Rapport Beer Game grupp 11

Industriell marknadsföring & Supply Chain Management 722A29 Julia Carlsson Karin Mattsson Louise Rönnberg Håkan Sandström Rapport: Beer Game Inledning
Den här rapporten behandlar grupp elvas erfarenheter och förfaranden under spelet Beer game
under kursen Industriell marknadsföring & Supply Chain Management. Spelet går ut på att
fyra parter i en försörjningskedja ska beställa och leverera ordrar till varandra, utan att
muntligen kommunicera. Den enda kommunikationen som förekommer är således de ordrar
och leveranser som parterna tar emot vilka därför är det enda som kan ligga till grund för
spelarnas prognoser. Nedan ska vi diskutera utfallet och försöka förklara varför våra kurvor
ser ut som de gör. Vår data finns illustrerad i ett exceldokument som finns bifogad i en bilaga.
Beskrivning av spelets utfall
I bilaga 4 finns grupp elvas orderstatistik illustrerad i ett diagram. Det läsaren snabbt kan ta
till sig är att beställd mängd ökar från och med dag fyra, men att de olika kurvorna följer
varandra. Den första utmärkande toppen kommer dag 13 då Factory (F) gör en stor order. Vid
en närmare granskning av vad som händer dagarna innan så kan vi se att dag 6 har Sales
company (SC) ökat sin orderkvantitet, följt av Regional warehouse (RW) som dag 8 ökar sin
orderkvantitet, vilket i sin tur följs av att Central warehouse (CW) dag 9 gör ytterligare en lite
större order. Mönstret upprepas, men i högre kvantitet kort därefter framtill dag 25, då F
ordrar toppar på 80 enheter, varpå beordrade kvantiteter djupdyker för alla förutom SC som
fortsätter ligga på ett ganska stabilt orderflöde rakt igenom spelet.
Försörjningskedjan drar snabbt på sig stora lagerkostnader. Enligt Christopher (2000)
konkurrerar inte längre företag mot varandra, utan hela försörjningskedjor konkurrerar mot
andra försörjningskedjor vilket gör att den här kedjan har blivit allt mer viktig att analysera.
Kostnadsdiagrammen (bilaga 1 och 2) visar att de aggregerade kostnaderna skjuter i höjden i
takt med att de dagliga kostnaderna ökar. Dock så avtar de dagliga kostnaderna senare, men
de aggregerade kostnaderna fortsätter uppåt vilket är anmärkningsvärt. Beställda kvantiteter
minskar också och även lagernivåerna minskar - för alla förutom F som ligger på en konstant
lagernivå efter dag 30. Vi antar därmed att kostnaderna ökar med dessa lagernivåer och att det
ej finns skalfördelar att hämta där. Det vi kan se är att när F gör sin stora beställning om 80
enheter några dagar i rad, så blir det väldigt svårt att bli av med detta lager senare.
Spelproblematik
Spelomgången är en talande illustration av den så kallade pisksnärtseffekten, eller “bullwhipeffect" (BWE) som är ett återkommande problem för försörjningskedjor. BWE har starkt
negativ effekt på kedjans totala lönsamhet med symptom som: överdrivna lagernivåer,
undermåliga efterfrågeprognoser, bristfälligt kapacitetsutnyttjande samt försämrad
kundservice. I syfte att förmildra dessa negativa effekter har BWE studerats av flera
teoretiker. Lee, Padmanabhan & Whang (1997) beskriver hur BWE främst uppkommer då
varje enskild aktör försöker att optimera egna resultat utan att ta hänsyn till
försörjningskedjan som helhet. Därför kan producenter av varor med relativt stabil slutledsefterfrågan uppleva kraftigt volatil orderingång när förändrade efterfrågemönster förstärks
uppströms (ibid). Lee, Padmanabhan & Whang (1997) har iakttagit fyra orsaker till varför en
försörjningskedja drabbas av bullwhipeffekten. De fyra faktorerna listas nedan och var och en
av de fyra har sitt sätt att påverka kedjan beroende på hur kedjan är uppbyggd:
• Avsaknad av gemensam prognos på slutkundernas efterfrågan
1 Industriell marknadsföring & Supply Chain Management 722A29 Julia Carlsson Karin Mattsson Louise Rönnberg Håkan Sandström • Orderansamling
• Prisvariationer
• Ransonering av produkter ut till kunder vid hög efterfrågan som leder till “gaming”
från köparens håll.
