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