Transcript 資訊的價值
Chapter 5 資訊的價值 5-2 內容 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 簡介 長鞭效應 資訊分享與誘因 有效的預測 系統協調的資訊 找出需要的產品 前置時間的縮短 資訊與供應鏈的取捨 資訊的邊際價值遞減 5-3 5.1 簡介（1） 我們生活在「資訊」的時代中 “In modern supply chains, information replaces inventory”（資訊取代了存貨） Why is this true? Why is this false? Information is always better than no information 資訊如何影響供應鏈的設計與運作 我們藉由有效地利用可取得的資訊，我們可以比以前 更有效果及更有效率地設計與運作供應鏈 5-4 簡介（2） 豐富的資訊將： Helps reduce variability（協助減少供應鏈的變異性） Helps improve forecasts （協助供應商作更好的預測） Enables coordination of systems and strategies （使製造和 配銷系統與策略能夠協調） Improves customer service （藉由提供工具來配置所需 的商品項目，使零售商能提供顧客更好的服務） Facilitates lead time reductions （使前置時間能減少） Enables firms to react more quickly to changing market conditions （使零售商能更快地反應及適應供應方面的 問題） 5-5 5.2 長鞭效應 即使顧客對於某些特定產品的需求沒有太大的變 化，但是其整個供應鏈之存貨與缺貨待補的訂單 水準卻波動很大。 像這種愈往供應鏈的上游，變異性愈加增加的現 象，稱之為長鞭效應(bullwhip effect)。 5-6 長鞭效應(Bullwhip Effect) 何謂長鞭效應(Bullwhip Effect)？ 在供應鏈中愈往上游走，訂單數量變異性愈增大的現 象就是長鞭效應。 運送前置時間 外 部 需 求 零 售 商 訂單前置時間 運送前置時間 批 發 商 訂單前置時間 運送前置時間 配 銷 商 一個簡單的四階層供應鏈 工 廠 訂單前置時間 生產前置時間 5-7 長鞭效應(Bullwhip Effect) 為了解決訂購數量問題，批發商必須要依據零售 商所下的訂單來做預測。 零售商所下的訂單變動會比外部需求高。 批發商被迫持有較零售商多的安全存貨，或保持 較高存貨以維持服務水準。 同樣的結果發生在配銷商與工廠上，產生更大的 變異與存貨水準，進而造成更高的成本。 5-8 供應鏈中變異性的增加 圖中顯示，零售商所下的訂單之變異顯著地高於顧客需求的變異。 5-9 導致長鞭效應的主因 傳統存貨管理面的因素 需求預測的變異 前置時間 批量訂購 供應鏈成員對於市場力量的反應 價格波動 被誇大的訂單 5 - 10 需求預測 需求預測是決定存貨水準的關鍵因素。當需求 預測失準時，會造成廠商保留不適當的存貨數 量而造成供需失衡。 供應鏈中的每一個階層之常用政策是週期檢視 政策。此政策可以一個參數值，即基本存貨水 準(base-stock level)來描述。 基本存貨水準 = 前置時間內平均需求＋安全庫存 r L AVG z STD rL 安全庫存及基本存貨水準強烈地依賴這些估計值， 一旦使用者被迫更改訂單數量，也將增加變異性。 5 - 11 前置時間 前置時間的擴大會導致變異性的增加。 前置時間的增加，安全存貨的準備數量也必須增加 。 因前置時間的增加，預測在貨到之前的需求預測難 度也增加了(因預測時間變長)，因此導致變異性的 增加。 在長前置時間的情況下，任何在安全庫存或是 基本存貨水準的小變動，將會導致在訂購量的 顯著變動。 5 - 12 批次訂購 常發生於使用(Q, R)存貨政策或是最小最大(s, S) 政策。 由於運輸成本與大量訂貨有折扣優惠的問題，供 應鏈的下游廠商（零售商）會傾向大批量訂貨並 且會間隔較久的時間才訂貨。 此舉會造成上游廠商（批發商）發現在一個大訂單後 ，接下來的幾週則沒有任何訂單，然後再來一個大訂 單, 而產生需求變異的錯覺，因而作了不正確生產與存 貨管理的決策。 5 - 13 價格波動 在價格下降的時候，有些下游廠商(零售商)會 傾向累積大量囤積(庫存)而拼命下單(預先購買; forward buying) 。這種情況會造成上游產業( 批發商與製造商)的供需失衡。 