← Alle episoder
Spørretimen Forklart Lær noe nytt
Kommende

Bullwhip-effekten – hvorfor små svingninger i butikk blir store kriser i fabrikken

Ikke spilt inn ennå Programleder Jan Sindre Heltne

Hvorfor en liten endring i butikkhylla blir en stor svingning i fabrikken: bullwhip-effekten forklart, med bleiene som avslørte den, de fire årsakene, dopapiret i 2020 – og hva som faktisk demper den.

En butikk selger litt flere pakker enn vanlig én uke. Ikke mye – noen få prosent.

Fire ledd lenger opp står en fabrikk og bygger ut kapasitet, eller en leverandør sitter med et lager de ikke blir kvitt.

Det er bullwhip-effekten: bestillingene svinger mer enn salget, og svingningen blir større for hvert ledd oppover. Som en pisk, der en liten bevegelse i håndtaket blir et smell i tuppen.

Bleiene som avslørte den

Navnet kom på 1990-tallet, men fenomenet ble beskrevet allerede av Jay Forrester i Industrial Dynamics i 1961. Gjennombruddet kom med en artikkel av Hau Lee, V. Padmanabhan og Seungjin Whang i Management Science i 1997, og den åpner med et eksempel som er blitt stående.

Procter & Gamble fant at bleiebestillingene fra distributørene svingte mer enn forbruket kunne forklare.

Hvorfor det er et så godt eksempel: bleieforbruk er omtrent det mest forutsigbare som finnes. Antall babyer endrer seg ikke fra uke til uke, og en baby bruker omtrent like mange bleier hver dag.
Likevel svingte bestillingene kraftig. Variasjonen kom ikke fra markedet. Den ble skapt inne i forsyningskjeden selv.
Samme artikkel: hos Hewlett-Packard svingte forhandlernes bestillinger til skriverdivisjonen langt mer enn kundenes etterspørsel – og bestillingene videre til kretskortdivisjonen svingte enda mer.

Det siste er selve poenget. Det er ikke bare at svingningen finnes. Den vokser for hvert ledd du går oppover.

De fire årsakene

Artikkelen peker på fire kilder: demand signal processing, rationing game, order batching og price variations. Det viktigste ved dem er noe som overrasker: ingen av dem forutsetter at noen gjør en feil. Alle fire er rasjonelle valg for det enkelte leddet.

Fire årsaker, og hvordan de ser ut i praksis

ÅrsakSlik den ser ut i en butikkjede
Prognose på prognoseHvert ledd lager sin egen prognose ut fra bestillingene fra leddet under – ikke ut fra faktisk salg.
Bestilling i puljerMan bestiller hele paller eller hele biler, ikke det man solgte.
KampanjerPrisen svinger, og kjøpene flyttes i tid.
Spill om knapphetNår noe er utsolgt, bestiller alle mer enn de trenger for å få nok.
At alle fire er rasjonelle, er grunnen til at effekten er så vanskelig å bli kvitt. Du kan ikke fjerne den ved å be folk slutte å være dumme. Hvert ledd oppfører seg fornuftig ut fra det det ser – problemet er at det ikke ser nok.

Margin på margin

Den første årsaken er den mest undervurderte, og den lar seg regne på.

Hvert ledd legger på en sikkerhetsmargin for å unngå å gå tomt. Det er fornuftig. Problemet er at leddet over ikke ser salget – det ser bestillingen, som allerede inneholder marginen. Så legger det på sin egen.

Ti prosent ekstra, fire ganger

  1. Butikken selger 100Det faktiske forbruket. Det eneste ekte tallet i hele kjeden.
  2. Butikken bestiller 110Litt ekstra, i tilfelle det tar seg opp.
  3. Grossisten bestiller 121Ser 110, legger på ti prosent.
  4. Produsenten planlegger 133Ser 121, legger på ti prosent.
  5. Råvareleverandøren får 146Førtiseks prosent over det som faktisk ble solgt.
Regnestykket er 1,1 opphøyd i fire, altså 1,46. Ingen har gjort noe galt. Hvert ledd la på en helt forsvarlig margin. Men marginene ganges, de legges ikke sammen – og det er derfor forsterkningen blir så kraftig med bare noen få ledd. Og går salget ned igjen neste uke, går hele kjeden i revers med samme kraft.

