Bullwhip Effect или эффект хлыста

А давайте-ка мы поговорим об этом известном феномене. Хоть и говорилось о нем немало, но в нем содержится целый набор характерных нюансов цепочек поставок, целый букет фокусов и проблем. На этом примере очень хорошо видны ключевые моменты управления, которые должен понимать и учитывать менеджер при планировании.

Итак, что же это такое, Bullwhip Effect?

Суть его состоит в том, что если рассматривать движение товара по цепочке, можно заметить, что даже небольшое колебание спроса на ее конце приводит к бОльшему колебанию на вышестоящем уровне. И чем дальше мы продвигаемся от конца цепочки, тем больше становится размах этого колебания. Если рассмотреть цепочку из 4х уровней, где нулевой — это тот, который обслуживает конечного клиента, то характерная картина процесса будет такой:

Каковы же внутренние причины такого поведения?

Возьмем простейший пример:
1 магазин, текущий запас 1000 ед., прогноз продаж 1000 ед. за период.
1 поставщик, текущий запас 1000 ед.
суммарное время реакции поставщика — 3 периода.

Тогда сбалансированный план будет выглядеть следующим образом:

Предположим, что в этот момент по каким-то причинам меняется спрос — становится 500 ед. Тогда магазин в течение 4 периодов не будет заказывать вообще. Сравним заказы, поступающие на эти два уровня:

Даже на таком совершенно выхолощенном примере видно, что размах колебания спроса увеличивается. И даже становится понятной причина — наличие ненулевого времени реакции, причем чем больше это время, тем больше эффект.

Обычно при классическом изложении сути эффекта на этом и останавливаются. Я же категорически не согласен с такой формулировкой. На самом деле, если вдуматься, эффект имеет две причины, причем основная — это прежде всего ошибка в прогнозе. Если бы мы спрогнозировали снижение спроса заранее (критическая точка — момент изменения спроса минус время реакции), то и такого колебания не возникло бы. Таким образом, эффект пропорционален величине ошибки прогноза, накопленной за время реакции системы, фактически пропорционален обеим этим величинам.

Другая фундаментальная причина эффекта — отсутствие прозрачности всей цепочки, ситуация, при которой любой из участников ориентируется лишь на поступающие заказы и не может оценить реальность других уровней и выбрать оптимальную линию поведения. Оптимальную с точки зрения всей цепочки в целом, я подчеркиваю.

А далее мы будем играть. В интересную игру, изобретенную в Massachusetts Institute of Technology где-то в 60х годах 20го века. Уж не знаю, из каких соображений они выбрали именно такое название, но называется она

The beer distribution game

Правила игры.

Играют 4 участника:

0.Магазин
1.Оптовик
2.Дистрибьютор
3.Производитель

По условиям управляющий любым уровнем ориентируется только на поступившие заказы, собственный запас и товар в пути, другой информации (о состоянии запаса и планах партнеров) у него нет.

Игра представляет из себя, как сказали бы сейчас, пошаговую стратегию. Считается, что после поступления к вам заказа требуется время на обработку информации, расчет потребности и выдачу заказа вышестоящему уровню. По условиям игры это занимает один ход. Это задает скорость информационного потока. Встречный материальный поток также движется с определенной скоростью — на доставку требуется 1 ход и на приходование/обработку/размещение требуется еще один ход, так что суммарная скорость движения товара — два хода между соседними уровнями.

На каждом шаге считаются общие издержки содержания цепочки:
Стоимость хранения единицы товара везде одинакова и составляет 0.5 условного лаптя (далее — улап). Штраф за недопоставку составляет 1 улап за единицу товара.

Цель игры — минимизировать совокупные издержки при заданном (но неизвестном участникам!) поведении спроса конечных потребителей.

Стандартный сценарий игры:
25 ходов обычно достаточно для показательных результатов
начальные значения у всех уровней одинаковые:
запас — 12 ед.
в пути — 1 транспорт (4 ед.) с временем прибытия на следующем ходу и 1 траспорт (4 ед.) под разгрузкой на складе.
Заказ — 4 ед.

