menu icon
close

Het elimineren van het Bullwhip Effect 

By Bernard Milian

Het Bullwhip effect is een van de meest voorkomende problemen in de toeleveringsketen, waarmee zowel fabrikanten, distributeurs als detailhandelaren te maken hebben. 

De oorzaak van het Bullwhip effect is moeilijk vast te stellen in een grote, snelgroeiende onderneming. Let vooral op de symptomen. Enkele van de meest voorkomende zijn: grondstoffen, afgewerkte producten, te veel en te weinig aan voorraad. 

Door een dergelijke ambivalente toestand van de voorraden kan de onderneming haar middelen niet ten volle benutten. Het lijkt ingewikkeld om het systeem in de huidige omstandigheden in evenwicht te brengen. 

We starten met de detailhandel om de probleemanalyse te schetsen. Over het algemeen wordt bij het voorspellen van de verkoop voor de periode tussen leveringen en het analyseren van de nauwkeurigheid van de vorige vraag, een veiligheidsvoorraad berekend. Dit is een percentage van de verkoop voor de voorspelde periode. Met andere woorden, hoe groter de voorspelde verkoop is, hoe meer fouten deze bevat en hoe groter de veiligheidsvoorraad moet zijn. 

Voorbeelden van het Bullwhip Effect  

Verwachte verkoop voor de periode = 1 pallet. Veiligheidsvoorraad = 50% van de voorspelde vraag voor die periode. Saldo aan het begin = 0 pallets. Bestelling = verkoopprognose + veiligheidsvoorraad – huidige voorraad. De bestelling wordt afgerond op hele pallets. 

In de eerste week bestellen we 1 + (0,5*1) – 0 (saldo) = 1,5 pallet. Maar aangezien een bestelling in veelvouden van een volledige pallet moet worden geplaatst, wordt de bestelling: 2 pallets. De werkelijke verkoop blijkt 20% of 0,8 pallets lager te zijn dan voorzien. Saldo aan het einde van de periode: 2- 0,8 = 1,2 pallets. 

In de tweede week hebben we de verkoopprognose opnieuw berekend. Nu is het 0,8 pallets. We berekenen de bestelling opnieuw: 0,8 + (0,5 * 0,8) – 1,2 (saldo) = 0. We plaatsen geen bestelling. De huidige voorraden zullen de geraamde verkoop en de fout in de prognose dekken. Maar de werkelijke verkoop bleek hoger dan voorspeld, en we hebben 1,2 pallets verkocht. 

In de derde week zullen we weer 2 pallets bestellen. 

Hoe nauwkeurig zijn uw prognoses werkelijk? Het is duidelijk dat de omvang van het probleem veel verder reikt dan het probleem met de prognoses. 

Als de onderneming net start met werken aan de prognose, dan kan, door de nauwkeurigheid van de prognose te verbeteren, het niveau van de veiligheidsvoorraden enigszins worden verlaagd. Het management stelt zich dan ten doel de prognose voortdurend te verbeteren. Maar het is een feit dat verbetering haar eigen grenzen en haalbaarheid heeft. Als de kosten voor het berekenen van de prognose hoger zijn dan de uiteindelijke winst, dan wordt de prognose zelf nutteloos.  

Maar zelfs wanneer het doel wel wordt bereikt, blijft er na het verhogen van de nauwkeurigheid van de prognose een “systeemfout” bestaan die de verkoopschommelingen verderop in de toeleveringsketen vermenigvuldigt. Deze aanpak laat weliswaar verbetering zien, maar lost het oorspronkelijke probleem niet op. 

Laten we eens kijken wat dit betekent voor de distributeur die onze bestellingen ontvangt (2, 0 en dan 2 pallets). Natuurlijk heeft de distributeur ook andere detailhandelaren die bestellingen plaatsen. De orderlogica is voor iedereen hetzelfde. Een bedrijf moet veel meer voorraad aanhouden naarmate de schommelingen groter zijn (bv. 0 tot 30 pallets). 

Zoals het vorige voorbeeld laat zien, is een bestelling van een detailhandelaar bij een distributeur geen exacte vraag. Het is eerder een ruwe schatting van de toekomstige verkoop, vertekend door de aankoopvoorwaarden en eerdere onjuiste aankopen. 

Om aan dergelijke schommelingen in de vraag te kunnen voldoen, moet de fabrikant voortdurend ten minste 30 pallets met goederen opslaan, aangezien niet bekend is wanneer en hoeveel de distributeur zal bestellen. Er moet rekening mee worden gehouden dat fabrikanten tientallen, of zelfs honderden van dergelijke klanten hebben. 

Bovendien is het onmogelijk om 30 pallets tegelijk te produceren, aangezien de fabrikant zijn eigen beperkingen heeft die ook niet genegeerd kunnen worden. Bijvoorbeeld de capaciteit van de machines, planningsintervallen, optimale bestelhoeveelheid, lange doorlooptijden, beperkingen in de flexibiliteit van de volgorde van produceren, enz. 

Indien de optimale of economische bestelhoeveelheid 100 pallets bedraagt, dan zal de fabrikant een voorraad aanhouden van 0 tot 100 pallets. 

