1. 目的及意义

1.1目的及意义

信息不对称是指在市场经济活动中,各类人员对有关信息的了解是有差异的。掌握信息比较充分的人员,往往处于比较有利的地位,而信息贫乏的人员,则处于比较不利的地位。该理论是由三位美国经济学家—约瑟夫·斯蒂格利茨、乔治·阿克尔洛夫和迈克尔·斯彭斯提出的。

“牛鞭效应”也称需求放大效应，是供应链中典型的信息不对称问题。它是美国著名供应链管理专家HauLee^[1]教授对供应需求扭曲在供应链中传递的一种形象描述。最早注意到供应链中牛鞭效应存在的是J.Forrest^[2].他在1961年根据系统动力学理论，对一个三阶段四结点的供应链系统进行分析，描述了不同内部条件下的系统对外部变化或冲击的反应。指出供应链内部结构、策略和相互作用会导致需求变动放大。其后，众多专家、学者与企业研究调查发现，这种现场普遍的存在于制造业的供应链结构中。

牛鞭效应的存在严重地影响了整个供应链的效用。直接导致了供应链的管理困难、库存积压、资源浪费、销售不畅等多种问题。在这种情况下，寻求有效的措施来缓解牛鞭效应是十分有必要的。目前，随着信息技术的快速发展，尤其是基于互联网的电子商务技术的广泛运用，使得市场的交易行为发生了翻天覆地的变化。这一改变也对供应链管理产生了极大的影响。在这一前提下如何利用电子商务来解决供应链中“牛鞭效应”等信息不对称问题就具有非常重要的现实意义。

1.2国内外研究现状

迄今为止，国内外对牛鞭效应相关问题的研究主要集中在这样几个方面：牛鞭效应的存在、牛鞭效应的量化及牛鞭效应的减弱及控制。初始研究阶段中主要是以实证方法研究和确认牛鞭效应的存在。如早期Sterman研究设计的“啤酒分销博弈”课堂游戏^[5,6]。通过四个参与者分别以啤酒制造商、分销商、批发商、和零售商形成一个供应链并独立地做出库存决策，以相邻上游用户发出的需求信息作为唯一的信息来源。不计其数的游戏结果证明：上游用户总是会过分响应下游的订货需求，牛鞭效应是实际存在的。Towill通过模拟的方法证实了库存管理方法对供应链信息扭曲的影响^[7]。供应链中需求信息变化的幅度每通过一个环节就会增加一倍。生产商最终接受的订单的预测幅度几乎是最初的8倍之多。其后的进一步研究则着重于量化牛鞭效应。纵观中外，牛鞭效应的量化可概括为两个主要方法：统计分析量化方法和控制工程测量方法。Lee和Chen^[9]等学者对需求信号的处理和交货到订货的时间延迟进行了统计学量化工作。其主要包括移动平均预测、指数平滑预测、多个零售者三个方面需求放大效应方差下界条件的研究。国内学者张欣、达庆利、沈厚才^[10]在ARIMA（0,1,1）需求模型条件下，对牛鞭效应的量化做出了新的工作。Disney和Towill等采用了控制工程的方法，提出了牛鞭效应的两者量化方法：频率响应曲线最大幅值方法和噪声带宽方法。他们分别通过频率响应曲线最大幅值和噪声带宽来对供应链管理库存中的牛鞭效应进行测量，并进行证明和仿真。牛鞭效应的减弱及控制也一直是人们研究的热点。1997年以来，Lee和Chen在相关研究中就考虑如何调整需求预测方法以集中需求信息来减弱牛鞭效应的影响^[9]。国内学者刘超^[11]在二级供应链中量化分析了牛鞭效应，得出建立供应链企业信息共享系统可以在很大程度上减弱牛鞭效应带来的负面影响。龚本刚、程幼明^[12]提出了基于Internet网络将ERP、GPS、GIS组成供应链信息系统，以达到在物理结构上实现信息共享。

