'채찍 효과
'Bullwhip' 효과는 수요 증폭으로, 공급망 내 노드의 수요 변화가 체인 상류의 수요에 더 큰 변화를 가져옵니다. 공급업체에 대한 주문은 구매자에 대한 판매보다 변동성이 더 큰 경향이 있습니다.
소매점은 창고(소유 또는 도매업자)에서 주문을 하며 '만약의 경우' 사고를 반영할 수 있습니다. 공급업체 공장은 효율성을 위해 대규모이지만 간헐적으로 배치를 생산하고 하위 공급업체는 주문 시기에 대한 불확실성을 커버하기 위해 대량으로 생산합니다. FMCG(빠르게 이동하는 소비재) 및 CPG(소비 기한이 있는 소비재) 부문에서 소비자 수요 패턴의 잠재적인 변화로 인해 계층 전체에 걸쳐 공급업체의 재고 계획이 점점 더 어려워지고 있습니다.
이러한 누적된 불확실성은 노드가 시스템 내 다른 노드의 작업에 반응하는 고유한 역학을 갖는 조직 및 공급망 네트워크의 공급 위험을 증가시킵니다. 한편, 조직의 핵심 공급망을 예측하고 계획하는 것은 일반적으로 내부적으로 기업 데이터 및 계획 신호를 최적화하는 데 중점을 둡니다.
이 현상은 1960년대 Jay Forrester(Forrester 효과)에 의해 확인되었고 1990년대 Hau Lee에 의해 'Bullwhip' 효과로 홍보되었습니다. 많은 사람들이 '맥주 게임'을 하고 결과가 효과적인 공급망에 좋지 않다는 것을 인식했지만 상황을 식별하는 것은 여전히 소프트웨어 애플리케이션의 일부가 아닙니다. 그래서 우리는 엑셀에 의존해야 합니다.
수요 증폭 측정
A 뉴스 레터 Fred Baumann이 작성한 CoV(변동계수)를 사용하여 SKU에 대한 수요 증폭을 계산하는 방법을 설명합니다. 예제에 사용된 테이블은 다음과 같습니다.
값 세트에 대한 CoV 계산은 표준 편차를 평균으로 나눈 것입니다. 수요 증폭 계수(또는 Bullwhip)는 주문 CoV와 매출의 차이를 매출 CoV로 나누어 계산합니다. 예에서 계수는 거의 300%에 달하는데, 이는 드문 수치가 아니며 고위 경영진의 관심을 끌 가능성이 높습니다.
수요 증폭 감소
고객이 모든 SKU에서 얻은 수요 증폭을 통해 가장 높은 SKU를 그룹화하고 조치 계획을 세울 수 있습니다. XNUMX년 전의 일이지만, 이하우(Hau Lee)가 확인한 수요 증폭(Bullwhip) 효과의 네 가지 주요 원인은 여전히 남아 있습니다.
- 수요 신호: 회사는 판매 채널에서 외부 데이터를 입력하지 않고 내부 주문 및 배송 데이터를 사용합니다.
- 주문 일괄 처리: 효율성 목표를 달성하기 위해 회사는 고객이 필요에 따라 주문을 '풀'하도록 하는 대신 정적 안전 재고 규칙을 사용하고 조직을 통해 주문을 '푸시'하여 기간 기준(예: 월별)으로 주문을 생성합니다.
- 가격 변동: 대량 구매 또는 '투자' 구매와 같은 '거래'를 포함하며, 구매 수량이 많을수록 더 낮은 단가가 제공됩니다. 소매업에서는 추가 운영 비용으로 인해 매출총이익 증가가 순이익 감소로 상쇄될 수 있습니다.
- 대량 구매 주문으로 인한 배급 및 부족: 한 고객의 대량 주문을 충족하기 위해 일부 고객을 배급해야 하는 경우 고객 서비스가 저하됩니다. 기획자는 용량을 관리하기보다는 리드 타임을 늘리고 싶은 유혹을 느낄 수 있습니다.
공급망을 통한 가시성은 제한되어 있으므로 조직의 공급망 네트워크 노드 및 링크 전반에 걸친 가변성, 제약 및 복잡성을 식별하고 설명할 수 없기 때문에 불확실성이 있습니다. Bullwhip 효과를 줄이고 고객 요구에 대한 대응력을 향상시키려면 조직에서 제어하고 영향을 미치는 리드 타임을 줄여야 합니다. 조사할 계획의 예는 다음과 같습니다.
