【文章內容簡介】 績有較大的負面影響。牛鞭效應對供應鏈管理是不利的，它造成批發(fā)、零售商的訂單和生產(chǎn)商產(chǎn)量峰值遠遠高于實際客戶需求量，進而造成產(chǎn)品積壓，增加了成本，降低了反應能力，使得整個供應鏈的運作效率低下，從而導致供應鏈整體利潤下滑。 減小牛鞭效應的措施由于牛鞭效應是從下游客戶逐級向上游轉嫁風險的結果，因而它會危害整個供應鏈的運作，導致供應鏈各個節(jié)點的總庫存量的增加，使生產(chǎn)、銷售流程常處于無序和失衡的狀態(tài)，從而增加了產(chǎn)品的成本和經(jīng)營風險。為此，必須運用先進的管理技術和信息技術加以妥善解決，消除需求信息的扭曲和失真現(xiàn)象。為了控制和減輕牛鞭效應，企業(yè)可以從牛鞭效應的產(chǎn)生原因出發(fā)，對供應鏈內部組織間結構及其相關過程加以必要的改進。實現(xiàn)信息共享這是減小牛鞭效應最有效的措施之一。供應鏈成員之間通過Internet/EDI來實現(xiàn)實時交流和信息共享，減少和消除信息的不對稱性，準確把握下游的實際需求。進一步地，既然我們提出了通過實現(xiàn)供應鏈中信息的共享以減輕牛鞭效應，我們可以改變供應鏈中信息層層傳遞的弱點，建立集中式的信息共享系統(tǒng)。分銷商批發(fā)商零售商顧客信息集成中心制造商 供應鏈中信息共享與集成示意圖在集成信息模式中，供應鏈中的所有信息都實現(xiàn)了共享，這些信息反映的是供應鏈內外的原始信息，克服了供應鏈信息級級傳送所導致的信息失真或延遲的弱點，減小了因此而產(chǎn)生的牛鞭效應。信息共享使制造商節(jié)約了成本，這時制造商和零售商就應該達成某些共識，他們可以通過協(xié)商制定協(xié)議，通過賣方管理庫存的方式來降低零售商的日常開支，通過降低貨物到達的前置時間的方式來降低零售商保管貨物的費用，或者通過降低產(chǎn)品價格的方式來增加零售商的利潤，使雙方達到一種默契，建立良好的伙伴關系，從而以一種互惠互利的方式促進雙方的共同發(fā)展。提高預測的精確度零售商通常是根據(jù)已經(jīng)發(fā)生的需求信息來預測未來需求發(fā)生情況，因此，預測方法與預測技術的合理采用成為提高預測準確度的關鍵，這就需要綜合考慮歷史資料、定價、季節(jié)、促銷和銷售額等因素，實現(xiàn)多余預測方法的合理選擇和綜合使用。顯然，準確的信息預測可以有效地減少牛鞭效應。如果預測是基于信息共享來進行并可實現(xiàn)預測信息的共享，即由供應鏈的上下游企業(yè)分享進行預測的基礎數(shù)據(jù)并進行協(xié)作預測，則會進一步提高預測的準確性。準確把握下游企業(yè)的需求動態(tài)我們知道零售商為了節(jié)約訂貨成本將會采取批量訂貨的策略，批量訂貨策略的采取使得上游的供應商必須面對具有很大變異性的訂單。為了應對零售商的訂單，供應商勢必要維持一定的安全存貨，零售商的訂單的變異性越大，供應商所要維持的安全存貨也就要越大。因此，供應商可以通過信息的共享實現(xiàn)對零售商的銷售和庫存狀況的監(jiān)控，了解零售商的安全庫存水平，做到對零售商訂單種類和數(shù)量的提前預判，從而有效降低為了應對突如其來的大訂單所維持的安全存貨。穩(wěn)定價格制定相應的價格策略，鼓勵零售商進行小批量定購并減少提前購買行為以減少牛鞭效應。如把基于批量的折扣策略改為基于總量的折扣策略，即在一特定時期內(如一年內)，按總的采購量來制定折扣政策，它可以使得每次的批量減少；實行天天平價政策和限制促銷等方法，使價格穩(wěn)定，減少預先購買行為，從而減少牛鞭效應。