供应链管理中的“牛鞭效应”研究综述
开篇：润墨网以专业的文秘视角，为您筛选了一篇供应链管理中的“牛鞭效应”研究综述范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要： 随着全球化的竞争不断加剧，企业间的竞争逐渐转变为供应链与供应链之间的竞争。 “牛鞭效应”的出现使供应链系统运作效率低下，日渐成为供应链研究的焦点。通过对“牛鞭效应”的定义及危害等方面进行简单阐述，就“牛鞭效应”的成因及减弱方法进行了梳理，并对未来供应链管理中的“牛鞭效应”进行了预测和展望。
Abstract： With the intense competition in economy globalization， competition between enterprises gradually transformed into that between supply chains. The Bullwhip Effect made low operation in supply chain system， which has become the focus of supply chain management theory research. In this paper， the definition and the damage of the Bullwhip Effect were briefly introduced， its cause and method to decrease the Bullwhip Effect were analyzed， and the Bullwhip Effect in future supply chain was forecasted and predicted.
关键词： 牛鞭效应;供应链管理;需求信息;库存
Key words： the Bullwhip Effect;supply chain management;demand information;inventory
0 引言
宝洁公司发现零售店的婴儿纸尿裤较小的销量变动，导致分销商接到订货量的波动幅度变化很大，而宝洁公司向其上游供应商发出的原材料订货则进一步增大。这一需求预测沿着供应链逐渐放大的现象被称为“牛鞭效应（Bullwhip Effect）”（图1）。
牛鞭效应会严重影响着供应链各企业的经营业绩：为了能够在过度的需求波动中站稳脚跟，企业不得不采用超量的库存，而巨大的库存成本和运输成本会占据大量的企业资金，严重影响企业的运营效率。同时，企业的生产计划难以适应频繁需求变动，产品过剩和产品短缺时有发生，严重影响企业信誉，会使企业的竞争力降低。而且，牛鞭效应会引发企业的投资出现偏失，尤其是主干企业，一旦对国家经济命脉造成巨大冲击，将会引发严重的经济危机。总之，“牛鞭效应”的存在，会给供应链的运营带来了巨大的负面影响。
1 牛鞭效应的研究进展
在20世纪60年代，工业动态学之父 Forrester[1]在Industrial Dynamics中提出了牛鞭效应现象，通过系统动力学仿真证实了牛鞭效应的存在，并从工业动力学的角度指出是组织所采用的基本形式和政策导致供应链中的牛鞭效应。章魏（2010）[2]和丁胡送（2010）[3]分别从多产品市场的需求相关性和AR（1）自回归模型方面证实了对牛鞭效应的存在。
20 世纪 80 年代，Sterman[4]通过“啤酒分销实验”的方法总结出实验者系统性、非理导致决策者对反馈信息产生误解，同时在向上游企业下达订单时大多是根据感觉甚至是拍脑门，缺乏严谨逻辑的科学分析，因此随着供应链层数的增加，销售预估的差距就越大。但有学者认为是参与人为了避免缺货、实现自身利益最大化的理。
20世纪90年代，Towill和Disney等人[5]用控制工程测量方法对牛鞭效应进行了动态测量，并通过模拟证实了VMI系统供应链库存补充的四种策略对供应链信息扭曲的影响程度。
学术界一般认为，斯坦福大学的H.L.Lee教授[6]对牛鞭效应进行了全面深入地分析。区别于前人的研究，Lee假设供应链参与者是理性的并最优化决策，而牛鞭效应是供应链内部理性参与人为达到各自效益最大化而进行决策博弈的结果。Lee等人利用数学模型的方法总结出牛鞭效应的四种成因：需求预测的多级叠加、批量订货不确定性、上游企业的低价促销、限量供应时的短期博弈。
Lee之后的学者大多围绕以上四种成因展开的研究，对牛鞭效应的成因进行了补充。Cachon（1999）[7]从博弈论的角度指出，牛鞭效应是供应链中各理性参与人为达到各自利益最大化而博弈的结果;万杰（2002）[8]研究表明在限量供应的情况下，分配机制也会对牛鞭效应产生严重影响;何红渠（2005）[9]从最优委托权安排方面指出供应链各环节由于不完善信息和不合理契约引发的博弈结果的次优选择导致牛鞭效应;Kim（2006）[10]研究了订货过程中的随机提前期和确定提前期对牛鞭效应的影响，发现提前期会降低信息的时效性，增大企业安全库存，会使牛鞭效应恶化。
