1、牛鞭效应及应用实例分析1 牛鞭效应的背景介绍1.1 牛鞭效应的发现二十世纪九十年代中期，宝洁公司的工作人员对他们最畅销的婴儿尿布产品的订单模式进行检查时，发现了一个奇怪的现象：该产品的零售数量是相当稳定的，波动性并不大，但在考察分销中心向她的订货情况时，吃惊地发现波动性明显增大了。其分销中心说，他们是根据汇总的销售商的订货需求量向她订货的。她进一步研究后发现，零售商往往根据对历史销量及现实销售情况的预测，确定一个较客观的订货量，但为了保证这个订货量是及时可得的，并且能够适应顾客需求增量的变化，他们通常会将预测订货量作一定放大后向批发商订货，批发商出于同样的考虑，也会在汇总零售商订货量的基础上再
2、作一定的放大后向销售中心订货。这样，虽然顾客需求量并没有大的波动，但经过零售商和批发商的订货放大后，订货量就一级一级地放大了。在考察向其供应商，如3M公司的订货情况时，她也惊奇地发现订货的变化更大，而且越往供应链上游其订货偏差越大。这个现象就像牛仔使用的长鞭，顶端轻微的一点抖动就会在末梢转化为一条长长的弧线。因此，宝洁公司把这个现象命名为牛鞭效应（bullwhip effect）。学术界普遍接受的牛鞭效应经典定义由Hau L Lee等（1997a）给出，他用过程的方差来定量的描述需求的波动：牛鞭效应描述的是供应链中供应商所接受的订单比终端顾客的需求具有更大的方差现象（即需求扭曲现象），这种扭曲
3、将以放大的形式向供应链的上游传播（即方差的放大现象）。1.2 牛鞭效应的成因和影响1.2.1 牛鞭效应的形成原因最早注意到供应链中这种需求波动逐级放大现象的人是J. Forrester, 早在1961年他就根据系统动力学理论，对一个三阶段四节点的供应链系统进行分析，指出对于季节性商品，制造商觉察到的需求变化远远超过顾客的需求变化。Forrester认为出现这种现象的原因在于供应链系统太过复杂，而公司间的信息反馈又非常困难，因此单个公司很难独立理性地作出订购决策。Forrester认为解决这种现象的方法在于将供应链视为一个整体，并采用系统动力学的观点对供应链系统进行仿真建模，以便管理者能够确定合
4、适的决策方案。牛鞭效应研究的一个里程碑式的进步源于著名的“MIT啤酒游戏”的提出和研究。Sterman（1989）教授在其库存管理现场试验中设计了一个“啤酒分销游戏”，从而证实了供应链中确实存在牛鞭效应。在这个试验中，整个供应链上只有四个参与者，分别是啤酒制造商、分销商、批发商以及零售商，它们以各自的身份独立地进行决策，并且相互之间只能以相邻的参与者发出的订单作为唯一的需求信息资源。Sterman教授通过重复多次操作这个游戏，得出的结果确是惊人的相似:供应链上游参与者总会过多地响应下游参与者的订货需求，最终导致整个供应链系统的总成本比系统最优成本高出5到10倍。通过研究分析Sterman认为牛
5、鞭效应是由于参与人对反馈信息错误的理解以及其非理性决策行为造成的，避免这种需求放大现象的方法是对于供应链上的参与人进行相关的培训。1997年，Lee等人对供应链牛鞭效应作了较为深入全面的分析通过研究分析。Lee认为牛鞭效应是人的理性以及选择最优化决策后相互影响的结果。并且Lee从运作管理的角度分析得出了产生牛鞭效应现象的四个主要原因：（1）供应量的计划不足而出现限量供给情况，导致零售商之间不断的短缺博弈；（2）供应链上各节点企业对需求信号的处理加工；（3）生产商产品价格的波动；（4）零售商分批订货方式。针对每一种原因，Lee都讨论了可能的解决策略。Lee的研究最终表明，牛鞭效应是供应链中不可避
6、免的现象，是其成员理性化决策所产品必然结果。1.2.2 牛鞭效应的影响“牛鞭效应”其实是在下游企业向上游企业传导信息的过程中发生信息失真，而这种失真被逐级放大的结果，从而波及到企业的营销、物流、生产等领域。牛鞭效应成因于系统原因和管理原因，它们的共同作用提高了企业经营成本，对产品供应链造成消极影响，导致对市场变化的过激反应。当市场需求增加时，整个供应链的产能增加幅度超过市场需求增加幅度，超出部分则以库存形式积压在供应链不同节点。一旦需求放缓或负增长，大量资金和产品将以库存形式积压，整个供应链可能资金周转不良，严重影响供应链的良好运作，甚至导致企业倒闭，尤其是处于供应链末端的小企业。以思科为例，
