BEER GAME reflektion kring spelet och litteraturen Grupp 12, 2014-11-04 Linnéa Andersson Hansen Martin Drakenberg Sophie Hesseborn Viktor Löwdahl
Innehållsförteckning Reflektioner kring bullwhip-effekten i verkligheten 3 Reflektioner kring bullwhip-effekten i spelet 4 Sammanfattning 6 Källförteckning 7 Bilagor 8 2
Reflektioner kring bullwhip-effekten i verkligheten Bullwhip-effekten är ett fenomen inom supply chain management som innebär att variation i efterfrågan ökar ju längre bak i värdekedjan man kommer. Detta innebär att efterfrågan blir större och har en större variation hos exempelvis fabriker och centrallager än hos detaljisten/slutförsäljaren. Begreppet är inte industri-specifikt utan existerar även i ett flertal andra industrier under andra namn, såsom whiplash och whipsaw. Lee et Al (1997) identifierade fyra huvudorsaker till bullwhip-effekten; att prognostisera baserat på efterfrågan, lagrade order-batcher, variationer i pris och ransonering vid utbudsunderskott av produkter. Prognoser baserat på efterfrågan innebär att de olika divisionerna inom värdekedjan prognostiserar efterfrågemönstret baserat på de signaler han/hon uppfattar från övriga delar av kedjan snarare än faktisk information om den aktuella efterfrågan hos slutkund. Detta exemplifieras när en aktör i kedjan (t.ex. säljenheten) lägger en order till en aktör längre bak i ledet (t.ex. regionallagret) som därefter baserar sin prognos på efterfrågeinformationen från säljenheten. Denna signal på efterfrågan bidrar stort till bullwhip-effekten, och enligt Lee et Al (1997) blir fluktuationen större med längre ledtider inom värdekedjan. Ackumulerade order-batcher beskriver det fenomen som uppstår när olika delar av värdekedjan ska lägga ordrar till sina leverantörer. I de flesta fall väljer företagen att inte göra en beställning så snart det uppstår brist av en vara, utan avvaktar till efterfrågan ackumulerats till den grad att företaget kan beställa en större batch av produkten. En anledning till att företag väljer att beställa veckovis eller månadsvis istället för dagligen beror på den tid och de kostnader som är hänförbara till varje lagd order. Genom att ackumulera order-batcherna sparar företaget både tid och pengar, men det innebär också att när ordern väl kommer till leverantören blir belastningen stor och agerandet bidrar till bullwhip-effekten. Om ordrarna istället hade varit jämnt utspridda över tiden hade effekten minimerats. (Lee et Al, 1997). En tredje bidragande orsak till bullwhip-effekten är enligt Lee et Al (1997) variationer i pris. Dessa variationer uppstår som en effekt av tillfälliga prisreduktioner, speciella prisavtal eller tidsunika betalningsavtal, och leder till att det köpande företaget inhandlar mer än vad som behövs för att möta kundernas efterfrågan vid den tidpunkten. Företaget drar med andra ord nytta av den tillfälliga prisreduktionen och fyller på lagret med mer än vad som behövs, och väntar sedan med att lägga en ny beställning till varulagret sinat. Leverantören kommer därför inte att kunna förutspå slutkundernas efterfrågan och konsumtion baserat på inköpsmönstret då variationen i inköpskvantitet kommer att vara oregelbunden. Bullwhip-effekten uppstår då företaget lägger stora beställningar som leverantören tolkar som en signal på högre efterfrågan, inte på att prissättningen ger en skev bild. En fjärde orsak till bullwhip-effekten är ransonering vid utbudsunderskott. Detta uppstår när efterfrågan på en produkt överstiger utbudet, och för att göra en rättvis fördelning av ordrarna ransonerar leverantörerna ut varorna i proportion till vad som beställts. Om utbudsunderskottet är känt av kunderna beställer de mer än vad de faktiskt behöver, för att få en så stor del av ransoneringen som möjligt. Den här typen av gissningar av leverantörens utbud ger skeva signaler till aktörerna längre bak i värdekedjan eftersom den lagda ordern inte motsvarar slutkundernas efterfrågan. När företagsledning och managers i företag väl har förstått och identifierat orsakerna till bullwhip-effekten kan de ta fram strategier för att åtgärda problemen. Lee et Al (1997) delar upp strategierna för att motverka effekten i tre kategorier; informationsdelning, koordination inom värdekedjan och operationell effektivitet. Informationsdelning innebär att information 3