對訂貨進行分級管理當制造商生產(chǎn)的貨物不能滿足市場的需求時，制造商通常將實行貨物的配給政策，而零售商為了照顧到自己的商業(yè)利益，必然會夸大它的訂單，以期得到更多的貨物，導致短缺博弈現(xiàn)象的發(fā)生。這時我們就不能再以零售商所提供的虛假訂單作為貨物發(fā)放的依據(jù)，這時我們可以對零售商進行分別對待，實行訂貨分級管理，根據(jù)零售商在這一地區(qū)的市場份額，或是根據(jù)零售商歷史銷售記錄來決定訂貨物的發(fā)放，通過掌握關鍵銷售商和重要銷售商的真實需求信息來減小變異發(fā)生的概率。在當今的供應鏈中，制造商常常會為零售商提供退貨政策，這樣更使得零售商在貨物短缺的時候毫不顧慮地擴大自己的訂單。所以制定嚴格的退貨政策，也可以有效地降低牛鞭效應。采用供應商管理庫存或聯(lián)合庫存的方式，合理協(xié)調與分擔庫存如果供應商在掌握顧客真實需求信息的基礎之上，負責為零售商制定進貨計劃，就可以協(xié)調各個零售商的需求計劃，實現(xiàn)供應鏈的整體最優(yōu)化，以最大程度地減小牛鞭效應。供應商、分銷商和零售商也可以采用聯(lián)合庫存的方式合理地分擔庫存，一旦某處出現(xiàn)庫存短缺，可立即從其他地點調撥轉運來保證供貨。這既防止了需求變異的放大，又實現(xiàn)了風險共擔，降低了整體庫存，有效地抑制了牛鞭效應?？s短訂貨的提前期一般來說，訂貨提前期越短，訂量越準確。根據(jù)沃爾瑪?shù)恼{查，如果提前26周進貨，需求預測誤差為40%；提前16周進貨，需求預測的誤差為20%；而在銷售時節(jié)開始時進貨，則需求預測誤差為10%。因此，縮短提前期能夠顯著地減小牛鞭效應?？s短提前期需要供需雙方的共同努力，也可以采用第三方物流，利用其專業(yè)化的服務來縮短提前期，減少運輸中的風險[17]。建立戰(zhàn)略伙伴關系和信任，及時溝通信息通過建立戰(zhàn)略伙伴關系，建立相互信任，實現(xiàn)信息共享，使供應鏈上的每個階段供應與需求都能很好地匹配，降低交易成本。例如，供應商如果信任零售商的定單和預測信息，他就可以省去預測環(huán)節(jié)，類似地，如果零售商信任供應商的質量和配送，他就可以減少收貨物時的計數(shù)和檢查環(huán)節(jié)。一般來說，供應鏈上各階段的信任和良好關系可以減少重復努力，降低交易成本，導致減少牛鞭效應。通過供需雙方信息的經(jīng)常溝通，雙方都能夠及時了解對方的供需情況和能力，避免了短缺情況下的博弈行為和大量的囤積庫存現(xiàn)象的發(fā)生，從而降低了產(chǎn)生牛鞭效應的機會。3 牛鞭效應量化模型線性回歸預測描述 線性回歸預測法概述所謂回歸分析預測，就是依據(jù)回歸分析描述的經(jīng)濟變量之間的數(shù)量關系對經(jīng)濟現(xiàn)象進行預測。通過建立變量之間的回歸方程，并將回歸方程作為預測模型，根據(jù)自變量在預測期的數(shù)量變化來預測因變量關系，大多表現(xiàn)為相關關系，因此，回歸分析預測法是一種重要的市場預測方法，當我們在對市場現(xiàn)象未來發(fā)展狀況和水平進行預測時，如果能將影響市場預測對象的主要因素找到，并且能夠取得其數(shù)量資料，就可以采用回歸分析預測法進行預測。在物流需求預測中，物流需求的多少受到多種因素的影響，可以通過在各相關影響因素間建立回歸預測模型來實現(xiàn)對物流量的預測。在回歸分析預測過程中，我們一般應關注以下幾個基本問題。變量間相關關系的定性分析 回歸分析預測是一種基于定量描述經(jīng)濟變量之間數(shù)量關系的預測方法。