7、2000年前后网络经济泡沫破灭，直接导致注销高达24亿美元的库存。以半导体设备制造行业为例，2000年前后经济泡沫后的大量库存，直到2002年才处理完，各大公司动辄注销几千万美元的过期库存。对众多的次级、次次级供应商而言，则意味着没有新订单，没有新的营业收入，无法维持运营。结果是大批供应商处于崩溃边缘，大幅裁员，甚至难逃破产厄运。对市场的响应速度而言，牛鞭效应表明，越是处于供应链后端，企业响应速度越慢。其结果是，当市场需求增加的时候，供应商往往无法支持制造商；而当市场需求放缓时，供应商则往往继续过量生产，造成库存积压。由于牛鞭效应，伴随着过量生产的是整个供应链的生产能力过度膨胀。一旦经济不景气
8、，整个供应链被迫大幅削减人员，关、停、并、转设备。对整个宏观经济而言，牛鞭效应可以解释为什么有些行业比另一些行业提前衰退，或滞后复苏。拿半导体行业而言，供应链前端的芯片制造业先于后端的设备制造业衰退；而后者则滞后于前者复苏。而对于单个企业而言，当经济复苏的时候，不但要动员自身的生产能力，更重要的是动员各级供应商。这是因为由于牛鞭效应，后端供应商往往受到更大的经济影响，面临更大的财政压力，从而更难也更不情愿扩张生产能力。在行业腾飞、经济景气时，往往由于后端供应商没法及时扩张而影响整个供应链的销售业绩。1.2.3 牛鞭效应的研究现状Hau L Lee等（1997）对牛鞭效应的研究标志着牛鞭效应理论
9、走向了成熟，作者对牛鞭效应问题作了一个十分深刻地分析，文中先对宝洁公司（P&G）的尿不湿产品的市场需求进行了研究， 发现顾客对这一产品的需求相对来说是稳定的，没有哪一天或者哪一个月的需求高于或低于其他时间段，而生产商以及其原料得供应商需求量波动却很大。文中同时也提到了惠普打印机的问题，公司的某个执行人员发现其一个公司主要的零售商的订货量随着时间出现波动。然而，当他对分销商订货量核实时，却惊讶的发现订货量的波动更大，因此在观察沿供应链上游订货量的波动依次增加。Lee的研究结果认为其牛鞭效应是源自企业管理者对追求最大利益话的理性决策，并提出了牛鞭效应产生的四大原因。然而，在 2003 年，Dejo
10、nckheere 等教授发现供应链成员间的补充协议规则也是产生牛鞭效应的重要因素之一。他们进一步指出，不管采用指数平滑法或者移动平均法的需求预测方法，订购量都将产生牛鞭效应。2005 年，Cachon 等教授发现需求在供应链由下游往上游传递时不会出现牛鞭效应，与牛鞭效应产生的结果相比，产商相比零售商在需求预测上没有大的差异，甚至出现比零售商预测的结果还小，当然，这样的结果是由其生产平滑化来解释。Cachon 进一步指出，牛鞭效应在供应链中并不是普遍存在的。2009 年，Eric Sucky 教授在前人研究的基础上，通过将供应链之间的线性联系拓展成网络间的联系，在 chen 模型的基础上，得出牛
11、鞭效应在供应链中的过大估计和风险可以在供应链网络中被分担。这样的结果对推动供应链的研究有着重要的作用。我国对供应链牛鞭效应的研究起步比国外发达国家要晚的多，大部分的理论是在国外现有的基础之上进行研究的，但国内学者也从不同的角度对牛鞭效应进行了研究，取得了一定的成果。陈安等对供应链数学模型的构建、供应链成员间的多方协作问题上的研究现状以及面临的挑战进行总结和探讨，重点讨论了供应链的各类快速算法和优化模型，包括运输问题、制造系统、库存决策等各个方面；以及外部供应链中买卖、库存分销、库存生产等几类协作机制；最后给出了供应链上的信息传递中的扭曲现象的分析、后勤重构的必要性和特征、及绿色供应链的一些研究
