供应链管理中加强对牛鞭效应的控制

牛鞭效应，揭示了供应链上需求的微小变化，会从零售商到制造商、供应商逐级放大的现象。供应链上的信息流从最终客户端向原始供应商端传递时，无法有效地实现信息的共享，使得信息扭曲而逐级放大，导致了需求信息出现越来越大的波动，此信息扭曲的放大作用在图形上很像很一根甩起牛鞭，因此被形象地称为牛鞭效应。可以将处于上游的供应方比作梢部，下游的用户比作根部，一旦根部抖动，传递到末梢端就会出现很大的波动。牛鞭效应根深蒂固，是影响供应链的一个根本性问题，在供应链设计和管理上要特别关注。

让我们先举个例子，来说明牛鞭效应。假定全球消费者对计算机的需求预测轻微增长2%，转化到联想（制造商）时就可能成了5%，传递到英特尔（一级供应商）时则可能是10%，而到了英特尔的设备商（次级供应商）时则可能变为20%。简言之，越是处于供应链的后端，需求变化幅度越大。这像西部牛仔挥舞的牛鞭，手腕轻轻一抖，鞭梢便会大幅度抖动，划出一道美丽的圆弧，这或许就是“牛鞭效应”名称的来历。

需求变化是不确定因素，供应链的自然反应是要么增加库存，要么增加产能。需求变动越大，供应链合作伙伴的产能、库存变动就越大。而建立库存、产能，以及消耗多余库存、产能都给供应链的产品流、资金流带来很大挑战。

下图是从1991年到2001年，北美半导体行业整体库存量的变化趋势。让我们通过这个例子，来理解牛鞭效应的影响。这是个两级供应链：芯片制造是需求方，设备制造是供应商（他们为芯片商提供设备）。半导体行业大致四年一个周期，行业景气时，芯片商的需求上升，传递到其设备供应商时，需求的增幅更大，相应地，设备商就得增加产能、库存来应对。因为设备商在供应链的后端，所以其产能、库存变化更大。你可以看出，在几个季度里，设备行业的库存可以轻易翻一番，或者掉下来一半甚至更多。整个行业因为有多个企业，有聚合效应，单个企业的变化就更剧烈，就如下图所示。对于半导体设备行业来说，要么是在产能爬坡，整条供应链忙地要命；要么是产能下坡，大家为消耗多余的产能、库存头痛。上上下下，成本惊人。

牛鞭效应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的各个节点。一旦需求增长放缓或负增长，大量资金和产品将以库存形式积压，导致整个供应链资金周转不良，影响供应链的运作，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，直接导致注销二十几亿美元的库存。以半导体设备制造行业而言，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金的过期库存。比如2008年的金融危机过后，半导体设备行业陷入严重的衰退。在我当时所在的公司，2009年第一季度的设备产量连两个季度前的10%也没有，生产线大幅裁员。对众多的一级、次级供应商而言，这则意味着新订单锐减，甚至很长时间没有新订单。没有新订单就没有新的营业收入，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（也因为其响应幅度最大）。其结果是，当市场需求增加的时候，供应商往往产能不足，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。以我供职过的一个半导体设备公司为例，到2003年，人员从2000年高峰期的5000余人缩减到2200人左右，总部的生产厂房、办公场所从8个缩减为4个。公司的供应商则经历了更加剧烈的苦难历程，大多数供应商的人员减半，营业额只有高峰期的三分之一，有的供应商设备产能力利用率只有30%左右。

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，面临更大的财务压力，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。

鉴于其重大影响，多年来学术界和工业界都在积极研究牛鞭效应。根据斯坦福大学的李效良教授（Hau Lee）及其同事的研究，牛鞭效应有以下四大成因：

1．多重需求预测。当处于不同供应链位置的企业预测需求时，都会包括一定的安全库存，以对付变化莫测的市场需求和可能的供应商供货中断。当供货周期较长时，这种安全库存的数量将会非常显著。例如一美国计算机制造商预测到某型号计算机的市场需求是10万台，但可能向中国的供应商下11万的零件订单（“万一卖得好呢”）；同理，中国计算机零件生产商可能向其供应商定 购12万的原材料。以此类推，供应链各节点库存将逐级放大。