а теперь запускаем процесс: спрос конечных потребителей — по 4 ед. в первые 5 ходов, далее по 8 ед. Не забываем, что эта информация игрокам неизвестна!

Первые 5 ходов дают игрокам базис для составления прогноза — скользящее среднее по 5 точкам — вполне нормальный метод. Также формируются мнения о величине требуемого страхового запаса, так что уже здесь возможны попытки откорректировать поток.
Но после изменения величины спроса появляется простор для комбинаций. Далее мы рассмотрим данные, полученные в результате 200 игр с реальными участниками.

Типичные результаты представлены на графиках

В компьютерном варианте игры в качестве партнеров можно также использовать «роботов» - они управляют запасами по заранее оговоренному сценарию. Например, прогноз составляется по скользящему среднему, а страховой запас вычисляется по стандартному отклонению.

Но наилучшей практически во всех публикациях объявляется стратегия, при которой поступивший заказ попросту транслируется наверх без изменений. В этом случае картинка выглядит так:

То есть полное отсутствие стокаутов, начиная с некоторого шага запасы отсутствуют (просто JIT какой-то получается!).

Не давайте себя запутать! Как авторам публикаций о Bullwhip effect, так и ведущим всяческих семинаров. Заметьте, как подобраны исходные данные для игры. Ошибка прогноза составляет 4 ед., что при умножении на время реакции в 3 хода дает в точности 12 ед. начального запаса. Измени хоть одну цифру или модифицируй входной поток заявок от конечного потребителя — и вся эта «стратегия» летит ко всем чертям. Я уж не говорю о том, что работать без страхового запаса — это надо знать, что дальше все будет абсолютно ровно.

Но вернемся к анализу. На рисунке показаны некоторые результаты (совокупная стоимость в пересчете на одного игрока) команд только людей и команд с участием роботов.

По оси X отложена стоимость хранения, по оси Y — штраф за недопоставку. Поскольку результат игры — сумма этих цифр, серая линия показывает прямую одинаковых результатов.

Лучший результат, как мы уже говорили, показал компьютер — 228 улап.

Результаты с участием людей как правило лежат в пределах 600-900. Впрочем, зафиксирован рекорд в 4000 улап. Причем, чем больше людей в игре, тем результат хуже. Каковы же причины того, что люди в целом показывают худшие результаты, чем роботы? Исследователи отмечают две крайние тенденции «улучшательства», которые четко видны:

• Человек использует стратегию, которую исследователи назвали «тихая гавань». При такой стратегии человек систематически заказывает больше, чем реально нужно, увеличивая страховой запас. Это приводит не просто к увеличению запаса у себя, но и к увеличению заказов по всей цепочке, а в случае недостаточности на верхнем уровне — к уплате штрафа за этот дополнительный «жирок»
• Другая крайность, которую назвали «паника». Человек сильно сокращает запасы на первом этапе, а как только спрос вырастает, в цепочке начинается паника — страхового запаса-то нет, заказы наверх производятся в большом объеме, а там к росту объемов не готовы. Результат тот же.

Излишне говорить, что подобное поведение влияет на всю цепочку, поэтому мы наблюдаем плохие результаты также и в «смешанных» командах (оранжевые точки).

Итак, каковы же причины возникновения эффекта хлыста? Перечислим их еще раз

• Наличие времени реакции системы - как времени прохождения информации по цепочке, так и времени прохождения материального потока
• Ошибки в прогнозе потребления
  • в том числе увеличение страховых запасов из-за ошибки прогноза
  • в том числе из-за неучета промоактивности (распродаж, рекламных мероприятий) — увеличение размаха колебаний
  • увеличение размаха колебаний из-за существования минимальных партий поставки
  • увеличение размаха колебаний из-за ажиотажного спроса в период отсутствия товара у поставщика (и частой отменой заказов после появления такого запаса)
• Отсутствие общей информации о состоянии цепочки

Устранение или минимизация влияния этих причин поможет по крайней мере уменьшить влияние Bullwhip effect. Самое большое влияние, конечно же, имеет последний пункт. Единое информационное пространство, в котором находятся партнеры по цепочке обеспечения поставок, позволяет выиграть всем.