Beer game: The bullwhip effect
Beer game: The bullwhip effect Industriell Marknadsföring & Supply Chain Management 722A29 Sofia Enskog, Emelie Karlsson, Elise Ojamäe, Linnea Strand & Maria Yeh 722A29 Grupp 4 Sofia Enskog, Emelie Karlsson, Elise Ojamäe, Linnea Strand och Maria Yeh Resultat av spelomgången Genom att studera resultatet av Beer-game och kurvorna för aggregerade kostnader, lagernivå och orderstorlek kan vi konstatera att det uppstått tydliga svängningar. Under de 60 dagarna spelet omfattade har det uppstått fluktuationer både i de olika nivåerna i försörjningskedjan samt mellan nivåerna. Då kommunikation inte var tillåtet mellan nivåerna uppkom så kallade bullwhip-effekter då alla var tvungna att ta egna beslut baserade på bristande information. Graf 1.1 visar företagets försörjningskedja som börjar i "Sales company" och leder till fabriken. I relation till alla grafer kan man se att fabriken har den största fluktuationen när det gäller lager, inköp och kostnader. Detta kan främst bero på distansen mellan kund och fabrik. Det blir en precisare kvantitet ju närmare en verksamhetsenhet är till kunden, exempelvis "central warehouse" och "regional warehouse" har en mycket mindre variation. Däremot följer de flesta enheter ungefär samma mönster under vissa perioder med en viss fördröjning då det tog några extra dagar för att beställningen skulle nå fram. Detta kan ses exempelvis runt dag 12 då ”Central warehouse” ökade sitt inköp och runt dag 16 ökade fabriken sin produktion dramatiskt. Fabriken ökade sin produktion på grund av upptäckten av brist i lagret och fortsatte därefter med en ny strategi där det gick ut på att ha ett större lager. Detta var för att inte hamna i samma situation och istället ha en stabil ståndpunkt där företaget alltid kan leverera till vad kunden önskar, vilket i sin tur bidrog till en ökad kostnad. Det kan vi även se i graf 1.2 som visar att fabriken är den aktör som står för största kostnaden som ökar successivt med tiden. Graf 1.3 visar att fabriken har ett stort lager runt dag 23 och som vi kan se i graf 1.4 minskar inköpen samma dag då efterfrågan minskat, vilket gör att behovet av lika stora inköp inte var nödvändigt. I slutet av perioden (dag 43 till dag 60) ser vi att alla aktörer följer samma inköpsmönster då kundens efterfråga var konstant och lagret var stabilt. Det slutade med 22 enheter i lagret, vilket skulle ha varit en något mindre siffra om perioden var längre som tänkt från början. Problem uppstod även på grund av systematiska misstag; felprognoser som spred sig längs försörjningskedjan. Felprognoser kunde uppstå för exempelvis fabriken när ”Central warehouse” beställde ett större inköp än beräknat, då det är dessa underlag som fabriken bland annat baserar sitt beslut på. Coppini m.fl (2010) menar att bullwhip-effekten som skapas av varje nivå minskar ju längre upp i försörjningskedjan vi rör oss, medan den samtidigt drabbar nivån hårdare. Detta betyder att fabriken kommer att drabbas hårdast trots att det är den nivå som minst bidrar till bullwhip-effekter. Coppini m.fl (2010) beskriver att ju längre ner i kedjan vi befinner oss, desto mer bullwhip-effekt skapas, de första nivå-stegen är därmed de mest kritiska. Enligt denna teori 722A29 Grupp 4 Sofia Enskog, Emelie Karlsson, Elise Ojamäe, Linnea Strand och Maria Yeh vore "Sales company" och "Regional warehouse" därmed de mest ansvariga för effekten, men vi anser ändå att i denna förenklade försörjningskedja vi hade i spelet så var alla nivåer relativt likvärdigt ansvariga, det är ingen specifik aktör som är ansvarig utan det är en gemensam process. Då det inte fick ske någon kommunikation mellan aktörerna fick var och en avgöra hur stor beställningen skulle göras. En betydande faktor är kommunikation för att minska risken för att fel ska uppstå i systemet. Vad vi kunde gjort annorlunda Enligt Lee et. al (1997) finns det fyra orsaker till bullwhip-effekten: 1. 