Det er lett å tenke at ti prosent er lite. Skru på tallene under og se hva som skjer når marginen er liten, men kjeden er lang – og hva som skjer når du setter marginen til null.

Bullwhip-kalkulator

LeddBestillerMot faktisk salg
Faktisk salg100–
Ledd 1110+10,0 %
Ledd 2121+21,0 %
Ledd 3133+33,1 %
Ledd 4146+46,4 %

Øverste ledd bestiller 146 – 46,4 % over det som faktisk ble solgt.

To ting er verdt å prøve. Sett marginen til 5 prosent og antall ledd til 8: en margin ingen ville reagert på, gir likevel nesten femti prosent. Og sett marginen til null: da bestiller hvert ledd nøyaktig det som ble solgt. Det er ikke et regnetriks – det er hele poenget med å dele salgstall oppover i kjeden.

Bestillinger i hele paller

Den andre årsaken er fysisk, og den er innebygget i måten varer fraktes på.

En butikk som selger fire pakker om dagen, bestiller ikke fire pakker. Den bestiller en kartong, eller venter til den kan fylle en pall, fordi frakten koster det samme enten bilen er full eller halvfull.

Hva leverandøren ser

Det som skjer i butikken

Jevnt salg

  • Fire pakker mandag
  • Fire pakker tirsdag
  • Fire pakker onsdag
  • Helt forutsigbart

Det leverandøren ser

Null, null, hele pallen

  • Ingenting på flere dager
  • Så en stor bestilling
  • Så ingenting igjen
  • Ser ut som voldsom variasjon
Fra leverandørens side er dette umulig å skille fra ekte svingninger i etterspørselen. Og har mange butikker samme bestillingsdag, treffer alle puljene samtidig. Da får leverandøren en topp som ikke finnes i virkeligheten – den er laget av kalenderen, ikke av kundene.

Kampanjen som ser ut som etterspørsel

Den tredje årsaken er den mest gjenkjennelige i norsk dagligvare, og den er selvpåført.

Kampanjesyklusen

  1. 1KampanjePrisen settes ned. Salget skyter i været.
  2. 2Kundene hamstrerFolk kjøper tre pakker i stedet for én, fordi det lønner seg.
  3. 3Butikken fyller oppOg kjeden bestiller stort inn mot kampanjen.
  4. 4Etterpå: stillhetSkapene hjemme er fulle. Salget faller under normalt.
  5. 5Prognosen forvirresNeste kampanje planlegges ut fra tall som inneholder forrige kampanje.
Det avgjørende er at en kampanje sjelden skaper nytt forbruk. Ingen spiser mer knekkebrød fordi det var på tilbud – de kjøper det de uansett ville kjøpt, bare tidligere og billigere. Toppen er altså flytting av kjøp i tid, ikke vekst. Men i salgstallene ser de to helt like ut, og det er der prognosen ryker.

Spillet om knapphet

Den fjerde årsaken er den som gjør kriser verre, og den er den mest menneskelige.

Når noe er i ferd med å bli utsolgt, og leverandøren begynner å fordele det som finnes, lønner det seg å bestille mer enn du trenger. Får du bare halvparten av det du ber om, ber du om det dobbelte.

Dopapiret i 2020 er skolebokeksempelet, og det handlet ikke om at noen gikk tom for papir.

