经典国际论文：供应链中的“牛鞭”效应
以前，我曾写过一篇介绍供应链“牛鞭效应”历史的文章，一直追溯到1958年Forrest的论文和生平。这个普遍存在的现象，不仅存在于每条供应链中，甚至在大型企业内部也发生了。
供应链一端到另一端的信息失真，可能导致严重的效率低下：过度库存投资、客户服务质量差、收入损失、不合理的产能规划、低效运输以及生产计划延误。为何会出现这种被放大的订单波动？企业又该如何缓解这一问题？
特找出这篇28年企前的经典论文，翻译了一下。原文载于《麻省理工斯隆管理评论》1997年春季刊，第38卷第3期。
作者：Hau L. Lee、V. Padmanabhan和Seungjin Whang。Hau Lee当时是MIT 工业工程与工程管理教授，同时担任运营管理教授；V. Padmanabhan为该校市场营销副教授；Seungjin Whang 为该校运营信息与技术副教授。
一、牛鞭效应的现实案例
不久前，宝洁公司（P&G）的物流高管分析了其畅销产品“帮宝适”纸尿裤的订单模式。该产品在零售店的销量虽有波动，但波动幅度并不算大。然而，当高管们查看分销商的订单时，却对其波动程度感到惊讶；进一步查看宝洁向3M等供应商采购原材料的订单时，发现波动幅度更大。
初看之下，这种波动毫无道理 —— 毕竟消费者（此处指使用纸尿裤的婴儿）对纸尿裤的消费速度是稳定的，但供应链中的需求订单波动却随着供应链向上游传递而不断放大。宝洁将这一现象命名为“牛鞭效应”（在部分行业中，该现象也被称为“鞭梢效应”或“拉锯效应”）。
无独有偶，惠普公司（HP）的高管在分析某款打印机在主要经销商处的销量时，发现销量虽如预期般存在一定时间波动，但查看经销商向惠普下的订单时，却观察到了大得多的波动；更令人意外的是，打印机部门向公司集成电路部门下的订单，波动幅度甚至更大。
当供应链受牛鞭效应困扰，需求信息在向上游传递过程中失真时，会引发什么问题？过去，由于无法掌握分销渠道层面的产品销量数据，惠普只能依赖经销商的销售订单来进行产品预测、产能规划、库存控制和生产排期。需求的大幅波动成了惠普管理层面临的主要难题。
这类波动的常见后果包括：库存过剩、产品预测不准确、产能不足或过剩、因产品缺货或订单积压导致客户服务质量差、生产计划不确定性高（即频繁调整计划），以及加急运输、加班生产等纠错成本高昂。
惠普的产品部门深受经销商 “订单波动放大” 的影响 —— 经销商的订单波动已远超其实际销量，而惠普又将这种波动进一步放大后传递给了自身的供应商。
过去几年，“高效消费者响应”（ECR）计划一直试图重新定义食品杂货供应链的运作模式¹。该计划的一大动因便是供应链中过多的库存。多项行业研究表明，从产品离开制造商生产线到抵达零售商货架的整个供应链中，库存可供货天数超过100天。
信息失真导致供应链中的每个主体 —— 工厂仓库、制造商中转仓库、制造商区域仓库、分销商中心仓库、分销商区域仓库以及零售店仓储空间 —— 都因需求的高度不确定性和波动性而囤积库存。难怪ECR报告估算，通过优化食品杂货供应链的低效问题，潜在收益可达300亿美元²。
二、牛鞭效应的核心特征：订单波动逐级放大
供应链各环节的订单模式呈现出一个共性规律：上游节点的订单波动幅度始终大于下游节点。
其他行业也面临类似问题。计算机工厂、制造商分销中心、分销商仓库以及零售商店仓库等分销渠道各环节，均存在库存囤积现象；
在制药行业，礼来（Eli Lilly）、百时美施贵宝（Bristol-Myers Squibb）等制造商，麦克森（McKesson）等分销商，以及朗氏药店（Longs Drug Stores）等零售商组成的供应链中，同样存在重复库存。