2. 3. 4. Demand forecast updating Order batching Price fluctuation Rationing and shortage gaming Genom att förstå de bakomliggande orsakerna till bullwhip-effekten kan strategier utvecklas för att undvika effekterna. 1. Demand forecast updates Bullwhip-effekten uppkommer då medlemmar i försörjningskedjan tar fram sina egna prognoser utifrån den direkta efterfrågan från medlemmen nedströms. För att undvika den repetitiva processen som uppkommer bör konsumtionsdata som förekommer på en nivå nära kunden även göras tillgänglig för nivåer längre upp i försörjningskedjan. När prognoserna utgår ifrån samma primärdata kan mer samstämmiga prognoser göras, vilket undviker bullwhip-effekten. Under spelomgången var den ständiga svårigheten att försöka tyda om förändringar i den beställda ordern spelmedlemmarna fick varje dag berodde på en ökning eller minskning av den ursprungliga kundordern eller om någon person enbart ändrat sin planering. Enligt Lee et al. (1997) kan bullwhip-effekter uppstå då medlemmarna i försörjningskedjan försöker bearbeta en order från stationen nedströms för att skapa sin egen prognos av läget, vilket vi såg exempel på under spelets gång. Genom att närmre fundera på vilka signaler man sänder ut till de andra medlemmarna genom att ändra sin orderstorlek kunde bullwhip-effekten delvis ha kunnat undvikas. Detta eftersom att det vid flertalet tillfällen skapades osäkerhet kring om ordern från kund hade ändrats när det i själva verket bara var en av medlemmarna som ville ändra strategi. 2. Order batching Ett annat problem är att många företag använder sig utav "order batching", då det sparar både tid och pengar. Ur leverantörens synpunkt är mindre order eller ett mer frekvent flöde av order att föredra. Detta medför högre administrations- och transportkostnader, men dessa kostnader kan reduceras genom att beställa olika SKUs samtidigt eller använda tredjepartslogistik för att nå skalfördelar inom transporten. Att byta från ett pappersbaserat system till ett datasystem vid 722A29 Grupp 4 Sofia Enskog, Emelie Karlsson, Elise Ojamäe, Linnea Strand och Maria Yeh orderhandläggning minskar administrationskostnaderna, och möjliggör att lägga mindre order mer frekvent (Reese, 1995). För att minska bullwhip-effekten inom order batching hade vi under Beer-game kunnat ha som strategi att hålla order mer frekventa i storlek. I och med spelets regler där vi inte fick möjlighet att kommunicera med varandra hade det varit svårt att hålla order stabila och frekventa, speciellt för fabriken som hade en längre förädlingsprocess och därför inte ville riskera brist i lager. Om varje person i försörjningskedjan dock hade haft som strategi att hålla order så frekventa som möjligt kunde vi säkerligen ha minskat bullwhip-effekten något. 3. Price fluctuation Ytterligare ett problem som orsakar bullwhip-effekten är rabatterade priser samt erbjudanden under en viss tidsperiod, som främjar större köp mer sällan. Detta kan undvikas genom etablering av prisstrategierna "every day low price" eller "value pricing", vilket främjar en stabil efterfrågan samt regelbundna inköp, som gör att försörjningskedjan flyter på smidigt. Just prisfluktueringar var inte något som vi kunde påverka under spelet då vi inte hade någon möjlighet att influera kundens beteende. 