'Bullwhip'-effekt

'Bullwhip'-effekten är efterfrågeförstärkning, där en förändring i efterfrågan vid en nod i en leveranskedja har en mer betydande förändring av efterfrågan längre uppströms i kedjan. Beställningar som läggs på leverantörer tenderar att ha en större variation än försäljning till köpare.

Återförsäljare lägger beställningar på lager (ägda eller hos grossister) kan återspegla "för säkerhets skull"-tänkande; leverantörsfabriker producerar i stora men intermittenta partier för effektivitet och leverantörer på lägre nivå tillverkar stora kvantiteter för att täcka osäkerhet om tidpunkten för beställningar. Inom sektorerna FMCG (fast moving consumer goods) och CPG) (konsumentförpackade varor med sista förbrukningsdatum) gör potentiella förändringar i mönstret för konsumenternas efterfrågan lagerplanering allt svårare för leverantörer över nivåerna.

Denna kumulativa osäkerhet ökar försörjningsriskerna för din organisation och dess Supply Chains Network, som har sin egen dynamik genom vilken noder reagerar på åtgärder från andra noder i systemet. Samtidigt är prognostisering och planering av en organisations kärnförsörjningskedjor vanligtvis internt fokuserad på att optimera företagsdata och planeringssignaler.

Detta fenomen identifierades på 1960-talet av Jay Forrester (Forrester-effekten) och marknadsfördes som 'Bullwhip'-effekten av Hau Lee på 1990-talet. Och även om många har spelat "ölspelet" och insett att resultatet inte är bra för effektiva leveranskedjor, är det fortfarande inte en del av mjukvaruapplikationer att identifiera situationen. Så vi måste lita på Excel.

Mät efterfrågeförstärkning

A nyhetsbrev skriven av Fred Baumann förklarar hur användningen av varianskoefficienten (CoV) gör det möjligt att beräkna efterfrågeförstärkningen för en SKU. Tabellen som används för exemplet är:

Beräkningen av CoV för en uppsättning värden är standardavvikelsen dividerad med medelvärdet. Efterfrågeförstärkningsfaktorn (eller Bullwhip) beräknas som skillnaden mellan beställningarnas och försäljningens CoV dividerat med försäljningens CoV. I exemplet är faktorn nästan 300 procent, en inte ovanlig siffra och som sannolikt kommer att få den högsta ledningens uppmärksamhet.

Minska efterfrågeförstärkningen

Den efterfrågeförstärkning som kunden erhåller från alla SKU:er möjliggör en gruppering av de högsta och att arbeta med en handlingsplan. Även om det var trettio år sedan, är de fyra huvudorsakerna till effektförstärkningen (Bullwhip) som identifierats av Hau Lee fortfarande aktuella:

1. Efterfrågesignaler: företag använder interna order- och leveransdata, utan inmatning av extern data från försäljningskanaler
2. Orderbatching: för att uppnå effektivitetsmål genererar företag order på periodisk basis, dvs månadsvis, med hjälp av statiska säkerhetslagerregler och "push"-order genom organisationen snarare än att kunderna "drar" beställningar efter behov
3. Prisfluktuation: involverar "affärer", såsom volymköp eller "investeringsköp", där ett lägre enhetspris erbjuds för högre inköpskvantiteter. Inom detaljhandeln kan den ökade bruttomarginalen kompenseras av minskad nettomarginal på grund av ytterligare driftskostnader
4. Ransonering och brister orsakade av stora inköpsorder: kundservicen minskar om vissa kunder måste ransoneras för att tillgodose en stor order från en kund. Planerare kan frestas att öka ledtiderna snarare än att hantera kapaciteten

Synlighet genom försörjningskedjor är begränsad, så det råder osäkerhet på grund av oförmåga att identifiera och redogöra för variationer, begränsningar och komplexitet över noderna och länkarna i din organisations nätverk för försörjningskedjor. För att minska Bullwhip-effekten och förbättra lyhördheten för kundernas krav kräver därför en minskning av ledtider som kontrolleras och påverkas av din organisation. Exempel på initiativ att utreda är:

