Eliminacja efektu bullwhip

Efekt „bullwhip” (byczego bicza) jest jednym z powszechnych problemów w łańcuchach dostaw, dotykającym zarówno producentów, dystrybutorów, jak i sprzedawców detalicznych.

W dużej, szybko rozwijającej się firmie trudno jest rozpoznać przyczynę efektu „bullwhip”. Należy zwracać uwagę na objawy. Do najczęstszych należą surowce, produkty gotowe, braki i nadwyżki zapasów.

Taki ambiwalentny stan zapasów nie pozwala firmie w pełni wykorzystać posiadanych zasobów. Pomysł zrównoważenia systemu w obecnych warunkach wydaje się trudny do zrealizowania.

Analizę problemu rozpocznijmy od sprzedaży detalicznej. Zazwyczaj w oparciu o prognozowanie sprzedaży na okres między dostawami i oraz po analizie dokładności z poprzedniego okresu, oblicza się zapas bezpieczeństwa. Tak zapas to zwykle procent sprzedaży w prognozowanym okresie. Innymi słowy, im większa jest prognozowana sprzedaż, tym więcej zawiera ona błędów i tym większy powinien być zapas bezpieczeństwa.

Rozpakowywanie przykładów efektu bullwhip

Prognoza sprzedaży na dany okres = 1 paleta. Zapas bezpieczeństwa = 50% prognozowanego popytu na dany okres. Stan na początek okresu = 0 palet. Zamówienie = prognoza sprzedaży + zapas bezpieczeństwa – zapas bieżący. Zamówienie jest zaokrąglane do palet.

W pierwszym tygodniu zamawiamy 1 + (0,5 * 1) – 0 (saldo) = 1,5 palety. Ponieważ jednak konieczne jest składanie zamówień w wielokrotnościach palety, zamówienie to wynosi 2 palety. Rzeczywista sprzedaż okazała się niższa od prognozowanej o 20%, czyli o 0,8 palety. Bilans na koniec okresu: 2 – 0,8 = 1,2 palety.

W drugim tygodniu ponownie obliczono prognozę sprzedaży. Teraz wynosi ona 0,8 palety. Ponownie obliczamy wartość zamówienia: 0,8 + (0,5 * 0,8) – 1,2 (saldo) = 0. Nie składamy zamówienia. Bieżące zapasy wystarczą na pokrycie przewidywanej sprzedaży i błędu prognozy. Jednak rzeczywista sprzedaż okazała się wyższa od prognozowanej i sprzedaliśmy 1,2 palety.

W trzecim tygodniu ponownie zamówimy 2 palety.

Jak dokładne są Twoje prognozy?

Oczywiście skala problemu znacznie wykracza poza kwestię prognozy.

Jeśli firma dopiero zaczyna pracować nad prognozą, to poprawiając dokładność prognozy można nieco obniżyć poziom zapasów bezpieczeństwa. Kierownictwo wyznacza sobie wtedy za cel ciągłe doskonalenie prognozy. Faktem jest jednak, że poprawa ma swoje granice wykonalności. Jeśli koszt obliczenia prognozy przewyższa możliwy zysk, staje się ona bezużyteczna.

Jednak nawet, jeśli cel zostanie osiągnięty, to po zwiększeniu dokładności prognozy pozostaje „błąd systemu” polegający na zwielokrotnieniu wahań sprzedaży w dalszej części łańcucha dostaw. Takie podejście może przynieść poprawę, ale nie rozwiązuje pierwotnego problemu.

Zastanówmy się, jak to wpływa na dystrybutora, który otrzymuje nasze zamówienia (0 a następnie 2 palety). Oczywiście dystrybutor ma wielu sprzedawców detalicznych. Logika zamówień pozostaje taka sama dla wszystkich. Firma musi utrzymywać znacznie większe zapasy, gdy amplituda wahań jest większa (np. od 0 do 30 palet).

Jak wiadomo z poprzedniego przykładu, zamówienie detalisty u dystrybutora nie jest dokładnie zapotrzebowaniem. Jest to raczej przybliżone oszacowanie przyszłej sprzedaży, zniekształcone przez warunki zakupu i błędne zakupy w przeszłości.

Aby pokryć takie wahania popytu, producent musi stale przechowywać co najmniej 30 palet towaru, ponieważ nie wiadomo, kiedy i w jakiej ilości zostanie złożone zamówienie u dystrybutora. Należy wziąć pod uwagę, że producenci mają dziesiątki, a nawet setki takich klientów.

Ponadto nie jest możliwe wyprodukowanie 30 palet w dowolnym momencie, ponieważ producent ma własne ograniczenia, których nie można ignorować. Są to na przykład: wydajność urządzeń, częstotliwość planowania, optymalna wielkość zamówienia, długi czas realizacji, ograniczenia związane z kolejnością wykonania, itp.

Jeśli optymalna lub ekonomiczna wielkość zamówienia obejmuje 100 palet, producent będzie utrzymywał zapas od 0 do 100 palet.

