadsdraget, kände tillverkningen inte till kampanjplanerna. Istället läser de den ökade försäljningen som en indikation på växande efterfrågan på miljöbilar och ökad produktion.

Forskning visar att en fluktuation i efterfrågan på försäljningsställen på fem procent kommer att tolkas av deltagare i leveranskedjan som en förändring i efterfrågan på upp till fyrtio procent. Ungefär som att knäcka en piska kan ett litet snärt med handleden - en förändring i efterfrågan på försäljningsställen - orsaka en stor rörelse i slutet av piska - tillverkarnas svar.

Orsaker

Bullwhip effekt

Eftersom kundernas efterfrågan sällan är helt stabil måste företagen förutsäga efterfrågan för att korrekt positionera lager och andra resurser. Prognoser är baserade på statistik, och de är sällan helt korrekta. Eftersom prognosfel ges, har företag ofta en lagerbuffert som kallas " säkerhetslager ".

Genom att flytta uppåt i försörjningskedjan från slutkonsument till råvaruleverantör har varje deltagare i försörjningskedjan större observerad variation i efterfrågan och därmed ett större behov av säkerhetslager . I perioder med ökande efterfrågan ökar nedströmsdeltagare beställningar. I perioder med sjunkande efterfrågan sjunker eller stoppas order, vilket inte minskar lagret. Effekten är att variationerna förstärks när man rör sig uppströms i försörjningskedjan (längre från kunden). Detta händelseförlopp är väl simulerat av öldistributionsspelet som utvecklades av MIT Sloan School of Management på 1960-talet.

  • Desorganisation
  • Brist på kommunikation
  • Fri returpolicy
  • Beställ batchning
  • Prisvariationer
  • Begär information
  • Helt enkelt mänsklig girighet och överdrift

Orsakerna kan vidare delas in i beteendemässiga och operativa orsaker.

Beteendeorsaker

De första teorierna som fokuserade på bullwhip-effekten fokuserade huvudsakligen på det irrationella beteendet hos människan i leveranskedjan, och lyfte fram dem som huvudorsaken till bullwhip-effekten. Sedan 90-talet har studierna utvecklats, vilket placerar leverantörskedjans felaktiga funktion i hjärtat av deras studier och övergav de mänskliga faktorerna. Tidigare styrteoretiska modeller har identifierat som orsaker till kompromissen mellan stationär och dynamisk prestanda samt användningen av oberoende styrenheter. I enlighet med Dellaert et al. (2017), är en av de främsta beteendeorsakerna som bidrar till bullwhip-effekten underskattningen av pipelinen. Dessutom har den kompletterande biasen, överskattning av rörledningen, också en negativ effekt under sådana förhållanden. Icke desto mindre har det visat sig att när efterfrågeströmmen är stationär är systemet relativt robust för denna bias. I sådana situationer har det visat sig att partiska policyer (både under- och överskattning av pipeline) fungerar lika bra som opartiska policyer.

Några andra beteendemässiga orsaker kan lyftas fram:

  • Missbruk av baslagerpolicyer
  • Feluppfattningar om feedback och tidsfördröjningar. 1979 lyfte Buffa och Miller fram det i sitt exempel. Om en återförsäljare ser en permanent minskning med 10 % av efterfrågan dag 1, kommer han inte att lägga en ny beställning förrän dag 10. På så sätt kommer grossisten att märka minskningen på 10 % vid dag 10 och kommer att lägga sin beställning på dag 20. Ju längre leveranskedjan är, desto större kommer denna fördröjning att bli och spelaren i slutet av leveranskedjan kommer att upptäcka nedgången i efterfrågan efter flera veckor.
  • Panikbeställande reaktioner efter otillfredsställd efterfrågan
  • Upplevd risk för andra spelares begränsade rationalitet . Enligt logiken i exemplet med Buffa och Miller, efter flera veckors produktion i klassisk takt, kommer producenten att få information om efterfrågeminskningen. Eftersom minskningen var 10 % hade producenten under fördröjningen av informationens cirkulation ett överskott på 11 % per dag, ackumulerat sedan dag 1. Han är alltså mer benägen att skära ner mer än den nödvändiga produktionen.

Mänskliga faktorer som påverkar beteendet i leveranskedjorna är till stor del outforskade. Studier tyder dock på att personer med ökat behov av säkerhet och säkerhet verkar prestera sämre än risktagare i en simulerad försörjningskedja. Människor med hög self-efficacy upplever mindre problem med att hantera bullwhip-effekten i försörjningskedjan.