近年来，研究者在运作管理中发现传统的理论尚存不足，不能完全解释牛鞭效应。在此基础上，研究者提出了决策者非理对决策的影响。Croson、Croson和Ren（2008）[11]提出决策者的过度自信，导致其实际的行为与理性预测差距较大，并通过数学模型证明决策者低估需求分布的方差会导致订货量偏向均值;Gavirneni、Xia（2009）[12]进一步验证了锚定的影响强度，发现参考值距离最大化期望利润订货量越近，其被锚定的频率越高。Su（2008）[13]对有限理性的探索表明决策者试图修正其他决策者的错误行为对牛鞭效应的形成产生影响。
2 牛鞭效应解决措施的研究进展
牛鞭效应的产生与供应链结构、信息的透明度和各经济体的自身利益最大化决策密切相关。要想从根本上解决牛鞭效应，必须实现供应链成员利益目标的完全一致。
信息一体化。供应链中，信息流是从下游企业向上游企业传递。供应链成员间通过建立信息系统实现信息共享，上游企业获得更多的信息，就能对市场更准确地预测，把握最终用户需求。Chen F（1997）[14]、Cachon（1999）[15]提出在信息一体化的基础上，上游企业通过调节下游企业的订货，以响应其过高或过低的库存。供应链成员通过Internet/EDI来进行实时交流，采用供应商库存管理策略实现信息共享，良好协调，减少信息的扭曲放大，从而弱化牛鞭效应。
减少价格波动。促销的方式激发了客户的提前购买的欲望，并不能真正反映实际的市场需求，反而增大了牛鞭效应。企业可以采用天天低价的策略稳定价格，减少促销对提前购买的激励，从而形成稳定的、变化幅度小的市场需求状态，正确地了解和把握市场信息，弱化牛鞭效应。
缩短提前期。Stalk和Hout（1990）[16]研究发现如果提前期缩短50%，那么预测误差也将减少50%。Xu K等人（1998）[17]、Cachon（1999）[18]提出通过缩短交货期可以实现对需求不确定的快速响应。企业可以采用EDI等现代信息技术来缩短订货提前期，使用MRPII、ERP、DRP等决策支持系统来加快决策速度，通过加强生产管理、利用先进的制造技术来优化生产流程，缩短制造周期，利用集成化物流管理技术或第三方物流来加快运输时间。各项先进技术的采用有利于企业缩短订货提前期，大大削弱牛鞭效应的影响。Riddalls等人（2002）[19]分析了生产库存系统延迟问题，针对出现的延迟交货、质量问题、工人缺勤、机器故障等方面提出了频域系统的设计方法来解决牛鞭效应。
打破批量订货。由于批量订货的不确定性会加大牛鞭效应的影响。企业可以实行小批量多批次的订购模式。现在很多供应商通过各种方法鼓励其下游企业同时订购多种产品，而不单单是一种商品。通过这种方法，每一种产品订购频率增大，而运输频率不变，既实现了运输的规模经济，又减缓了牛鞭效应。
消除缺货情况下的短期博弈。当供不应求时，供应商应该根据以往的销售情况来进行限额供应，而不是下游企业的订购数量。这样就可以弱化下游企业夸大订购量而引发的牛鞭效应。
设计科学的库存控制策略。Baganhan和Cohen（1998）[20]为了解决供应链需求波动大的问题，针对多层供应链系统设计了供应链库存控制策略。Disney等人（2002）[21]通过对牛鞭效应进行动态测量，针对供应商管理库存（VMI）系统需求放大的问题，建立了牛鞭效应解析表达式，得出减弱牛鞭效应的策略。
3 结论与展望
“牛鞭效应”是供应链管理中常见的现象。通过对供应链的多层次研究和对牛鞭效应多角度分析，得出了牛鞭效应出现的原因及危害性，总结出牛鞭效应减弱的措施。牛鞭效应是供应链管理研究中的重要理论和实际应用问题，虽然研究者们已经获得了很多有价值的突破，但对“牛鞭效应”的研究仍需要结合现代产业链条的变化进行深度拓展。这里指出进一步研究方向：
①在供应链各成员进行决策时，心理因素的干扰是不可避免的。因此结合心理学理论建立认知模型，对牛鞭效应进行进一步探讨。如将后悔规避理论引入牛鞭效应，通过研究其后悔规避程度来实现在产品订购中的最优决策;利用心理账户理论可减少非理性的行为，从而减缓牛鞭效应;除此之外还有双过程理论、损失规避等心理学理论，建立新的效用函数，从心理学角度进一步丰富对牛鞭效应的认知。
②信息共享是缓解牛鞭效应的重要措施之一，然而信息共享的需要从不同角度进行论证。如供应链上下游信息共享的范围、信息共享的时间性、信息的内容及价值、信息共享双方间的信任依存和利润分配等问题都需要建立理论模型，并设计相应的实验进行分析验证。
③社会背景和文化背景会对人们的行为产生影响，可能会间接地影响到牛鞭效应的产生和缓解。现有的研究对此方面的探讨比较匮乏。社会背景和文化背景是否会影响牛鞭效应还需深入分析论证。
参考文献：
[1]Forrester J.Industrial Dynamics[M].New York：MIT Press， 1961.