信息失真导致这类供应链的总库存可供货天数也常超过100天；若计入原材料库存（如计算机行业的集成电路、印刷电路板，制药行业的抗体、药瓶），整个供应链的库存甚至可满足一年以上的需求。
对于典型消费品的供应链而言，即便消费者销量波动不大，零售商向批发商下的订单仍会出现显著波动（见图1）；而向制造商的订单、制造商向供应商的订单，波动幅度会进一步飙升。要解决信息失真问题，企业首先需理解牛鞭效应的成因，才能针对性地应对。
不同行业的创新企业已发现：通过协调供应链各环节的信息与规划，可有效控制牛鞭效应，提升供应链绩效。
三、牛鞭效应的成因
最能直观体现牛鞭效应的案例，是著名的“啤酒游戏”³。在该游戏中，参与者（学生、管理者、分析师等）分别扮演某畅销啤酒的消费者、零售商、批发商和供应商角色。参与者之间无法沟通，只能根据下游直接客户的订单来决定自身的订货量。
游戏结果呈现出一个共性规律：上游节点的订单波动幅度始终大于下游节点 —— 这正是牛鞭效应的简单却有力的体现。这种订单波动放大现象，最初被认为是参与者“非理性决策” 所致。事实上，斯特曼（Sterman）的实验也表明，人类对库存和需求信息的误解等行为因素，可能引发牛鞭效应⁴。
然而，本文的研究表明：牛鞭效应是供应链主体在现有供应链结构下“理性行为”的结果。这一关键结论意味着，企业若想控制牛鞭效应，需聚焦于调整供应链结构及相关流程，而非改变决策者的行为。
我们识别出牛鞭效应的四大核心成因，这四大因素与供应链结构、订单管理者的理性决策共同作用，最终引发牛鞭效应。理解这些成因，有助于管理者设计并制定应对策略⁵。
_1_
需求预测更新
供应链中的每个企业通常都会进行产品预测，以支撑生产排期、产能规划、库存控制和物料需求计划。而预测的依据，往往是直接客户的历史订单数据。
啤酒游戏的结果虽受参与者认知、信任缺失等行为因素影响，但一个关键因素是：每个参与者都会基于自身观察到的信息来推断需求模式。当下游企业下订单时，上游管理者会将这一订单视为未来需求的信号，并据此调整自身的需求预测，进而调整向其上游供应商下的订单。
我们认为，这种“需求信号处理”是牛鞭效应的主要推手之一。
例如，若你是某企业的管理者，需决定向供应商的订货量，你可能会采用指数平滑法这类简单的需求预测工具。通过指数平滑法，随着每日新需求数据的产生，未来需求预测会持续更新。
你向供应商下的订单量，不仅需满足未来需求以补充库存，还需包含必要的安全库存 —— 而未来需求和安全库存的计算，都会通过平滑法不断调整。若补货提前期较长，安全库存甚至可能达到数周的用量。其结果是：订单量的时间波动幅度，会远大于实际需求数据的波动。
进一步向上游看，若你是上述供应商的管理者，下游客户的每日订单就构成了你的“需求”。若你同样采用指数平滑法更新预测和安全库存，那么你向你的供应商下的订单，波动幅度会更大（见图2）。从图2可见，经销商向制造商下的订单，其变异性远高于消费者的实际销量。
由于安全库存会加剧牛鞭效应，因此不难理解：供应链各环节间的补货提前期越长，订单波动幅度就越大。
_2_
订单批量
供应链中，每个企业都会通过某种库存监控或控制机制向上游订货。需求产生会消耗库存，但企业通常不会立即向供应商订货，而是会累积一定需求后再批量下单。订单批量主要有两种形式：周期性订货和推式订货。
（1）周期性订货：降低交易与运输成本的理性选择
企业往往不会频繁订货，而是选择每周、每两周甚至每月订一次货。这种 “周期型库存系统” 的常见原因包括：
- 供应商处理频繁订单的成本高：宝洁曾估算，由于订单、账单和发货系统需大量人工干预，每张客户发票的处理成本高达35-75美元⁶；
官网摘要已读完
关注公众号后继续阅读
官网页面主要呈现文章脉络和关键上下文。完整内容、图表、案例细节和活动信息，请关注微信公众号「乐思门咨询」后，在公众号内搜索本文标题阅读原文。