Na de productie van de optimale partijgrootte wordt de voorraad groter dan dat nodig is. In dit geval zal, zeer waarschijnlijk, binnen enkele weken tot aan de planningshorizon, iets niet volgens plan verlopen. Er komt een dringende bestelling van de verkoopafdeling, apparatuur gaat stuk, een onverwachte piek in de vraag naar een van de producten, enz. Elk van deze gebeurtenissen doet het productieschema verschuiven. Wanneer de fabrikant een order van distributeurs ontvangt, is de kans groot dat de producten niet op tijd zullen worden geproduceerd. Daarom zal de fabrikant, evenals de detailhandelaar, zijn veiligheidsvoorraden vergroten. Dit zal weer leiden tot een toename in het aantal orders, maar ook een verlenging van perioden waarin geen orders worden geplaatst. Hierdoor vertekent de informatie over de werkelijke vraag nog meer. 

Als gevolg daarvan zal een “Bullwhip effect” in de toeleveringsketen ontstaan. Dit is een situatie waarin zelfs de kleinste afwijkingen en schommelingen in de toeleveringsketen leiden tot ongecontroleerde, significante veranderingen aan het einde van de keten. 

Misschien lijkt het voorbeeld van de voorraadschommelingen in de toeleveringsketen detailhandelaar-distributeur-fabrikant te sterk versimpeld. Hieronder staat een grafiek van een stabiel verkopend product uit de FMCG-markt. 
 
 

Een hoog voorraadpeil is nodig om acute problemen af te vlakken en een illusie van betrouwbaarheid te scheppen. Maar het probleem van voorraadschommelingen -van kunstmatig hoge niveaus naar tekorten- wordt hiermee niet opgelost, aangezien dit een natuurlijk gevolg is van planning op basis van vertekende informatie. 

Het Bullwhip effect is een oud verschijnsel. Vroeger dacht men dat het probleem zou worden opgelost met krachtige computertechnologie, die het mogelijk zou maken grote hoeveelheden gegevens op te slaan en te verwerken. Ondanks het feit dat we vandaag de dag over veel hulpmiddelen beschikken om gegevens te verwerken en op te slaan, is het probleem niet verdwenen. Integendeel zelfs, het is verergerd. Het productassortiment groeit, de levenscyclus neemt af, de variabiliteit van de vraag is steeds minder voorspelbaar. Het is duidelijk dat de aanpak van het beheer van de toeleveringsketen radicaal moet worden herzien. Dit wordt met de DDMRP-methodologie aangepakt. 

Elimineer het Bullwhip Effect met DDMRP 

Het belangrijkste instrument voor inventarisbeheer in DDMRP is de buffer. De buffer bestaat uit 3 zones: rood, geel en groen. Elke zone heeft zijn eigen doel en berekeningslogica. 

De rode zone is een stroombeveiliging en is bedoeld als bescherming tegen variabiliteit. 

De gele zone is een “cyclusvoorraad” die voorziet in het initiële verbruik, voordat de voorraad daadwerkelijk op de planken ligt. 

De groene zone controleert de doorstroming. Deze zone bevat allerlei logistieke beperkingen, bepaalt de gemiddelde bestelling en hoe vaak deze zal worden gegenereerd. En alles bij elkaar vormen ze een buffer. 

De grafiek toont de fluctuatie van de informatiestroom (Average Net Flow Range), die verantwoordelijk is voor de informatieoverdracht verderop in de toeleveringsketen, zonder enige verstoring.  

Aan de onderkant van de gele zone zal de fysieke stroom fluctueren ter grootte van de groene zone (Average on Hand Inventory Range). Het systeem is dus in eerste instantie zo opgezet dat er noch te weinig, noch te veel voorraad is. Het gebruik van een buffer volgens deze methodologie helpt alle schakels van de toeleveringsketen om problemen met stijgende verkoopcijfers op te vangen en tijdig te reageren op dalingen van de vraag. Het biedt ook de mogelijkheid om bestellingen in evenwicht te brengen en meer regelmatig te maken. 

De grafiek laat zien hoe de nomenclatuurverdeling er voor en na het gebruik van de methode uitziet. Aan de linkerkant zien we een bimodale verdeling van de voorraden, zoals beschreven aan het begin van dit artikel. Soms zijn er veel voorraden, soms helemaal geen. De optimale toestand van de voorraden in een dergelijk beheer is eerder uitzondering dan regel. De grafiek aan de rechterkant laat zien dat er sprake kan zijn van te veel of te weinig voorraad, maar dat de meeste voorraden binnen de optimale marge worden gehouden. 

Samenvattend kan worden gesteld dat, ongeacht waar uw bedrijf zich in de toeleveringsketen bevindt, het “Bullwhip effect” iedereen beïnvloedt. De toeleveringsketen moet in evenwicht zijn. De DDMRP-methodologie helpt om dit probleem aan te pakken. 

Get in Touch

Share This Story, Choose Your Platform!

Facebook
Twitter
LinkedIn

You may also enjoy

DDMRP vs (Re-) Order Point 

De oorsprong van Order Point  Hoe zag het voorraadbeheer eruit vóór MRP?  Voordat MRP werd ingevoerd, was de meest populaire aanpak van voorraadbeheer: Order Point.