寧美嬌，黃建華

(福州大學 經(jīng)濟與管理學院，福建 福州 350108)

牛鞭效應是指供應鏈上信息傳導隨層級增加不斷扭曲放大的現(xiàn)象。牛鞭效應不僅影響供應鏈的運作效率、增加供應鏈的庫存成本，還會誤導供應鏈企業(yè)對市場需求的判斷。一直以來，服裝供應鏈上的牛鞭效應問題都較為突出，近年來隨著服裝線上銷售渠道的拓展及O2O模式的廣泛應用，服裝供應鏈的庫存管理和牛鞭效應問題呈現(xiàn)出新的特征，這給服裝供應鏈企業(yè)的庫存管理帶來了新的挑戰(zhàn)。對于牛鞭效應的研究，可以追溯到FORRESTER[1]運用系統(tǒng)動力學模型模擬分析牛鞭效應問題和STERMAN[2]應用“啤酒游戲”實驗驗證牛鞭效應的存在性，目前，有關(guān)供應鏈牛鞭效應的研究成果主要集中在以下兩個方面：①研究牛鞭效應的成因問題，例如LEE等[3]總結(jié)出造成牛鞭效應的四大主因是訂單批處理、需求預測更新、配給與短缺博弈和價格波動；盧繼周等[4]系統(tǒng)研究了節(jié)點提前期對牛鞭效應的影響；李東連[5]則通過對微觀影響因素進行量化研究，創(chuàng)新性地展現(xiàn)出決策因子作用于牛鞭效應的強弱。②探討牛鞭效應的弱化策略，例如曾雪[6]從定性與定量的角度揭示了加強供應鏈成員企業(yè)間的戰(zhàn)略合作、簡化供應鏈結(jié)構(gòu)、完善管理決策機制將有效弱化牛鞭效應；陳長彬等[7]證實了運用資產(chǎn)組合管理方法調(diào)整零售商之間的供應量,能夠減少訂貨總方差,實現(xiàn)牛鞭效應的有效弱化；陳佳莉等[8]認為預測方法的改進是緩解牛鞭效應的有效手段；TANG等[9]論證了提高信息共享對降低牛鞭效應的作用。從庫存控制策略著手尋求牛鞭效應弱化效力的研究，最早由TOWILL[10]通過仿真提出，之后DEJONCKHEERE等[11]設計了一個供應商管理庫存(vendor managed inventory, VMI)系統(tǒng)下的兩級供應鏈牛鞭效應模型，證實了VMI弱化牛鞭效應的有效性；虞蛟龍等[12]通過構(gòu)造多級庫存模型，采用灰色系統(tǒng)GM(1,1)需求預測方法驗證了聯(lián)合庫存管理(jointly managed inventory, JMI)的效力；李翀等[13]引入時滯影響因素，創(chuàng)新性地提出動態(tài)供應鏈庫存控制策略；韓坤[14]基于供應鏈訂購策略、安全庫存優(yōu)化算法等，提出顧客服務水平固定提前期模型的庫存控制優(yōu)化策略；錢晨等[15]提出將H_∞控制需求預測同訂單決策相結(jié)合建立庫存決策模型，能使比例-積分補充策略更大程度地施展弱化效力。

總體而言，有關(guān)牛鞭效應成因和對策的研究成果較多，采用庫存控制方法弱化牛鞭效應的策略被廣泛應用，但是牛鞭效應的成因分析以及基于因子控制法的弱化策略常被孤立進行研究，如周三元等[16]對影響牛鞭效應的微觀決策因子進行了分析，但未深入探究因子控制法的實現(xiàn)。同時，O2O環(huán)境下服裝供應鏈牛鞭效應的新問題也常被忽略。因此，筆者將應用系統(tǒng)動力學方法，在仿真分析服裝供應鏈牛鞭效應影響因子的基礎上，通過調(diào)控決策因子的取值探討抑制牛鞭效應的有效策略。