12、方法。万杰等从短缺博弈的角度来研究供应商分配机制对“牛鞭效应”的影响，通过研究其短缺博弈，一方面证明其为牛鞭效应产生的原因之一，另一方面，当供应商生产能力有限， 采用不同分配机制时， 零售商的订货策略会不同。根据博弈双方需通过讲真话的决策是否为博弈的纳什均衡， 将其不同的分配机制分成两大类。证明了随机型分配机制、确定型分配机制、均匀分配机制为“鼓励响应”直接机制，这个不会造成牛鞭效应；而线性分配机制属于“激励扩大”机制，会激发零售商对自身订货的增加，牛鞭效应的现象就存在。刘洪等从不同的需求预测方法出发，对其移动平均法、指数加权滑动平均、最佳平均误差方进行牛鞭效应存在的证明，发现在对其用移动平均
13、法和指数滑动法下，牛鞭效应存在，而在最佳平均误差预测方法下，牛鞭效应不一定存在。当然，更多的学者从信息共享角度出发对其供应链牛鞭效应的研究，东南大学经济管理学院的张钦（2001）等教授在ARIMA（0，1，1） 需求下研究牛鞭效应与信息共享的评价，其作者了考虑一个包含一个供应商和一个零售商的两级供应链，研究在需求模型ARIMA（0，1，1） 下牛鞭效应的量化以及信息共享的价值，比较信息共享前后差异，其结果表明信息共享能给供应商带来减少现有平均库存、减轻牛鞭效应以及降低成本等好处。朱顺泉（2006）扩展了其研究的范围，从ARIMA（0，1，q） 需求模式下一个供应商和一个零售商组成的两节点两阶段
14、供应链系统出发，详细推导了牛鞭效应的量化过程，对比分析了信息共享对牛鞭效应的影响，并在此基础上分析了参数q和提前期对牛鞭效应的影响，结果表明:信息不仅能够减弱牛鞭效应，还能减弱q 即需求市场惯性和提前期对牛鞭效应的影响。相应的，q越大，提前期越长，信息共享对牛鞭效应的抑制作用则越明显。李刚等（2006）教授在其出版的供应链中牛鞭效应与信息共享的研究一书中将一般性的自回归移动平均的需求过程和最优化的适应性库存策略结合在一起，运用数学分析和仿真研究的方法，深入分析了在这样的一个集成的模型框架内，供应链不同阶段所面临的需求的特征，揭示了需求信息在供应链中的传播规律。2 牛鞭效应的弱化介绍从根本上解决
15、牛鞭效应，一般来说是不可能的，但是可以通过供应链的协调，制定合理的契约，完善监督机制，以及有效地实行各节点的信息共享，从而达到减轻甚至消除牛鞭效应的目的。在实际的运作中，我们可以采用缩短供应链长度，订单快速处理以减少时间延迟，信息共享，增进供应链各成员之间的协作等策略来控制牛鞭效应。2.1 .缩短供应链长度供应链的流通环节越多，整个供应链的产品从制造商到最终用户所需要的流通时间和流通费用也越多，供应链中各节点传递信息的加工迭代次数就越多，从而牛鞭效应也越大，进而使得市场扭曲程度也就越大，因此，整个供应链积累了更多的安全库存，大大降低了供应链给各个企业所带来的经济效益。在不影响企业经营绩效的前提
16、下，采用基于工nternet网络的电子商务技术尽量精简供应链结构的水平层次和垂直规模的组合，通过区分供应链中的主要成员和支持人员的方法来确定供应链的节点数，可以有效地减少流通环节，减少需求信息的放大程度，减少整个供应链系统中的累积安全库存，使得企业与客户可以进行面对面交易，同时也可以更好地对客户的需求作出反应。2.2 订单快速处理订货提前期是指下游企业向上游企业发出订单到收到货物所需要的时间。而订货提前期又包括信息提前期、决策时间、制造时间、运输时间等。如果订货提前期缩短一半，那么预测误差也就减少一半，因此，缩短订货的提前期是减轻牛鞭效应的有效途径。针对订货提前期的不同组成部分，可以采用不同的
17、措施来缩短时间。采用EDI等现代信息技术来缩短供应商接受和处理订单的时间;使用决策支持系统来加速企业制定生产计划和运输计划;利用现代化的生产技术和管理手段，对生产流程进行优化设计来缩短产品的制造时间;采用现代集成化物流管理技术以及第三方物流来缩短产品的运输时间;通过管理各成员的活动、加强各成员的组织协调性及沟通性来缩短各个流通过程的等待时间。2.3 信息共享在需求信息不共享的供应链中，信息是按供应链的上下游关系逐级进行传递的，因而上游企业只了解其直接下游企业的需求信息，而对最终客户的需求一无所知。因为上游企业是根据其直接下游企业的订单来预测本企业未来的产品需求的，各个节点的企业为了使自己的企业
