营销过程中的需求变异放大现象被通俗地称为“牛鞭效应”，其主要是指供应链上的信息流从最终客户向原始供应商端传递时候，由于无法有效地实现信息的共享，使得信息扭曲而逐渐放大，导致了需求信息出现越来越大的波动。“牛鞭效应”是市场营销中普遍存在的高风险现象，是销售商与供应商在需求预测修正、订货批量决策、价格波动、短缺博弈、库存责任失衡和应付环境变异等方面博弈的结果，增大了供应商的生产、供应、库存管理和市场营销的不稳定性。“牛鞭效应”非常类似控制理论当中非线性动力系统中常称的“蝴蝶效应”，可以认为这是从一个问题的不同角度进行描述，都是说初始条件十分微小的变化经过不断放大，对其未来状态会造成极其巨大的差别。有些小事可以基本忽略，但有些小事如经系统放大，则对一个组织、一个国家来说是很重要的，就不能忽略了。

以物流、资金流以及信息流的传递为特性的供应链系统中普遍存在管理、决策等控制问题。在供应链系统中的生产、运输、库存以及客户满意度等环节，有效的供应链动态管理，对于需求波动、前置延迟时间、销售预测以及相应的对供应链中需求传递和放大效应的形象描述“牛鞭效应”等问题可实现有效的改进。

自1958年Forrester提出采用系统动力学方法对供应链管理系统进行分析以来，各种控制理论、相关的数学方法以及计算机技术被广泛应用到供应链管理的库存管理、需求放大、信息可视化等各个方面。其中Towill DR（1982）首次以框图形式建立了基于生产的库存与订单控制系统传递模型，明确了控制理论中输入、输出、状态变量等术语与供应链管理系统变量的对应关系，以及反馈、前馈等概念在供应链控制中的作用。虽然，此文献进行了较多的假设与简化，其实际应用性能受限，但为后续采用控制理论对供应链进行定量分析与设计奠定了基础。

Towill DR（1996）与Disney SM（2003）则分别论述了如何采用工业控制中的原则对供应链进行的动态建模及控制设计，并将控制理论中的上升时间、调整时间、最大超调量以及ITAE（Integrated Time and Absolute Error）等性能指标引入供应链系统，用于定量评价调控效果。这样，就实现了将供应链这类复杂社会经济系统，归并为一个控制理论应用研究领域中了。

Edgar Perea（2000）将经典控制理论中的普遍使用的控制规律应用到供应链管理中，基于对信息流和物流建立起来的供应链动态Matlab模型、仿真考察了在阶跃变化及周期变化条件下，系统的客户满意度、费用、库存波动等指标，指出为动态供应链设计控制规则类似于设计一个系统决策过程。结果谁与实际应用有差别，但对于未来为供应链系统管理寻求优化决策提供了有价值的洞察力。(www.daowen.com)

徐保收等及汪全龙（2007）皆分别针对牛鞭效应（有时也称长鞭效应），考察分析了将工业中普遍使用的PID控制器移植到供应链管理中的方法，并进行了仿真分析，不仅为系统抑制牛鞭效应的控制策略提供了借鉴，而且拓展了PID这一无须精确数学模型控制器的应用领域。

刘会新、Agaran Berrin等（2007）也是分别不约而同提出将现代控制理论引入供应链管理系统的研究领域，建立了系统的状态空间模型，以便更好地设计高性能的控制器。在考虑到约束条件的限制条件下，对系统的稳定性以及优化切换性能进行了分析，揭示了供应链系统的复杂动态特性。

1958年最初在Dartmouth学会上提出的人工智能理论的不断发展，并显示出强大的问题求解能力。近年来在供应量管理中也有应用。赵建华等人（2007）针对供应链问题所涉及的数通常是模糊数这一局限性，在模糊条件下建立模型，当模糊变量是三角模糊数时，利用遗传算法给出了相应模型的优化算法，解决了一类供应链批量生产计划问题；黄小原等人（2001）基于供应链的复杂非线性特性，建立了一个含有线性状态方程和神经网络模型的供应链动态模型，并导出系统的神经网络控制方案，结合实际研究应用背景进行了仿真研究。此外，群智能方法在供应链管理中也开始了应用探索。