1 基于系統(tǒng)動力學的服裝供應鏈牛鞭效應影響機制建模

1.1 三級服裝供應鏈流程分析

在三級服裝供應網(wǎng)中，節(jié)點所涉及的關(guān)鍵變量組成基本類同，主要包括節(jié)點庫存、節(jié)點生產(chǎn)需求、節(jié)點銷售預測和節(jié)點期望庫存。以供應商環(huán)節(jié)為例，在僅考慮供應商環(huán)節(jié)時其庫存大小只受本周期生產(chǎn)率和供應商供應延遲影響。供應商生產(chǎn)需求在實際運作過程中受供應商銷售預測、供應商期望庫存、供應商庫存和庫存調(diào)整時間多因素影響。模型中設定銷售預測方法為移動平均預測法，由移動平均時間和供應商發(fā)貨率共同決定預測值大小，表現(xiàn)為發(fā)貨率在移動平均時間上的一個Smooth函數(shù)。供應商期望庫存數(shù)值受期望庫存覆蓋時間和銷售預測共同作用?；谏鲜龇治?，得到供應商環(huán)節(jié)所對應的因果關(guān)系，如圖1所示。

圖1 供應商環(huán)節(jié)因果關(guān)系圖

在制造商環(huán)節(jié)中，除制造商庫存、制造商訂單、制造商期望庫存和制造商銷售預測等主要變量之外，現(xiàn)實供應鏈節(jié)點間還存在各類時間延遲，故在制造商環(huán)節(jié)增加了運輸延遲變量，這會對其發(fā)貨率造成影響。制造商、零售商環(huán)節(jié)運作機理與供應商環(huán)節(jié)大同小異，由于零售商與消費者直接接觸，在整個供應鏈環(huán)節(jié)上是需求信息的輸入端，其銷售預測數(shù)值取決于市場需求率和移動平均時間。此外，各節(jié)點庫存在動態(tài)供應鏈中會受到自身生產(chǎn)率和下游節(jié)點的反饋影響?；谏鲜龇治觯玫街圃焐膛c零售商環(huán)節(jié)的因果關(guān)系圖，分別如圖2和圖3所示。

圖2 制造商環(huán)節(jié)因果關(guān)系圖

圖3 零售商環(huán)節(jié)因果關(guān)系圖

1.2 因果回路圖構(gòu)建

根據(jù)服裝供應鏈三級節(jié)點的因果關(guān)系分析，易知整個供應鏈環(huán)節(jié)變量間的邏輯關(guān)系。三級節(jié)點依靠供應商對制造商的發(fā)貨率和制造商對零售商的發(fā)貨率兩個速率變量串聯(lián)成為一個完整的因果回路圖，如圖4所示。

圖4 三級供應鏈的因果關(guān)系圖

由圖4可知，三級供應鏈包括了原材料供應商、產(chǎn)品制造商和零售商，三者通過庫存和訂單聯(lián)系在一起，隨各變量間正負反饋作用動態(tài)變化，形成一個服裝供應鏈動態(tài)系統(tǒng)模型。動力學系統(tǒng)是基于一定數(shù)量的正負反饋回路構(gòu)成，當系統(tǒng)中正反饋回路的作用遠遠超過負反饋回路的修復作用時，系統(tǒng)中相關(guān)變量變化就很容易引起系統(tǒng)失衡，筆者將通過建模分析造成該系統(tǒng)失衡從而加劇牛鞭效應的相關(guān)因素。

1.3 存量流量圖構(gòu)建

1.3.1 流量圖建立

筆者在因果回路圖的基礎上將變量進行合理劃分，通過相互間的關(guān)系建立方程以連接各變量間的邏輯關(guān)系，最終得到關(guān)于供應鏈庫存管理的存量流量圖，如圖5所示。模型共涉及22個變量，通過對模型邏輯進行檢驗，可知該模型符合系統(tǒng)動力學邏輯，能夠應用于接下來的仿真研究。設定各級節(jié)點的初始庫存均為1 500件，變量間的關(guān)系參照Z公司所在供應鏈服裝產(chǎn)品產(chǎn)銷鏈，變量取值范圍以Z公司的經(jīng)營數(shù)據(jù)為參考，倍數(shù)縮小。

圖5 三級供應鏈的存量流量圖

1.3.2 模型參數(shù)方程定義與說明

2 基于系統(tǒng)動力學的服裝供應鏈牛鞭效應影響機制仿真

供應鏈節(jié)點企業(yè)擁有各自相對適用的庫存策略，但庫存策略趨于封閉，造成信息孤島現(xiàn)象,無法適應新的競爭環(huán)境[17]。供應鏈系統(tǒng)對節(jié)點庫存影響因素較多[18]，筆者以Z公司為例，對其庫存現(xiàn)狀進行分析，利用Vensim動力學軟件針對Z公司決策中的季節(jié)性需求變化、延遲周期和期望庫存覆蓋時間三大影響因子對服裝供應鏈牛鞭效應的影響進行仿真研究。