18、与其上下游企业的业务不脱节，保留了一定的订单数据，这就加大了需求信息的扭曲程度。所以要从根本上解决这一问题，必须使上游节点企业能够掌握最终用户的需求信息，从而根据最终用户的需求信息、进行需求预测。可以建立集中化的信息系统来集中处理信息，如销售点数据系统，上游节点企业能够及时、准确地了解产品的最终市场需求，过滤掉中间环节预测所带来的信息干扰，能够更准确的预测未来产品的需求，从而减少供应链的效率损失。2.4 减少批量订货规模管理者可以通过减少批量订货规模，提高运营业绩，来缓解牛鞭效应。减少批量订货规模可以将同一时期大批量的订货分配到几个时期，降低需求波动的幅度，缓解牛鞭效应。为了减少批量订货规模，
19、管理者必须采取措施降低与订购、运输相关的固定成本。在有些情况下，管理者可以让订购者不使用订单就能完成订购任务，以此来简化订购环节。在运输方面，满载与非满载卡车运输的差价很大，从而极大地刺激了大批量满载运输业的发展。运输成本成为大多数供应链实现小批量订购的主要障碍。管理者可以通过在一辆卡车上装满各种小批量产品来降低批量规模而不增加运输成本。2.5 增进供应链各成员之间的协作供应链要实现预期的战略目标，客观上要求各个节点企业进行合作，形成利益共享、风险共担的局面。因此，在供应链各个节点的企业之间建立战略合作伙伴关系以增进供应链各成员之间的协作，是提高供应链效率的一个重要条件。战略合作伙伴关系可以改
20、变库存管理方式，实现信息共享，其中最具代表性的是供应商管理库存。在VM中，由供应商直接管理零售商的库存，供应商可以根据市场需求与零售商的现有库存量，来确定零售商的安全库存，制定相应的供货策略来对零售商供货，这样可以在很大程度上减少牛鞭效应。另外，供应链可以采用第三方物流伙伴，实施小批量、多批次的补充策略，减少需求方的库存费用。此外，各节点要建立和保持长期的战略合作伙伴关系，必须要加强各企业之间的信任，建立正式的合作机制，并且要选择具有核心竞争力的合作伙伴加盟供应链。3 牛鞭效应弱化方案以沃尔玛供应链为例3.1 沃尔玛公司简介1962年，美国零售业的传奇人物山姆沃尔顿先生在阿肯色州成立了成立了第
21、一家沃尔玛百货商店。1969年10月31日，沃尔玛百货有限公司成立。经过接近50年的发展，沃尔玛公司已成为世界上最大的连锁零售企业以及美国最大的私人雇主。截至2009年5月7日，沃尔玛开设了7899家商场分布在全球16个国家，员工总数200多万人，每周光顾沃尔玛的顾客有1.76亿人次。受金融危机的影响，2009年度财富世界500强企业排行榜，沃尔玛由2008年的第一跌至2009年的第三销售收入为4056.07亿美元，仅次于荷兰皇家壳牌石油公司的4583.61亿美元以及美国埃克森美孚公司的4428.51亿美元。3.2 牛鞭效应对沃尔玛的影响沃尔玛公司主要经营的商品是食品以及日常用品。这些商品具有
22、购买较为频繁、商品需求价格弹性比较大的特点。沃尔玛供应链中牛鞭效应带给沃尔玛的压力非常大。（1）从供应商方面来看，沃尔玛所面对的供应商非常多。沃尔玛提倡的成本最小，天天低价的策略，要求其供应商能够较快的反应沃尔玛的需求。对于每日所需日用消费品，比如蔬菜、水果、牛奶等等，需要供应商能够在几日之内甚至每天对库存进行补充，及时满足顾客需求，淘汰和更新已经腐烂的食品。对于季节性商品，比如海鲜、羽绒服等等，需要供应商能够在销售旺季合理的安排和补充其库存。而对于一些保质期较长的食品，比如蜂蜜、燕麦片等等，需要供应商定期地对其进行补货。至于耐用品，比如微波炉、电磁炉等等，需要供应商在做好库存供应的同时，妥善
