Beer game - inlämningsuppgift
Industriell Marknadsföring & SCM - 722A29
Louise Danell - louda892
Ronja Nyman - ronny395
Emelie Davidsson - emeda801
Pernilla Larsson - perla359
Emma Kragelund - emmkr517
The Beer Game
Inom kursen industriell marknadsföring och supply chain management spelades “The Beer
Game”. Rapporten syftar till att reflektera kring olika fenomen, som the bullwhip effect, som
uppträder i spelet samt att analysera resultatet genom användning av relevant litteratur.
The bullwhip effect eller the bullwhip phenomenon definieras av Lee et al. (1997) som; “The
amplification of demand variability from a downstream site to
an upstream site” och innebär
alltså att variansen i produktion är större än variansen i efterfrågan. Bullwhipeffekten
resulterar i att företag vill försäkra sig om att de har varor i lager och därför gör prognoser
som är större än den verkliga efterfrågan.
Reflektion kring spelet
Lee et al. (1997) tar upp fyra krafter som bidrar till bullwhipeffekten: Demand forecast
updating, order batching, price fluctuations
och shortage gaming. Vid analys av resultaten
kunde vi identifiera två
av dessa; demand forecast och shortage gaming.
Demand forecast updating blev ett problem då beslut enbart baserades på lagda orders från
aktörer längre ner i kedjan, vilka upplevdes som missvisande och fördröjda. De olika
aktörerna hade olika uppfattningar och förväntningar på framtida efterfrågan, vilket
resulterade i över- och underskott i lagret. Konkret innebar detta att från spelets start var
upplägget sådant att hur vi än agerade, skulle brister uppstå längs hela kedjan, under den
första delen utav spelomgången. Bristerna gjorde att samtliga spelare valde att öka sin
efterfrågan till sina underleverantörer, vilket i sin tur ledde till ännu mera brist. När fabriken
1
till slut började komma ikapp med produktionen, ledde det slutligen till att problemet med
brist försvann, och istället fick samtliga aktörer problem med överlager. Tydligast märktes
detta i fabriken, för att sedan bli mindre markant högre upp i kedjan.
“In a traditional scenario, bullwhip increases geometrically with the level in the chain and
gets alarmingly
large at higher echelons in the supply chain”(Dejonckheere et al., 2004)
Detta är något som vi upplever under spelet då fabriken hade 676 enheter i lager i slutet ut av
spelets gång, medan säljbolaget hade 5 enheter i utgående lager (se figurer i bilaga 1). Det går
inte att säga att någon specifik aktör orsakar problemet eller att det är någon “specifik”
händelse som orsakar våra problem utan det är “systematiska misstag” som är orsaken då alla
i kedjan försöker undvika brister genom att beställa större och större kvantiteter, för att sedan
upphöra med beställningar, iallafall för några rundor.
Med tanke på fördröjningen från det att en indikation om att efterfrågan ökar, det vill säga att
man mottar ordern till det att slutkunden får den beställda kvantiteten, är det svårt att anpassa
sig till rådande efterfrågan. Då de andra aktörernas lagernivåer är okända agerar vi för att
optimera våra egna nivåer och har hellre överkapacitet i lagret än att inte kunna leverera till
kund, vilket stöds av Giard och Salis (2012) påstående om att supply chain-aktörernas
beteende är rationellt och lokalt optimerat.
Lee et al. (1997) nämner även shortage gaming som en orsak till svängningarna. Det innebär
att när kunder märker att en leverantör har varubrist beställer de extra mycket för att vara
säkra på att varorna inte går till andra kunder. När varorna sedan börjar komma och kundens
rädsla för att inte få några varor försvinner dras ordrarna tillbaka. Det hände även i Beer
game. Säljbolaget märkte att det regionala lagret hade varubrist. Det ledde till oro och ännu
större ordrar.
Något som uppenbarade sig när spelet började lida mot sitt slut var att ju längre bak i
distributionskedjan, desto högre var lagernivåerna; säljbolaget hade 5 enheter i lager,
regionlagret 21, centrallagret 294 och fabriken 676 (se figurer i bilaga). En möjlig förklaring
till detta är att säljbolaget, som är första led innan slutkund i största möjliga mån försöker
anpassa sig till dennes efterfrågan och inte tar emot leveranser som skiljer sig så mycket från
2
denna initiala efterfrågan. I efterhand visade det sig att efterfrågan låg konstant på åtta
enheter, vilket inte framgick hos de andra aktörerna då lagerbrist var tvunget att kompenseras
av en större order nästkommande dag.
Vad kunde ha gjorts annorlunda?
Det som hade varit mest effektivt för att undvika svängningarna är, som Lee et al. (1997)
föreslår, om alla aktörer hade haft samma information som Sales company. Då hade alla
kunnat planera efter samma data istället för att aktörerna bunkrar upp mer och mer på den
efterfrågan de har från föregående aktör i kedjan. Svängningarna hade då blivit ungefär lika
stora för alla företag i hela kedjan. Aktörerna skulle även kunna ha tillgång till
efterfrågeprognoser för slutkunden för att inte bli förvånade, och kunna förbereda sig, när det
kommer en ovanligt stor order i tider då efterfrågan är hög. Att använda sig utav “information
sharing” för att reducera bullwhip-effekten är något som också stöds utav Dejonckheere et al.
(2004). Hade vi använt oss av “information sharing” under spelets gång hade vi kunnat
undvika en del utav de stora bristerna som uppkom i början, samt även undvikit våra stora
överlager. Då samtliga spelare valde att öka sina ordrar för att undvika brist ledde det istället
till överproduktion. Detta till stor del på grund utav den upplevda osäkerheten kring
efterfrågan och kommande ordrar. Med samma information, om kundens efterfrågan, hade vi
kunnat planera vår produktion på ett effektivare sätt. Producerat utan rädsla för brist, utan
istället planerat produktionen efter den egentliga efterfrågan och inte våra egna gissningar,
baserade på efterfrågan från vår närmsta kund.