預先購買意味零售商會在批發商與製造商提供相當的 折扣及促銷時大量採購，在其他時期則訂購相對少的 量。 5 - 14 被誇大的訂單 當下游廠商(零售商)預測某項產品可能會有短 缺現象或需求上揚的現象，因此會大量下單搶 貨。 當短缺期一旦結束，零售商又會回到原來的標準訂購 ，因而導致各種需求估計的扭曲與變異。 零售商在貨物短缺時期所下的誇大訂單會傾向 加強長鞭效應。 5 - 15 5.2.1 長鞭效應之量化 若能將供應鏈的長鞭效應加以數量化與模式化， 那麼就可有效了解供應鏈各階層所面對需求變異 。 同時也也可顯示出預測技術、前置時間以及增加 變異性之間的關係，進而加以控制與改善 。 基本存貨水準： 5 - 16 長鞭效應之量化 在一個二階層的供應鏈中假設 零售商面對一個固定的前置時間L 採用(s,S)存貨政策 需求預測採用p期移動平均法 根據需求預測Yt為t期的訂購量上限 5 - 17 長鞭效應之數量化 過去學者在供應鍊各階層使用移動平均法來預 測需求的假設條件下，推導出上下游廠商需求 變異的比例。 必大於1 Var(Q)表示上游廠商所面對需求變異，Var(D)表示下游廠商所面對需求變 異，L表示前置時間，p表示使用”幾期”的需求平均數作需求預測。 由以上公式可以發現，當前置時間L增加時或預 測的期數p減少時 會增加上游的變異性 5 - 18 長鞭效應之量化 下圖顯示變異數值增加的下限，在不同前置時間 L下，為p的函數。 當p很大、L很小時，根據預測錯誤的長鞭效應是很小的。 長鞭效應會隨著我們增加前置時間L、減少p而擴大。 5 - 19 長鞭效應之量化 舉例來說： 假設零售商根據最近五個觀察值，即p=5來計 算平均需求。 在t期期末所下訂單在t+1期期初被收到，即 L=1。 在這情形下，零售商從製造商收到訂單的變 異數，將會較零售商本身所看見的顧客需求 多48%即： 5 - 20 長鞭效應之量化 舉例來說： 當零售商根據最近十個觀察值來預測時，即p=10來 計算平均需求。 在這情形下，零售商從製造商收到訂單的變異數， 將會較零售商本身所看見的顧客需求多22%即： 換句話說，使用移動平均法時，增加的觀察的次數 ，零售商將可大大降低他給製造商的訂單變異性。 5 - 21 5.2.2 長鞭效應下資訊集中的影響 降低長鞭效應常被提出的建議就是在供應鏈中 集中需求的資訊。 即根據實際的顧客需求，在供應鏈中每一個階層提 供完整的資訊 若需求資訊是集中的，那麼在供應鏈中的每一 個階層都可使用正確的顧客需求資料，並以此 產生正確的預測，而不是依賴前幾個階層來的 訂單，而其可能會比真實的顧客需求變動的更 多。 5 - 22 5.2.2 長鞭效應下集中式資訊之影響 集中式供應鏈 集中式供應鏈的每一個階層，接受到零售商所預測的 平均需求資訊，並且根據此平均需求訂購存貨上限水 準的存貨政策。 在此情形下，將需求的資訊、預測的技術，及存貨政 策集中化處理。 5 - 23 5.2.2 長鞭效應下資訊集中的影響 供應鏈中某一階層所下訂單的變異數，是此階 層與零售商之間的全部前置時間的遞增函數。 愈往供應鏈的上游階層，其訂單的變異數則愈 大。 在資訊集中的情況下，供應鏈中第k個階層的上游廠 商所面對的需求變異對於下游廠商所面對客戶需求 的變異的比值 5 - 24 5.2.2 長鞭效應下資訊集中的影響 分散式供應鏈中，零售商不會提供其需求平均與 變異數預測給供應中的其他成員，批發商必須根 據零售商所下的訂單估計其需求平均與變異數。 批發商必須要根據從零售商那裡收到的訂單，計算平 均需求與變異數。 供應鏈各階層的廠商只依據所收到訂單去預測需求。 集中式供應鏈中，供應鏈中的任何階層都可得到 顧客需求資訊。所以，推斷集中式的需求資訊可 以降低長鞭效應。 5 - 25 5.2.2 長鞭效應下資訊集中的影響 分散式供應鏈會比集中式供應鏈具更多的變異。 變異數在供應鏈中的每一個階層是以乘數增加。 愈往供應鏈的上游移動，訂單的變異數愈增加 批發商所下之訂單會比零售商所下訂單的變異更大。 在資訊分散的情況下，供應鏈中第k個階層的上游廠商所面 對的需求變異對於下游廠商所面對客戶需求的變異的比值 公式與集中式下零售商所下訂單的變異數公式非常相似 然而分散式供應鏈中，變異數在供應鏈中的每一個階層是以乘數增加 5 - 26 集中式與分散式系統中變異性的增加 階層多、資訊分散的供應鏈，長鞭效應較大 長鞭效應只能降低而不能完全消除 5 - 27 5.2.3 克服長鞭效應的建議 降低不確定性 降低供應鏈廠需求的不確定可用集中式需求資訊、較 有效的需求預測方式。 降低變異性 降低存在於顧客需求程序中變異性可減少長鞭效應。 