牛鞭效应及应用实例分析

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，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，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，Dejonckheere 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，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。

算。这种运行过程的直接后果是承轴配件生产公司需要在分销商结算之前按其订单发货，承轴配件生产公司不仅要承担发运费用，而且还要承担货损、货差、换货等相关损失。这样一来，分销商则处于主动地位，当其遇到资金周转不灵或是利用其手上大量存货，以退货等手段要挟承轴配件生产公司在结算时讨价还价，如果分销商的库存足够抵消其可能出现的危险，为了巩固其主动地位，它会有意加大订货量，以增强其控制权，这样必然人为地增加库存危险，导致牛鞭效应的产生。

（3）企业供货不稳定

承轴配件生产公司在实际的供货过程中，会出现供货不稳定的情况，比如由于运输、管理等造成的波动，这种情况所导致的直接后果就是承轴配件生产公司不能按时或按定购的数量交货。此时分销商就得面临两种不稳定的情况：市场需求的不稳定和承轴配件生产公司供货的不稳定。分销商在作订货决策时就要面对市场需求预测的误差和将要收到货物的预测误差，而它回避误差的措施就是增加订货量，通过增加库存量来缓解误差引起的不确定性。分销商订货量的增加会让承轴配件生产公司误认为客户的需求增加而扩大产量，使得承轴配件生产公司所在的供应链上的牛鞭效应加剧。

4.3.2牛鞭效应的解决方案

针对以上问题，作者提出了以下的解决方案：利用信息共享来缓解牛鞭效应，由于某承轴配件生产公司不能准确地把握山东承轴厂的实际需求，很大程度上是因为信息共享程度低，因而集中需求信息，利用先进的信息技术对供应链信息资源实现共享管理是缓解“牛鞭效应”，减少供应链管理中信息风险的有效途径。这些共享的信息主要包括：

（1）库存信息。供应链上成员的各自库存对供应链成员应该是透明的，也就是说承轴配件生产公司跟山东承轴厂能够共享库存信息，能对需求做出一致、有效、及时和必要的反应。

（2）订单信息。允许合作伙伴查询订单的执行状态，便于对延期的订单及早采取措施，保证供应链的服务水平。某承轴配件生产公司可以允许山东承轴厂查询他们的订单是处于生产阶段还是处于完成或停滞阶段。

（3）计划信息。供应链成员之间的供需关系决定了他们生产、订货、发货计划必须协调一致，即承轴配件生产公司所制定的生产计划和山东承轴厂的订货计划一致。

（4）可供销售量信息。可供销售量是指除了分配给特定订单以外的货物存量，可以随时提供给客户的部分。山东承轴厂可以通过信息共享系统掌握承轴配件生产公司的可供销售量，在产生突发需求时，可以直接向承轴配件生产公司拿货，避免了突发需求所造成的损害。

实现共享的供应链结构如下图4.3所示：

21世纪电子商务的出现，公司的经营模式和经营理念将发生巨大的变化。电子商务将市场的空间形态、实践形态和虚拟形态结合起来，将物流、信J意流等汇集成开放的良性循环，使供应链中的公司在市场中发

挥最佳的作用，得到更大的效益，创造更多的机会，真正做到供应链信息一体化。 生产能力、生产计划、交货计划 图4.3信息共享的供应链

信息 物料 原材料、半成品生产、成品 供应商 承轴生产公司 分销商 山东承轴厂 销售、订单、库存、品质 信息 物料 退货、维修、回收、处理 建立基于Internet的供应链信息共享体系，可以将复杂的工作转移到集中管理的服务器上，终端用户只需要浏览器就可以轻松访问所有的应用。同时，由于终端用户采用了浏览器的标准软件，因此大大降低了企业IT系统的成本，使用这个体系可以更好地实现企业内部与企业之间信息的组织与集成，在Internet集成网络环境下，供应链企业内部与企业之间的信息交流是通过双方的IP主页来完成的，大大提高了信息沟通的效率。如图4.4所示：

