ブルウィップ効果: わずかな需要の変化がサプライチェーンの混乱に変わる仕組み

1990年の春、プロクター・アンド・ギャンブル(P&G)のデータチームは、常識に反する現象に気づきました。パンパース紙おむつに対する消費者需要はほぼ完全に安定していました。赤ちゃんの数は周期的に変動しません。ところが、P&G自社の工場が資材サプライヤーに発注する量は、月ごと、四半期ごとに激しく変動していました。この変動性は川下から来たものではありませんでした。それはサプライチェーン自体が再帰的に作り出したものだったのです。

彼らはその4年後にHau Lee、V. Padmanabhan、Seungjin WhangがSloan Management Review誌で正式に名付けることになる現象を、先んじて発見していたのです。ブルウィップ効果です。この論文は今でもオペレーションズ・マネジメント分野で最も引用される論文のひとつです。その中心的な発見はシンプルかつ容赦のないものです。需要の変動性は川上に向かうほど増幅される、というものです。そしてその原因は偶然ではありません。それは、本当のシグナルを隠すシステムの中で、合理的な人々が局所的に理にかなった判断を下した結果として、数学的に予測可能な帰結なのです。

4つの原因

Lee、Padmanabhan、Whangは4つのメカニズムを特定しました。実務で遭遇するブルウィップ現象は、すべてこれらの組み合わせです。

需要シグナル処理。 サプライチェーンの各階層は、消費者需要ではなく、自らに対して出された注文から予測を行います。小売業者は売上の上昇を見ると、予測を引き上げ、安全在庫のバッファーを追加し、現時点で必要な量以上を発注します。卸売業者はその水増しされた注文を受け取り、それをもとに予測し、自らのバッファーを追加し、さらに増幅します。個々には誰も間違っていません。システムが構造的に間違っているのです。なぜなら各リンクは、根底にあるシグナルではなく、自らの不確実性を最適化しているからです。

発注のバッチ化。 週次、月次、トラック一台分単位といったバッチでの発注は、連続的なシグナルに人為的な周期性を持ち込みます。2週間ごとに補充する卸売業者は、需要が増えたときに17回の小口注文を送るのではありません。1回の大口注文を送ります。サプライヤーが目にするのは消費者とは無関係で、カレンダーとだけ関係のある需要急増です。EOQモデルや最小発注数量はこれをさらに悪化させます。バッチサイクルが大きいほど、急増も大きくなります。

価格変動。 メーカーがプロモーションやボリュームディスカウントを実施すると、顧客は先買いします。プロモーション期間中に買いだめし、その後は購買が止まります。サプライヤーが目にする需要シグナルは、プロモーションによる歪みであり、根底にある消費実態ではありません。8社の消費財企業を対象としたある研究では、先買いが見かけ上の需要変動の20%から40%を占めていました。そのほとんどは可逆的で、実際の消費者トレンドについては何も語っていませんでした。

不足時の駆け引き(ショーテージゲーミング)。 供給がひっ迫すると、顧客は割り当てを確保するために注文を水増しします。サプライヤーが不足時に注文の60%しか充足できない場合、買い手は同じ削減率を見込んで、必要量の167%を発注します。サプライヤーは67%の需要急増のように見えるものを目にし、能力に過剰投資します。不足が解消すると買い手は水増しした注文をキャンセルし、サプライヤーは何年もかけて解消することになる過剰在庫と過剰能力を抱えることになります。半導体サイクルはその典型例です。2020年から2022年の不足期には、業界が出荷できる8,300万個に対して、顧客は1億2,000万個の注文を出しました。個社ごとの過剰発注は合理的でした。それがシステム全体にとっては壊滅的だったのです。

効果がないもの

よく見られる2つの対策がありますが、どちらもほとんど無意味です。

安全在庫の積み増し。 各階層でバッファー在庫を追加すればサービスレベルは緩和されますが、根本的な変動性には何の効果もありません。あなたは解決していない問題を吸収するための対価を払っているにすぎません。卸売業者の安全在庫は、すでに水増しされた需要シグナルに対して保有される在庫です。ブルウィップを緩衝しているだけで、取り除いてはいないのです。