2.1 Z公司服裝供應鏈模型與特征

Z公司是國內(nèi)知名品牌運營商，其銷售終端是加盟為主、直營和加盟相結(jié)合的模式，與傳統(tǒng)服裝制造企業(yè)有所不同，Z公司存貨只顯示為庫存商品。統(tǒng)計數(shù)據(jù)顯示，Z公司2018年前三季度存貨金額為41.65億元，占總資產(chǎn)的27.38%，2020年前三季度存貨金額為32.46億元，占總資產(chǎn)的20.46%，存貨占比仍居高不下，企業(yè)經(jīng)營成本激增，平均存貨周轉(zhuǎn)時間從2011年的80天增至2020年第三季度的180天，供應鏈反應速度明顯降低。Z公司存貨管理問題成因歸結(jié)于以下5個方面：產(chǎn)品季節(jié)性強；提前期長；代理加盟制影響；庫存管理體制不成熟；到貨延遲的不確定性。

2.2 決策因子對牛鞭效應的影響仿真分析

模型初始參數(shù)：設置起始時間為0，結(jié)束時間為200周，即運行200周停止；時間步長為0.125周，即每運行0.125周保存結(jié)果1次。

2.2.1 季節(jié)性需求對牛鞭效應的影響

由于服裝產(chǎn)品存在很強季節(jié)性，實驗設置初始市場需求為1 500件/周，12周后市場需求從1 500件減少至1 000件，訂單波動情況和各節(jié)點庫存情況分別如圖6和圖7所示。

圖7 季節(jié)性需求下各級節(jié)點的庫存波動

在市場需求出現(xiàn)季節(jié)性變化時，由于需求變化不穩(wěn)定，預測難度加大，節(jié)點訂單量受不確定性影響而產(chǎn)生波動，導致需求變化信息隨供應鏈傳遞時被逐層放大，加劇了供應鏈牛鞭效應。從圖6可以看出，訂單波動以供應商生產(chǎn)需求波動幅度最為強烈，在120周后才趨于穩(wěn)定；而最靠近市場的零售商受到的影響相對較小，在30周后趨于穩(wěn)定。但現(xiàn)實中季節(jié)性需求波動是一個循環(huán)往復的過程，且受氣候、潮流更替等多種因素影響，不同類別服裝產(chǎn)品的季節(jié)性變化程度不一，波動次數(shù)不定，穩(wěn)定狀態(tài)難以達到。從圖7可以看出，供應商庫存遠高于市場需求及下游節(jié)點庫存，且隨著供應鏈層級的遞增節(jié)點庫存壓力倍增。

2.2.2 延遲周期對牛鞭效應的影響

在保持其他影響因素不變的情況下，改變供應延遲和運輸延遲周期，觀察牛鞭效應的強度。通過仿真可知，節(jié)點訂單和庫存波動異常劇烈，以供應鏈兩端節(jié)點供應商和零售商為例，其訂單與庫存在不同延遲周期下的波動情況分別如圖8和圖9所示。

圖8 延遲周期變化下供應商和零售商訂單波動

圖9 延遲周期變化下供應商和零售商庫存波動

隨著節(jié)點間延遲周期的加長，節(jié)點訂單需求波動幅度和庫存波動幅度顯著加劇。其中，供應商節(jié)點稍有特殊，單方面考慮延遲周期的影響時，供應商庫存總量在一定程度上隨延遲周期的增加而略有減少，但波動幅度隨之愈發(fā)劇烈?？傮w而言，延遲周期的增加作用于牛鞭效應的效力極強，引發(fā)的企業(yè)庫存管理難度也由此攀升。

2.2.3 期望庫存覆蓋時間對牛鞭效應的影響

供應鏈中期望庫存覆蓋時間會同供應鏈各節(jié)點銷售預測值共同影響節(jié)點期望庫存，從而對節(jié)點訂單需求產(chǎn)生影響。保持其他變量不變，調(diào)整供應鏈成員期望庫存覆蓋時間，以分析不同周期下牛鞭效應的強度。考慮到期望庫存覆蓋時間對庫存波動的影響較小，對訂單的影響狀況采用零售商和制造商訂單需求波動作為典例呈現(xiàn)，如圖10所示。