Det som faktisk endret seg: folk var hjemme hele døgnet i stedet for på jobb og skole. Forbruket flyttet seg fra storpakninger på arbeidsplasser til vanlige pakker i butikk. Samlet forbruk endret seg lite.
Det som utløste smellet: tomme hyller ble filmet og delt. Folk kjøpte to pakker i stedet for én. Butikkene bestilte ekstra. Kjedene bestilte ekstra på toppen.
Hvorfor det er bullwhip og ikke bare panikk: hvert ledd reagerte på bestillingene fra leddet under, ikke på forbruket. Og bestillingene inneholdt allerede alle de andres frykt.
Og baksiden: da det roet seg, satt kjedene med lager de ikke ble kvitt, fordi kundene hadde fulle skap.

Det samme mønsteret gjentok seg med halvledere i årene etter: bilprodusenter kuttet bestillinger da pandemien startet, og da etterspørselen tok seg opp igjen, sto de bakerst i køen – og bestilte da mer enn de trengte for å sikre seg.

Hva som faktisk demper den

Her er den viktigste innsikten, og den går på tvers av hva man skulle tro.

To måter å møte problemet på

Virker dårlig

Gjett bedre i hvert ledd

  • Bedre prognosemodell hos hver enkelt
  • Større sikkerhetslager for å tåle svingningen
  • Flinkere innkjøpere
  • Problemet: alle gjetter fortsatt på feil tall

Virker

Del det ekte tallet

  • Kassadata deles oppover i kjeden
  • Alle planlegger mot faktisk salg, ikke mot bestillinger
  • Mindre og hyppigere leveranser i stedet for store puljer
  • Jevne priser framfor store kampanjer
  • Fordeling etter historisk salg, så det ikke lønner seg å overbestille
Poenget er at bullwhip ikke er et prognoseproblem. Det er et informasjonsproblem. Så lenge hvert ledd bare ser bestillingen fra leddet under, planlegger de mot et tall som allerede er forvrengt – og da hjelper det ikke hvor god modellen er. Walmart er det mest kjente eksempelet på det motsatte: å dele kassadata oppover med leverandørene, slik at alle ser det samme.

Koblingen til lean

Til slutt en nyanse som er verdt å ha med, fordi de to temaene henger tett sammen.

Lean fjerner lager med vilje, for at problemer skal bli synlige. Bullwhip-effekten er nettopp et problem som blir mer smertefullt når bufferne er borte: uten lager forplanter en falsk topp seg umiddelbart gjennom hele kjeden.

Det er ikke et argument mot lean. Men det forklarer hvorfor lean og delt informasjon må komme sammen. Fjerner du lageret uten å dele tallene, har du fjernet støtdemperen og beholdt humpene.

Hva som er verdt å ta med

At bullwhip-effekten er at bestillingene svinger mer enn salget, og at svingningen vokser for hvert ledd oppover.

At Procter & Gamble oppdaget den på bleier – det mest forutsigbare produktet som finnes.

At de fire årsakene alle er rasjonelle, og at det er derfor effekten er så seiglivet.

At sikkerhetsmarginer ganges sammen, ikke legges sammen.

At en kampanjetopp er flytting av kjøp i tid, ikke ny etterspørsel.

Og at løsningen ikke er å gjette bedre, men å dele det ekte tallet.

Framstillingen bygger på Lee, Padmanabhan og Whangs artikkel i Management Science fra 1997, der Procter & Gamble- og Hewlett-Packard-eksemplene og de fire årsakene er hentet fra. Regneeksemplet med ti prosent er en illustrasjon, ikke tall fra en bestemt kjede.

Hovedtemaer

  • Hva effekten er, og hvor navnet kommer fra
  • Bleiene som avslørte den
  • De fire årsakene
  • Sikkerhetsmargin på toppen av sikkerhetsmargin
  • Bestillinger i hele paller
  • Kampanjen som ser ut som etterspørsel
  • Å bestille mer enn du trenger, fordi alle andre gjør det
  • Hva som faktisk demper den

Spørsmål episoden besvarer

  • Hva er bullwhip-effekten?
  • Hvorfor blir svingningene større lenger opp i kjeden?
  • Hva var Procter & Gamble-eksempelet?
  • Hvorfor forsterker kampanjer effekten?
  • Hva skjedde med dopapir i 2020?
  • Hvordan kan man dempe effekten?
  • Hva har dette med lean å gjøre?

