The issue of bullwhip-effect evaluating in supply chain management

• Autorzy: Vokhmyanina A. , Zhuravskaya M. , Osmólski W.

Identyfikatory

DOI

10.17270/J.LOG.2018.280

Warianty tytułu

PL

Ocena efektu byczego bicza w zarządzaniu łańcuchem dostaw

• Języki publikacji: EN

Abstrakty

EN

Background: This article deals with the quantitative evaluation of the bullwhip effect in supply chains. A literature review was carried out and it was revealed that there is no general approach to quantifying the bullwhip effect. In the article, a more precise concept of the bullwhip effect is proposed from the point of view of the naturalscientific approach. Methods: A methodology for quantifying the bullwhip effect as a coefficient of linear regression was developed, characterising the dependence on the location of a link in supply chains, which can be used to adjust its operational work. Results: The stability of the proposed model is confirmed by the results of its implementation in production in several sectors of the economy, distinguished by the number of units and number of study periods, which demonstrates its potential for use in the distribution system. Conclusions: The main reason for the existence of the bullwhip effect is the unreliability of forecasts, which ultimately reduces the efficiency of inventory planning in supply chains and extensive logistics systems. Reducing the negative impact of the bullwhip effect can be achieved by using more advanced forecasting models and the quantitative assessment method used in this study, to adjust reserve stocks in supply chain links.

PL

Wstęp: W pracy zostały postawione pytania dotyczące przeprowadzania oceny ilościowe efektu byczego bicza występującego w obrębie łańcucha dostaw. Wykonano przeglądu literatury, na podstawie którego stwierdzono, że nie ma jednorodnego podejścia do ujęcia ilościowego efektu byczego bicza. W związku z tym, zaproponowano bardziej precyzyjne podejście do tego efektu. Metody: W celu oceny ilościowej efektu byczego bicza stworzono metodę współczynnika regresji liniowej, charakteryzującą się zależnością między lokalizacjami ogniw w łańcuchu dostaw i która może być użyta do poprawy jego działania operacyjnego. Wyniki: Stabilność proponowanych modeli jest potwierdzona w postaci wyników ich wdrożenia do produkcji w różnych obszarach gospodarczych, różniących się liczbą jednostek oraz liczbą okresów poddanych badaniu, które dowodzą możliwości ich użycia w praktycznych działaniach firmy w obrębie systemu dystrybucyjnego. Wnioski: Głównym powodem występowania efektu byczego bicza jest brak trafności estymacji, która to wpływa na obniżenie efektywności zarządzania zapasem w obrębie łańcucha dostaw oraz dużych systemów logistycznych. Redukcję negatywnego wpływu efektu byczego bicza można osiągnąć przez zastosowanie bardziej zaawansowanych metod prognostycznych oraz metody oceny ilościowej, użytej w tej pracy w celu bardziej optymalnego zarządzania zapasami w obrębie łańcucha dostaw.

Słowa kluczowe

EN

supply chain; uncertainty; bullwhip effect; variation in order sizes; regression coefficient; t-statistics; order size dynamics

PL

łańcuch dostaw; niepewność; efekt byczego bicza; zmiany wielkości zamówienia; współczynnik regresji; statystyka t; wielkość dynamiczna partii

• Wydawca: Wyższa Szkoła Logistyki
• Czasopismo: LogForum
• Rocznik: 2018
• Tom: Vol. 14, no. 2
• Strony: 163--170
• Opis fizyczny: Bibliogr. 24 poz., tab., wykr.

Twórcy

autor

Vokhmyanina A.

• Ural State University of Railway Transport, 66, Kolmogorova str., Ekaterinburg, 620034, Russia

autor

Zhuravskaya M.

• Ural State University of Railway Transport, 66, Kolmogorova str., Ekaterinburg, 620034, Russia

autor

Osmólski W.