图4.4基于Internet信息共享体系

某承轴生产公司 中心网络Internet 某承轴生产公司主页 山东承轴厂 某承轴生产公司主页 产品详细信息 产品详细信息 某承轴生产公司 某承轴生产公司 某承轴配件生产公司在构建信息共享系统时，要正确各种关系，并充分考虑各种因素影响程度，根据公司所处环境、自身条件和营销策略，建立一种现代企业的管理信息系统，这包括企业经营理念、方式和手段的转变。图4.5所示为某承轴配件生产公司基于 Internet信息共享系统的网络结构模型。

图4.5 基于Internet信息共享系统的网络结构模型 供应商信息系统 某承轴配件生产公司信息系山东承轴厂信息系统 应用信息技术是实现供应链中的信息共享集成系统的基础。这一系统可以节省时间，提高企业信息交换的准确性，减少了人为的错误，大大提高了供应链运行效率。通过这种共享的实现，限制客户的需求信息在向上游传递时遭到扭曲放大，进而弱化供应链中的牛鞭效应。

此外，某承轴配件生产公司可以通过建立战略合作伙伴关系，来缓解牛鞭效应，其中最具代表性的就

是VMI（供应商管理库存）。现在公司采用的是自己管理库存，这样做的结果影响了供应链优化运作，导致重复建立库存，因而无法达到供应链全局的最低成本，使得供应链系统得牛鞭效应随着供应链的长度得增加而加大。实施VMI之后，承轴配件生产公司可以将库存物资放在供应商的仓库，在尽可能满足供货需求的情况下，降低了库存的成本。而且，公司同时可以对其供应商定期考核，实行动态的管理，在允许其他供应商参与竞争的条件下，促进供应商不断的提高产品质量和服务水平，保证公司能够选择优秀的供应商作为长期的业务伙伴，与其形成相互信任的战略伙伴关系。

实施VMI策略，首先要改变订单的处理方式，建立基于标准的托付订单处理模式。由供应商和公司一起来确定供应商的订单业务处理过程所需要的信息和库存控制参数，然后建立一种订单的处理标准模式，最后把订货、交货、和票据处理各个业务功能集成在供应商一边。库存状态的透明性是实施供应商管理库存的关键，要保障VMI得到成功实施，供应链中各节点企业建立在共同利益基础上的相互信任是VMI成功实施的基础，良好的沟通是VMI成功的保证。通过这一策略，某承轴配件生产公司可以实现库存成本转移，创造更大的经济效益。供应商则能够随时跟踪和检测到公司的库存状况，根据两者的差异决定补库时间和补库数量，快速准确地做出补库策略，从而敏捷地响应市场需求变化，降低供应链中的牛鞭效应。

对此，公司可以基于Internet技术建立一个VMI的应用模型，其功能结构如图4.6所示：

供应商 服务信息 价格体系 补充库存 运输安排 生产进度 交货计划 中心网络Internet 采购计划 需求计划 生产计划 图4.6基于Internet的VMI应用模型功能结构图

某承轴生产公司 支付 退货 质量体系 这种模型以承轴配件生产公司和供应商的合作为基础，将承轴配件生产公司的库存纳入供应商库存进行统一管理，从而可以节省时间，提高公司信息交换的准确性，有效地减少工作复杂程度，节约经费，降低整个供应链体系中的物流成本和物流费用。供应商不仅可以客观地评价放在承轴配件生产公司的存货，还可以决定产品的标准，决定订货点，补充存货、交货的流程等等。由供应商管理库存，可以加强供应商与公司之间的信息交流，使整个供应链上的库存量和库存控制水平达到最优。因此，应该不仅仅把VMI作

为一种库存的管理模式，更重要的是把它作为公司的一项资源来源，它们之间不仅仅交换库存信息，还包括公司的生产计划、需求计划、采购计划、质量体系、退货信息以及支付信息等，还有供应商的交货计划、生产进度、运输安排、补充库存、价格体系以及服务信息等。

