首页 >>吴菁芃:供应链管理与系统——库存篇(二)
吴菁芃:供应链管理与系统——库存篇(二)
发布来源: 吴菁芃Vincent 发布时间:2020-09-21



(2)牛鞭效应

牛鞭效应也叫长鞭效应(bullwhip)指的是从供应链下游到上游,需求的不确定度逐渐提高。比如,POS的需求不确定度低于零售商配送中心的需求不确定度,后者又小于供应商需求的不确定度。这就是越来越多的零售商开始和供应商分享 POS 数据的部分原因——供应商可以通过 POS 数据更好地预测需求,因为它比订单数据受到的干扰更少。但订单数据的优点在于其包含预测相关信息——补货流程的节奏(rhythm),也就是说补货系统经常存在一个可以用于预测的节奏。之后我们将进一步讨论这个话题。


今天的文章中,供应链库存策略中,我们讨论牛鞭效应产生的原因。其中一个原因是使用了订单增量大于销量的订单分批(order batching)策略。举个例子,一家零售店里, 一种叫Cheerios 的甜甜圈每天都会有人购买。但是零售店每两周才向配送中心下一次订单。对于配送中心来说,订单分批策略隐藏了需求信息的部分细节。而配送中心可能为 20 家零售店供货,这些店每周都会下单订货, 订单数据所包含的需求信息又进一步减少了。为了更好地理解,我们来看一个比较极端的例子。假设第 1 天以后,1号店Cheerios 的销量每天增长10倍,到了第3天,1号店向配送中心下单,订货量为其一般订货量的 10倍。又过了一周,也就是第 10 天,配送中心向供应商下单订货,订货量比其一般订货量要多很多。所以很显然,订单分批策略会导致需求信息延迟:本例中延迟了10天。订单分批策略会隐藏需求的趋势和其他模式,还会导致需求变化信息延迟。很显然,订单分批策略干扰了需求信息,这会导致缺货或库存过量。此外,由于可能需要加急运输,运输成本也会增加。


牛鞭效应产生的另一个原因可能是产生订单前的预测误差。这种误差可能是人为导致的,可能是模型导致的,也可能两种原因都有。假设使用二阶指数平滑模型(也叫作 Holt 模型)来预测趋势,但实际上需求并不存在什么趋势,并且如果模型使用了高平滑常数,产生订单时偶尔就会发生过预测,偶尔又会发生欠预测。这个现象会随着预测周期的延长而更加明显。如果使用了高平滑常数来更新趋势分量的预估值,最近一次的销量变动会更为明显地通过趋势分量展现出来。如果继续进行预测,就像使用订单分批策略时提高订货量一样,错误趋势的误差会被放大,无论误差值是正还是负。如下图所示。


当然有很多测量牛鞭效应的方法,我们在这里只讨论最直接的一种——通过方差之比来测量。用什么方差取决于你想在什么层面进行测量。如果想对某零售店进行测量,可以取其订单数据方差和销量数据方差之比。如果想对整个零售店级进行测量,可以取该零售商旗下所有 POS 的销售点数据方差和订单数据方差之比。


由于牛鞭效应带来的主要成本是库存过量(即安全库存过多)、缺货更加频繁、特定库存单位运输成本的增加,因此在库存单位级测量牛鞭效应是最有意义的。很多书籍讨论的是行业的牛鞭效应,对于分析经济形势这可能有意义,但是对于库存管理并无意义。类似地,分析一个月、一个季度、一年内的牛鞭效应,对于每天或每周都要补货的库存单位来说,也是无意义的。通常来说,在库存单位水平测量其补货间隔内的牛鞭效应,对供应链管理是最有意义的。


菁芃推荐利用“库存流程的离散事件仿真模型”来分析单个节点是如何产生或消除长鞭效应的。还可以分析不同的补货流程和参数会对长鞭效应产生何种影响。比如,如果需求的方差设得很大,将订货量设为和需求均值相近的水平,即设置大量安全库存,你会发现,补货系统可以减小牛鞭效应的影响或实现生产平衡(production smoothing)。订单方差小于需求方差就意味着实现了生产平衡。之前我们说过,通过POS数据能够更好地理解需求,但订单数据也包含着十分重要的信息。在之前的例子中,订货量接近需求均值,有大量安全库存,店铺几乎每天都会订购等量货物,而店铺需求的方差很大。如果供应实体基于 POS 数据而设置很高的安全库存,由于订货量的实际不确定度很低,安全库存就会过量。