此外，有些预测方法也会系统地扭曲需求。比如前三个月的趋势是每月递增10%，那第四个月的预测也将递增10%。但市场增长不是无限的，总有一天实际需求会降低，这差额就成了多余库存。如果供应链各个企业采用同样的预测方法，这种系统性的放大就会非常明显。

2．批量生产、订 购。为了达到生产、运输上的规模效应，厂家往往批量生产或购货，以积压一定库存为代价，换取较高的生产效率和较低成本。在市场需求减缓或产品升级换代时，代价往往巨大，导致库存积压、库存品过期，或二者兼具。例如我所管理的一家加工设备机箱的小供应商，都关门停业几个月了，还没有用掉生产积压下的数种机箱，主要是因为大批量生产。

3．价格浮动和促销。厂家为促销往往会推出各种促销措施，其结果是买方大批量买进而导致部分积压。这在零售业尤为显著，使市场需求更加不规则、人为加剧需求变化幅度，严重影响整个供应链的正常运作。比如零售商在促销，给制造商几个大订单；制造商往往不知道这是促销，还以为是销量好，就增加产能、库存来应对；促销停止了，零售商的订单量降下来 ，但制造商的库存、产能已经增加上去了，需要一段时间才能消化掉。其实即使制造商知道是零售商在做促销，类似的问题还是存在：比如正常需求是100个/星期，促销下变为150个/星期，那制造商就得想办法弥补这50个的变动，不增加安全库存，也得赶工加急，成本上升。对于制造业来说，最好是产量平稳，这样产能、成本更容易控制。

总的来说，价格浮动和促销只是把未来的需求提前，到头来整个供应链很难从中获利，人工制造的波动反倒是成本更高。当然，存在的都是有原因的，价格浮动和促销的助推器就是“活在当下”的企业绩效评估体系。月度指标、季度指标、年度指标的驱动下，打折、促销就成了销售利器，尽管大家都不受益。结果呢，就是把原本比较平滑的供应链整出一个个的波峰与波谷，而这波峰跟波谷之间的沟壑，就意味着一堆堆的库存、产能，换句话说，就是浪费、成本。

4．理性预期。如果某种产品的需求大于供给，且这种情况可能持续一段时间，厂家给供应商的订单可能大于其实际需求，以期供应商能多分配一些产品给它，但同时也传递虚假需求信息，导致供应商错误地解读市场需求，从而过量生产。随着市场供需渐趋平衡，有些订单会消失或被取消，导致供应商多余库存，也使供应商更难判断需求趋势。等到供应商搞清实际需求已经为时过晚，成为又一个“计划跟不上变化”。

这种现象在2000年前后的电子行业得到充分体现，整条供应链都深受其害，积压了大量库存和生产能力，前面提到的思科就是一个典型例子。2005、2006年前后全球原材料短缺，大家拼命多下订单，希望冶炼厂能多分配些产能，客观上造成了冶炼厂产能的过度膨胀。2008年金融危机以后，很多企业预计需求低迷会持续很久，就大幅度减产，以消耗现有的库存。全球很多经济体很快触底反弹，从2009年第二季度开始，部分电子产品短缺，造成市场上类似的过激反应，掀起新一轮的产能、库存膨胀。

上述种种成因，除了批量生产与生产模式有关外，别的大都可以通过供应链范围的信息共享和组织协调来减轻影响。例如上下游企业之间培养信任，并加大非核心保密信息的交流和共享，通过信息交流代替实物的库存，避免多重预测，减少信息的人为扭曲；在价格政策上，制造商应谨慎使用价格促销，并尽量与零售商实行“天天低价”；在理性预期上，供应商应以历史需求为基础分配产品，从而避免用户单位虚报需求；在生产方式上，供应商应采用精益生产，使达到最佳经济生产批量的数量减小，从而减少供应链库存，提高对市场需求变化的响应速度。