问题

如今，需求波动和牛鞭效应问题比以往更具挑战性。在COVID-19大流行期间，汽车需求大幅下降，导致库存过多。汽车需求下降是因为人们在家工作且通勤时间减少。后来市场反弹，需求增加恰逢全球电脑微芯片短缺。

在下图中，您可以看到全球经济增长与半导体市场增长之间的相关性。2008-2009年，由于全球危机和经济下滑，对半导体的需求急剧下降。然而，在2009-2010年，经济增长复苏，这立即影响了半导体市场。这很好地说明了牛鞭效应是如何发挥作用的，以及为什么它是该行业的主要关注点。

2020年，在冠状病毒危机期间，半导体市场的增长不再跟随全球经济增长，也没有发生如此巨大的变化。尽管如此，波动性依然存在，减少牛鞭效应对于提高盈利能力具有巨大潜力。

解决方案

与2012年的项目相比，Infineon的供应链工程师决定应用系统动力学工具来研究牛鞭效应。他们想将新结果与他们2012年的研究结果进行比较。简而言之，工程师们想从稍微不同的角度来看待同一个问题。系统动力学主要用于宏观层面，其中一般模式比小细节更重要。使用系统动力学工具有助于应用系统思维来识别反馈问题、理解基本问题并查看其症状。

工程师有三个主要目标：

1. 模拟汽车半导体供应链从COVID-19危机中需求的复苏。
2. 了解牛鞭效应对不同终端市场复苏情景的影响。
3. 提供评估协作工作和习惯的工具。

为了实现他们的目标，工程师们完成了四项关键任务：

1. 终端市场需求复苏场景识别：U型、V型、L型等。
2. 在AnyLogic中创建系统动力学供应链模型。
3. 使用历史数据测试模型。
4. 敏感性分析，看看哪些参数对结果的影响最大。

终端到终端的半导体供应链结构如下图所示：

从右到左，该结构包含四个梯队，每个梯队描述了供应链的一个成员：

1. 第一梯队：OEM（原始设备制造商）
2. 第二梯队：一级供应商
3. 第三梯队：二级供应商
4. 第四梯队：半导体供应商

所有这些梯队都是在全球汇总的层面上，也就是说，OEM代表了全球层面的所有原始设备制造商，半导体制造商描述了全球所有的半导体制造商，等等。如上图所示，这条供应链的信息流向上游传播，而产品的物理流向供应链下游传播。

四个梯队在仿真模型中被专门建模。每个梯队在输出到下一级之前将输入通过几个控制回路。不同的梯队对相同的组件有不同的参数，包括预测、产能、在制品、库存、积压和供应线管理。

在这个供应链模型中，我们假设半导体供应商的储备是无限的，因为它们是由硅供应商保证的。

每个梯队的系统动力学的基本结构有几个循环：

对于供应链模型的数据输入，工程师使用了历史数据。这为模型验证和场景测试提供了基础。

轻型汽车销量在危机期间面临严重下滑，而每辆汽车的电动含量则逐渐增长。这两个因素都会显着影响半导体市场的需求。

端到端供应链模型有一个仿真仪表板，用于在进行场景分析时选择不同的场景以及各种不同参数的变化：

结果

在供应链模型结果中，我们可以看到需求下降将如何影响其他参数。

在大流行期间半导体需求暴跌后，由于终端市场需求复苏，订单迅速反弹。

1. 仿真模型的结果显示，轻型汽车销售终端市场的变化明显放大。供应链越上游，危机期间收到的需求信号下降幅度越大。
2. 终端市场需求回暖阶段，需求增幅呈高放大率。与二级市场相比，半导体梯队的新需求超过终端市场需求约40%，增幅翻倍。

由于循环时间长和恢复期间的高需求，库存恢复具有挑战性–导致半导体短缺。

1. 下游供应链合作伙伴取消订单，半导体梯队库存上升。由于周期时间长，半导体梯队的库存无法灵活处理。
2. 在危机的复苏阶段，半导体梯队的库存水平不足。由于产能限制和下游梯队的高需求，库存水平只能缓慢恢复。

不同梯队和参数的敏感性分析表明了提高整体供应链绩效的未来方向。不同的行为参数对二级供应商的积压水平有不同的影响，因此，整个供应链的芯片短缺。信息流中的更新和更短的时间延迟降低了积压水平。

通过测试和分析，Infineon的供应链工程师获得了多种见解：

• 供应链中需求放大和波动的幅度因复苏情景和各个梯队的行为参数而异。
• 供应链的上游成员受中断影响最大，恢复平衡可能持续更长时间。需求下降期间的反应会影响应对需求恢复的能力。
• 协作和信任对于掌握牛鞭效应很重要。在订购行为、库存覆盖率和交货时间方面的沟通可以改善这种情况。
• 在Infineon，已开发出VMI KPI改进概念，以更深入地了解下游/上游根本原因。