根据上面图中所示,最下方的一行为4个零售商各自的总 POS 数据,外面的圆代表所有汇总的 POS 数据。假设4个零售商的配送中心的某库存单位都是由同一个供应商的配送中心供货。那么在总订单水平上分析牛鞭效应是最合适的。中间一行代表处理需求、把需求转为订单的零售商。这可能涉及好几级的下单流程,比如店铺向零售商的配送中心下单、零售商的配送中心向供应商下单。图中所标注的“1号零售商的总订单数据”,可能是由 1 家,也可能是由 100 家配送中心产生。所以,即使所有的订单都是来自这 4 个零售商,实际的运送目的地也可能非常多。

牛鞭效应比较了首行的零售商总订单数据与最末行的总 POS 数据的不确定度。记住,这个分析只是针对单个库存单位的,因为该供应商必须持有单个库存单位的库存。风险汇聚可以用来分析将配送中心一分为二所产生的增量成本。如果供应商这样做了,并且让其中一个配送中心服务于 1 号和 2 号零售商,另一个服务于 3 号和 4 号零售商,那么就需要测量两次牛鞭效应。当然,供应商需要持有一定量的安全库存,来维持服务水平,但至少两个配送中心之一是位于零售商的配送中心附近的, 这样提前期就缩短了,由此可以弥补这个差异。


(3)库存延迟

某意大利服装品牌,其大量产品都被售往美国的商店,这些商场大多位于大型购物中心。该品牌因其服装具有独特的主题色而闻名,对于色彩在市场上的流行趋势,它有着公认的灵敏嗅觉。


我们都知道,色彩是服装风格趋势中最易变的一个方面,确定某个季节的流行色是个难题。该品牌通过在服装线中推出纯色系列来捕捉流行色。然而到了季末,其库房里往往总会多出某些颜色的库存,这时它只好减价清仓。有时候为了清仓,甚至会以低于成本价的价格出售这些库存。就像服装行业的其他很多公司一样,该品牌注意到了,拥有流行色的服饰很容易就会缺货,而剩下的产品都是没人想要的,只能减价出售。

该品牌的服装生产流程一般包括将纱线漂白后上色,再将纱线编织为成品,如一件毛衣。最后,制造商把产品从意大利运到美国。染色环节资金密集、完成时间短,而编织和装配环节则劳动力密集、完成时间长。该品牌所面临的问题变成了“如何解决季末多余库存的问题?”一个显而易见的答案是,“通过加快装配环节来缩短整个流程”或“换用编织速度更快的机器”。


该品牌决定交换流程中两个环节的位置,改成先编织和装配,最后染色。这样打破了传统。但对于纯色系列服饰,没有理由不这样做。推迟染色环节是有好处的,因为这样就能够在换季时更加准确地预测色彩的流行趋势,从而预测销量;也因此能够按需生产不同颜色的服饰,减少对不受欢迎的服饰的生产,从而减少季末的多余库存。


通常,将生产和配送延迟的策略被称为延迟策略(postponement)。有人还将延迟策略定义为在收到客户订单之前延迟生产和配送的策略。延迟策略能让公司使用更少的成本来定制产品,也可以用于延迟运输和仓储费用的支付。延迟策略还可以提高库存持有的中心化程度,从而可能增加中心位置的周期库存,减少其下级库存持有节点的周期库存。另外, 延迟策略还能减少最终产品的 SS。


延迟似乎是和“投机”(speculation)相反的一种策略。“投机”是在需求产生之前就进行一系列增值活动,包括提前将产品运送到预计会产生需求的地点、在接收订单之前就定制产品等。选择“投机”策略的公司能够快人一步,或者满足早期需求。所以,虽然延迟策略有助于降低成本, 但也应该权衡其与“投机”策略相比的得与失。但也可以使用混合策略, 即对部分产品使用投机策略,对另一部分使用延迟策略。并且,如果你将投机和延迟看作一个连续统一体(continuum),就可以将其想象为一个投资组合策略(portfolio  strategy),即预计需求不同的产品在这个连续统一体中的不同位置并进行生产和配送。公司的市场部门似乎倾向于使用投机策略,而供应链部门则倾向于使用延迟策略。供应链经理的职责就是,在不损害双方部门利益的前提下,找到适用延迟策略进行生产和配送的产品。


注:本文系本站转载,转载目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请与本站联系,我们将在第一时间删除内容!本文版权归原作者所有 内容为作者个人观点 本站只提供参考并不构成任何投资及应用建议。

热门课程

关注我们

关注我们