[2]章魏，华中生.多产品供应链的牛鞭效应及其减弱方法[J]. 系统工程学报，2010，25（4）：478-483.
[3]丁胡送，徐晓燕.生产能力变异性对供应链牛鞭效应的影响[J].系统管理学报，2010，19（2）：157-163.
[4]Sterman JD.The beer distribution game[M].New Jersey：Prentice Hall，1995.
[5]Towill，D.R. Industrial Dynamics Modeling of Supply Chains[J].International Journal of Physical Distribution&Logistics Management，1996，26（2）：23-42.
[6]Lee H L，Padmanabhan V，Whang S.The bullwhip effect in supply chains[J].Sloan Management Review，1997（38）：93-102.
[7]Cachon G P， Martin LA. An equilibrium analysis of linear， proportional and uniform allocation of scarce capacity[J]. IIE Transactions， 1999， 31： 835-849.
[8]万杰，李敏强，寇纪淞.供应链中分配机制对牛鞭效应的影响研究[J].系统工程学报，2002，17（4）：340-348.
[9]何红渠，谭丽.供应链管理中的“牛鞭效应”及最优委托权安排[J].中南大学学报，2005，11（5）：632-635.
[10]Kim J G，Chatfield D，Harrison T P，Hayya J C，Quantifying the bullwhip effect in a supply chain with stochastic lead time[J].European Journal of Operational Research，2006，173：617-636.
[11]Croson D C，Croson R，Ren Y.How to manage an Overconfident News vendor [R]. Working Paper，Texas：Southern Methodist University，2008.
[12]Gavimeni S， Xia Y.Anchor selection and group dynamics in newsvendor decisions -a note[J] Decisions Analysis，2009，6（2）： 87-97.
[13]Su X.Bounded rationality in newsvendor models[J].Manufacturing Service Operations Management，2008，10（4）：566-589.
[14]Chen F，Drezner Z，Ryuan J K，et al.Quantifying the bullwhip effect in a simple supply chain：the impact of forecasting，lead times，and information[J].Management Science， 2000，46（3）：436-443.
[15]Cachon G P， Martin L A. Capacity choice and allocation： Strategic behavior and supply chain performance[J].Management Science， 1999， 45（8）： 1091-1108.
[16]Stalk G，Hout peting against time：how time-based competition is reshaping global markets[M]. New York：Free Press，1990，43.
[17]Xu K，Dong Y.Vendor Managed Inventory：Towards a Better Coordination of Information in a Supply Chain[R].ICM98_Shanghai，1998.
[18]Cachon G P.Managing supply chain demand variability with scheduled ordering policies[J].Management Science，1999，45：843-856.
[19]Riddalls C E，Beneft S.Production inventory system controller design and supply chain dynamics[J].International Journal of Systems Science，2002，33（3）：181-195.
[20]Baganha M，Cohen M.The stabilizing effect on inventory in supply chains[J].Operational Research，1998，46（s3）：572-583.
[21]Disney S M，Towill D R.A procedure for the optimization of the dynamic response of a vendor managed inventory system[J].Computer and Industrial Engineering， 2002， 43（1）：27-58.
[22]达庆利，张钦，沈厚才.供应链中牛鞭效应问题研究[J].管理科学学报，2003，6（3）：86-93.
[23]黄小原，王静.供应链中的牛鞭效应问题研究进展：存在、量化、控制[J].信息与控制，2004，33（5）：579-583.
[24]刘红，王平.基于不同预测技术的供应链牛鞭效应分析[J].系统工程理论与实践，2007，1（7）：26-33.
[25]邵晓峰，张存禄，李美燕.供应链管理[M].北京：机械工业出版社，2006：65-74.
[26]张欣，达庆利，沈厚才.在ARIMA（0，1，1）需求下的牛鞭效应与信息共享的评价[J].中国管理科学，2001，9（6）：1-6.