服装供应链牛鞭效应仿真及库存控制策略研究

宁美娇，黄建华

(福州大学 经济与管理学院，福建 福州 350108)

牛鞭效应是指供应链上信息传导随层级增加不断扭曲放大的现象。牛鞭效应不仅影响供应链的运作效率、增加供应链的库存成本，还会误导供应链企业对市场需求的判断。一直以来，服装供应链上的牛鞭效应问题都较为突出，近年来随着服装线上销售渠道的拓展及O2O模式的广泛应用，服装供应链的库存管理和牛鞭效应问题呈现出新的特征，这给服装供应链企业的库存管理带来了新的挑战。对于牛鞭效应的研究，可以追溯到FORRESTER[1]运用系统动力学模型模拟分析牛鞭效应问题和STERMAN[2]应用“啤酒游戏”实验验证牛鞭效应的存在性，目前，有关供应链牛鞭效应的研究成果主要集中在以下两个方面：①研究牛鞭效应的成因问题，例如LEE等[3]总结出造成牛鞭效应的四大主因是订单批处理、需求预测更新、配给与短缺博弈和价格波动；卢继周等[4]系统研究了节点提前期对牛鞭效应的影响；李东连[5]则通过对微观影响因素进行量化研究，创新性地展现出决策因子作用于牛鞭效应的强弱。②探讨牛鞭效应的弱化策略，例如曾雪[6]从定性与定量的角度揭示了加强供应链成员企业间的战略合作、简化供应链结构、完善管理决策机制将有效弱化牛鞭效应；陈长彬等[7]证实了运用资产组合管理方法调整零售商之间的供应量,能够减少订货总方差,实现牛鞭效应的有效弱化；陈佳莉等[8]认为预测方法的改进是缓解牛鞭效应的有效手段；TANG等[9]论证了提高信息共享对降低牛鞭效应的作用。从库存控制策略着手寻求牛鞭效应弱化效力的研究，最早由TOWILL[10]通过仿真提出，之后DEJONCKHEERE等[11]设计了一个供应商管理库存(vendor managed inventory, VMI)系统下的两级供应链牛鞭效应模型，证实了VMI弱化牛鞭效应的有效性；虞蛟龙等[12]通过构造多级库存模型，采用灰色系统GM(1,1)需求预测方法验证了联合库存管理(jointly managed inventory, JMI)的效力；李翀等[13]引入时滞影响因素，创新性地提出动态供应链库存控制策略；韩坤[14]基于供应链订购策略、安全库存优化算法等，提出顾客服务水平固定提前期模型的库存控制优化策略；钱晨等[15]提出将H_∞控制需求预测同订单决策相结合建立库存决策模型，能使比例-积分补充策略更大程度地施展弱化效力。

总体而言，有关牛鞭效应成因和对策的研究成果较多，采用库存控制方法弱化牛鞭效应的策略被广泛应用，但是牛鞭效应的成因分析以及基于因子控制法的弱化策略常被孤立进行研究，如周三元等[16]对影响牛鞭效应的微观决策因子进行了分析，但未深入探究因子控制法的实现。同时，O2O环境下服装供应链牛鞭效应的新问题也常被忽略。因此，笔者将应用系统动力学方法，在仿真分析服装供应链牛鞭效应影响因子的基础上，通过调控决策因子的取值探讨抑制牛鞭效应的有效策略。

1 基于系统动力学的服装供应链牛鞭效应影响机制建模

1.1 三级服装供应链流程分析

在三级服装供应网中，节点所涉及的关键变量组成基本类同，主要包括节点库存、节点生产需求、节点销售预测和节点期望库存。以供应商环节为例，在仅考虑供应商环节时其库存大小只受本周期生产率和供应商供应延迟影响。供应商生产需求在实际运作过程中受供应商销售预测、供应商期望库存、供应商库存和库存调整时间多因素影响。模型中设定销售预测方法为移动平均预测法，由移动平均时间和供应商发货率共同决定预测值大小，表现为发货率在移动平均时间上的一个Smooth函数。供应商期望库存数值受期望库存覆盖时间和销售预测共同作用。基于上述分析，得到供应商环节所对应的因果关系，如图1所示。