23、地处理善后问题，比如维修、调换等等问题。对于供应商这一块，如果不能及时的供应商品，那么会延长沃尔玛供应链的交货提前期，使得需求信息被放大，从而加大牛鞭效应，影响沃尔玛供应链的绩效。（2）从顾客需求方面来看，包括季节性需求，日常需求，节假日需求，临时需求。对于季节性需求以及节假日需求，在一个特定的时间段里，对某一类商品的需求较大，如果出现缺货，势必影响沃尔玛的信誉度，这一类的需求预测较难，较易产生牛鞭效应。对于日常需求，这一类的需求一般比较平稳，需求预测较易，出现牛鞭效应的可能较小。而对于临时需求，竞争对手那里某种货物出现了短缺，使得顾客到沃尔玛购买产生的需求，这一类的需求最不容易预测，但是这一
24、类的顾客需求较前两者来说较小，因此影响不是太大。顾客的需求越趋于稳定，需求预测越准确，造成信息扭曲程度越小，从而牛鞭效应也就越小;相反，顾客的需求波动越大，需求预测越不准确，信息扭曲程度越大，牛鞭效应越大。（3）从沃尔玛自身来看，沃尔玛在全球范围的营业面较广，因此必须具有高效的物流系统以保证货物能够及时地到达各个门面。货物在达到区域内的各个门面都会存在一个时滞。提前期越长，货物到达顾客手中的时间也就越长;反之，越短。提前期较长，意味着保持较高的库存，势必会增加牛鞭效应。3.3 沃尔玛弱化牛鞭效应的对策21世纪，市场环境变化非常快，要想在如此变化之快的环境中生存和发展，必须时刻保持对市场的警觉，
25、对快速变化的环境作出反应，及时调整自己的决策。沃尔玛成功的一个很重的原因在于通过实施不同的策略来弱化其供应链中牛鞭效应，降低供应链的成本，提高供应链的绩效。3.3.1 天天评价沃尔玛所有的大型连锁超市都采取低价经营策略，沃尔玛的独到之处在于，它会穷尽任何的方法从进货的渠道、分销模式及费用以及行政开支等等各个方面节省资金，从而实现“天天平价、始终如一”。沃尔玛这样做的好处在于，减少了产品价格的波动，使得供应商能够进行准确的需求预测并进行相关决策安排。在很大程度上减少了信息在沃尔玛供应链中的扭曲，从而较好的弱化了牛鞭效应。实现天天平价的目标的关键在于库存的补充和管理。沃尔玛通过直接转运(cross
26、一docking)物流技术即商品不断地发送到沃尔玛的仓库，在仓库里商品不作停留就被分送到各个超市来进行库存的补充和管理。直接转运(cross一docking)物流技术大大降低了沃尔玛的销售成本，使得沃尔玛向顾客提供天天低价成为可能。3.3.2 协同规划、预测补货协同规划、预测补货 (Collaborative Planning， Forecasting and Replenishment，CPFR)的思想是贸易伙伴之间借助于Internet共同分享相关的预测数据以及实际数据，通过对实际的数据进行相关的技术分析，监控整个供应链的运转情况，在某些计划人员遇到意外情况时，其他的贸易伙伴就会通过共同协
27、同解决突发事件，使得供应链能够正常运转。沃尔玛通常会直接参与到上游供应商的生产计划中去，与其上游供应商共同商讨和制定产品的生产计划以及交货周期，甚至有时还会帮助其上游供应商开展新产品研发的工作。这样的话，沃尔玛通常能够最早得到新开发的产品，当沃尔玛开始热销新开发出来的产品时，其它的零售商还在等待供应商给其发出的产品目录或者正在和供应商商谈合同。另一方面，沃尔玛还能将顾客的意见及时地反馈给其供应商，并且帮助供应商对产品进行改进和完善。因此，沃尔玛在中间并不只是充当传话人，而是将顾客的意见信息迅速传给供应商，和供应商一起处理顾客反馈意见。这样一来，能够较快的对顾客的要求做出反应，提高顾客满意度，在
28、一定程度上弱化了牛鞭效应。3.3.3 高效的物流信息系统沃尔玛的物流系统保证了货物能及时地到达顾客手中。沃尔玛是全球第一个实现集团内部24小时计算机物流网络化监控，建立了全球第一个物流数据处理中心，使得采购、库存、订单、配送以及销售一体化。沃尔玛的物流管理系统借助信息化技术，不仅使供应商的成本降低，为供应商的生产提供了理性预期，同时也使得沃尔玛的库存大大降低，减少了库存积压，提高了供应链效率。“无缝链接”始终贯穿于沃尔玛整个供应链体系，使得沃尔玛供应链中的牛鞭效应得到了较大的弱化。3.3.4 实施VMI，缩短提前期沃尔玛和很多供应商建立了战略联盟，实施供应商管理库存(VMI)策略。其中，较为典