Operativa orsaker

En banbrytande Lee et. al (1997) studie fann att bullwhip-effekten inte enbart berodde på irrationellt beslutsfattande: den fann att det under vissa omständigheter är rationellt för ett företag att beställa med större variation än variabilitet i efterfrågan, dvs. snedvrida efterfrågan och orsaka bullwhip-effekten . De upprättade en lista över fyra huvudfaktorer som orsakar bullwhip-effekten: efterfrågesignalbehandling, ransoneringsspel, orderbatchning och prisvariationer. Denna lista har blivit en standard och används som ett ramverk för att identifiera bullwhip-effekt. [ citat behövs ]

  • Uppdatering av efterfrågeprognoser utförs individuellt av alla medlemmar i en försörjningskedja. När en spelare i kedjan beställer, kommer han automatiskt att lägga till det lager han behöver ett säkerhetslager för att svara på en oväntad händelse. När den första spelarleverantören ska beställa till sin egen leverantör kommer han också att lägga till ett säkerhetslager, baserat på den första spelarens totala order. Ju fler spelare det finns i kedjan, kommer säkerhetslagret att skapas, vilket resulterar i en konstgjord ökning av efterfrågan.
  • Beställ batchning . För att minimera kostnaderna och förenkla logistiken för ett företag, föredrar de flesta av företaget att samla efterfrågan innan beställningen görs. På så sätt kan de dra nytta av en större försäljning på sin beställning (stordriftsfördelar) och de har möjlighet att beställa en full lastbil eller container vilket kraftigt minskar transportkostnaden. Ju mer centraliserade beställningarna är, desto mer oberäkneligt kommer efterfrågediagrammet att vara, det skapar en artificiell variation i efterfrågan, och det kan påverka grannarnas industrier vilket sannolikt kommer att öka bullwhip-effekten.
  • Prisfluktuationer till följd av inflationsfaktorer, kvantitetsrabatter eller försäljning tenderar att stimulera kunderna att köpa större kvantiteter än de behöver. Spelet försäljning och rabatt pressa, i det fall där försäljningsekonomin är högre än lagerkostnaderna, företaget att köpa större belopp än vad de behöver. Detta ökar variationen genom att ha toppar i efterfrågan och sedan en platta linje den tid som det överstigande lagret säljs av kunden. Det leder till mer osäkerhet hos de olika aktörerna och en förutsägelse om det ögonblick då efterfrågan kommer att öka. Allt detta leder till bullwhip-effekten. Om det kan verka lika lätt att motverka genom att stoppa den viktiga försäljningen, skulle en konkurrent ta platsen genom att erbjuda bättre priser.
  • Ransonering och spel är när en återförsäljare försöker begränsa orderkvantiteter genom att endast tillhandahålla en procentandel av beställningen som köparen har lagt. Eftersom köparen vet att återförsäljaren bara levererar en bråkdel av beställningen, försöker han "spela" systemet genom att göra en uppjustering av beställningskvantiteten. Ransonering och spel genererar inkonsekvenser i den beställningsinformation som tas emot.

Andra operativa orsaker inkluderar:

  • Beroende efterfrågebehandling
    • Prognosfel
    • Justering av lagerstyrningsparametrar med varje efterfrågeobservation
  • Ledtidsvariabilitet (prognosfel under ledtid för påfyllning)
  • Lotsstorlek/ordersynkronisering
    • Konsolidering av krav
    • Transaktionsmotiv
    • Kvantitetsrabatter
  • Handelsfrämjande och terminsköp
  • Förväntan på brister
    • Tilldelningsregel för leverantörer
    • Brist på spel
    • Lean och JIT-stilshantering av lager och en produktionsstrategi för jakt

Konsekvenser

Utöver större säkerhetslager kan den beskrivna effekten leda till antingen ineffektiv produktion eller överdrivet lager, eftersom varje producent behöver möta efterfrågan från sina kunder i försörjningskedjan. Detta leder också till ett lågt utnyttjande av distributionskanalen.

Trots att man har säkerhetslager finns det fortfarande en risk för lager-outs som resulterar i dålig kundservice och förlorad försäljning. Utöver de (ekonomiskt) svåra mätbara konsekvenserna av dålig kundservice och skadan på allmänhetens image och lojalitet, måste en organisation hantera följderna av misslyckad fullgörelse som kan innefatta avtalsmässiga påföljder. Dessutom medför upprepade anställningar och uppsägningar av anställda för att hantera variationen i efterfrågan ytterligare kostnader på grund av utbildning och eventuella permitteringar.

Effekten av bullwhip-effekten har varit särskilt akut i början av covid-19- pandemin , när plötsliga toppar i efterfrågan på allt från medicinska förnödenheter som masker eller ventilatorer till konsumentartiklar som toalettpapper eller ägg skapade feedbackslingor av panik köp, hamstring och ransonering.

Motåtgärder

Informationsdelning över hela försörjningskedjan är en effektiv strategi för att mildra bullwhip-effekten. Till exempel har det framgångsrikt implementerats i Wal-Marts distributionssystem. Enskilda Wal-Mart-butiker överför POS-data från kassaregistret tillbaka till företagets huvudkontor flera gånger om dagen . Denna efterfrågeinformation används för att köa försändelser från Wal-Marts distributionscenter till butiken och från leverantören till Wal-Marts distributionscenter. Resultatet är nästan perfekt synlighet av kundernas efterfrågan och lagerrörelser genom hela leveranskedjan. Bättre information leder till bättre lagerpositionering och lägre kostnader genom hela försörjningskedjan.

