تحلیل حساسیت اثر شلاق چرمی در زنجیرۀ تأمین چهارسطحی با استفاده از روش میانگین متحرک برای برآورد تقاضا

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 مربی گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران

2 استادیار گروه مهندسی صنایع، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران

چکیده

اثر شلاقی به‎طور شایان توجهی بر عملکرد مالی شرکت­ها و سازمان­ها اثر می­گذارد. این پدیده بیان می­کند که نوسان تغییرات تقاضا از انتهای زنجیره به ابتدای زنجیره بیشتر می‎شود. دانشمندان و محققان در زمینۀ کاهش آثار شلاقی در زنجیرۀ تأمین، مطالعات بسیاری انجام داده و جنبۀ خاصی را بررسی کرده‎اند. در این پژوهش به بررسی آثار ذخیرۀ احتیاطی و تغییرات تقاضای مشتری نهایی بر اثر شلاقی کل زنجیرۀ تأمین پرداخته شده است. به همین منظور، یک زنجیرۀ تأمین چهارسطحی خطی شامل فروشگاه، خرده­فروش، عمده­فروش و کارخانه مد نظر قرار گرفت و برای پیش­بینی تقاضا از روش میانگین متحرک استفاده شد. در این رابطه، نُه سناریوی مختلف شامل تغییرات تقاضا (کم، متوسط، زیاد) و ذخیرۀ احتیاطی (کم، متوسط، زیاد) در نظر گرفته شد و اثر شلاقی با فاصلۀ اطمینان 95درصد و دورۀ زمانی یک ساله به‎دست آمد. نتایج این تحقیق نشان داد اگر روش برآورد تقاضا در همۀ اعضای زنجیرۀ تأمین با استفاده از روش میانگین متحرک باشد، با افزایش نوسان تغییرات تقاضای مشتری نهایی، اثر شلاقی کل زنجیره کاهش می­یابد. همچنین اگر تغییرات تقاضا ثابت فرض شود، افزایش ذخیرۀ احتیاطی در هر یک از اعضای زنجیرۀ تأمین موجب افزایش اثر شلاقی کل زنجیرۀ تأمین می‎شود.

کلیدواژه‌ها

عنوان مقاله [English]

Analyzing Bullwhip Effect Sensitivity in a Four-level Supply Chain Using Average Moving Method to Forecast the Demand

نویسندگان [English]

  • Sayyid Ali Banihashemi 1
  • Sayyid Mohammad Haji Molana 2
1 Instructor, Faculty of Industrial Engineering, Payame Noor University, Tehran, Iranپ
2 Assistant Prof., Faculty of Industrial Engineering, Islamic Azad University, Science and Research Branch, Tehran, Iran
چکیده [English]

In recent years, coping with a phenomenon known as bullwhip effect, has been among the most important issues in supply chain management. Bullwhip dramatically affects companies’ financial performance stating that the swing of changes in demands increases when we move from the end of the chain to the beginning of that chain. Many studies have been conducted on reducing the impact of supply chain bullwhip, each focusing on specific aspects. For this purpose in the present study, a linear four-level supply chain including store, retailer, wholesaler and factory was proposed, and the moving average method was used to predict the demand. To do so, nine different scenarios including demand changes (low, medium, high) and precautionary (low, moderate, high) were considered and the lag effect was calculated with a 95% confidence interval and throughout a one-year period. The findings showed that if we use average moving method to predict the demands, any increase in the customers’ demand change swing will result in the decrease of the whip effect on the whole chain. In addition, if the demand changes are considered as constant and fixed, any increase in precautionary saving in each part of the supply chain will increase the whip effect on the whole chain.

کلیدواژه‌ها [English]

  • Bullwhip Effect
  • Moving Average Method
  • Order-up-to
  • Supply Chain

مراجع

یوسفی زنوز، ر.، منهاج، م. ب. (1390). طرح یک چارچوب ترکیبی پیش­بینی تقاضای متلاطم و کنترل پیش­بین مدل به‎منظور کمینه­سازی اثر شلاقی. فصلنامۀ مدیریت صنعتی، 3(6)، 190-171.
Chatfield, D. C. & Pritchard, A. M. (2013). Returns and the bullwhip effect. Transportation Research Part E: Logistics and Transportation Review, 49(1), 159-175.
Chatfield, D. C., Kim, J. G., Harrison, T. P. & Hayya, J. C. (2004). The bullwhip effect-impact of stochastic lead time, information quality, and information sharing: a simulation study. Production and Operations Management, 13(4), 340-353.
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, 463), 436-443.
Costantino, F., Gravio, G. D., Shaban, A. & Tronci, M. (2015). SPC forecasting system to mitigate the bullwhip effect and inventory variance in supply chains. Expert Systems with Applications, 42(3), 1773–1787.
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, 153(3), 727-750.
Dominguez, R., Cannella, S. & Framinan, J. M. (2015). The impact of the supply chain structure on bullwhip effect. Applied Mathematical Modelling, 39(23), 7309-7325.
Forrester, J. W. (1961). Industrial dynamics, Camdridge, MIT Press.
Khosroshahi, H., Husseini, S. M. & Marjani, M. R. (2016). The bullwhip effect in a 3-stage supply chain considering multiple retailers using a moving average method for demand forecasting. Applied Mathematical Modelling, 40(21), 8934-8951.
Kim, J. G., Chatfield, D., Harrison, T. P. & Hayya, J. C. (2006). Quantifying the bullwhip effect in a supply chain with stochastic lead time. European Journal of operational research, 173(2), 617-636.
Lambrecht, M., Dejonckheere, J. (1999). A bullwhip effect explorer. Katholieke Universiteit Leuven pub.
Lee, H. L., Padmanabhan, V. & Whang, S. (1997). The Bullwhip Effect in supply chains. Sloan Management Review Journal, 38 (3), 93–102.
Ma, J., Bao, B. (2016). Research on bullwhip effect in energy-efficient air conditioning supply chain. Journal of Cleaner Production, 143, 854–865.
Metters R. (1997). Quantifying the Bullwhip Effect in supply chains. Journal of Operation Management, 15(2), 89–100.
Ponte, B., Sierra, E., Fuente, D. D. & Lozano, J. (2017). Exploring the interaction of inventory policies across the supply chain: An agent-based approach. Computers & Operation Research, 78, 335-348.
Sirikasemsuk, K. & Trung Luong, H. (2017). Measure of bullwhip effect in supply chains with first-order bivariate vector autoregression time-series demand model. Copmputer & Operations research, 78, 59-79.
Sterman, J. D. (1989). Modeling managerial behavior: misperceptions of feedback in a dynamic decision making experiment. Management Science, 35 (3), 321–239.
Trapero, J. R. & Pedregal, D. J. (2016). A novel time-varying bullwhip effect metric: An application to promotional sales. International Journal of Production Economics, 182, 465-471.
Yousefi Z., R. & Mehnaj, M. B. (2011). Design of a Combined Lumpy Demands Forecasting and a model Predictive Scheme for Reduction of Bullwhip Effect. Journal of Industrial Management, 3(6), 171-190. (in Persian)
Zhang, X. (2004). The impact of forecasting methods on the bullwhip effect. International journal of production economics, 88(1), 15-27.
مدیریت صنعتی
دوره 9، شماره 1
1396
صفحه 43-58

فایل ها

هم رسانی

ارجاع به این مقاله

آمار