29、型的是沃尔玛与宝洁的VMI。1987年，沃尔玛与宝洁公司建立了合作联盟，双方通过协商确定了订单处理的业务流程以及库存控制的相关参数，比如最低库存水平、订货点等等。宝洁公司为沃尔玛开发并安装了一套“持续补货系统”，双方通过卫星通讯以及EDI进行数据传递，借助于该系统，保洁公司能迅速的知道自己的物品在沃尔玛公司的销售情况以及库存等相关信息。通过这些信息，保洁公司能够及时地制定生产和研发计划，于此同时，对沃尔玛的库存进行管理，做到连续的补货，防止滞销货及断货的现象发生。沃尔玛公司与宝洁公司建立战略联盟，实施VM工策略，大大缩短了产品的订货期以及产品的流通环节，使得宝洁公司能够对市场的变化做出及时的响
30、应，从而降低供应链的库存，减少供应链的成本，提高了供应链的绩效，有效避免了需求信息的波动，最终弱化了沃尔玛供应链中的牛鞭效应。4 示例分析牛鞭效应的产生原因及应对方案4.1牛鞭效应的实证分析对象某承轴配件生产公司 4.1.1某承轴配件生产公司概况及现状某承轴配件生产公司是一家合资有限公司，现有员工400余人，主要经营滚动轴承等承轴配件生产的制造生产和销售。经过十几年的努力，公司已经发展成为承轴配件生产行业的领先企业，其产品不仅在国内销售，甚至远销到南北美、欧洲、非洲等各国。滚动轴承主要用于大型医疗器械、承轴设备以及部分半导体设备上。公司采用先进的技术和一流的机械设备进行生产、加工，目前滚动轴承
31、月产量8000多套。去年各项经营指标快速增长，完成产品产量比前年同期增长79%，完成工业总产值比前年同期增长38%，实现销售额比前年同期增长34%，实现利润比前年增长32%。由于产量与订货量的猛增给生产车间造成很大的压力，致使车间积压了一定的产品，而且废品数量也增多，内部管理也出现一定的问题。 4.1.2牛鞭效应产生过程分析如果把整个承轴配件生产供应链比作一条牛鞭，那么市场需求就是鞭柄，承轴配件生产公司的代理商就是鞭体，承轴配件生产公司就是鞭梢。当鞭子挥动时，越是接近市场需求的企业即承轴配件生产公司的代理商，反应时间就越快，对于市场需求变化的反应也越准确，即承轴配件生产公司的代理商;而越是到末
32、梢即承轴配件生产公司，其反应的速度就越慢，而且对需求变化反映的需求误差也越大。因此，市场需求的一个小小的变化，就可能对鞭梢的企业造成很大的影响，这就产生了整个承轴配件生产供应链的牛鞭效应。近年来，我国发展日益迅速，医疗设备器械的不断更新、汽车市场的扩大，对滚动轴承的需求越来越大。由于该承轴配件生产公司多数产品是销往外地的，地域的差异再加上时间的延迟，使得公司跟客户的沟通出现一定的问题，公司不能及时地掌握客户的需求信息，为了能够满足客户的及时需求，公司不得不储备一定的存货，而大量的存货占据公司的部分资金，对公司的发展会有一定的影响。产生这种影响的直接原因就是市场的需求，而对市场需求产生影响的主要
33、表现在以下几个方面：（l）中国的经济发展水平近几年，我国的经济发展水平日益提高，发展速度也很快。尤其是在“十一五”期间，全面推进体制和机制改革、技术创新，大型医疗器械的生产、工厂车间都己实现自动化、汽车市场规模也持续扩大，使得滚动轴承的需求也日益增多。经济的平稳快速增长为承轴配件生产市场的发展提供了基本的条件。只要国家经济能够保持稳定，承轴配件生产市场就会占有一定的位置，市场对滚动轴承的需求就会平稳增长，从而使得承轴配件生产市场的规模也逐步扩大。（2）承轴配件生产市场的激烈竞争由于最近几年高级型数控承轴的开发，生产制造承轴配件生产的企业越来越多，承轴配件生产市场的竞争也越来越激烈。各个企业为了