圖10 零售商和制造商訂單隨庫存覆蓋時間變化情況

由圖10可知，零售商訂單隨期望庫存覆蓋周期的加長波動幅度加劇，即期望庫存覆蓋時間加長的同時，訂單量受到訂單信息傳遞波動影響，一定程度上反映出牛鞭效應有所加強。制造商訂單波動周期隨庫存覆蓋時間加長也逐漸延長，可見服裝供應鏈牛鞭效應作用隨期望庫存覆蓋周期的增加而加強，供應鏈穩(wěn)定性遭受考驗。庫存覆蓋時間雖未加劇庫存波動，但通過仿真發(fā)現(xiàn)其倍數(shù)放大了節(jié)點企業(yè)庫存量，加劇了企業(yè)庫存管理難度。

綜合上述仿真結(jié)果可知，公司經(jīng)營中涉及的決策因子變化，即季節(jié)性需求變化明顯、變化速度越快，延遲周期和期望庫存覆蓋時間的加長都會加劇服裝供應鏈中的牛鞭效應，而現(xiàn)實中所有因素共同作用下牛鞭效應必定更為強烈，且其對企業(yè)經(jīng)營帶來的危害直觀體現(xiàn)在企業(yè)庫存問題上，企業(yè)經(jīng)營面臨難關(guān)。

3 弱化牛鞭效應的庫存控制策略研究

合理控制以上的決策因子，確保最大程度減少公司在庫存方面的損失，筆者從優(yōu)化公司庫存控制策略出發(fā)，針對性地提出3種策略，以弱化供應鏈中的牛鞭效應，降低公司的存貨成本。

3.1 VMI模式

VMI模式是一種以用戶和供應商雙方都獲得最低成本為目的，在一個共同協(xié)議下由供應商管理庫存，不斷對協(xié)議進行改進，優(yōu)化庫存管理的合作性策略。VMI模式有助于實現(xiàn)成員間的信息共享，使得需求準確預測，庫存成本降低。采用VMI模式，供應商可快速對需求做出反應，各成員也直接依賴于市場需求預測進行決策，有效遏制季節(jié)性需求波動，從源頭削減牛鞭效應的形成效力；供應商直接管理庫存，掌握市場需求變動情況，需求預測與庫存決策信息共享使得節(jié)點間延遲周期得到有效管控；通過合理設置庫存量使得各節(jié)點對期望庫存覆蓋時間要求降低，從而有效減小各節(jié)點訂單與庫存波動，公司擁有更多時間和精力發(fā)展核心競爭力，實現(xiàn)多贏。

結(jié)合Z公司所在供應鏈實際情況，選取一組可控范圍內(nèi)的優(yōu)化參數(shù)值進行仿真，設置供應商延遲為1周，制造商延遲為3周，期望庫存覆蓋時間為3周，得到VMI模式下節(jié)點需求和庫存變化情況，如圖11所示。從圖11可以觀察到，相較前文各結(jié)果，VMI模式下節(jié)點需求與庫存量波動更小，且更快趨于穩(wěn)定，說明VMI具有弱化牛鞭效應的效力，有望在實際運作中取得良好成效。

圖11 VMI模式下節(jié)點需求與庫存變化情況

3.2 JMI模式

JMI模式是一種基于協(xié)調(diào)中心的供應鏈上游節(jié)點企業(yè)和下游節(jié)點企業(yè)間權(quán)責共擔、風險共擔的庫存管理模式，對弱化服裝供應鏈牛鞭效應也具有顯著作用。JMI模式改變了傳統(tǒng)的各自為政的庫存運作方式，避免了產(chǎn)品季節(jié)性需求變動影響下節(jié)點間的信息滯后；決策充分考慮到各方利益，有效規(guī)避節(jié)點間不必要的延遲，對減小需求波動和庫存波動具有顯著功效；在完全預測、權(quán)責共擔的情況下實現(xiàn)對生產(chǎn)的最優(yōu)控制，推動節(jié)點企業(yè)充分合作，降低整條供應鏈庫存成本。

