啤酒实验.docx
《啤酒实验.docx》由会员分享，可在线阅读，更多相关《啤酒实验.docx（14页珍藏版）》请在冰豆网上搜索。
啤酒实验
角色：
批发商
姓名：
连星星
学号：
20090770209
专业：
物流管理
3批发商游戏总结
3.1决策模式及参数设置
3.1.1决策模型:
1）游戏模型：
Sterman游戏决策模型
每周期实际订货量用
表示，
（1）
其中，
为每周的计算订货量。
的计算公式为：
（2）
2）式中，
为t周期的需求预测值，
为t周期对实际库存的调整值，
为t周期对在途库存的调整值。
和
分别由公式（3）（4）表示。
（3）
其中
。
和
分别为第t周期的期望库存水平和实际库存水平，
表明希望t周期的期望库存水平能够满足
倍的t周期需求预测值。
（4）
其中
。
和
分别为第t周期的期望在途库存水平和实际在途库存水平，
表明希望t周期的期望库存水平能够满足
倍的t周期需求预测值。
在实验中，
和
可以按照上述方式设置，也跟自行设定。
这样一个订货决策体现了对于在途库存的控制。
3.1.2参数设置:
考虑到期望库存水平应该尽量小，以及在途库存水平稍大，上述的决策模型中涉及到的参数设置如下：
α=0.2β=0.3
γ=0.8δ=0.2
3.1.3实验前提与假设：
（1）主营某品牌啤酒，有1个固定的客户（零售商）；
（2）以箱数为单位进行定发货；
（3）游戏开始时库存12箱啤酒，并有两个分别为两周前和一周前定下的包含4箱啤酒的订单。
（4）每周零售商向你订货一次，订购后2周货才可送到。
比如，零售商第3周订的货，将会在第5周送到；
（5）每周向分销商订货一次，订单平均需时3周，即在你订购后大约2周货才可送到;
（6）与零售商、分销商间联系仅仅是通过订单、送货单;
（7）每次发货量不得大于订单量加累计欠货量.
3.1.4实验用的的公式
1.第T周的欠货量（零售商）=第T周的零售商订单总量－第T周的本期发货总量，
F（T）=A（T）-B（T）
2.第T周的累计欠货量（欠零售商）=第T-1周的累计欠货量（零售商）+第T周的本期欠货量（零售商），D（T）=D（T-1）+F（T）
3.第T周的分销商累计欠货量=第T-1周的分销商累计欠货量+第T周的分销商本期欠货量，H（T）=H（T-1）+G（T）
4.第T周的分销商本期欠货量=第T-2周的订货量-第T周的到货量
5.第T周的期初库存量=第T-1周的期末库存量，E（T）=I（T-1）
6.第T周的期末库存量=第T周的期初库存量+第T周的制造商送货量－第T周的本期发货总量，I（T）=E（T）+F（T）-B（T）
7.第T周的费用额＝第T周累计欠货量（零售商）×2+第T周期末库存量×1，
L（T）=D（T）×2+I（T）×1
8.第T+1周的需求测量量=第0周累计到第T周的实际需求量的平均值。
3.2游戏过程分析
3.2.1实验步骤：
1）根据前几期的需求量和下期需求与测量的公式，得出本期的需求预测
2）根据本期的需求预测，和决策模型的公式，得出本期订货量
3）把本期订货量写成订单交给我的下游，也就是分销商
4）拿到上游零售商的订单，根据自己的期末库存发货，并给出发货单
5）接收分销商的供货，并算出自己的期末库存和库存成本
6）循环上述过程
批发商情况总表：
周次
T
本期需求量A
期初库存量
E
本期发货量
B
本期欠货量
C
累计欠货量
D
本期收货量
F
分销商本期欠货量G
分销商累计欠货量
H
期末库存量
I
下期需求预测量
J
本期订货量
K
本期总费用
L
0
4
12
4
0
0
4
0
0
12
4
4
12
1
4
12
4
0
0
4
0
0
12
4
2
12
2
1
12
1
0
0
4
0
0
15
4
2
15
3
4
15
4
0
0
2
0
0
13
3
1
13
4
3
13
3
0
0
2
0
0
12
3
2
12
5
3
12
3
0
0
1
0
0
10
3
2
10
6
10
10
10
0
0
2
0
0
2
3
3
2
7
5
2
2
3
3
2
0
0
2
5
10
8
8
2
2
2
0
3
3
0
0
3
5
8
9
9
3
3
3
0
3
10
0
0
10
5
3
16
10
5
10
8
0
0
8
0
0
10
4
3
10
11
5
10
5
0
0
3
0
0
8
5
2
8
12
3
8
3
0
0
3
0
0
8
5
2
8
13
6
8
6
0
0
2
0
0
4
4
3
4