4. Shortage gaming Gaming är ett problem som skapas när distributörer avsiktligt visar en falsk bild för producenterna över konsumentefterfrågan, på grund av att de i sin tur har lite information över vilket utbud tillverkaren har. Genom att dela med sig av kapacitets- och lagerinformation kan tillverkaren minska kundens oro att inte få tillräckligt med produkter för att matcha efterfrågan, vilket minskar risken att de ägnar sig åt gaming. Även här kan vi se vikten av kommunikation mellan medlemmarna i försörjningskedjan. I spelet hade vi så pass lite information angående konsumentefterfrågan att en oavsiktligt falsk bild över detta skapades i fabriken som skapade ett för stort lager, då de trodde att efterfrågan var större än den i verkligheten var. Detta hade dock varit svårt att påverka med de spelregler som fanns, och hade enbart varit möjligt att göra annorlunda om kommunikation varit tillåtet. Exempel på bullwhip-effekten i verkligheten Flera artiklar hänvisar till att ett integrerat informationssystem där hela kedjan får information om kundefterfrågan är att föredra framför ett traditionellt försörjningskedja där varje nivå endast får information från föregående nivå. Detta kan uppnås genom att, till exempel, skapa ett ITsystem. Systemet måste vara korrekt och lätt att förstå, och man får inte sätta för stor tillit till systemet, som företaget Cisco gjorde år 2001 (Berinato, S. 2001). På grund av fixeringen vid deras system såg de inte minskningen i efterfrågan som andra företag såg, och detta resulterade i en rejäl sänkning av företagets aktiepris. Empirin, ur artikeln av Dejonckheere, J. m.fl. (2004) , 722A29 Grupp 4 Sofia Enskog, Emelie Karlsson, Elise Ojamäe, Linnea Strand och Maria Yeh visar att bullwhip-effekten fortfarande finns kvar men minskar drastiskt med ett rikare informationssystem. Författaren Frahm, B (2003) förklarar att det finns 3 metoder för att minimera bullwhip-effekten: 1. Portfolio approach 2. Postponement 3. Information sharing between supply chain members 1. Portfolio approach Den första metoden syftar till att företaget bör ha en eller två långsiktiga kontrakt med leverantörer som står för en stor del av den förväntade efterfrågan, och resten hanteras med kortsiktiga kontrakt med flera olika leverantörer. På detta vis har företaget en bas med även spelrum för snabba förändringar i efterfråga. Exempel: HP använde denna metod under 90-talet på sin arbetskraft, då de valde att ha fulltidsarbetare, deltidsarbetare, konsulter och temporärt anställda för att kunna anpassa arbetskraften efter behov, och kunde på så sätt minska sina arbetskostnader. 2. Postponement Postponement handlar om att företaget senarelägger slutförandet av produkten så att de sista detaljerna slutförs så nära kunden som möjligt. På så vis kan man massproducera produkten, och när man vet efterfrågan så kan man på regional nivå anpassa de sista detaljerna till kunden. Exempel: HP säljer skrivare till nästan alla länder, men eftersom det är svårt att veta i förväg hur stor efterfrågan länder har, så har HP utvecklat processen så att detaljer såsom språkinställning läggs på allra sist på regional nivå. 3. Information sharing between supply chain members Den sista metoden uppmanar till en högre integration och informationsutbyte mellan medlemmarna i försörjningskedjan . Denna metod funkar bäst då kunders efterfråga är relativt stabil. Exempel: Pampers är ett företag med en relativ stabil efterfrågan men eftersom de inte hade ett informationsutbyte så fick de basera produktionen på signaler från distributörer, som i många fall inte speglade den faktiska efterfrågan. I en studie utförd av Farooquie & Farooquie (2009) studerades bullwhip-effekten utifrån de fyra orsakerna nämnda ovan (Lee et. al, 1997), i teknikföretagen LG & Samsung. Gällande demand forecasting visade studien att inget av företagen hade en direkt tillgång till information angående den verkliga kundefterfrågan, varför de var tvungna att förlita sig på 722A29 Grupp 4 Sofia Enskog, Emelie Karlsson, Elise Ojamäe, Linnea Strand och Maria Yeh orders de fått från sina återförsäljare, och prognostisera utifrån detta. Detta indikerar att demand forecasting med största sannolikhet är en orsak till bullwhip-effekten. I studien fann man att 80% av LGs distributörer ökade sin efterfrågan vid