The Beer Game I kursen Industriell Marknadsföring & Supply Chain Management genomför studenterna ett spel vid namn Beer game. Denna rapport syftar till att reflektera och analysera spelet och dess resultat samt även resonera kring begreppet bullwhip effekten. Definitionen av begreppet bullwhip effekt lyder enligt Cachon, Randall & Schmidt (2007: 457): The phenomenon of increasing demand variability in the supply chain from down-stream echelons (retail) to upstream echelons (manufacturing). Bullwhip effekt uppvisas av en industri när variansen för dess produktion är större än variansen i efterfrågan (Ibid.). Reflektion kring spelet Efter en tid in i spelet upptäckte vi att redovisningen av utgående brist i centrallagret inte gått korrekt till, vilket ledde till felaktiga och orealistiska orderbeställningar genom hela värdekedjan. Vi har därför valt att analysera det exemplet som ges på kurshemsidan. Då vi själva inte praktiskt spelat exempel-spelet, har detta bidragit till analyssvårigheter och det bör även tilläggas att vi inte haft möjlighet att göra en rättvis jämförelse mellan exemplet-spelet och ett autentiskt Beer Game. Genom att betrakta diagrammet Stock chart 60 i exemplet kan förändringar gällande order observeras. Förändringarna börjar långsamt hos säljaren för att sedan appliceras hos regionlager, centrallager och slutligen hos fabriken. När de initiala orderförändringarna når fabriken är volatiliteten mycket större än ursprungsförändringen. Detta beror på bullwhip effekten, då ju längre ledtider av informationsflödet och material, desto starkare blir effekten ju längre bort i kedjan aktören befinner sig (Nienhaus, Ziegenbein, Duijts, 2006). Detta återspeglar sig i alla grafer då fabriken har störst differens i jämförelse med övriga aktörer som har en minskande differens ju närmare slutkund de är lokaliserade. Volatiliteten är som störst i diagrammen kring dag 12 respektive dag 30 då volatiliteten beror på en efterfrågeminskning eftersom leverantören inte lade några order för att undvika höga lagerkostnader. En efterfrågeökning observeras kring dag 20 då aktörernas efterfrågan på order ökar för att undvika eftersläpande arbete. Denna tendens återspeglas även i diagrammet Order chart 60 där stora svängningar i beställningar av order kan utläsas kring dag 18 samt dag 35, där orderbeställningarna först ökar kraftigt för att sedan minska. Detta beror på att aktörerna upptäckt en minskning eller brist i buffertlagret och därmed börjat beställa större order för att undvika eftersläpande arbete. Volatiliteten ökar i värdekedjan ju längre bort från kunden som aktörerna befinner sig eftersom varje aktör kommer att öka sin beställning ytterligare lite i varje 1
led, vilket ger en multiplikatoreffekt där fabriken (som ligger längst bort från slutkund) har störst ökning av orderbeställningar. Detta beror på bullwhip effekten. Överlag är det fabrik och centrallager som har de högsta kostnaderna då de tvingats skapa ett större buffertlager. Detta lager bildas då dessa två parter beställt mer varor än vad som efterfrågats av de initiella aktörerna i värdekedjan. Detta har sin orsak i bullwhip effekten och detta återspeglas i diagrammet Daily cost chart 60. Dock har alla aktörer i värdekedjan aggregerade kostnader över tid, men det är främst fabrik och centrallager som har de högsta dagliga kostnaderna vilket reflekteras i diagrammet Aggregated cost 60. Vad kunde gjorts annorlunda? Då vi inte hade någon erfarenhet av spelet sedan tidigare samt ofullständig information om bullwhip effekten, utfördes en mindre bra spelomgång. Vi skulle kunnat reflekterat kring ledtiderna och hur lång tid det tar innan varje order som lagts kommer in och därmed haft en större förståelse för hur stora order som bör läggas. Genom förbättrad kommunikation skulle detta synliggjorts. Reflektioner kring bullwhip effekten i verkligheten Enligt Lee, Padmanabhan och Wang (2007) uppstår Bullwhip effekten på grund av fyra huvudorsaker; Demand forecast updating Prognoser är vanligtvis baserade på orderhistorik, dessa prognoser är endast en uppskattning angående den framtida efterfrågan och är därmed osäker. Denna prognos tas i beaktande tillsammans med den andel varor som behövs i buffertlagret. Vid lång ledtid kan det krävas ett stort buffertlager, vilket kan resultera i större variationer i kvantiteten än på den efterfrågade kvantiteten. Order batching Det är vanligt att företag samlar ihop order i partier innan de skickar vidare dessa till leverantörerna. Vid periodic ordering så beställer företaget planlöst av leverantören när behov uppstår. Push ordering refererar till när företaget har regelbundna efterfrågeökningar, det vill säga att företaget har sina order pushed från konsumenter periodvis eftersom försäljningen mäts regelbundet. Price fluctuations Prisförändringar på en vara kan resultera i att kunder som vill spara pengar, köper extra gods när varupriset är lågt. Kunden köper då varor utöver det aktuella behovet för att lagra dessa varor. Detta ger upphov till ett köpbeteende som inte följer konsumtionen och i sin tur ger en förändring där köpkvantiteten är större än konsumtionskvantiteten. 2