然而，現(xiàn)象之間是否存在著某些數(shù)量關系，必須在預測前依據(jù)一定的經(jīng)濟理論和實踐經(jīng)驗，對變量間進行分析，只有確定了現(xiàn)象間確實存在某種因果關系才能進行定量分析，而不是不加分析地將兩個或多個時間序列資料放在一起進行定量分析。變量因果關系的確定 現(xiàn)象之間的數(shù)量因果關系，什么是“因”，什么是“果”，預測前必須明確。在回歸分析預測中，把變量稱自變量，它是引起這一現(xiàn)象的原因。自變量和因變量間關系的具體確定主要包括數(shù)學模型的選擇和顯著性檢驗兩方面。（1）數(shù)學模型的選擇社會經(jīng)濟現(xiàn)象之間的相關關系雖然與確定的函數(shù)關系不同，但在大量的觀察下，仍可以用一些函數(shù)式表示它們之間的數(shù)學依存關系。變量之間可能的函數(shù)關系式很多，在回歸分析中，必須正確地選擇數(shù)學模型。論文中收集的數(shù)據(jù)幾乎成線性相關關系，下面的分析就選擇一元線性回歸模型。（2）回歸方程與回歸系數(shù)的顯著性檢驗任何兩個變量都可以配合成一個回歸方程，而兩個變量之間卻不一定存在相關關系。因此，在運用回歸方程預測前必須對回歸方程和回歸系數(shù)進行顯著性檢驗。當檢驗得出線性關系顯著的結論時，才能運用回歸方程進行預測。檢驗指標主要有相關系數(shù)檢驗、t檢驗和F檢驗。對一元線性回歸模型進行顯著性檢驗時，可任選一種。論文主要介紹各個節(jié)點企業(yè)之間需求信息共享時，訂貨提前期對牛鞭效應的影響。即只有一個自變量時，供應鏈管理中牛鞭效應的表現(xiàn)情況?？梢钥紤]應用一元回歸方程模型預測對象的發(fā)展變化規(guī)律，進而估計預測對象的未來變化趨勢。下面介紹一元線性回歸預測的方法。 線性回歸方程介紹回歸方程的建立采用一元線性回歸分析，即在回歸分析中有兩個變量、, 其一元線性回歸方程可表述為： （）對于含有n組、變量的方程，其可表述為： （） 式中：,——回歸方程的參數(shù)； ——自變量； ——因變量； ——剩余殘差項或稱隨即擾動項。是為了包括對因變量的變化有影響的所有的其他因素，對有影響，但不是決定性影響，可代表隨機變量，服從正態(tài)分布。對式（）兩邊去數(shù)學期望，即： （） 記為 （）對（）取方差 （）實際上，，都是真實存在的參數(shù)?；貧w分析的內容之一就是通過樣本值（，）將其估計出來。回歸方程的確定，實質上是要求出待定參數(shù),若,求出來了，回歸方程也就是唯一確定的。參數(shù)估計回歸方程中的回歸參數(shù)的求解采用最小二乘法，其中心思想是通過數(shù)學模型，配合一條較為理想的趨勢線，這條趨勢線必須滿足以下要求：（1）原數(shù)列的觀測值與模型估計值的離差平方和為最??；（2）原數(shù)列的觀測值與模型估計值的離差總和為0。我們根據(jù)最小二乘法的要求，令殘差平方和 ()最小二乘法的意義在于使達到最小。根據(jù)最優(yōu)化原理，有 () 求解方程組，得與的估計值： () ()是利用樣本估計出來的。殘差平方和服從分布，于是，即知。這樣就得到了的無偏估計量：。這里。參數(shù),確定后，有，我們稱為總離差，稱為剩余或殘差，稱為回歸。記，稱為總離差平方和，其自由度為。稱為回歸離差平和，其自由度為1；稱為剩余離差平方和，自由度為。模型顯著性檢驗（1）相關系數(shù)檢驗 相關系數(shù)的定義如下： ()顯然。相關系數(shù)的絕對值的大小表示相關程度的高低。①當=0時，說明與完全不相關，所求回歸系數(shù)無效。②當時，說明與完全相關，自變量與因變量之間的關系為函數(shù)關系。③當時，說明與是部分相關，越接近1，與線性相關度越好。為微弱，為低度，為顯著，為高度相關。