om efterfrågan förmedlas vidare bakåt i värdekedjan, vilket gör att de olika aktörerna i kedjan inte behöver basera sin produktion på prognoser på andra aktörers efterfrågan. Koordination inom värdekedjan sker genom att pris, transport, lagernivåer och ägande koordineras genom hela kedjan från fabrik till säljfunktion. Den sista kategorin för att reducera bullwhip-effekten är enligt Lee et Al (1997) operationell effektivitet. Detta innebär att på olika sätt förbättra processerna och prestationsförmågan, genom att exempelvis reducera kostnader och ledtider. Det är inte alla forskare som är enliga med Lee et Als (1997) slutsatser om hur företag kan åtgärda bullwhip-effekten. Chen, Drezner, Ryan och Simchi-Levi (2000) hävdar att bullwhipeffekten fortfarande existerar trots full informationsdelning genom värdekedjan. Deras forskning visar dock på att effekten ökar ju mindre information aktörerna har, och därmed kan effekten minskas genom informationsdelning. Ytterligare studier som lyfter fram vikten av informationsdelning mellan aktörer i en värdekedja har gjorts av Ma et Al (2012), där de jämför tre olika scenarion av tillhandahållen informationsdelningsmängd och hur stor påverkan som ingen, lite eller stor informationsdelning har på att reducera bullwhip-effekten. De hävdar att ett välfungerande informationsflöde kan reducera bullwhip-effekten markant i ett företags olika led genom ökad kommunikation, vilket således leder till rimliga lagernivåer högre upp i kedjan, förebygger uppkomsten av för stora lagerkostnader samt underlättar prognostiseringen av framtida efterfrågan (Ma et Al., 2012). Sun och Ren (2004) har även studerat prognostisering av framtida efterfrågans påverkan på bullwhip-effekten och hur denna faktor speglar beslutsfattanden genom värdekedjan. Informationen om kunders efterfrågan blir alltmer förvrängd desto högre upp informationen når och Sun och Ren (2004) menar på att det är viktigt att tillämpa rätt prognostieringsmetod. Även det faktum att detaljisten/slutförsäljaren måste uppskatta efterfrågan redan i steg ett skapar risker högre upp i värdekedjan och beroende på metodval blir påverkan olika stor (Sun och Ren, 2004). Med avseende på hur verkligheten ser ut, skapas komplikationer i företagens värdekedjor när asymmetrisk information existerar. Ett företag som försöker undvika svängningarna från bullwhip-effekten är Atlas Copco. De har exempelvis skapat en effektivare logistikplattform genom reducering av produktionsenheter. De har ökat graden av centralisering inom företaget och således fått en godare samverkan mellan leden i värdekedjan. Resultat av centraliseringen i Belgien har bland annat lett till ökad kontroll i distributionscentret, ett förbättrat informationsflöde samt kortare ledtider (Abrahamsson, Aldin och Stahre, 2003). Sammanfattningsvis är det dock svårt att reducera bullwhip-effekten i verkligheten, likaså i Beer Game-spelet som skildrar fenomenet i en förenklad version. Reflektioner kring bullwhip-effekten i spelet Under spelets gång uppstod ett fel i bokföringen vilket medförde att det data vi matade in i Excelbladet gav missvisande kurvor, varpå vi i vår analys kommer att använda oss av exempelmodellen. Dock vill vi påpeka att våra kurvor till stor del visar på samma mönster som exempelmodellen, gällande de stora variationerna i lagernivåer och orderstorlekar, vilket illustrerar och belyser den bullwhip-effekten som Lee et al. (1997) diskuterar. I exempelmodellens kurva över lagernivåer ser vi att alla delar i försörjningskedjan har tydliga toppar och dalar som följer varandra, där vi ser att det ligger en förskjutning ju längre upp i kedjan vi kommer. Dessa kurvor ser ut som de gör på grund av att kommunikationen mellan delarna i kedjan är obefintlig och det uppstår det som Lee et al. (1997) kallar för 4
demand forecast updating. Som tidigare nämnts innebär det att deltagarna i kedjan inte har någon information om den faktiska efterfrågan på marknaden eller hur stora lagernivåer tidigare led i kedjan har. Följden blir att deltagarna endast kan använda information som kommer från hur stor den lagda ordern som kommer från tidigare deltagare är. I kurvorna ser vi att alla börjar med samma storlek på sitt lager. Efter ett antal omgångar av spel har efterfrågan från marknaden ökat, vilket leder till att säljenhetens lager minskar för att kunna leverera den större ordern. Till följd av det minskade lagret skickar säljenheten en större order än tidigare till regionallagret för att höja sitt säkerhetslager och därmed stå rustade för den, till synes, ökade efterfrågan från marknaden. Den större ordern gör att regionallagrets nivåer sjunker, vilket signalerar att efterfrågan har ökat och därmed i sin tur måste lägga en större order till centrallagret för att kunna försörja säljenheten och höja sin lagernivå för att säkerställa att de kan leverera på utsatt tid. När säljenheten skickar en order för att skapa ett säkerhetslager till regionallagret som upplevs som stor i förhållande till det existerande lagret, kommer regionallagret som följd lägga en lika stor, eller ännu större order till centrallagret. Om ordern är lika stor eller större beror på om regionallagret också vill öka säkerhetslagret eller ej. Vidare skapas effekter av att nya ordrar till enheter har två dagars förskjutning från föregående enhet, d.v.s. att efterfrågan har två dagars förskjutning. I ett exempel från Beer game rådde brist i leverans från centrallagret till regionallagret, varpå större ordrar var tvungna att läggas vidare från centrallagret till produktionsenheten. Under ett par dagar hade ordrarna ökat från regionallagret till centrallagret, varpå centrallagret ej kunde leverera