En annan rekommenderad strategi för att begränsa bullwhip-effekten är ordningsutjämning. Tidigare forskning har visat att ordningsutjämning och bullwhip-effekten är samtidiga inom industrin. Det har bevisats att orderutjämning är fördelaktigt för systemets prestanda när efterfrågan är stillastående. Dess effekt är dock begränsad till orderförstärkningen i värsta fall när efterfrågan är oförutsägbar. Med det sagt avslöjar dynamisk analys att orderutjämning kan försämra prestandan i närvaro av efterfrågechocker. Den motsatta förspänningen (dvs överreaktion på felmatchningar) försämrar å andra sidan den stationära prestandan men kan öka den dynamiska prestandan; kontrollerad överreaktion kan hjälpa systemet att snabbt nå sina nya mål. Systemet är dock avsevärt känsligt för detta beteende; extrem överreaktion minskar prestandan avsevärt. Sammantaget ger opartiska policyer i allmänhet goda resultat under ett stort antal efterfrågetyper. Även om dessa policyer inte resulterar i bästa resultat under vissa kriterier. Det är alltid möjligt att hitta en partisk policy som överträffar en opartisk policy för ett resultatmått.

Metoder avsedda att minska osäkerhet, variabilitet och ledtid:

Finansiell Bullwhip

Många studier visar bullwhip-effekten i en försörjningskedja ur olika perspektiv, inklusive informationsdelning (Lee et al., 2000), informationsförvrängning (Lee et al., 2004), konkurshändelser (Lee et al., 2004, Mizgier et al. ., 2012) och systematisk risk (Osadchiy et al., 2015). De flesta av dem ägnar sig åt att utforska bullwhip-effekten utifrån perspektiven lagerflödesrisk och informationsflödesrisk snarare än kassaflödesrisk. För ett företags interna likviditetsrisk (Chen et al., 2011) är det en lämplig proxy för ett företags finansiella risk.

Utgående från idén om en aktiehärledd bullwhip-effekt finns det en liknande, "finansiell bullwhip-effekt", som utforskas i (Chen et. al., 2013), på obligationsinnehavarnas förmögenhet längs en leveranskedja genom att undersöka om den interna likviditetsriskeffekten på obligationsränteskillnader blir större uppåt längs leveranskedjans motparter.

Finansiell ringverkan

Detta modelleras mer generellt i (Proselkov et. al., 2023), som använder komplexa adaptiva systemmodelleringar för att studera kaskadfel som en konsekvens av finansiella bullwhips. Specifikt skapar de en agentbaserad simuleringsmodell för leveransnätverk som fångar beteendet hos företag med asymmetrisk kraftdynamik med sina partners. För att förbli operativa maximerar de sin likviditet genom att förhandla fram längre återbetalningstider och billigare finansiering, vilket fördelar risker på svagare företag och sprider finansiell stress. Detta resulterar i nätverksomfattande sammanbrott.

Se även

Litteratur

  • Bray, Robert L. och Haim Mendelson. "Informationsöverföring och bullwhip-effekten: En empirisk undersökning." Management Science 58,5 (2012): 860–875.
  • Buffa Elwood S och Jeffrey G Miller. 1979. Produktion-inventeringssystem: planering och kontroll . 3d ed. Homewood Ill: Richard D. Irwin.
  • Cannella S. och Ciancimino E. (2010). På fasen för undvikande av bullwhip: samarbete i försörjningskedjan och utjämning av order. International Journal of Production Research, 48 (22), 6739-6776
  • Chen, YF, Z. Drezner, JK Ryan och D. Simchi-Levi (2000), Quantifying the Bullwhip Effect in a Simple Supply Chain: The Impact of Forecasting, Lead Times and Information. Management Science, 46, 436–443.
  • Chen, YF, JK Ryan och D. Simchi-Levi (2000), The Impact of Exponential Smoothing Forecasts on the Bullwhip Effect. Naval Research Logistics, 47, 269–286.
  • Chen, YF, Z. Drezner, JK Ryan och D. Simchi-Levi (1998), The Bullwhip Effect: Managerial Insights on the Impact of Forecasting and Information on Variability in a Supply Chain. Kvantitativa modeller för
  • Disney, SM och Towill, DR (2003). På bullwhip och lageravvikelse som produceras av en beställningspolicy. Omega, International Journal of Management Science, 31 (3), 157–167.
  • Lee, HL, Padmanabhan, V. och Whang, S. (1997). Informationsförvrängning i en försörjningskedja: bullwhip-effekten. Management Science, 43 (4), 546–558.
  • Lee, HL (2010). Tämja tjurpiskan. Journal of Supply Chain Management 46 (1), s. 7–7.
  • Supply Chain Management, S. Tayur , R. Ganeshan och M. Magazine, red., Kluwer, s. 417–439.
  • Selwyn, B. (2008) Bringing Social Relations Back In: ​​(om)konceptualisera "Bullwhip Effect" i globala varukedjor. International Journal of Management Concepts and Philosophy, 3 (2)156-175.
  •   Tempelmeier, H. (2006). Inventory Management in Supply Networks—Problems, Models, Solutions, Norderstedt:Books on Demand. ISBN 3-8334-5373-7 .

externa länkar

Hämtad från " https://en.wikipedia.org/w/index.php?title=Bullwhip_effect&oldid=1142316128 "