Rationing and shortage gaming När ett företag har ont om varor i sitt lager och dessa inte räcker till, brukar varorna rationeras ut rättvist mellan kunderna. När detta når kundernas vetskap brukar det leda till att de medvetet beställer fler varor. Senare när efterfrågan minskar kommer order annulleras och företaget har då ett oönskat lageröverskott. Detta fenomen kallas för gaming effekt, vilket innebär att kunder har gett bristande information om den riktiga efterfrågan på varorna vilket i sin tur skapar ett problem för tillverkaren (Lee, Padmanabhan, Wang, 1997). För att undvika att bullwhip effekt uppstår i värdekedjan är det viktigt att kedjan är integrerad genom ett nära samarbete aktörerna i kedjan emellan. Detta är viktigt för att skapa effektivitet och därmed öka konkurrenskraften genom att leveranstiden ut till kund blir kortare. En integrerad värdekedja reducerar kostnader, ökar nivån på service och minskar osäkerheten. En integrerad värdekedja uppnås genom att de olika aktörerna delar information, koordinerar och planerar flöden mellan varandra samt att de har en gemensam standard och företagskultur. En fördel med en integrerad värdekedja är att aktörerna kan vara mer flexibla och anpassa sig efter en skiftande efterfråga. Det kan dock uppstå problem i värdekedjan då aktörerna inte har kongruerade mål, till exempel då tillverkaren har som mål att producera stora volymer medan lagret vill hålla så låga volymer som möjligt. Ett annat problem är att leverantörskedjan är dynamisk och att förhållandet mellan parterna i värdekedjan förändras över tid då kundernas inflytande ökar allt mer. Detta leder till ökad press på resterande aktörer i värdekedjan (Smartbiz, 2014). Kommunikation inom värdekedjan är av största vikt. Det optimala är att dela med sig av information och uppgifter om den faktiska efterfrågan till samtliga aktörer inom värdekedjan för att undvika ett underskott eller en dyr kapitalbindning i form av ett lageröverskott. Det finns ett antal strategier för att åtgärda osäkerheten och variationerna som kan uppstå i värdekedjan. Push-strategin fokuserar på långsiktiga förutsägelser och prognoser som styr produktionen och distributionen där tillverkaren använder sig av information från återförsäljarens lager och utformar sin prognos därefter. Där denna strategi implementeras råder det ofta längre responstider och lagernivån är högre. I pull-strategin är det efterfrågan som styr produktion och distrubution och inte prognoser vilket innebär att lagret kan vara tomt och responsen sker först när en order kommer in. Lagerkostnaderna är låga, men leveranserna tenderar att bli sena. Vad företag i största allmänhet vill eftersträva är en kombination av dessa två strategier. Pushstrategin kan vara värdefull i de initiella stegen av värdekedjan då ett tryggt standardiserat lager är att föredra. Längre bak i kedjan passar en pull-strategi bättre då man har kundens efterfrågan i åtanke och man genomför de justeringar/orderbeställningar som kunden efterfrågar (Smartbiz, 2014). Hur kan de fyra huvudorsakerna till varför Bullwhip effekten uppstår, undvikas? 3
Demand forecast updating För att hela värdekedjan ska veta hur mycket som efterfrågas av kunder kan en lösning vara point-to-sale. Point-to-sale innebär exempelvis att en butiks kassasystem kan avläsa hur mycket som sålts och med hjälp av denna information kan företaget därmed meddela samtliga aktörer i värdekedjan att lika mycket som sålts ska fyllas på. På detta sätt undviks ett över- eller underskott av produkter. Order batching Företag kan använda EDI (electronic data interchange) för att undvika att allt för stora order beställs manuellt i ett senare skede. EDI innebär att order sänds automatiskt mellan de olika aktörerna inom värdekedjan, detta medför att onödiga kostnader i form av pappersarbete kan undvikas och att beställningar sker kontinuerligt och i jämn takt med efterfrågan. Price