Po wyprodukowaniu optymalnej wielkości partii, zapas produktów staje się większy niż potrzeba. W takim przypadku, w ciągu kilku tygodni horyzontu planowania, z reguły coś nie pójdzie zgodnie z planem. Pojawi się pilne zamówienie z działu sprzedaży, zepsuje się sprzęt, nastąpi nieoczekiwany szczyt popytu na jeden z produkowanych wyrobów, itp. Każde zdarzenie tego typu spowoduje przesunięcie harmonogramu produkcji. Istnieje duże prawdopodobieństwo, że gdy producent otrzyma zamówienie od dystrybutorów, produkty nie zostaną wyprodukowane i dostarczone na czas. Dlatego producent, a także detalista, zwiększy swoje zapasy bezpieczeństwa, co doprowadzi do dodatkowego wzrostu zamówień i wydłużenia okresów braku zamówień, co oznacza, że informacje o rzeczywistym popycie będą jeszcze bardziej zniekształcone.

W rezultacie w łańcuchu dostaw pojawi się „efekt byka”. Jest to sytuacja, w której nawet najmniejsze odchylenia i fluktuacje w łańcuchu dostaw prowadzą do niekontrolowanych, znaczących zmian na jego drugim końcu.

Być może przykład fluktuacji zapasów w łańcuchu dostaw detalista-dystrybutor-producent wydaje się zbyt uproszczony. Poniżej znajduje się wykres stabilnie sprzedającego się produktu z rynku FMCG.

Wysoki poziom zapasów jest potrzebny, aby złagodzić ostre problemy i stworzyć iluzję niezawodności. Nie rozwiązuje to jednak problemu fluktuacji zapasów od sztucznie zawyżonego poziomu do niedoborów, ponieważ jest to naturalna konsekwencja planowania na podstawie zniekształconych informacji.

Efekt byczego bicza to stare zjawisko. Wcześniej sądzono, że problem ten zostanie rozwiązany dzięki potężnej technologii komputerowej, która umożliwi przechowywanie i przetwarzanie dużych ilości danych. Pomimo tego, że dziś dysponujemy wieloma narzędziami do przetwarzania i przechowywania danych, problem nie zniknął, a wręcz przeciwnie – jeszcze się pogłębił. Rośnie asortyment produktów, skraca się cykl życia, zmienność popytu jest coraz mniej przewidywalna. Staje się oczywiste, że musimy radykalnie zmienić podejście do zarządzania łańcuchem dostaw. To właśnie jest zadanie, które obejmuje metodyka DDMRP.

Wyeliminuj efekt bullwhip dzięki DDMRP

Kluczowym narzędziem zarządzania zapasami w DDMRP jest bufor. Bufor składa się z 3 stref: czerwonej, żółtej i zielonej. Każda strefa ma swoje własne przeznaczenie i logikę obliczeń.

Strefa czerwona jest zabezpieczeniem przepływu i ma na celu ochronę przed zmiennością.

Strefa żółta to „zapas cykliczny”, który zapewnia zużycie na czas uzupełniania zapasów.

Strefa zielona to regulator przepływu. Obejmuje ona wszelkiego rodzaju ograniczenia logistyczne oraz określa średnią wielkość zamówienia i częstotliwość jego generowania. Wszystkie te elementy razem tworzą bufor.

Wykres przedstawia fluktuację przepływu informacji (Średni Zasięg Przepływu Netto), która odpowiada za przekazywanie informacji dalej w łańcuchu dostaw bez zakłóceń.

W dolnej części strefy żółtej przepływ fizyczny będzie się wahał o wielkość strefy zielonej (Średni zakres zapasów dostępnych). W ten sposób system jest wstępnie skonfigurowany tak, aby nie dopuszczać ani do wyczerpania, ani do przekroczenia zapasów. Stosowanie bufora zgodnie z tą metodyką pomaga wszystkim ogniwom łańcucha dostaw pokrywać problemy związane ze wzrostem sprzedaży i reagować na czas na spadki popytu. Daje także możliwość zrównoważenia zamówień i uczynienia ich regularnymi.

Powyższy wykres pokazuje, jak wygląda rozkład częstości wystąpień przed i po zastosowaniu tej metody. Po jego lewej stronie widzimy bimodalny rozkład zapasów, którego przykład został opisany na początku artykułu. Zapasów jest dużo, a czasem nie ma ich wcale. Optymalny stan zapasów w takim zarządzaniu jest wyjątkiem od reguły. Po prawej stronie wykresu widać, że mogą występować braki i nadwyżki zapasów, ale większość zapasów jest utrzymywana w optymalnym zakresie.

Podsumowując, bez względu na to, na którym miejscu w łańcuchu dostaw znajduje się twoja firma, „efekt byczego bicza” dotyczy wszystkich. Łańcuch dostaw musi być zrównoważony. Koncepcja stojąca za metodą DDMRP pomoże uporać się z tym problemem.