2 基本内容和拟采用的技术方案

2.1基本内容

第一部分:通过对国内外相关文献的阅读、分析和总结，确定本文的研究背景及目的。说明研究电子商务环境下供应链中牛鞭效应等信息不对称问题的意义。并对目前国内外众多学者的与牛鞭效应有关的研究文献作出概括和总结。

第二部分：结合牛鞭效应的历史研究结果完成对牛鞭效应的定义。并从供应链的结构、流通环节、个体行为、行业机制等方面分析牛鞭效应产生的具体原因。

第三部分：通过Extend系统仿真软件建立相应模型，模拟和仿真现实供应链系统的运作。并用模拟得出的数据结果验证牛鞭效应的存在。

第四部分:在电子商务这一种全新商务模式的前提下，结合仿真结果和国内外与之相关的文献资料，提出能够有效缓解牛鞭效应的措施。

第五部分：总结全文，提出展望。

2.2研究拟采用的技术方案

（1）文献分析法

主要对牛鞭效应的相关文献进行收集、分析和整理，归纳总结，得出对牛鞭效应的一个全面认识。

（2）模拟仿真法

通过建立相关模型，运用软件对现实系统进行模拟和仿真。本文通过建立供应链模型，模拟仿真现实的运作系统验证牛鞭效应的存在。

4. 阅读的参考文献（15篇）

[1] Lee H, Padmanabhan V, Whang SInformation distortion in a supply chain;T-he bullwhip effect [J]. ManagementScience,1997a

[2]Forrester J. Industrial Dynamic [M]. New York:MIT Press Wiley amp;Sons,Inc1961

[3] 程祉霞, 刘红丽. 电子商务环境下供应链中牛鞭效应问题研究[J]. 沿海企业与科技,2005（11）:120-121

[4] 黄小原,王静.供应链中牛鞭效应研究进展：存在、量化与控制[J].信息与控制，2004（10）

[5] Steman J D. Modeling managerialbehavior:Misperoeptions of feedback in a dynamic descision making experiment[J].Management Science,1989,35:321-339

[6]Steman J D.The beer distributiongame[A] . In Heieke J, Meile L,eds. Games and Exercises for OperationsManagement[M]. New Jersey: Prentice Hall,1995.101-122

[7] Towill R D. Industrial dynamicsmodeling of supply chains[J]. Intemational J-ouraal of Physical Distributionamp; Logistics Management,1996 26(2):23-41

[8] 达庆利.供应链中牛鞭效应问题研究.[J].管理科学学报，2003

[9]Chen F, Drezner Z, Ryan J, etal . The Bullwhip Effect: Management Insights on the Impact of Forecastingand Information and Variability in a Supply C-hain [M]. Boston :Kluw AcademicPublishers,2000.417-440.

[10] 张欣，达庆利，沈厚才.在ARIMA（0，1，1）需求下的牛鞭效应与信息共享的评价[J].中国管理科学，2001,9（6）：1-6

[11] 刘超.信息共享对供应链牛鞭效应减弱效果分析[J].物流科技，2012,(4).

[12] 龚本刚，程幼明.供应链中牛鞭效应的成因及其弱化[J].运筹与管理,2002,11(5):127

[13] 刘媛媛，孙若莹.基于Arena的供应链管理中牛鞭效应研究[J].物流工程与管理，2013（6）

[14] 王磊，陈竞先，唐志杰.供应链中牛鞭效应的模型与分析[J].供应链管理，2004（1）

[15] 王彦春.供应链中的牛鞭效应问题探讨[J].山西经济管理干部学院学报.2009,6(2)

[16] 张静芳.供应链中”牛鞭效应”案例分析及解决方法研究[J].物流科技，2007,30（7）：73-76

[17] 达庆利，张钦，沈厚才.供应链中牛鞭效应问题研究[J].管理科学学报，2003,6（3）:86-93

[18] 李刚，汪寿阳，于刚，阎洪.牛鞭效应与生产平滑模型有效性问题[J].管理科学学报，2004,2（1）

[19]Moinzadeh K. A Multi-Echelon Inventory System with InformationExc-hange[M].INFORMS,2002.