- 고객 리뷰와의 관계:
- 판매 패턴(예: 하키스틱(월말에 많은 판매 – '월말 러시')),
- 판매 목표를 달성하기 위해 월/연말에 재고 과잉
- 고객이 주문 트리거로 사용하는 결제 조건
- 주문 수량에 영향을 미치는 가격 및 가격 인센티브
- 크고 불규칙한 주문을 장려하는 고정 비용과 '규모의 경제' 비용 구조
- 주문 입력 애플리케이션 – ATP(Available to Promise) 애플리케이션을 고객 서비스 도구로 향상합니다. 품절된 품목에 대한 수요를 식별하는 기능 포함
- 고객 카테고리에 대한 서비스 제공 비용
- 판매 패턴(예: 하키스틱(월말에 많은 판매 – '월말 러시')),
- 제품 리뷰:
- 부품이나 재료의 공통성을 고려한 제품 디자인
- SKU 차별화 지연(연기)
- 로트 및 배치 크기 감소, 즉 고객 요구에 대응하기 위해 '빠른 전환' 마무리 및 포장 장비 사용
- 부품이나 재료의 공통성을 고려한 제품 디자인
- 운영 계획 검토:
- '외부' 데이터 및 정보의 가용성 및 사용
- Operations Planning을 외부 수요 신호에 직접 연결합니다. 예를 들어 소매업체에 공급하는 경우 소매업체의 POS(Point of Sale) 데이터를 사용합니다.
- 시나리오 분석, 계획 및 예측 분석을 위험 관리 도구로 사용하여 공급 중단 가능성을 관리합니다.
- 영업 및 운영 계획(S&OP)은 비즈니스의 전술적 계획 엔진입니다.
- 품목(제품 라인) 합리화 – 저판매 SKU의 '롱테일'로 인한 복잡성 비용 감소
- 재고 관리 정책, 즉 공급업체 관리 재고(VMI) 홍보
- '외부' 데이터 및 정보의 가용성 및 사용
수요 증폭과 공급망 연결
An 이전 블로그 게시물 기업의 공급망 수에 대해 논의했습니다. 이는 아웃바운드 공급망 구조에 영향을 미치는 XNUMX가지 요소를 지적했습니다. 첫 번째 요소는 CoV(변동계수)를 도구로 사용하여 패턴 내에서 SKU 판매를 통합하는 것이었습니다.
각 SKU의 연간 매출은 비슷하지만 클래스별로 CoV를 배치하면 고객에게 효과적으로 서비스를 제공하기 위해 물류, 운영 계획 및 조달에서 필요한 대응을 식별할 수 있으며, 각 SKU에는 고유한 공급, 재고 및 배송 특성과 흐름, 즉 공급망이 있습니다.
차트는 파레토 원칙(또는 80:20 규칙)을 사용하여 판매별 SKU 분석으로 왼쪽에서 시작됩니다. 다음 열은 COGS(매출원가) 값을 기준으로 각 그룹의 값을 식별합니다. 다음은 예시의 색상을 사용하여 각 SKU의 이름 또는 코드입니다. 다음 열에는 XNUMX개월 단위로 매달 업데이트되는 연간 매출이 있습니다. 매출의 평균값과 표준편차는 수요증폭계수에 대해 계산된 것과 동일합니다. 클래스는 CoV 계산을 통해 식별됩니다.
각 클래스에 대해 아래 차트는 공급망에 가장 적합한 것을 나타내는 세 가지 계획 체제에서 고려해야 할 사항의 예를 제공합니다.
(Bullwhip) 수요 증폭 요소 및 계획 흐름(공급망)이 CoV를 사용하여 계산된다는 점을 고려하면 처음에는 스프레드시트인 하나의 애플리케이션에 구축할 수 있습니다. 이는 내부적으로 변화를 협상할 때 공급망 그룹을 보다 확고한 기반에 배치하는 수치 기반에서 공급망을 계획하기 위한 기초를 제공합니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://www.learnaboutlogistics.com/cov-links-supply-chain-class-and-demand-amplification/#utm_source=rss&utm_medium=rss&utm_campaign=cov-links-supply-chain-class-and-demand-amplification