同理，在可控范圍內(nèi)選取一組優(yōu)化參數(shù)值，JMI模式下各方參與共同管理，延遲均有效減小，受外力影響均設為1周，期望庫存覆蓋時間設為4周，得到JMI模式下節(jié)點需求與庫存變化情況，如圖12所示。從圖12可以看出，JMI模式下訂單波動小，零售商與制造商庫存波動較穩(wěn)定，但供應商庫存波動比VMI模式大。

圖12 JMI模式下節(jié)點需求與庫存變化情況

VMI模式與JMI模式在控制3個影響因子方面各有成效，在實際運作中也各具優(yōu)勢?？紤]到Z公司實際銷售模式，直營店可以采用VMI模式實現(xiàn)優(yōu)化，加盟店可以采取JMI模式，直接參與到庫存管理當中，充分實現(xiàn)自主決策以弱化牛鞭效應影響。

3.3 全渠道零售平臺

Z公司處在供應鏈上零售商地位，面對O2O模式的日益壯大，為實現(xiàn)公司整體經(jīng)營效益的提高和精準制定公司庫存戰(zhàn)略，需建立全渠道零售管理平臺，實現(xiàn)全渠道融合[19]。全渠道零售以整合各類渠道資源、服務消費者需求為特征，是基于顧客的全渠道購物[20]，位于需求拉動式供應鏈的末端核心。

全渠道零售管理平臺運行的內(nèi)源動力來自于信息化，首先應借助平臺整合公司整體資源和供應鏈成員資源，實現(xiàn)決策資料統(tǒng)一，將公司的產(chǎn)品信息、直營及加盟網(wǎng)點、用戶數(shù)據(jù)、批次訂貨等信息進行記錄分析，對不同需求顧客和供應鏈伙伴開放不同的信息資源庫。對顧客而言，提供全方位的供應服務及個性化服務；對供應鏈伙伴而言，提供實時的市場需求信息并動態(tài)更新決策，使得供應鏈成員擁有更加快速精準地提供服務的能力。在此基礎上，建立實時透明的庫存管理系統(tǒng)，既便于公司直營店與加盟店、網(wǎng)店之間的產(chǎn)品調(diào)配，又有助于供應鏈伙伴成員以不同程度參與公司庫存管理，實現(xiàn)供應鏈整體庫存的優(yōu)化配置。在高度信息共享的基礎上，公司及上游成員對于庫存覆蓋時長的要求相應降低，節(jié)點間延遲周期大大減小，一定程度上具備弱化供應鏈上牛鞭效應的作用。

4 結(jié)論

(1)影響服裝供應鏈牛鞭效應的因子除訂單批處理、需求預測更新、配給與短缺博弈和價格波動四大因素外，還包括企業(yè)經(jīng)營管理中的諸多決策因子。季節(jié)性需求波動下的牛鞭效應以控制信息傳遞的時效性為著力點，是服裝企業(yè)需重點突破的問題。期望庫存覆蓋時間與節(jié)點間延遲周期的加長刺激著牛鞭效應進一步加劇，隨著變量間的反饋作用強烈反映在企業(yè)庫存上。

(2)仿真分析顯示，采用VMI模式、JMI模式可適當縮短期望庫存覆蓋時間和節(jié)點間延遲周期，對抑制牛鞭效應具有良好成效；由于Z公司自身存貨管理體制不成熟且受O2O模式?jīng)_擊，宜建立全渠道零售管理平臺，一方面可高度實現(xiàn)信息共享，另一方面對于渠道整合效率提升大有裨益，通過優(yōu)化庫存控制策略，可實現(xiàn)優(yōu)化公司經(jīng)營管理體制和降低企業(yè)庫存成本。3種優(yōu)化策略的提出為Z公司擺脫牛鞭效應的影響、解決繁重的庫存積壓問題與適應市場環(huán)境變革提供了較具可行性的建議。

(3)由于庫存控制策略的適用限制較多，公司的實際運營狀況有待更深入調(diào)查，筆者研究還存在一些不足之處：企業(yè)經(jīng)營決策中影響牛鞭效應的因素眾多，未來可從更多方面進行探討；對于數(shù)據(jù)的量化處理還有欠缺；實際決策還需深入調(diào)查其適用性。