Hovedpunkter

  • Bullwhip-effekten er at bestillingene svinger mer enn salget, og at svingningen vokser oppover i kjeden.
  • Procter & Gamble fant at bleiebestillingene svingte mer enn babyene kunne forklare.
  • Lee, Padmanabhan og Whang pekte på fire årsaker – og alle fire er rasjonelle valg.
  • Hvert ledd legger på sin egen sikkerhetsmargin, og marginene ganges sammen.
  • Kampanjer skaper et etterspørselstopp som er flytting av kjøp, ikke nytt forbruk.
  • Ved knapphet bestiller alle mer enn de trenger, og gjør knappheten verre.
  • Det som demper effekten er delt informasjon, ikke bedre gjetting i hvert ledd.
Se manus og spørsmål Spørsmålene og disposisjonen for episoden. Svar legges inn etter hvert.

Dette er manuset, skrevet før innspilling. Teksten under er det som skal sies, og linjene i kursiv er regianvisninger – de leses ikke opp. Når episoden er spilt inn, erstattes denne teksten av det som faktisk ble sagt.

Lengde: regn omtrent 14–16 minutter.

Denne episoden har én setning som bærer alt: ingen har gjort noe galt. Kom tilbake til den tre ganger – i åpningen, etter regnestykket, og i oppsummeringen.

Åpningen

(Rett på sak. Tallene kommer først, forklaringen etterpå.)

En butikk selger hundre enheter i uka.

Lenger oppe i kjeden, hos råvareleverandøren, kommer det inn en bestilling på hundre og førtiseks.

Ingen har løyet. Ingen har regnet feil. Ingen har gjort noe som helst galt.

Likevel har tallet vokst med nesten femti prosent på veien.

Det heter bullwhip-effekten, og i dag skal vi se på hvorfor den oppstår, hvorfor den er så vanskelig å bli kvitt – og hva som faktisk virker mot den.

Bleiene

(Grafikk: P&G-eksempelet. Hold på bleiepoenget – det er det som gjør historien god.)

Navnet kom på nittitallet, men fenomenet ble beskrevet allerede av Jay Forrester i 1961.

Gjennombruddet kom med en artikkel av Hau Lee, V. Padmanabhan og Seungjin Whang i Management Science i 1997. Og den åpner med et eksempel som er blitt stående.

Procter & Gamble oppdaget at bestillingene på bleier fra distributørene svingte langt mer enn forbruket kunne forklare.

(Her er poenget. La det få plass.)

Og tenk et øyeblikk på hvorfor akkurat bleier er et så godt eksempel.

Bleieforbruk er omtrent det mest forutsigbare som finnes. Antall babyer endrer seg ikke fra uke til uke. En baby bruker omtrent like mange bleier hver dag. Det er ingen sesong, ingen mote, ingen impulskjøp.

Likevel svingte bestillingene kraftig.

Variasjonen kom altså ikke fra markedet. Den ble skapt inne i forsyningskjeden selv.

Samme artikkel beskriver det samme hos Hewlett-Packard: forhandlernes bestillinger til skriverdivisjonen svingte mer enn kundenes etterspørsel – og bestillingene videre til kretskortdivisjonen svingte enda mer.

(Dette er navnet på effekten, forklart.)

Og det siste er selve poenget. Det er ikke bare at svingningen finnes. Den vokser for hvert ledd du går oppover. Som en pisk: en liten bevegelse i håndtaket blir en stor bevegelse i enden.

De fire årsakene

(Grafikk: tabellen med de fire. Gå gjennom dem raskt – de utdypes etterpå.)

Artikkelen peker på fire kilder.