14
6
4
4
2
2
2
0
0
2
5
4
6
15
5
2
2
3
5
3
0
0
3
6
4
13
16
4
3
3
1
6
4
0
0
4
6
4
16
17
4
4
4
0
6
4
0
0
4
5
3
16
18
4
4
4
0
6
4
0
0
4
5
5
16
19
5
4
4
1
7
3
0
0
3
5
5
17
20
4
3
3
1
8
5
0
0
5
6
5
21
21
5
5
5
0
8
2
3
3
2
5
7
18
22
4
2
2
2
10
4
1
4
4
5
6
24
23
5
4
4
1
11
5
2
6
5
5
5
27
24
4
5
5
0
10
6
0
6
6
5
3
26
25
3
6
6
0
7
6
0
5
6
5
5
20
26
2
6
6
0
3
5
0
3
5
4
3
11
27
3
5
5
0
1
7
0
1
7
4
1
9
28
2
7
3
0
0
4
0
0
8
3
0
8
29
3
8
3
0
0
1
0
0
3
3
0
6
我作为批发商的费用总额为：
393元
3.3游戏结果分析
3.3.1需求与预测的关系：
需求量与订货量时间序列汇总图：
周期T
本期需求量A
本期订货量K
0
4
4
1
4
2
2
1
2
3
4
1
4
3
2
5
3
2
6
10
3
7
5
10
8
2
8
9
3
3
10
5
3
11
5
2
12
3
2
13
6
3
14
6
4
15
5
4
16
4
4
17
4
3
18
4
5
19
5
5
20
4
5
21
5
7
22
4
6
23
5
5
24
4
3
25
3
5
26
2
3
27
3
1
28
2
0
29
3
0
订货量的需求曲线图：
而订货量的曲线则为：
对比分析：
由上表和上图可看出，实验前期的时候，由于有库12个库存，故订货量不是很大，很大部分是依靠库存发货的，前期库存消耗的差不多的时候，一般订货量会大于需求量，这是由于信息不完全，市场变化不规律，预测不准确造成的，由于第六周需求量突然增大，造成供给跟不上需求，产生库存不足，各环节都出现缺货的现象，上述情况的发生在传统供应链管理当中普遍存在，在实验中我们发现，啤酒市场的实际需求量变动并不大（仅在第6周增长较多），但我们整个供应链中库存和延期交货的水平却波动很大。
在供应链的上游，供货商为满足下一级的需求，不得不保持较高的库存水平，导致成本增加，使得链上所有商家蒙受了损失。
这种随着往供应链上游前进，需求变动程度增大的现象被称为“牛鞭效应”。
3.2.2缺货成本
我作为批发商的欠货记录汇总表：
周次T
本期需求量A
本期发货B
本期欠货量C
累积欠货量D
7
5
2
3
3
8
2
2
0
3
9
3
3
0
3
14
6
4
2
2
15
5
2
3
5
16
4
3
1
6
17
4
4
0
6
18
4
4
0
6
19
5
4
1
7
20
4
3
1
8
21
5
5
0
8
22
4
2
2
10
23
5
4
1
11
24
4
5
0
10
25
3
6
0
7
26
2
6
0
3
27
3
5
0
1
28
2
3
0
0
我的下游分销商的缺货记录汇总表：
周次T
本期收货量E
分销商本期欠货量G
分销商累积欠货量H
21
2
3
3
22
4
1
4
23
5
2
6
24
6
0
6
25
6
0
5
26
5
0
3
27
7
0
1
由于缺货成本较大，我们在消除缺货成本的同时，会不自觉增大订货量，造成库存量超过实际的市场需求数量，增大库存成本。
3.3.3成本曲线分析
1）成本一开始不是很大，因为有库存的原因，订货量不是很大，无积压库存，也没缺货成本。
2）第六周订货量突然增大，使缺货成本在第七周直至第八第九周一直存在，成本上升。
3）第十三周订货量略上升并一直很稳定，订货量跟不上，缺货成本再次出现，总成本增加
4）由于累计缺货，使成本一度达到峰值。
5）后来订货量减小，并维持稳定的水平，没有了缺货，库存也相对较少，使成本减少。
深层次分析这个成本曲线：
啤酒游戏，是麻省理工学院的Sloan管理学院Sterman所发展出来的一种类似“大富翁”的策略游戏。
在啤酒游戏中，消费者需求的一点变化，导致销售商对上游分销商订单量的扩大，分销商根据自己的理性判断，接受了需求扩大的信息，然后加大订单量，上游制造商根据自己的理性判断，认为消费者需求已大大增加，于是开始扩大生产，加大投入，但其实消费者的需求可能只有刚开始的那一次!