Spelet är utformat så att varken prisuppgifter, produktionskapacitet eller
orderhanteringskostnader begränsar spelarna vilket innebär att den enda faktor som påverkade
Beer gameomgången var avsaknaden av gemensam prognos på efterfrågan.
Vidare begränsas spelet av att det endast finns en vara, en kund och en leverantör i kedjan.
Trots spelets begränsade komplexitet relativt ett verkligt scenario kan viktiga lärdomar dras.
Bristen på uppdaterade efterfrågeprognoser var uppenbar då spelarna inte fick kommunicera
annat än genom uppströms orderläggning. I ett verkligt scenario kan aktörer vid osäkerhet
prognostisera framtida efterfrågan baserat på historisk orderingång. Vid spelets början fanns
ingen sådan data varför uppskattningar om framtida efterfrågan tenderade att underdrivas. När
spelare efter ett tag upplevde brist syntes istället en överdriven orderläggning vilken
förstärktes längs kedjan. Denna förstärkning genom överdrivna säkerhetslagernivåer är något
som Lee, Padmanabhan & Whang (1997) identifierat som starkt bidragande till BWE. Trots
bristande information om historisk efterfrågan var varje enskild spelare tvungen att bilda en
uppfattning om framtiden. Denna uppfattning baserades främst på de signaler som levereras
uppströms genom orderläggning. Varje spelare såg orderingången som en god indikator för
framtida efterfrågan samtidigt som personliga förväntningar hade viss påverkan. Lee,
Padmanabhan & Whang (1997) kallar denna orderkommunikation för demand signal
processing och, en process som starkt bidrar till BWE.
I sin artikel kontrasterar Lee, Padmanabhan & Whang (1997) Stermans experiment vars utfall
visade på att BWE beror på mänskligt irrationellt agerande som missuppfattningar om
lagerstatus och efterfrågan. Lee m.fl. (1997) menar istället att BWE går att hänföra till
spelarnas rationella beteende beroende av en försörjningskedjas infrastruktur. Alla parter i
grupp elvas försörjningskedja anser sig ha agerat rationellt utefter den information som de
fick från den närmaste kunden nedströms. Eftersom att det inte fanns någon annan
information att tillgå så baserade spelarna sina ordrar utefter en trade-off: Ska jag hålla
lagernivåerna nere för lagerkostnadernas skull eller ska jag misslyckas med att leverera till
mina kunder? Alla spelare valde det senare alternativet, men i olika utsträckning och vi vill
argumentera för att det, givet informationsutbudet, var rationellt. Problemet enligt oss låg i
infrastrukturen som inte tillät interagerande mellan parterna i kedjan.
Med det sagt, är det en komplicerad fråga att hålla en ensam aktör ansvarig för ett uppstått
problem då förutsättningarna för att aktörerna ska kunna ta adekvata beslut inte är lika
gynnsamma som om de hade haft en högre grad av informationsutbyte. Därmed är det inte
helt riktigt att tillskriva en enskild aktör ansvar för problemet, utan snarare de processuella
brister som är inbyggda i värdekedjan, vilket alla aktörer har ett gemensamt ansvar för om de
arbetar enligt CPFR.