Prognose på prognose. Hvert ledd lager sin egen prognose ut fra bestillingene fra leddet under – ikke ut fra faktisk salg.

Bestilling i puljer. Man bestiller hele paller eller hele biler, ikke det man solgte.

Kampanjer. Prisen svinger, og kjøpene flyttes i tid.

Spill om knapphet. Når noe er utsolgt, bestiller alle mer enn de trenger for å få nok.

(Den viktigste setningen i hele episoden. Si den rolig.)

Og her er det som overrasker: ingen av de fire forutsetter at noen gjør en feil.

Alle fire er rasjonelle valg for det enkelte leddet.

Det er grunnen til at effekten er så seiglivet. Du kan ikke fjerne den ved å be folk slutte å være dumme. Hvert ledd oppfører seg fornuftig ut fra det det ser.

Problemet er at det ikke ser nok.

Margin på margin

(Grafikk: trappen 100 → 110 → 121 → 133 → 146, bygget opp ledd for ledd. Ikke vis hele med én gang.)

La oss ta den første årsaken, for den lar seg regne på.

Hvert ledd legger på en sikkerhetsmargin for å unngå å gå tomt. Det er fornuftig.

Problemet er at leddet over ikke ser salget. Det ser bestillingen – som allerede inneholder marginen. Og så legger det på sin egen.

(Bygg opp tallene ett for ett.)

Butikken selger hundre. Det er det faktiske forbruket – det eneste ekte tallet i hele kjeden.

Butikken bestiller hundre og ti. Litt ekstra, i tilfelle det tar seg opp.

Grossisten ser hundre og ti, og legger på ti prosent. Hundre og tjueen.

Produsenten ser hundre og tjueen, og legger på ti prosent. Hundre og trettitre.

Råvareleverandøren får hundre og førtiseks.

(Pause. Så forklaringen.)

Regnestykket er 1,1 opphøyd i fjerde. 1,46.

Og her er grunnen til at det blir så kraftig: marginene ganges. De legges ikke sammen. Fire ledd med ti prosent hver blir ikke førti prosent – det blir førtiseks.

Ingen har gjort noe galt. Hvert ledd la på en helt forsvarlig margin.

(Nevn at tallet er en illustrasjon.)

Og for ordens skyld: de ti prosentene er en illustrasjon, ikke tall fra en bestemt kjede. Poenget er formen på regnestykket, ikke størrelsen.

En ting til, som er lett å glemme: går salget ned igjen neste uke, går hele kjeden i revers med samme kraft.

Kalkulatoren

(Her kan du nevne verktøyet midtveis i stedet for bare til slutt – det er sterkest når det brukes til å vise null-marginen.)

På nettsiden ligger det en kalkulator der du kan skru på dette selv.

To ting er verdt å prøve.

Sett marginen til fem prosent og antall ledd til åtte. En margin ingen ville reagert på gir likevel nesten femti prosent, fordi kjeden er lang.

Og sett marginen til null. Da bestiller hvert eneste ledd nøyaktig det som ble solgt.

(Dette er broen til løsningen senere i episoden.)

Det siste er ikke et regnetriks. Det er hele poenget, og vi kommer tilbake til det.

De tre andre årsakene

(Grafikk: pallebestilling – jevnt salg mot det leverandøren ser.)

Kort om de tre andre.

Bestilling i puljer. En butikk som selger fire pakker om dagen, bestiller ikke fire pakker. Den bestiller en kartong, eller venter til den kan fylle en pall, fordi frakten koster det samme enten bilen er full eller halvfull.

Fra leverandørens side ser det ut som: ingenting, ingenting, ingenting, og så en stor bestilling. Det er umulig å skille fra ekte svingninger i etterspørselen.

Og har mange butikker samme bestillingsdag, treffer alle puljene samtidig. Da får leverandøren en topp som ikke finnes i virkeligheten – den er laget av kalenderen, ikke av kundene.