som önskat. Bristen hos centrallagret ökade snabbare än väntat på grund av indikerad efterfrågan varpå två stora ordrar lades till produktionsenheten för att täcka upp denna brist. Eftersom efterfrågan blir förskjuten med två dagar vet inte produktionsenheten när efterfrågan minskar i realtid hos centrallagret. Konsekvensen av detta blev att produktionsenheten prognostiserade fortsatt hög efterfrågan när centrallagret redan minskat sina ordrar, på grund av förskjutningen av ordrarna. Problemen som uppstår med antingen för stora lagernivåer eller brist i varulager beror därför till stor del på ett systematiskt arbetssätt, som uppstår till följd av avsaknaden av kommunikation mellan oss deltagare i försörjningskedjan. Säljenheten har enskilt störst makt i försörjningskedjan. Alla val som görs där påverkar samtliga efterföljande enheter. Handlingar i regionallagret och centrallagret får också effekter för efterföljande enheter i företaget men effekten är störst av handlingar utförda i säljenheten. Exempelvis om säljenheten vill öka sitt säkerhetslager på grund av osäkerhet i kundefterfrågan. Som tidigare beskrivet kommer större ordrar då att läggas till regionallagret och effekten går vidare upp genom kedjan som ett tecken på ökad efterfrågan. Ponera att säkerhetslagret efter ett tag anses för stort för normen av kundordrarna som kommer in och säljenheten därför beslutar att minska sina lagernivåer. Trots att kundefterfrågan är densamma kommer detta få följande enheter i kedjan att tro att efterfrågan minskat fastän den inte har det. Detta leder därmed till fluktuationer i kedjan och visar varför säljenheten har störst makt, eftersom konsekvenserna av handlandet är störst där. Ordrar som sker periodvis, istället för kontinuerligt bidrar enligt Lee et al. (1997) till större bullwhip-effekt. Regionallagret och centrallagret kan absolut tänka likadant som ovanstående exempel och är därmed också aktörer som kan orsaka problem men eftersom de är längre in i kedjan blir konsekvenserna mindre. Produktionsenheten påverkar enbart sig själv i beslut att höja eller sänka lager. Den största påverkan därifrån är om enheten beslutat fel om orderbeställning så att de inte kan leverera den önskade mängden varor till centrallagret. 5
Enligt spelets regler hade vi inte kunnat göra något annorlunda. Svängningarna anser vi ej kunde ha undvikits helt och hållet eftersom vi baserade våra ordrar på prognoser i efterfrågan från den tidigare enheten. Om fullständig information hade existerat hade vi bättre kunnat minska svängningarna. Enligt Chen et al. (2000), hade bullwhip effekten möjligtvis existerat ändå trots full informationsdelning men eftersom det handlade om en produkt i en överskådlig värdekedja tror vi att vi kunnat hantera bullwhip effekten väl med full informationsdelning. Sammanfattning Det är komplicerat att i verkligheten reducera bullwhip-effekten helt och hållet i ett företag. Sammanfattningsvis anser vi att svängningarna inte heller kunde undvikits helt i Beer Gamespelet med anledning av att vi inte hade fullständig information från föregående led i kedjan eller att vi inte visste att efterfrågan skulle vara helt konstant. Däremot finns en den alternativa lösningen att alla led i kedjan kunde hålla ett högre lager för att undvika brist vid leverans. Detta skulle dock bli väldigt kostsamt för företaget och inte hållbart i längden då större ordrar eventuellt hade kunnat skapa större svängningar i företaget än det faktiska utfallet. En ytterligare lösning på problemet kan vara få prisreduktioner i och med att köpa in större mängder periodvis istället för varje dag. Avslutningsvis har gruppen fått större insikt i hur kraftigt bullwhip-effekten påverkar en värdekedja och hur viktigt det således blir med ett välfungerande informationsflöde till alla delar av företaget hela vägen från kund och säljenhet till fabrik. 6
Källförteckning Abrahamsson M, Aldin N & Stahre, F (2003), "Logistics Platforms for Improved Strategic Flexibility", International Journal of Logistics: Research and Applications, Vol. 6, No. 3. Chen F, Drezner Z, Ryan J. K & Simchi-Levi D (2000) Quantifying the Bullwhip Effect in a Simple Supply Chain: The Impact of Forecasting, Lead Times and Information. Management Science, vol. 46, no. 3, pp. 436 443. Lee H L, Padmanabhan V & Whang S (1997) "The Bullwhip Effect in Supply Chains", Sloan Management Review, Vol.38, No.3, pp. 93-102 Ma Y, Wang N, Che A, Huang Y & Xu J (2012) The Bullwhip Effect Under Different Information-sharing settings: a perspective on price-sensitive demand that incorporates price dynamics, International Journal of Production Research, 2013, Vol. 51, No. 10, pp. 3085 3116. Sun H & Ren Y (2004) The Impact of Forecasting Methods on Bullwhip Effect in Supply Chain Management International Journal of Production Economics, vol. 88, pp. 15-27. 7
Bilagor Den egna modellen Stock Level från Beer Game spelet Exempelmodellen som vi utgick från i reflektionsuppgiften 8
Den egna modellen orderstorlek 9