针对公司的的供货不稳定问题，可以指定公司内部车间生产管理系统来解决。目前公司的车间生产管理比较混乱，有时会提前生产完成，但大多数时间会因为生产未完成而推迟出货，这严重影响了公司在业界的信誉，对下游企业的订货策略也造成一定的影响，从而进一步影响到公司所处供应链中的牛鞭效应。作者建议某承轴配件生产公司在公司内部建立一个车间生产管理系统，来完善公司的生产供货管理。 该系统主要包括根据销售订单、物料需求、工艺路线等制定出车间的生产计划，然后产生生产指令，对需要下达任务的车间进行检查，看其物料、能力能否跟得上计划的要求，如果不符合在选择另一个车间，如果符合则对车间下达指令，分配物料进行生产，生产过后对产品进行检验入库。而且，该系统还包括外协加工管理，可以根据实际需要将整个任务或任务的一部分转移到其他车间进行生产，具体业务流程如下图4.7所示：

这个系统能够帮助公司下达生产指令、监督和控制车间生产活动，帮助公司完成生产领料、指派工作、生产完工入库的全过程。各级管理人员能及时掌握车间生产情况，控制车间在制品的数量，提高产品质量，以便能够按时甚至提前完成生产任务，稳定供货。

某承轴配件生产公司如果采取以上解决方法对公司进行管理，其下游企业（山东承轴厂）就会尽量降低安全库存，向某承轴配件生产公司的订货量就会接近它的实际需求，从而能够有效地控制牛鞭效应的大小。

处理订单业务 是否符合要求 No 生产指令 生产计划 外协加工管理 检查下达任务车间 外协领料 领料申请 生产记录 生产检查 生产入库 图 4.7公司内部车间生产管理业务流程图

库存文件 5 牛鞭效应小结

21世纪，市场上的竞争不再是企业与企业之间的竞争，而是供应链与供应链之间的竞争。供应链管理越来越受到关注。衡量供应链系统的一个重要指标就是供应链的效率，而影响供应链效率的一个重要方面就是“牛鞭效应”。对于牛鞭效应的预防和控制是一个十分复杂的过程，信息在供应链内部流动的过程中，会出现不同程度的信息扭曲现象，造成了运作成本和风险的增加，“牛鞭效应”严重制约着整个供应链的有效运作。这里我们对牛鞭效应进行了一些定性的分析和举例，在定量分析上是一个不足，旨在揭示牛鞭效应的影响和重要性，读者可参考阅读。

参考文献：

[1] Lee, H. L. , V. Padmenabhan, S. Whang. 1997a. Information distortion in a supply chain: the bullwhip effect. Management Science, 43(4):546-558

[2] J.Dejonckheere, S.M.Disney, M.R.Lambrecht, D.R.Towill. Measuring and avoiding the bullwhip effect: A

control theoretic approach. European Journal of Operational Research, Volume 147,Issue 3,16 June 2003,Pages 567-590

[3] Eric Sucky. The bullwhip effect in supply chains — An overestimated problem? International Journal of Production Economics, Volume 118, Issue 1, March 2009, Pages 311-322

[3] 陈安,刘鲁. 供应链管理问题的研究现状及挑战[J]. 系统工程学报,2000,（2）

[4] 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,（4）. [5] LIU Hong,WANG Ping. Bullwhip Effect Analysis in Supply Chain for Demand Forecasting Technology. Systems Engineering - Theory & Practice. 2007.27（7）:26-33

[6] 张钦,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,（6）.

[7] 朱顺泉. ARIMA 模型下的牛鞭效应与信息共享价值研究[J]. 统计与信息论坛,2006,（6）. [8] 李刚,汪寿阳,于刚,阎洪. 供应链中牛鞭效应与信息共享研究. 湖南大学出版社,2006,（6）

本文来源：https://www.bwwdw.com/article/e1t6.html