（2）檢驗檢驗主要是利用統(tǒng)計學中的統(tǒng)計量，檢驗整個回歸方程的回歸顯著性的可靠性。取統(tǒng)計量為： ()服從參數(shù)為的分布，即，然后在給出的顯著水平下=，按自由度，查分布表，得臨界值。若，說明回歸效果顯著；若，說明回歸效果不顯著[18]。 牛鞭效應量化模型所謂牛鞭效應是指供應鏈中的零售商向供應商的訂貨量與其實際的銷售量不一致。一般地，發(fā)給供應商的訂貨量，其方差大于銷售給買方的（即需求扭曲），這種扭曲以放大的形式向供應鏈的上游蔓延（方差變大）。通常采用訂購量的方差與需求的方差的比值來描述牛鞭效應[19]。對于需求信息共享的各節(jié)點企業(yè)，其對市場需求的放大程度（即牛鞭效應），可以表述為：牛鞭效應= ()式中，為供應鏈中變量的方差，對于任意一個含有個元素的數(shù)據(jù)序列，由下式計算：= ()上述指標清晰的表達出供應鏈中牛鞭效應的程度，同時科學的描述出牛鞭效應的影響因素和影響程度。值越大，則下游客戶需求量和上游企業(yè)訂貨量不一致性越大，供應鏈中牛鞭效應越嚴重，對生產(chǎn)企業(yè)的危害越大。4 案例分析 BMW物流介紹 汽車制造工業(yè)對物流供應有著相當高的要求，其中最難的地方在于有效提供生產(chǎn)所需的千萬種零件器材。BMW公司每天裝配所需的零件由上千家供應商來提供。面對如此龐大的供應鏈，一定是有很好的供應鏈管理系統(tǒng)。華晨寶馬汽車有限公司是寶馬集團和華晨中國汽車股份有限公司共同投資成立的合資企業(yè)，從事BMW品牌汽車的制造、銷售和售后服務。在汽車組裝零件的送貨控制中，最重要的是提出訂貨需求，也就是把貨物的需要量和日期通知物流采購中心。BMW在生產(chǎn)規(guī)劃過程中，可以針對10個月后所需提出訂貨需求，供貨商也可藉此預估本身對上游供貨商所需提出貨物的種類及數(shù)量。不過，隨著生產(chǎn)日期的接近，雙方才會更明確地知道需要量。在定單方面，BMW已在挖掘“當日需要量”潛力針對送貨控制而言，一般可分為兩種不同形式：一為根據(jù)生產(chǎn)步驟所需提出訂單，另一種為視當日需要量提出需求。前者為由生產(chǎn)順序決定需要量，其零件大多在極短時間內多次運送，由于此種提出訂單方式對整個送貨鏈的控制及時間要求相當嚴格，因此適用在大量，高價值或是變化大的零件。對于大多數(shù)的組裝程序而言，只要確定當天需要量就足夠了，區(qū)域性貨運公司在前一天從供貨商處取貨，隔天就抵達BMW組裝工廠。在送抵BMW工廠之前的取貨并停放在轉運點的過程稱為“前置運送”，而第二階段送達BMW工廠的步驟稱為“主要運送”。過去幾年里，BMW公司已把根據(jù)生產(chǎn)順序所需的訂貨方式最佳化。視當日需要量提出訂單方式仍有極大發(fā)展?jié)撃?，所以BMW公司目前積極對此項最佳化進行研究。在倉儲方面，BMW已在處理低存貨帶來的運輸成本為了降低BMW的倉儲成本，該公司向來積極減少本身存貨數(shù)量，如此導致供貨商送貨頻率的提高，造成貨運成本提高?！扒爸眠\送”及“主要運送”的費用計算有所不同，前者的費用計算是把轉運點到供貨商的路程、等待及裝載時間都列入計算，與運送次數(shù)成正比，但與裝載數(shù)量的多少無關。而后者的費用計算是與貨物量成正比，不受送貨次數(shù)影響。大多數(shù)供貨商接到BMW不同工廠的訂單，可由同一個貨運公司把貨物集中到統(tǒng)合的轉運站，然后由此再配送到各所需工廠，這樣有效地安排取貨路徑，降低前置運送所需成本。同時也考慮各工廠間整合性倉儲設備及運送的供應鏈管理、各個價值創(chuàng)造的部分程序及次系統(tǒng)，使