34、争取客户，纷纷采取各种手段，如批量订货会有折扣、订货金额达到一定数量可能会有产品赠送等等。由此可能导致原本属于该公司的客户转向其它公司订货，使得该公司的市场需求减少，而该公司不能及时对市场需求做出反应，生产出来的产品卖不出去，造成产品积压。（3）国家宏观调控的作用国家宏观调控对承轴配件生产市场的需求也有一定的影响。银行对汽车消费信贷的全面缩紧，燃油价格上调，车辆保险费用的上涨，这些都将直接影响消费者的购车欲望，从而导致制造汽车的承轴需求受到影响，并进一步影响滚动轴承的市场需求;国家提出产业结构调整，建立数控承轴及功能部件间产业化基地，推动产品结构优化，提高数控承轴的国内市场占有率，数控承轴的数
35、量将直接影响滚动轴承的市场需求。（4）新技术的引进国家引进新的生产技术，必将投入大量资金制造及引进新的设备。制造承轴设备的大量生产，使得滚动轴承的需求量进一步扩大，而且设备使用过程中，滚动轴承会磨损、变形，因此需要更新设备，这同样会增加滚动轴承的需求量。总之，牛鞭效应的产生就是市场需求信息的不确定，扭曲逐渐放大的结果，牛鞭效应的大小表现在企业对市场需求信息的反应灵敏程度。企业如果能够及时迅速的对市场需求波动作出反应，牛鞭效应就比较小；反之，企业对市场需求的波动反应慢，牛鞭效应就比较大。4.2 牛鞭效应的数据分析4.2.1 某承轴配件生产公司的需求变化分析我们来对该承轴配件生产公司2009年4月
36、至2011年8月的销售及生产数据所构成的时间序列进行研究，如图4.1所示。图4.1 某承轴配件生产的销售及生产数量图从图中我们可以看出，以月为周期，在横轴方向，某承轴配件生产公司的生产量在这29个月内最高时为398套，最低时为10套。而某承轴配件生产公司实际销售产品的数量最高为240套，最低时为42套。由此可见，生产数量在整个研究时期内波动幅度很大。而在纵轴方向，可以看到在每个固定周期内，某承轴配件生产公司的实际销售量与生产数量存在着很大的差异，其中在2009年9月变化最大，生产量为348套，而实际发出数量为61套。这表明山东承轴厂的订货量在进行不断的调整。，因为生产量是以订货量为依据的，这种
37、订货数量的波动必然会给某承轴配件生产公司的生产计划造成影响。当生产量高于销售时，势必造成库存积压；当生产量低于销售量时，只能依靠库存来补充出货。以上的数据分析说明了在供应链企业中存在由于信息不对称所引起的牛鞭效应，这种现象给供应链企业造成了严重的后果：产品库存积压严重，会造成成本过高以及质量问题;生产的产品不能满足市场需求，而又没有储备足够的安全库存，会使公司的信誉受到影响，损失订单，这都会使企业在激烈的市场竞争中处于不利的地位，影响企业的发展。4.2.2某承轴配件生产公司的牛鞭效应产生分析本文只考虑由某承轴配件生产公司及山东承轴厂所组成的简单的两级供应链系统，它们之间只交易一种产品，并且产品
38、的最终市场需求由山东承轴厂掌握，即某承轴配件生产公司的实际销售数量为最终市场需求。由于该销售数据序列没有明显的增长趋势及季节要素变动的情况，序列的分布也没有呈现曲线形势，可以采用一次指数平滑法来进行预测，即 （4.1）使用计量经济学软件来分析，将实际销售数据输入，得到分析结果如下表4.1。表4.1 一次指数平滑分析日期：12/08/11 时间：10：56样本：2009：04 2011：08包括的观测值：29方法：一次指数平滑原始序列：SER01预测序列：SALESM参数：平滑 0.6830残差平方和 65055.59均方根误差 47.36345样本末期截距： 131.4177其中观测值数目为2
39、9，平滑系数为0.6830，残差平方和为65055.59，均方根误差为47.36345，样本末期截距为131.4177。下面我们来验证平滑系数是否是最优的，由此得出的预测模型能否真正反映出该序列的趋势变化。最佳的平滑系数应该使实际值和预测值之间的差最小，通常用预测误差的平方和来衡量，预测误差的平方和最小所对应的平滑系数就是最佳的。计算公式如下： （4.2）通过公式计算，得出结果，如下表4.2所示。表4.2 平滑系数试算表0.10.20.30.40.53748.0252610.3502081.6331952.4661829.5710.60.70.80.91758.8251813.9231913.