Kampanjer. En kampanjetopp ser ut som etterspørsel, men er som regel flytting av kjøp i tid. Folk kjøper det de uansett skulle kjøpt, bare tidligere og mer av gangen. Etterpå kommer et tilsvarende hull.

Spill om knapphet. Når noe er utsolgt og leverandøren fordeler det som finnes, lønner det seg å bestille mer enn du trenger. Alle gjør det. Og da ser etterspørselen enda større ut enn den er.

Det mønsteret gjentok seg med halvledere: bilprodusenter kuttet bestillinger da pandemien startet, og da etterspørselen tok seg opp igjen sto de bakerst i køen – og bestilte da mer enn de trengte for å sikre seg.

Hva som faktisk virker

(Grafikk: virker dårlig mot virker, side om side. Dette er episodens konklusjon.)

Og så til det viktigste, som går på tvers av hva man skulle tro.

Det som ikke virker særlig godt: bedre prognosemodeller i hvert ledd. Større sikkerhetslager for å tåle svingningen. Flinkere innkjøpere.

Problemet er at alle fortsatt gjetter på feil tall.

(Pause.)

Det som virker, er å dele det ekte tallet.

Kassadata deles oppover i kjeden, slik at alle planlegger mot faktisk salg og ikke mot bestillinger. Mindre og hyppigere leveranser i stedet for store puljer. Jevnere priser framfor store kampanjer. Og fordeling etter historisk salg, så det ikke lønner seg å overbestille når det er knapphet.

(Si denne tydelig – det er oppsummeringen av hele episoden.)

For bullwhip er ikke et prognoseproblem. Det er et informasjonsproblem.

Så lenge hvert ledd bare ser bestillingen fra leddet under, planlegger de mot et tall som allerede er forvrengt. Og da hjelper det ikke hvor god modellen er.

Walmart er det mest kjente eksempelet på det motsatte: å dele kassadata oppover med leverandørene, slik at alle ser det samme.

Koblingen til lean

(Kort. Dette er en nyanse, ikke en ny del.)

Til slutt en nyanse som er verdt å ha med.

Lean fjerner lager med vilje, for at problemer skal bli synlige. Og bullwhip-effekten er nettopp et problem som blir mer smertefullt når bufferne er borte: uten lager forplanter en falsk topp seg umiddelbart gjennom hele kjeden.

Det er ikke et argument mot lean.

Men det forklarer hvorfor lean og delt informasjon må komme sammen. Fjerner du lageret uten å dele tallene, har du fjernet støtdemperen og beholdt humpene.

Oppsummering

(Grafikk: punktene.)

Seks ting å ta med seg.

At bullwhip-effekten er at bestillingene svinger mer enn salget, og at svingningen vokser for hvert ledd oppover.

At Procter & Gamble oppdaget den på bleier – det mest forutsigbare produktet som finnes.

At de fire årsakene alle er rasjonelle, og at det er derfor effekten er så seiglivet.

At sikkerhetsmarginer ganges sammen, ikke legges sammen.

At en kampanjetopp er flytting av kjøp i tid, ikke ny etterspørsel.

Og at løsningen ikke er å gjette bedre, men å dele det ekte tallet.

Avslutningen

(Tilbake til kalkulatoren, og til åpningssetningen.)

Hvis du vil se dette med dine egne tall, ligger kalkulatoren på sporretimen.no. Skru på marginen, skru på antall ledd, og se hva som skjer.

Og sett den til null én gang. Da står hele kjeden stille på hundre.

Det er forskjellen mellom å gjette bedre og å vite.

(Sluttkort.)

Kilder og referanser

AI brukes som verktøy i arbeidet med tekstene her, og alt blir lest gjennom før det publiseres. Feil kan likevel forekomme.

Oppdaget en feil? Send oss gjerne en e-post på post@sporretimen.no. Slik jobber vi .

Vil du høre denne?

Denne episoden er ikke spilt inn ennå. Si fra om du vil høre den, så vet vi hva som bør komme først.