Ett alternativ till detta är att använda sig av “point of sales data” (POS). POS skulle kunna
undvika eller åtminstone minimera de stora svängningarna. Hade de olika aktörerna fått veta i
sina system att en enhet sålts längre fram i kedjan, hade ett jämnare flöde av gods kunnat
uppvisas i och med att aktörerna inte hade behövt gardera sig för enorma (upplevda)
efterfrågesvängningar. I detta fall var efterfrågan konstant åtta enheter per dag, vilket
antagligen inte skulle vara fallet i ett verkligt företag.
För att lösa problemet med shortage gaming nämner Lee et al. (1997) att företagen ska
fördela sina leveranser baserat på tidigare köp istället för nuvarande beställningar. Det
minskar kundens behov av att lägga stora ordrar. Genom att implementera integrerade
3
informationssystem bidrar också till transparens i kedjan vilket också eliminerar risken för för
stora orderläggningar. Vi anser även att förbeställningar från kunderna i de olika leden kan
bidra till att minska lagerhållningen och minska ledtiden. Den totala ledtiden från kundorder
till leverans till slutkund blev i kedjan nio dagar. Vet slutkunden redan i förväg att de önskar
ett visst antal enheter ett visst datum, underlättar det för alla i kedjan. Vi finner oss också
kritiska till företagens lagerhållning i fråga om det verkligen är nödvändigt att ha så pass
många olika lager med både regional-, central- och återförsäljar-lager. Om företagen hade
kunnat centralisera sin lagerhållning ytterligare hade informationsdelning förenklats och
ledtider förkortats.
Graferna visar tydligt bullwhip-effekten då fluktuationer i beställningar är mindre i
säljbolaget och blir större och större ju högre upp i leveranskedjan man går. Det resulterar i
höga lager och lagerkostnader, något som blir dyrt för företag i längden då det binder upp
kapital. Graferna kommenteras kort vidare i bilagan.
Slutsats
I det stora hela var Beer Game både intressant och lärorikt. Spelet gav oss en klar tydlig
överblick över de olika stegen av leverantörskedjan och vi förstod problematiken för
distributörer i samband med efterfrågan, mellanled, lagerhållning och höga kapitalbindningar.
För att förbättra resultatet och minska bullwhipeffekten skulle information om efterfrågan
behöva utbytas mellan de olika aktörerna. Detta är av största vikt för att kunna minska
kapitalbindning och ledtider som uppstår i samband med missvisande information, inte minst
i slutet av distributionskedjan.
Referenser
Dejonckheere J., Disney S.M., Lambrecht M., Towill D.R. (2003). The dynamics of
aggregate planning Production Planning and Control. European Journal of Operational
Research Vol. 14, Issue 6.
Giard, V. och Sali, M. (2012). The bullwhip effect in supply chains: a study of contingent and
incomplete literature. International Journal of Production Research: Vol. 51, No. 13,
3880–3893.
4
Lee, H.L., Padmanabhan, V. & Whang S. (1997). The Bullwhip Effect In Supply Chains.
Sloan Management Review, Vol. 38, No.3, pp. 93-102
BILAGA 1
Figur 1: Beer Game Ordered quantities order chart (30)
I figur 1 ser vi en ökad beställning av varor för att säkra varulagernivå och kunna möta
kundefterfrågan.
Figur 2: Order chart quantities (60)
Figur 2 visar efterfrågan på order i de olika leden. Efterfrågan minskar avsevärt efter dag 16
ungefär då leveranserna börjar komma in till säljbolaget och säljbolaget i sin tur börjar arbeta
ner sitt lager.
5
Figur 3: Stock Level Stock chart (30)
Figur 3 visar när säljbolagen bygger upp egna små lager, då varje aktör beställer mer än
efterfrågan, för att försäkra sig mot lagerbrist, binds stora kvantiteter och för varje led i
leverantörskedjan växer lagerhållningen. Eftersom efterfrågan från slutkund inte ändras
byggs lagren bara på.
Figure 4: Stock Level chart (60)
Figur 4 visar hur säljbolaget och regionala lagret har genom de stora beställningsmängderna
tidigare i perioden byggt upp lager. Vid en tidpunkt minskar deras efterfråga för att de istället
6
vill tömma sina lager. Fabriken har hunnit bygga upp ett stort lager och tvingas med den
minskade efterfrågan att stänga igen produktionen av nya varor. De ligger kvar på en stabil
lagernivå och har ingen möjlighet att arbeta ner lagret då efterfrågan mer eller mindre är noll.
Figur 5: Daily Costs chart (30)
Figur 5 visar lagerkostnaden under spelets trettio första dagar. Kostnaderna stiger radikalt
redan från början. Notera att dag 18 till 20 så mottog säljbolaget stora leveranser av varor
som ökade återförsäljarens kostnader avsevärt för lagerhållning då leveransen av varor var
betydligt större än efterfrågad kvantitet av slutkund.
7
Figur 6: Daily cost chart (60)
Vid figur 6 kan vi se de dagliga kostnaderna för de olika leden i leverantörskedjan. Notera de
höga kostnaderna för factory och central warehouse.
Figur 7: Aggregerad cost chart (30)
Man kan dag 11 urskilja ökade aggregerade kostnader och dag 16 avsevärt ökade kostnader
för alla leden i leverantörskedjan i den sjätte figuren. Vi noterar även att säljbolaget och det
regionala lagret har liknande kostnader under de första tre dagarna.
Figur 8: Aggregated Costs Chart (60)
8