prisreduktioner. I Samsung var i samma fall siffran 70%. När prisnivån återgick till det normala efterfrågade 60% vad de normalt efterfrågar, medan 40% efterfrågade mindre än vad de normalt sett efterfrågar. Trots detta fann man inget statistiskt stöd för att prisfluktuationer orsakar bullwhip-effekten. Nästan 60% av LGs distributörer och 65% av Samsungs distributörer använder sig av order batching för att få mängdrabatt, minska fastna kostnader eller av andra orsaker. Dock har denna orsak ingen effekt på bullwhip-effekten, enligt studien. Enligt en annan studie från 2007 så är demand forecasting och price variations de två faktorer som påverkar bullwhip-effekten mest, medan order batching är mindre viktigt. Vi kan alltså konstatera att påverkan varierar från fall till fall, men då demand forecasting klassas som en viktig orsak i flera av artiklar antar vi att den har störst påverkan på bullwhip-effekten. Slutsats Genom att studera resultatet av Beer-game kunde vi av kurvornas utseende avläsa att det uppstått bullwhip-effekter. I spelet fick vi inte kommunicera med varandra, utan använde oss av den traditionella försörjningskedjan, vilket var en orsak till de starka fluktuationerna. I verkligheten använder sig många företag av ett informationssystem för att alla nivåer ska få ta del av informationen om kundefterfrågan och på så vis kan anpassa sin orderbeställning och produktion. Därmed hade vi begränsad möjlighet till att minska den bullwhip-effekt vi upplevde under spelet. Dock hade vi kunnat fundera mer på de signaler vi sände ut mellan nivåerna i försörjningskedjan i form av beställda orders samt försökt hålla orders mer frekventa i storlek. Genom att innan spelets början haft detta som strategisk utgångspunkt hade vi kunnat nå ett mindre fluktuerande resultat och bundit mindre kapital i lager. 722A29 Grupp 4 Sofia Enskog, Emelie Karlsson, Elise Ojamäe, Linnea Strand och Maria Yeh Källor Berinato, Sc (2001) "What went wrong at Cisco in 2001". CIO. http://www.cio.com/article/2441400/it-organization/what-went-wrong-at-cisco-in-2001.html [Hämtad 2015-10-30] Coppini, M., Rossignoli, C., Rossi, T., Strozzi, F. (2010) "Bullwhip effect and inventory oscillations analysis using the beer game model". LIUC University. http://eds.a.ebscohost.com/eds/pdfviewer/pdfviewer?sid=ffede7d8-49e8-41c3-90836a642f4c237d%40sessionmgr4005&vid=6&hid=4205 [Hämtad 2015-11-02] Dejonckheere, J., Disney, S.M., Lambrecht, M.R. & Towill, D.R (2004) "The impact of information enrichment on the Bullwhip effect in supply chains: A control engineering perspective". European Journal of Operational Research. http://www.sciencedirect.com/science/article/pii/S0377221702008081 [Hämtad 2015-11-01] Farooquie, Jamal A.; Farooquie, Parveen (2009) “Bullwhip effect in distribution echelons of LG and Samsung supply chains”. The IUP Journal of Supply Chain Management. Vol 6, issue 3/4, p 7-14 http://eds.a.ebscohost.com/eds/pdfviewer/pdfviewer?sid=615e9204-5f36-4d71-965eafa5fab3437b%40sessionmgr4004&vid=4&hid=4208 [Hämtad 2015-11-02] Frahm, B (2003). "Taming the bullwhip effect". SCRC. https://scm.ncsu.edu/scm-articles/article/taming-the-bullwhip-effect [Hämtad 2015-11-02] Lee H L, Padmanabhan V & Whang S (1997). "The Bullwhip Effect in Supply Chains". Sloan Management Review, Vol.38, No.3, pp. 93-102. Reese, Jennifer (1995) "Whang and Lee: Eliminating the bullwhip effect in supply chains" Stanford Business. http://www.gsb.stanford.edu/insights/whang-lee-eliminating-bullwhip-effectsupply-chains [Hämtad 2015-10-30] 722A29 Grupp 4 Bilagor Graf 1.1.: Företagets försörjningskedja. Graf 1.2: Kostnader i försörjningskedjan. Sofia Enskog, Emelie Karlsson, Elise Ojamäe, Linnea Strand och Maria Yeh 722A29 Grupp 4 Graf 1.3: Lager Graf 1.4: Inköp Sofia Enskog, Emelie Karlsson, Elise Ojamäe, Linnea Strand och Maria Yeh
© Copyright 2024