データ共有なしの補充スピードアップ。 補充サイクルを月次から週次に短縮すれば、バッチ化による急増は単独では減少します。しかし各階層が依然として川下の需要ではなく自らに対する注文から予測している限り、歪みを速く回しているだけです。シグナルは相変わらず間違っており、増幅も相変わらず現実に起きています。月次のノコギリ波を週次のノコギリ波に置き換えただけです。

実際に効果を動かす3つのレバー

需要シグナルの共有。 基本となる対策は、川上の階層に対して、注文からの予測に頼らせるのではなく、POS(販売時点)データや消費データへの可視性を与えることです。VMI(ベンダー管理在庫)はこれを実務化したものです。サプライヤーは小売業者の実際の在庫水準と消費データに基づいて補充を行い、発注という層を完全に迂回します。1990年代初頭に始まったP&GとWalmartのVMIプログラムは、欠品を30%削減し、P&Gの在庫を2週間分削減しました。CPFR(協働的計画・予測・補充)や継続補充プログラムといった主要なバリエーションはすべて、同じ原則の変形です。実際の消費地点にシグナルをより近づけるということです。

1990年代後半のCPFR展開後の研究では、参加した小売業者において一貫して10%から40%の予測精度改善が見られ、変動性の高いSKUで最大の効果が出ていました。そのメカニズムは魔法ではありません。小売業者が計画中のプロモーションや季節的な見込みを、注文が急増する前にサプライヤーと共有すれば、サプライヤーは計画を立てられます。情報優位性が、誰もが自らの注文に上乗せしていた不確実性プレミアムを解消するのです。

価格の安定化。 エブリデー・ロープライシング(EDLP)は先買いのインセンティブを排除します。プロクター・アンド・ギャンブルが1990年代初頭にEDLPへ移行したのは、部分的には自社のブルウィップ研究への対応でした。トレードオフは現実にあります。EDLPはプロモーションによる急増が生み出す売上を犠牲にします。しかし、需要変動の減少、計画の複雑さの低下、緊急出荷の減少といった業務上の節約は、特に価格弾力性の低いカテゴリーでは、失われるプロモーション売上を頻繁に上回ります。

割り当てを過去の注文から切り離す。 不足時に、サプライヤーが現在の注文ではなく過去の消費実績に比例して割り当てを行えば、ショーテージゲーミングのインセンティブは消滅します。顧客が、何を注文しようと過去の実績数量を受け取れるとわかっていれば、過剰発注に何の利益もありません。インテルは2000年代初頭の半導体過剰在庫の後、まさにこのモデルに移行しました。直近12か月の出荷実績に基づく割り当てであり、現在の受注残には基づきません。これはサイクル自体を解消したわけではありません。半導体需要は本質的に波が大きいものです。しかし需要シグナルを駆け引きから切り離しました。

組織上の問題

これら3つの対策は理解されています。1994年から理解されているのです。ブルウィップ効果が根強く残る理由は、解決策への無知ではありません。それぞれの解決策が、個々の企業が単独では提供できないものを必要とするからです。

需要シグナルの共有には、小売業者が自らの専有物として扱っているデータへのアクセスをサプライヤーに与える必要があります。EDLPには、マーケティングが短期的な販売量を生み出すプロモーションという手段を手放す必要があります。割り当ての改革には、顧客がもっと欲しいと騒いでいるときにサプライヤーが割り当てに関して一線を守る必要があります。これらの判断のどれ一つとして、サプライチェーン機能だけでは決められません。すべてに、商業・財務・オペレーションを横断した経営層の合意が必要です。

ブルウィップは結局のところ、技術的な問題の衣をまとった組織的な問題なのです。数学はすでに解かれています。政治はまだ解かれていません。

Sources

• Lee, H.L., Padmanabhan, V. & Whang, S. (1997). The Bullwhip Effect in Supply Chains. Sloan Management Review, 38(3), 93–102.
• Lee, H.L., Padmanabhan, V. & Whang, S. (1997). Information Distortion in a Supply Chain: The Bullwhip Effect. Management Science, 43(4), 546–558.
• Forrester, J.W. (1961). Industrial Dynamics. MIT Press.
• Cachon, G. & Fisher, M. (2000). Supply Chain Inventory Management and the Value of Shared Information. Management Science, 46(8), 1032–1048.
• Fliedner, G. (2003). CPFR: an emerging supply chain tool. Industrial Management & Data Systems, 103(1), 14–21.
• ECR Europe. (2001). CPFR Best Practices Report. Brussels.