• Relationer med kunder recension:
  • Försäljningsmönster t.ex. hockeyklubba (många försäljningar i slutet av månaden – 'slut på månaden rusning'),
    • Överlager i slutet av månaden/året för att nå försäljningsmålen
    • Betalningsvillkor som används av kunder som orderutlösare
    • Prissättning och prisincitament som påverkar orderkvantiteter
    • Fasta kostnader och "stordriftsfördelar" kostnadsstrukturer som uppmuntrar till stora, oregelbundna beställningar
  • Applikation för orderinmatning – förbättra applikationen Available to Promise (ATP) som kundtjänstverktyg. Inkludera en funktion som identifierar efterfrågan på varor som är slut i lager
  • Kostnad att betjäna för kategorier av kunder
• Produktrecension:
  • Designa produkter för gemensamma delar eller ingredienser
    • Fördröjningsdifferentiering av SKU:er (uppskjutning)
  • Reduktion av parti- och partistorlek, dvs. använd efterbehandlings- och packningsutrustning för "snabb byte" för att svara på kundernas krav
• Genomgång av verksamhetsplanering:
  • Tillgänglighet och användning av "outside-in"-data och information
    • Länka verksamhetsplanering direkt till externa efterfrågesignaler, t.ex. om du levererar till detaljhandeln, använd återförsäljarens försäljningsställe (POS) data
    • Använd scenarieanalys och planering och prediktiv analys som riskhanteringsverktyg för att hantera potentiella avbrott i utbudet
    • Sales & Operations Planning (S&OP) som den taktiska planeringsmotorn för verksamheten
  • Rationalisering av artikel (produktlinje) – minska kostnaden för komplexitet orsakad av den "långa svansen" av lågsäljande SKU:er
  • Lagerkontrollpolicyer, dvs främja leverantörsstyrd inventering (VMI)

Anslut behovsförstärkning och försörjningskedjor

An tidigare blogginlägg diskuterade antalet leveranskedjor i en verksamhet. Den noterade sex faktorer som påverkar strukturen i en utgående leveranskedja. Den första faktorn var att konsolidera SKU-försäljningen inom mönster, med hjälp av Coefficient of Variance (CoV) som verktyg.

Även om varje SKU har liknande årlig försäljning, identifierar placeringen av deras CoV efter klass det svar som krävs av logistik, driftplanering och inköp för att effektivt betjäna kunder, där var och en har sina egna försörjnings-, lager- och leveransegenskaper och flöden – det är en försörjningskedja.

Diagrammet börjar på vänster sida med uppdelningen av SKU:er efter försäljning med hjälp av Pareto-principen (eller 80:20-regeln). Nästa kolumn identifierar värdet för varje grupp genom dess kostnad för sålda varor (COGS). Namnet eller koden för varje SKU följer, med hjälp av färger i exemplet. Nästa kolumn har årlig försäljning, uppdaterad varje månad på en rullande tolvmånadersbasis. Medelvärdet och standardavvikelsen för försäljningen är samma som beräknats för efterfrågeförstärkningsfaktorn. Klassen identifieras från CoV-beräkningen.

För varje klass ger diagrammet nedan exempel på vad som måste beaktas under de tre planeringsregimerna, vilket indikerar den bästa passformen för en försörjningskedja.

Med tanke på att (Bullwhip) efterfrågeförstärkningsfaktor och planeringsflöden (försörjningskedjor) beräknas med hjälp av CoV, kan de byggas in i en applikation – till en början ett kalkylblad. Detta ger grunden för att planera försörjningskedjor utifrån en numerisk bas, vilket placerar Supply Chains-gruppen på fastare mark när de internt förhandlar om förändringar.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: 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