Eventuella lösningar för att undvika/mildra “bullwhip-effekten”
Kunde svängningarna ha undvikits helt och hållet på ordernivå samt lagernivå? Hau Lee
(1997) skildrar fyra strategier som motverkar “bullwhip-effekten”. Författaren av “The
Bullwhip Effect in Supply Chains” menar att det är när en förståelse för varför “bullwhipeffekten” uppstår etablerar sig hos cheferna, kan strategier som mildrar den negativa påverkan
2 Industriell marknadsföring & Supply Chain Management 722A29 Julia Carlsson Karin Mattsson Louise Rönnberg Håkan Sandström av dessa effekter tillämpas. Den första åtgärden för att minska “bullwhip” är göra
informationen mer transparent. Detta för att undvika multipla efterfrågeprognoser som leder
till fel beställningsvolym från alla delar av försörjningskedjan och som späder på “bullwhipeffekten”. Vår erfarenhet av detta är omfattande, då vi anser att mycket av problematiken med
ordervolymen och orderkvantiteten skulle kunna mildras med hjälp av att exempelvis få
vända på sina kort och ta del av varandras ordrar samt att få prata, då vi på så vis skulle förstå
den dynamiska efterfrågan i alla olika led. Den andra strategin som kan appliceras för att
motverka “bullwhip” är att anpassa orderansamlingen genom att beställa mindre batcher mer
frekvent. Anledningen till att företag tenderar att beställa i större batcher är av kostnadsskäl,
dels att bonusar kan erhållas vid högre kvantitet i beställningen, men också med tanke på att
transportkostnaden kan optimeras. Spelet påverkades dock inte av någon av dessa parametrar.
Likaså hade inte prisvariationer något inflytande på “bullwhip-effekten” i vårt fall, varför vi ej
kan analysera effekten av att försöka stabilisera prisnivåer. Att försöka stabilisera prisnivåerna
var den tredje åtgärden för att proaktivt jobba för en mindre “bullwhip-effekt” vilket leder oss
fram till den sista handlingen som enligt Hau Lee (1997) kan genomföras för att få en mer
effektiv flödeskedja. Genom att förhindra “gaming” när låg lagernivå är ett faktum och då
fördela varor i proportion till historisk beställningsnivå gör att de olika intressenterna i
produktkedjan inte har något incitament att överdriva ordervolymen. I vårt fall kan man
urskilja att de olika “spelarna” handlade för att försäkra sig om att deras lagernivå var
tillräcklig genom att lägga en större order än vad som egentligen behövdes, vilket förstärkte
“bullwhip-effekten”. Information och kommunikation kan förebygga denna problematik.
Specifika åtgärder på hur man undviker “bullwhip-effekten”
VMI - Vendor managed inventory
Enligt Mohsen Attaran och Sharman Attaran (2007) syftar begreppet till att beslut om
påfyllning hos detaljister centraliseras uppströms i värdekedjan hos centrallagret/distributören
eller producenten. De två senare nämnda följer noga och hanterar både grossistens och
detaljistens lager. Med denna metod menar författarna att lagerhållningsomsättningen har ökat
inom företag som till exempel den amerikanska detaljistjätten K-mart.
CPFR - Collaborative Planning Forecasting and Replenishment
Vidare argumenterar författarna för att CPFR (se bilaga 5) är den senaste vidareutveckling av
metoder såsom bland annat VMI och är en ansamling av processer och teknologi som ska
verka för ett interaktivt informationsflöde i en värdekedja som alla dess aktörer kan dra nytta
av för att ha en så effektiv input → process/förädling → output fram till kund som möjligt.
Köpare och säljare i en värdekedja arbetar tillsammans för att tillfredsställa slutkonsumentens
behov. Om en störning uppkommer i kedjan, kan aktörerna gemensamt komma överens om
hur den ska lösas.
Några typiska CPFR-lösningar som författarna (ibid) nämner är bland annat:
• Delande av historiska data och prognoser
• Automatisera samverkansprocesser och gemensamma affärsplaner
• Underlätta revisioner
• Utvärdera undantagssituationer
M. Attaran och S. Attaran (2007) lägger även fram den processmodell för CPFR som
fastställts av VICS Association (Voluntary Interindustry Commerce Standards Association),
som sammanfattas i nio punkter:
3 Industriell marknadsföring & Supply Chain Management 722A29 Julia Carlsson Karin Mattsson Louise Rönnberg Håkan Sandström 1. Utveckla avtal för samarbete
2. Skapa en gemensam affärsplan
3. Skapa säljprognos
4. Identifiera undantag för säljprognosen
5. Lösa/samarbeta säljundantagen
6. Skapa beställningsprognos
7. Identifiera undantag för orderprognosen
8. Lösa/samarbeta för orderundantag
9. Generera ordrar
Christopher (2000) skriver i sin artikel “The Agile Supply Chain” att för att företag ska vara
konkurrenskraftiga på dagens dynamiska marknad och kunna anpassa sig till kundefterfrågan
flexibelt ska applicera en agil strategi. En agil strategi ska implementeras då efterfrågan är
svår att prognostisera samtidigt som den är instabil. Den agila försörjningskedjan är
marknadskänslig och ska läsa och svara mot “riktig” efterfrågan och göra detta genom en
virtuell försörjningskedja genom att vara informationsbaserad snarare än lagerbaserad.