图1 供应商环节因果关系图

在制造商环节中，除制造商库存、制造商订单、制造商期望库存和制造商销售预测等主要变量之外，现实供应链节点间还存在各类时间延迟，故在制造商环节增加了运输延迟变量，这会对其发货率造成影响。制造商、零售商环节运作机理与供应商环节大同小异，由于零售商与消费者直接接触，在整个供应链环节上是需求信息的输入端，其销售预测数值取决于市场需求率和移动平均时间。此外，各节点库存在动态供应链中会受到自身生产率和下游节点的反馈影响。基于上述分析，得到制造商与零售商环节的因果关系图，分别如图2和图3所示。

图2 制造商环节因果关系图

图3 零售商环节因果关系图

1.2 因果回路图构建

根据服装供应链三级节点的因果关系分析，易知整个供应链环节变量间的逻辑关系。三级节点依靠供应商对制造商的发货率和制造商对零售商的发货率两个速率变量串联成为一个完整的因果回路图，如图4所示。

图4 三级供应链的因果关系图

由图4可知，三级供应链包括了原材料供应商、产品制造商和零售商，三者通过库存和订单联系在一起，随各变量间正负反馈作用动态变化，形成一个服装供应链动态系统模型。动力学系统是基于一定数量的正负反馈回路构成，当系统中正反馈回路的作用远远超过负反馈回路的修复作用时，系统中相关变量变化就很容易引起系统失衡，笔者将通过建模分析造成该系统失衡从而加剧牛鞭效应的相关因素。

1.3 存量流量图构建

1.3.1 流量图建立

笔者在因果回路图的基础上将变量进行合理划分，通过相互间的关系建立方程以连接各变量间的逻辑关系，最终得到关于供应链库存管理的存量流量图，如图5所示。模型共涉及22个变量，通过对模型逻辑进行检验，可知该模型符合系统动力学逻辑，能够应用于接下来的仿真研究。设定各级节点的初始库存均为1 500件，变量间的关系参照Z公司所在供应链服装产品产销链，变量取值范围以Z公司的经营数据为参考，倍数缩小。

图5 三级供应链的存量流量图

1.3.2 模型参数方程定义与说明

2 基于系统动力学的服装供应链牛鞭效应影响机制仿真

供应链节点企业拥有各自相对适用的库存策略，但库存策略趋于封闭，造成信息孤岛现象,无法适应新的竞争环境[17]。供应链系统对节点库存影响因素较多[18]，笔者以Z公司为例，对其库存现状进行分析，利用Vensim动力学软件针对Z公司决策中的季节性需求变化、延迟周期和期望库存覆盖时间三大影响因子对服装供应链牛鞭效应的影响进行仿真研究。

2.1 Z公司服装供应链模型与特征

Z公司是国内知名品牌运营商，其销售终端是加盟为主、直营和加盟相结合的模式，与传统服装制造企业有所不同，Z公司存货只显示为库存商品。统计数据显示，Z公司2018年前三季度存货金额为41.65亿元，占总资产的27.38%，2020年前三季度存货金额为32.46亿元，占总资产的20.46%，存货占比仍居高不下，企业经营成本激增，平均存货周转时间从2011年的80天增至2020年第三季度的180天，供应链反应速度明显降低。Z公司存货管理问题成因归结于以下5个方面：产品季节性强；提前期长；代理加盟制影响；库存管理体制不成熟；到货延迟的不确定性。

2.2 决策因子对牛鞭效应的影响仿真分析

模型初始参数：设置起始时间为0，结束时间为200周，即运行200周停止；时间步长为0.125周，即每运行0.125周保存结果1次。

2.2.1 季节性需求对牛鞭效应的影响

由于服装产品存在很强季节性，实验设置初始市场需求为1 500件/周，12周后市场需求从1 500件减少至1 000件，订单波动情况和各节点库存情况分别如图6和图7所示。