40、7762089.788取不同的平滑系数，会得到不同的预测误差的平方和，其中最小的所对应的平滑系数即为最佳的。在0一1的范围内，我们可以看出预测误差的平方和最小的在1785.825和1813.923之间，因此平滑系数应该在0.6一0.7之间，由此我们可以判断上面得到的平滑系数0.6830是最优的，由此得到预测公式： （4.3）将此平滑系数输入软件进行预测，可以得到其预测值及标准误差，如下表4.3所示：表4.3一次指数平滑预测结果datePredicted valueStandard errordatePredicted valueStandard errorApr-04192Jul-05220.
41、665311.53228May-0491.599Aug-05152.581916.0384Jun-0457.72288Sep-05161.746518.02341Jul-0468.84015Oct-05108.743614.54555Aug-0495.5863328.54996Nov-05107.552714.28532Sep-0471.9638711.94337Dec-05165.083211.10136Oct-0466.5245510.01548Jan-06146.585414.97375Nov-0457.287289.672623Feb-06100.424611.47499Dec-041
42、32.29316.95127Mar-06138.382616.86942Jan-05122.530911.1759Apr-06155.879316.76399Feb-05112.606311.38505May-06162.108716.68663Mar-0589.653211.42651Jun-06130.616511.3237Apr-0591.939067.193464Jul-06137.70849.797052May-0578.320686.728897Aug-06116.73468.80975Jun-05119.08177.177911以上数据显示，用一次指数平滑法预测的数据与实际数据虽
43、然有一定的误差但是比较接近，而由实际数据和预测的数据输出的折线图能更直观地体现预测模型的相对准确性。 正如下图4.2所示，其中序列1为实际值，序列2为预测值，两条折线基本重合，由此确定的平滑系数是合理的，可以使用此模型进行预测，并且可以看出预测值与上期的实际值之间的相关性比较大，从而提高了预测的精度。 因此本文采用一次指数平滑法来预测某承轴配件生产公司的销售量，为下文验证牛鞭效应现象的存在提供必要的准备。 山东承轴厂采取固定订货间隔系统来向其上游企业大连某承轴配件生产公司订货，需要计算出下一个周期的库存最高水平。最高库存水平是由每一周期期末预测的市场需求及企业的安全库存所决定的，企业的安全系数
44、定为3，分销市场需求预测的标准偏差由表示，由此我们可以计算出山东承轴厂在每一周期期末的最高库存水平。图4.2 销售数据实际值与预测值折线图山东承轴厂采用固定订货间隔系统来处理信息，下一个周期的订货量可以表示为一个周期的库存最高水平与上一个周期的库存最高水平的差再加上上一个周期的实际销售量，由此可以计算出山东承轴厂向某承轴配件生产公司在2009年5月到2011年8月之间的订货数量，其计算结果如下表：表4.4 每一期末最高库存及订货量表DateDateApr-04236.863Jul-05265.5283239.5836May-04136.46291.599Aug-05197.4449171.91
45、66Jun-04102.585911.12388Sep-05206.6095146.1646Jul-04113.703253.11727Oct-05153.6066112.9971Aug-04140.4493100.7462Nov-05152.415788.8/0912Sep-04116.856984.37754Dec-05209.9462164.5305Oct-04111.387655.56068Jan-06191.4484164.5022Nov-04102.150354.76274Feb-06145.287691.83919Dec-04177.1561128.0058Mar-06183.2
46、456116.958Jan-05167.3939141.2378Apr-06200.7423173.4976Feb-05157.4693108.0754May-06206.9718170.2295Mar-05134.5162185.0496Jun-06175.4795133.5077Apr-05136.802181.25287Jul-06182.5714123.092May-05123.183779.38162Aug-06161.5976120.0261Jun-05136.9447112.761下面要对实际销售的数据和订货量进行方差分析，以它们的方差的比值来衡量牛鞭效应的大小。由于数据较多，我们选取2010年1月以后的数据作方差分析。表4.5 某承轴配件生产公司2010年1月到2011年8月的销售及订货量DateDateJan-05118141.2378Nov-0510788.8/0912Feb-05108108.0754Dec-05183164.5305Mar-0579185.0496Jan-06138164.5022Apr-059381.25287Feb-067991.83919May-05