• Institute of Logistics and Warehousing, Estkowskiego 6, 61-755 Poznan, Poland

Bibliografia

• 1. Baltagi B.H., 2011. Econometrics, Springer Science & Business Media.
• 2. Christopher M., 2016. Logistics & supply chain management. Pearson UK.
• 3. Disney S.M., Towill D.R., 2003. The effect of vendor managed inventory (VMI) dynamics of bullwhip effect in supply chains. International Journal of Production Economics 85 (2), 199-215, http://dx.doi.org/10.1016/S0925-5273(03)00110-5
• 4. Dooley K.J., Yan T., Mohan S., Gopalakrishnan M., 2010. Inventory management and the bullwhip effect during the 2007-2009 recession: evidence from the manufacturing sector. Journal of Supply Chain Management 46 (1), 12-18, http://dx.doi.org/10.1111/j.1745-493X.2009.03183.x
• 5. Fredendall L.D., Hill E., 2016. Basics of supply chain management. CRC Press.
• 6. Holmstrom J., 1997. Product range management: a case study of supply chain operations in the European grocery industry. Supply Chain Management 2 (3), 107-115, http://dx.doi.org/10.1108/13598549710178291.
• 7. Ivanov D.A., 2009. Supply chain management. Publishing House of St. Petersburg State University.
• 8. Kolinski A., Sliwczynski B., 2015. Evaluation problem and assessment method of warehouse process efficiency. Business Logistics in Modern Management, 175-188.
• 9. Kot S., Grondys K., Szopa R., 2011. Theory of inventory management based on demand Forecasting. Polish Journal of Management Studies 3, 148-156.
• 10. Kumar S., Haleem A., 2016. Benchmarking using an index for bullwhip effect mitigation. Uncertain Supply Chain Management 4, 161-170, http://dx.doi.org/10.5267/j.uscm.2015.10.002
• 11. Lai K.H., Ngai E. W.T., Cheng T.C.E., 2002. Measures for evaluating supply chain performance in transport logistics. Transportation Research Part E: Logistics and Transportation Review 38 (6), 439-456, http://dx.doi.org/10.1016/S1366-5545(02)00019-4.
• 12. Lee H.L., Padmanabhan P., Wang S., 1997. The bullwhip effect in supply chains. Sloan Management Review 38 (3), 93-102.
• 13. Madera A.G., 2014. Risks and chances: uncertainty, forecasting and evaluation. Krasand, Moscow.
• 14. Martynenko A.V., Zhuravskaya M.A., Qiao C., 2016. Assessment of cargo transportation time in logistics supply chain. Herald of the Ural State University of Railway Transport 3, 73-81.
• 15. Mesjasz-Lech A., 2014. The use of it systems supporting the realization of business processes in enterprises and supply chains in Poland. Polish Journal of Management Studies 10 (2), 94-103.
• 16. Saaty T.L., 2013. Decision making with dependence and feedback: The Analytic Network Process. Springer, New York.
• 17. Sirikasemsuk K., Luong H.T., 2017. Measure of bullwhip effect in supply chains with first-order bivariate vector autoregression time-series demand model. Computers & Operations Research 78, 59-79, http://dx.doi.org/10.1016/j.cor.2016.08.005.
• 18. Taha H.A., 2012. Operations research: an introduction. Pearson Education Inc, New Jersey.
• 19. Vokhmyanina A.V., 2017. Forecasting logistic indicators in conditions of annual irregularity. Transport: Science, Technology, Management 5, 13-20.
• 20. Vokhmyanina A.V., Zhuravskaya M.A., Qiao C., 2015. The Analysis of Bullwhip «Effect Influence» on the Level Service in the Supply Chain Management. Transport: Science, Technology, Management 9, 38-45.
• 21. Volkova S.A., 2015. Logistics of transportation in supply chains. Integrated Logistics 6, 8-10.
• 22. Wang X., Disney S. M., 2016. The bullwhip effect: Progress, trends and directions. European Journal of Operational Research, 250(3), 691-701, http://dx.doi.org/10.1016/j.ejor.2015.07.022
• 23. Wee H.M., Blos M.F., Yang W.H., 2012. Risk management in logistics. In Handbook on Decision Making. Springer, Berlin-Heidelberg, 285-305, http://dx.doi.org/10.1007/978-3-642-25755-1_15.
• 24. Zhuravskaya M.A. (2017) Green Logistics as the Basis for Improving Environmental Efficiency of Transport. In: Golinska-Dawson P., Kolinski A. (eds) Efficiency in Sustainable Supply Chain. EcoProduction. Springer, Cham, 99-115, http://dx.doi.org/10.1007/978-3-319-46451-0_7.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).