Informationen distribueras inom organisationen och till andra parter inom försörjningskedjan
genom integrerade processer. Den sista aspekten i en agil försörjningskedja är att den ska
vara nätverksbaserad där goda relationer med leverantörerna blivit av allt mer vikt. Detta är
steg som kan minska “bullwhip-effekten”.
Vidare diskuterar Christopher (2000) tyngden av kundorderpunkten. Enligt Christopher
(2000) finns det två former av kundorderpunkter som är viktiga att analysera, material samt
informationskundorderpunkt. Informationskundorderpunkten ska ligga närma produktion
medan den materiella kundorderpunkten ska ligga så närma kunden som möjligt. Detta är
strategier som kan mildra “bullwhip-effekten” i och med att informationsspridningen finns
långt upp i försörjningskedjan samtidigt som lagret hålls så nära den “riktiga” kundefterfrågan
som möjligt.
Reflektioner
Vad vi upplevde under spelet och vad teorin i stora drag säger är att när aktörer agerar som
helt separata enheter, avskilda från varandra utan någon informationsdelning om sin
respektive situation så ökar risken drastiskt för problem som till exempel “bullwhip-effekten”.
Oavsett om anledningen till denna kan härledas till irrationella eller rationella beteenden hos
aktörerna, kvarstår faktum att med ökade informationsflöden och teknologi som förenklar
utbytet av information kommer värdekedjan i helhet bli mer konkurrenskraftig.
Dock kvarstår problemet om huruvida alla aktörer i en värdekedja vill dela med sig av
företagsinformation till andra aktörer i värdekedjan, då risken finns att de kan hamna i en
beroendeställning och utnyttjas om det finns andra aktörer som är “starkare” och kan utöva
mer påtryckningar på värdekedjan än andra. Kommer till exempel verkligen alla aktörer i
värdekedjan att tjäna på en gemensam affärsplan och vem är det som får bära tyngden av
avvikelser och undantag som ändå uppstår?
Faktum är att inga system eller modeller är felfria, men vi anser ändå att med en högre grad
av kommunikation i värdekedjan så kommer produktion och distribution att kunna
effektiviseras. I vårt fall så skulle det innebära att vi hade fått tala om för varandra vilken
kvantitet vi lade i våra ordrar och vad slutkunden faktiskt begärde i antal.
4 Industriell marknadsföring & Supply Chain Management 722A29 Julia Carlsson Karin Mattsson Louise Rönnberg Håkan Sandström Referenser
Christopher, Martin (2000) “The Agile Supply Chain - Competing in volatile markets.”
Industrial Marketing Management. s37-44.
Lee H L, Padmanabhan V & Whang S (1997) "The Bullwhip Effect in Supply Chains." Sloan
Management Review, Vol.38, No.3, pp. 93-102.
Mohsen Attaran & Sharmin Attaran (2007) “Collaborative supply chain
management - The most promising practice for building efficient and sustainable supply
chains.” Business Process Management Journal Vol. 13 No. 3, pp. 390-404.
5 Industriell marknadsföring & Supply Chain Management 722A29 Julia Carlsson Karin Mattsson Louise Rönnberg Håkan Sandström Bilagor
Bilaga 1
Bilaga 2
6 Industriell marknadsföring & Supply Chain Management 722A29 Julia Carlsson Karin Mattsson Louise Rönnberg Håkan Sandström Bilaga 3
Bilaga 4
7 Industriell marknadsföring & Supply Chain Management 722A29 Julia Carlsson Karin Mattsson Louise Rönnberg Håkan Sandström Bilaga 5
CPFR-modell
Referens: Mohsen Attaran & Sharmin Attaran (2007)
8