啤酒游戏及其牛鞭效应的vensim模拟.docx
《啤酒游戏及其牛鞭效应的vensim模拟.docx》由会员分享，可在线阅读，更多相关《啤酒游戏及其牛鞭效应的vensim模拟.docx（10页珍藏版）》请在冰豆网上搜索。
啤酒游戏及其牛鞭效应的vensim模拟
三级模式
啤酒游戏：
该游戏是由麻省理工学院斯隆管理学院在20世纪60年代创立的库存管理策略游戏，该游戏形象地反映出牛鞭效应的存在及影响。
几十年来，游戏的参加者成千上万，但游戏总是产生类似的结果。
因此游戏产生恶劣结果的原因必定超出个人因素,这些原因必定是藏在游戏本身的结构里。
在游戏中，零售商通过向某一批发商订货，来响应顾客要求购买的啤酒订单，批发商通过向生产啤酒的工厂订货来响应这个订单。
该实验分成三组，分别扮演零售经理、批发经理和工厂经理。
每一组都以最优的方式管理库存，准确订货以使利润最大化。
案例介绍：
此案例主要是通过模拟啤酒游戏来仿真供应链中的牛鞭效应，从为改善牛鞭效应来提供帮助。
首先假设啤酒游戏中包含零售商、批发商、供应商三个成员。
同时对游戏中的参数进行如下假设：
市场对啤酒的前4周的需求率为1000周/箱，在5周时开始随机波动，波动幅度为±200，均值为0，波动次数为100次，随机因子为4个。
假设各节点初始库存和期望库存为3000箱，期望库存持续时间为3周，库存调整时间为4周，移动平均时间为5周，生产延迟时间和运输延迟时间均为3周，不存在订单延迟。
仿真时间为0～200周，仿真步长为1周。
期望库存等于期望库存持续时间和各节点的销售预测之积。
（01）FINALTIME=100
Units:
Month
Thefinaltimeforthesimulation.
（02）INITIALTIME=0
Units:
Month
Theinitialtimeforthesimulation.
（03）SAVEPER=
TIMESTEP
Units:
Month[0,?
]
Thefrequencywithwhichoutputisstored.
（04）TIMESTEP=1
Units:
Month[0,?
]
Thetimestepforthesimulation.
（05）市场需求率=
1000+ifthenelse（Time>4,randomnormal（-200,200,0,100,4）,0）
Units:
**undefined**
（06）库存调整时间=
4
Units:
**undefined**
（07）批发商发货率=
delay3（零售商订单,运输延迟）
Units:
**undefined**
（08）批发商库存=INTEG（
生产商发货率-批发商发货率,
3000）
Units:
**undefined**
（09）批发商期望库存=
批发商销售预测*期望库存覆盖时间
Units:
**undefined**
（10）批发商订单=
max（0,批发商销售预测+（批发商期望库存-批发商库存）/库存调整时间
）
Units:
**undefined**
（11）批发商销售预测=
smooth（批发商发货率,移动平均时间）
Units:
**undefined**
（12）期望库存覆盖时间=
3
Units:
**undefined**
（13）生产商发货率=
delay3（批发商订单,运输延迟）
Units:
**undefined**
（14）生产商库存=INTEG（
生产商生产率-生产商发货率,
3000）
Units:
**undefined**
（15）生产商期望库存=
期望库存覆盖时间*生产商销售预测
Units:
**undefined**
（16）生产商生产率=
delay3（生产商生产需求,生产延迟）
Units:
**undefined**
（17）生产商生产需求=
max（0,生产商销售预测+（生产商期望库存-生产商库存）/库存调整时间
）
Units:
**undefined**
（18）生产商销售预测=
smooth（生产商发货率,移动平均时间）
Units:
**undefined**
（19）生产延迟=
3
Units:
**undefined**
（20）移动平均时间=
5
Units:
**undefined**
（21）运输延迟=
3
Units:
**undefined**
（22）零售商库存=INTEG（
批发商发货率-市场需求率,
3000）
Units:
**undefined**
（23）零售商期望库存=
期望库存覆盖时间*零售商销售预测
Units:
**undefined**
（24）零售商订单=
max（0,零售商销售预测+（零售商期望库存-零售商库存）/库存调整时间
）
Units:
**undefined**
（25）零售商销售预测=
smooth（市场需求率,移动平均时间）
Units:
**undefined**
运行结果，可以看到牛鞭效应明显。
订单变化情况如图.
将三级模式更改为2级模式
，即只存在生产商和零售商，如下：
（01）FINALTIME=100
Units:
Month
Thefinaltimeforthesimulation.
（02）INITIALTIME=0
Units:
Month
Theinitialtimeforthesimulation.
（03）SAVEPER=
TIMESTEP
Units:
Month[0,?
]
Thefrequencywithwhichoutputisstored.
（04）TIMESTEP=1
Units:
Month[0,?
]
Thetimestepforthesimulation.
（05）市场需求率=
1000+ifthenelse（Time>4,randomnormal（-200,200,0,100,4）,0）
Units:
**undefined**
（06）库存期望覆盖时间=
3
Units:
**undefined**
（07）库存调整时间=
4
Units:
**undefined**
（08）生产商发货率=
delay3（零售商订单,运输延迟）
Units:
**undefined**
（09）生产商库存=INTEG（
生产商生产率-生产商发货率,
3000）
Units:
**undefined**
（10）生产商期望库存=
库存期望覆盖时间*生产商销售预测
Units:
**undefined**
（11）生产商生产率=
delay3（生产商生产需求,生成延迟）
Units:
**undefined**
（12）生产商生产需求=
max（0,生产商销售预测+（生产商期望库存-生产商库存）/库存调整时间
）
Units:
**undefined**
（13）生产商销售预测=
smooth（生产商发货率,移动平均时间）
Units:
**undefined**
（14）生成延迟=
3
Units:
**undefined**
（15）移动平均时间=
5
Units:
**undefined**
（16）运输延迟=
3
Units:
**undefined**
（17）零售商库存=INTEG（
生产商发货率-市场需求率,
3000）
Units:
**undefined**
（18）零售商期望库存=
库存期望覆盖时间*零售商销售预测
Units:
**undefined**
（19）零售商订单=
max（0,零售商销售预测+（零售商期望库存-零售商库存）/库存调整时间
）
Units:
**undefined**
（20）零售商销售预测=
smooth（市场需求率,移动平均时间）
Units:
**undefined**
库存情况如下：
订单情况如下；
从图可以看出，此时的波动要小于三级模式（存在制造商、批发商、零售商）时的牛鞭效应。
升级会员 