fluctuations Fluktuationer i pris kan undvikas genom att grossisterna reducerar nivån och frekvensen av prisnedsättningar. Tillverkarna kan även införa en prispolicy för detaljisterna som minskar incitamenten för att köpa upp lager av varor i förväg. Ett annat sätt att undvika fluktuationer i pris är att använda sig av ABC-kalkylering för att på så sätt uppnå en bättre översikt över vilka kostnader som varje produkt gett upphov till. ABC-kalkylen bidrar till att kostnaderna åskådliggörs och till att en EDLP-strategi lättare kan hållas. EDLP-strategi innebär att företaget har som strategi att alltid kunna erbjuda ett lågt pris. Rationing and shortage gaming Ett sätt att undvika att kunder beställer större order än vad de behöver för att sedan annulera order, är att införa en extra avgift om kunden annulerar ordern. Företag kan också välja att vara öppna med hur stor produktionskapacitet och hur stort lager som finns tillgängligt. Detta medför att kunderna då känner sig tryggare och inte beställer mer än vad de behöver (Lee, Padmanabhan, Wang, 1997). Det finns flertalet forskare inom bullwhip effekt. Till exempel Sterman (1989) som påstår att bullwhip effekt uppstår på grund av irrationellt beteende hos beslutfattare eller misstolkning av information. I kontrast till Sterman (1989) skrev Lee et al. (1997) en modell där beslutsfattaren på varje nivå är både rationell och optimerande. Vissa forskare kopplar ihop bullwhip effekt och prognostisering. Metters (1996) undersökte bullwhip effektens påverkan i monetära termer. Han visade att prognostiering är en av huvudanledningarna till bullwhip effekten. Andra forskare studerar hur information påverkar bullwhip effekten. Chen, Drezner, Ryan och Simchi-Levi (2000) studerade effekten från delad information av kundbehovet genom en flerstegsvärdekedja. De visade att genom att dela informationen så kan man reducera bullwhip effekten, men inte eliminera den. De olika forskarna föreslår olika strategier för att hantera bullwhip effektem. Till exempel så skriver Lee et al. (1997) att om man har marknadsbehovsdata nedströms tillgänglig för de uppströms i kedjan så är det ett medel som minskar behovet av behovsanalys uppströms, därför kan både de uppströms och nedströms använda samma data för att uppdatera sina 4
prognoser. Ett annat exempel av Chen et al. (2000) visar att noggrannare efterfrågeprognoser ger mindre kraftiga svängningar, de visar också att återförsäljaren kan använda data om efterfrågan för att minska bullwhip effekten speciellt om ledtiderna är långa. De har liknande slutsatser om att använda centraliserad information, men de visar att the bullwhip effect inte elimineras genom att man implementerar informationsdelningsstrategi. Enligt Metters (1996) så är brister i kommunikationen och tidsfördröjningar en grundorsak till bullwhip effekten. Lösningar till detta problem innefattar ofta att öka förmågan för företagen att koordinera aktiviteter och minska ledtiderna. Enligt Lee et al. (1997) bör man koncentrera sig på att förändra supply-chaininfrastrukturen och dess processer istället av att förändra aktörers beteende. 5
Bilaga 1 Diagram från vår egen spelomgång 1A Stock level 30 1B Ordered quantities 30 6
1C Daily cost chart 30 1D Aggr. cost chart 30 7
1E Stock chart 60 1F Order chart 60 8
1G Daily cost chart 60 1H Aggr. Cost chart 60 9
Bilaga 2 Diagram från exemplet 2A 2B 10
2C 2D 11
Referenser Cachon, Randall, and Schmidt. 2007. In Search of the Bullwhip Effect, Manufacturing & Service Operations Management 9(4), pp. 457 479. Chen, F., Drezner, Z., Ryan, J. K. and Simchi-Levi, D., 2000. Quantifying the Bullwhip Effect in a Simple Supply Chain: The Impact of Forecasting, Lead Times, and Information, Management Science, 46(3), 436-443. Lee, H. L., Padmanabhan, V. and Whang, S., 1997. The Bullwhip Effect in Supply Chain, Sloan Management Review, Spring, 93-102. Metters, R., 1996. Quantifying the bullwhip effect in supply chains. Journal of Operations Management, 15, 89-100. Sterman J.D., 1989. Modeling Managerial Behavior: Misperceptions of Feedback in a Dynamic Decision Making Experiment, Management Science, Vol. 35, pp. 321-329. Smartbiz (2014). Integration av Leverantörkedjor. http://www.smartbiz.nu/pages.asp?pageid=129&base=1&menuid=193 [2014-11-08] Nienhaus, J., Ziegenbein, A., Duijts, C. (2006). How human behaviour amplifies the bullwhip effect a study based on the beer distribution game online. The Beer Distribution Game. http://www.beergame.lim.ethz.ch/bullwhip_effect_article.pdf [2014-11-05] 12