例如零售商在需求低迷的時候，運用低價促銷(如「天 天都低價」(EDLP)）的策略來降低顧客需求變異性。 5 - 28 克服長鞭效應的建議 降低前置時間:前置時間的縮短可改善長鞭效應。 訂單前置時間（即生產與運輸所需要的時間） 藉由越庫作業來降低 資訊前置時間（即處理訂單所需要的時間） 藉由電子資料交換(Electronic Data Interchange, EDI)來減少 策略夥伴關係: (策略聯盟)可改善供應鏈資訊分享 與存貨管理的方式，進而改善長鞭效應。 供應商管理庫存貨中(Vendor-Managed Inventory, VMI) ，由製造商管理零售商店內管理自身的存貨，能完全 避免長鞭效應。 5 - 29 減少長鞭效應的具體方法 1. 透過資訊技術的應用，改變訂單作業程序。 傳統供貨流程 供應商與零售商之互動性低 各自的作業流程 資訊交流有限 採用電子商務的供貨流程 透過EDI、POS直接取得資訊 提高零售商與供應商的互動程度 前置時間的縮短 5 - 30 減少長鞭效應的具體方法 1.透過資訊技術的應用，改變訂單作業程序。 採購流程改變對於長鞭效應的改善 做到資訊共享，供應商可直接掌握最終端需求的資 訊，可降低供應鏈存貨水準與避免誇大的訂單資訊 透過EDI，可加速訂單處理工作，縮短前置時間， 亦可降低固定訂購成本支出，對於降低訂購批量亦 有助益 透過第三方物流配送可減少Full-Track-Load的經濟 效益 5 - 31 減少長鞭效應的方法 2.資訊集中的效果 可降低需求的不確定性 降低需求的變異性 縮短訂單處理時間，減少訂購前置時間 可避免誇大的訂單資訊 3.策略聯盟關係 策略聯盟可改變供應鏈中的資訊分享方式與存貨管理方 式(VMI)，可以減少長鞭效應的影響。 5 - 32 5.3 資訊分享與誘因 上游階層可由一個「提供零售商誘因來分享顧客 需求資料給其他供應鏈成員」之夥伴關係獲利。 不適用於某些特定產業 「電子與電信業者所提供的預測值通常是誇大的。」 有兩種合約可以提供採購商一些誘因 產能預約契約 預先採購契約 5 - 33 5.4 有效的預測 資訊導致更有效的預測。 對未來需求做預測時，若能考量更多的因素，那 麼這些預測將會愈正確。 考慮零售商的預測。 配銷商與製造商的預測也會受到零售商控制的因素所 影響。 零售商也可能引進新的產品種類到其商店。 銷售可能與某些事件緊密相連。 供應鏈的所有參與者透過協同合作來達到預測的 共識。 5 - 34 5.5 系統協調的資訊 我們可以了解管理供應鏈系統的任一部分都牽涉 一系列的複雜取捨。 明確來說，在供應鏈中某一個系統的產出是下一 個系統的投入，故我們需要考量整個系統並協調 相關決策。 要協調供應鏈的不同面向，資訊必須是可取得的 。 5 - 35 5.6 找出需要的產品 滿足顧客需求的方法不只一種 通常對一個存貨式生產的系統，我們希望如果 可能的話，是以零售商的存貨去滿足顧客的需 求。 其他滿足顧客需求的方法 「能夠找出和配送商品」有時候會跟「持有庫 存」一樣有效。 5 - 36 5.7 縮短前置時間 縮短前置時間是非常重要的。 降低前置時間通常會導致 快速滿足無法以庫存來滿足顧客訂單的能力。 降低長鞭效應。 由於預測區間的縮短，帶來更準確的預測。 完成品存貨水準的降低。 因為這些理由，許多廠商正積極地找尋具備較短 前置時間的供應商，以及許多潛在客戶在選擇供 應商時，會認定前置時間是一個重要的準則。 5 - 37 5.8 資訊與供應鏈的取捨 供應鏈管理的一個主要挑戰是以全面最佳化取代次 序性規劃程序。 全面最佳化，其目標是在協調(coordinate) 供應鏈 活動來使供應鏈績效(supply chain performance) 最大化。 不幸的是，供應鏈中不同階層的管理者會有相互衝 突的目標，也因為這些衝突，整合與協調供應鏈中 的不同階層便成為必要。 5 - 38 5.8.1 供應鏈內相互衝突的目標 原物料的供應商 較小變動的原料組合。 偏好有彈性的配送時間。 大量的需求數量。 製造管理也有自己的期許 希望透過生產效率來達到高生產力。 低生產成本。 未來的需求型態是可知且變動較小。 物料、倉儲與外向物流管理也有自己不同的準則。 5 - 39 供應鏈內相互衝突的目標 零售商 短的前置時間。 有效且準確的訂單配送。 顧客 品項有庫存。 龐大多樣化的選擇種類。 低價格。 5 - 40 5.8.2 為衝突目標設計的供應鏈 批量大小與存貨之間的取捨 存貨與運輸成本之間的取捨 前置時間與運輸成本之間的取捨 產品多樣性與存貨之間的取捨 成本與顧客服務之間的取捨 5 - 41 5.9 資訊的邊際價值遞減 資訊分享的邊際利益 隨著分享次數的增加而遞減。 隨交換資訊詳細程度的增加而遞減。