图7 季节性需求下各级节点的库存波动

在市场需求出现季节性变化时，由于需求变化不稳定，预测难度加大，节点订单量受不确定性影响而产生波动，导致需求变化信息随供应链传递时被逐层放大，加剧了供应链牛鞭效应。从图6可以看出，订单波动以供应商生产需求波动幅度最为强烈，在120周后才趋于稳定；而最靠近市场的零售商受到的影响相对较小，在30周后趋于稳定。但现实中季节性需求波动是一个循环往复的过程，且受气候、潮流更替等多种因素影响，不同类别服装产品的季节性变化程度不一，波动次数不定，稳定状态难以达到。从图7可以看出，供应商库存远高于市场需求及下游节点库存，且随着供应链层级的递增节点库存压力倍增。

2.2.2 延迟周期对牛鞭效应的影响

在保持其他影响因素不变的情况下，改变供应延迟和运输延迟周期，观察牛鞭效应的强度。通过仿真可知，节点订单和库存波动异常剧烈，以供应链两端节点供应商和零售商为例，其订单与库存在不同延迟周期下的波动情况分别如图8和图9所示。

图8 延迟周期变化下供应商和零售商订单波动

图9 延迟周期变化下供应商和零售商库存波动

随着节点间延迟周期的加长，节点订单需求波动幅度和库存波动幅度显著加剧。其中，供应商节点稍有特殊，单方面考虑延迟周期的影响时，供应商库存总量在一定程度上随延迟周期的增加而略有减少，但波动幅度随之愈发剧烈。总体而言，延迟周期的增加作用于牛鞭效应的效力极强，引发的企业库存管理难度也由此攀升。

2.2.3 期望库存覆盖时间对牛鞭效应的影响

供应链中期望库存覆盖时间会同供应链各节点销售预测值共同影响节点期望库存，从而对节点订单需求产生影响。保持其他变量不变，调整供应链成员期望库存覆盖时间，以分析不同周期下牛鞭效应的强度。考虑到期望库存覆盖时间对库存波动的影响较小，对订单的影响状况采用零售商和制造商订单需求波动作为典例呈现，如图10所示。

图10 零售商和制造商订单随库存覆盖时间变化情况

由图10可知，零售商订单随期望库存覆盖周期的加长波动幅度加剧，即期望库存覆盖时间加长的同时，订单量受到订单信息传递波动影响，一定程度上反映出牛鞭效应有所加强。制造商订单波动周期随库存覆盖时间加长也逐渐延长，可见服装供应链牛鞭效应作用随期望库存覆盖周期的增加而加强，供应链稳定性遭受考验。库存覆盖时间虽未加剧库存波动，但通过仿真发现其倍数放大了节点企业库存量，加剧了企业库存管理难度。

综合上述仿真结果可知，公司经营中涉及的决策因子变化，即季节性需求变化明显、变化速度越快，延迟周期和期望库存覆盖时间的加长都会加剧服装供应链中的牛鞭效应，而现实中所有因素共同作用下牛鞭效应必定更为强烈，且其对企业经营带来的危害直观体现在企业库存问题上，企业经营面临难关。

3 弱化牛鞭效应的库存控制策略研究

合理控制以上的决策因子，确保最大程度减少公司在库存方面的损失，笔者从优化公司库存控制策略出发，针对性地提出3种策略，以弱化供应链中的牛鞭效应，降低公司的存货成本。

3.1 VMI模式

VMI模式是一种以用户和供应商双方都获得最低成本为目的，在一个共同协议下由供应商管理库存，不断对协议进行改进，优化库存管理的合作性策略。VMI模式有助于实现成员间的信息共享，使得需求准确预测，库存成本降低。采用VMI模式，供应商可快速对需求做出反应，各成员也直接依赖于市场需求预测进行决策，有效遏制季节性需求波动，从源头削减牛鞭效应的形成效力；供应商直接管理库存，掌握市场需求变动情况，需求预测与库存决策信息共享使得节点间延迟周期得到有效管控；通过合理设置库存量使得各节点对期望库存覆盖时间要求降低，从而有效减小各节点订单与库存波动，公司拥有更多时间和精力发展核心竞争力，实现多赢。

结合Z公司所在供应链实际情况，选取一组可控范围内的优化参数值进行仿真，设置供应商延迟为1周，制造商延迟为3周，期望库存覆盖时间为3周，得到VMI模式下节点需求和库存变化情况，如图11所示。从图11可以观察到，相较前文各结果，VMI模式下节点需求与库存量波动更小，且更快趋于稳定，说明VMI具有弱化牛鞭效应的效力，有望在实际运作中取得良好成效。

图11 VMI模式下节点需求与库存变化情况

3.2 JMI模式

JMI模式是一种基于协调中心的供应链上游节点企业和下游节点企业间权责共担、风险共担的库存管理模式，对弱化服装供应链牛鞭效应也具有显著作用。JMI模式改变了传统的各自为政的库存运作方式，避免了产品季节性需求变动影响下节点间的信息滞后；决策充分考虑到各方利益，有效规避节点间不必要的延迟，对减小需求波动和库存波动具有显著功效；在完全预测、权责共担的情况下实现对生产的最优控制，推动节点企业充分合作，降低整条供应链库存成本。

同理，在可控范围内选取一组优化参数值，JMI模式下各方参与共同管理，延迟均有效减小，受外力影响均设为1周，期望库存覆盖时间设为4周，得到JMI模式下节点需求与库存变化情况，如图12所示。从图12可以看出，JMI模式下订单波动小，零售商与制造商库存波动较稳定，但供应商库存波动比VMI模式大。

图12 JMI模式下节点需求与库存变化情况

VMI模式与JMI模式在控制3个影响因子方面各有成效，在实际运作中也各具优势。考虑到Z公司实际销售模式，直营店可以采用VMI模式实现优化，加盟店可以采取JMI模式，直接参与到库存管理当中，充分实现自主决策以弱化牛鞭效应影响。

3.3 全渠道零售平台

Z公司处在供应链上零售商地位，面对O2O模式的日益壮大，为实现公司整体经营效益的提高和精准制定公司库存战略，需建立全渠道零售管理平台，实现全渠道融合[19]。全渠道零售以整合各类渠道资源、服务消费者需求为特征，是基于顾客的全渠道购物[20]，位于需求拉动式供应链的末端核心。

全渠道零售管理平台运行的内源动力来自于信息化，首先应借助平台整合公司整体资源和供应链成员资源，实现决策资料统一，将公司的产品信息、直营及加盟网点、用户数据、批次订货等信息进行记录分析，对不同需求顾客和供应链伙伴开放不同的信息资源库。对顾客而言，提供全方位的供应服务及个性化服务；对供应链伙伴而言，提供实时的市场需求信息并动态更新决策，使得供应链成员拥有更加快速精准地提供服务的能力。在此基础上，建立实时透明的库存管理系统，既便于公司直营店与加盟店、网店之间的产品调配，又有助于供应链伙伴成员以不同程度参与公司库存管理，实现供应链整体库存的优化配置。在高度信息共享的基础上，公司及上游成员对于库存覆盖时长的要求相应降低，节点间延迟周期大大减小，一定程度上具备弱化供应链上牛鞭效应的作用。

4 结论

(1)影响服装供应链牛鞭效应的因子除订单批处理、需求预测更新、配给与短缺博弈和价格波动四大因素外，还包括企业经营管理中的诸多决策因子。季节性需求波动下的牛鞭效应以控制信息传递的时效性为着力点，是服装企业需重点突破的问题。期望库存覆盖时间与节点间延迟周期的加长刺激着牛鞭效应进一步加剧，随着变量间的反馈作用强烈反映在企业库存上。

(2)仿真分析显示，采用VMI模式、JMI模式可适当缩短期望库存覆盖时间和节点间延迟周期，对抑制牛鞭效应具有良好成效；由于Z公司自身存货管理体制不成熟且受O2O模式冲击，宜建立全渠道零售管理平台，一方面可高度实现信息共享，另一方面对于渠道整合效率提升大有裨益，通过优化库存控制策略，可实现优化公司经营管理体制和降低企业库存成本。3种优化策略的提出为Z公司摆脱牛鞭效应的影响、解决繁重的库存积压问题与适应市场环境变革提供了较具可行性的建议。

(3)由于库存控制策略的适用限制较多，公司的实际运营状况有待更深入调查，笔者研究还存在一些不足之处：企业经营决策中影响牛鞭效应的因素众多，未来可从更多方面进行探讨；对于数据的量化处理还有欠缺；实际决策还需深入调查其适用性。