因为需求信息从供应链下游传到上游制造商的加乘效应导致厂商以为消费者需求大大增加，扩大生产，最终大量的库存积压，面临生产危机。
这种需求信息从供应链的下游向上游传递的过程中呈现变动程度逐渐增大的现象。
即供应链下游消费需求轻微变动而导致的上游企业生产、经营安排剧烈波动的现象就是牛鞭效应。
产生牛鞭效应的原因就是因为信息不全面、不对称，完整的信息在供应链内无法做到共享，节点与节点之间（即供应商、批发商和零售商之间）的信息发生扭曲，从而导致各环节出现问题，最后各环节综合作用，对供应链造成了消极影响。
第一个认识到牛鞭效应的人是Forrester他通过一系列案例研究指出，对于季节性商品，制造商觉察到的需求变化远远超过顾客的需求变化，他还注意到这种效应在供应链的每一级都会放大。
牛鞭效应现象是由于组织行为随时间变化引起的，并假设系统参与人具有某种特定的行为方式，因此，牛鞭效应可以通过改变组织的行为方式克服。
其实，资源共享是减少牛鞭效应的一个很好的措施，下游的零售商与上游的批发商必须要保持良好的沟通，同时，二者的信息预测最好采用相似的预测方法，这样才能提高预测的准确性。
减少信息的不准确性，准确把握实际需求，才能使自己的库存控制得适量。
但由于第三轮我们的生产商预测失误，而且不接收下游零售商意见，使得出现无货供应的尴尬局面。
另外，订货提前期往往也决定着牛鞭效应的影响大小，提前期越短，牛鞭效应则越减轻。
买方对市场的销售做出快速响应，考虑到历史数据、定价等因素的，增加预测的准确性，让提前期减少，采用JIT生产方式的一些原则，减少供货时间。
还有，如果可以将啤酒游戏进一步改进的话，零售商、批发商和生产商可以采用联合库存的方式合理的分担库存，一旦某处出现库存短缺，可立即从其他地点调拨转运来保证供货。
这既防止了需求变异的放大，又现了共担风险，降低了整体库存，有效地抑制了牛鞭效应
3.4游戏体会
分析牛鞭效应产生的原因：
通过对游戏各环节的分析，不断地调整和反复试验，以及查阅相关资料，我们了解到造成牛鞭效应的主要原因是：
（1）需求预测修正，即当供应链的成员采用其直接的下游订货数据作为市场需求信息和依据时，就会产生需求放大。
（2）价格波动，它是由于一些促销手段，或者经济环境突变造成的，如价格折扣、数量折扣、赠票、与竞争对手的恶性竞争和供不应求、通货膨胀、自然灾害、社会动荡等。
（3）订货提前期的存在，需求是随机的，运输需要时间，无论何时订货，上游要满足下游的订单总要有一个固定的交货提前期。
（4）市场需求的不确定性。
解决方案如下：
（1）要准确把握市场。
开始我一直预计市场会在两个月左右出现萎缩，所以不敢大量进货，这也是导致我中期亏损的原因之一。
（2）关注上、下游。
作为零售商，还需要了解自己的批发商的经营情况。
实验中由于不知道批发商的情况，在我加大进货量以后仍然拿不到货，以致中期出现大量亏损。
（3）信息共享。
不了解实际的最终产品市场需求是订货持续扩大的最主要原因。
如果上游的供应商能够获得直接的市场销售数据，同时下游经销商能够共享供应商的库存水平、生产能力等信息，所发出的订单就会更加明智而准确，相应的库存和缺货成本自然减小了。
但通过时实验发现，信息共享只能减少牛鞭效应的影响，而不能完全消除。
因为每个人的决策都只局限自身利益最大化的考虑。
（4）缩短提前期。
既然提前期的存在会加大牛鞭效应的影响，那么缩短这个期间就是解决问题的手段之一。
周期缩短了，这段时间里所需的存货数量减少，订货的灵活性增加，同时减小了缺货的可能性。
所以，可以通过外包、频繁送货等手段缩短订货周期。
（5）有效预测需求。
即使每个阶段的供应商使用同样的需求数据，仍然可能因预测方法和判断方式的不同而引发牛鞭效应，因此科学的预测方法和准确的经验判断也不可或缺。
当然，这种方法对于信息共享的要求也是很高的。
（6）保持冷静头脑。
在需求出现波动时，链上每个环节都不能放松警惕，要避免风险，就必须突破思维定势。
（7）规避短缺情况下的博弈行为。
面临供应不足时，供应商可以根据顾客以前的销售记录来进行限额供应，而不是根据订购的数量，这样就可以防止销售商为了获得更多的供应而夸大订购量。
感悟与体会：
1.对牛鞭效应理解的同时，也对我学习供应链有了很大的启发，深刻理解了供应链上成员虽然是独立个体，但是有相同的目标，要以整体供应链利益为目标，而不是某个节点企业的利益，才能实现供应链共赢的策略。
2.实际经营中是持续经营，并且是供应网，要充分利用信息共享优势。
例如本游戏如果持续经营，那么从零售商开始实行s-S策略以决定订货量和时间，从而批发商、制造商就也得到相应的订购量或生产量。
3.牛鞭效应虽然没有办法消除但是我们可以根据其产生的原因，从其产生的主要因素下手，尽量减少造成的损失。
虽然只是一次模拟实验，切身体验之后收获也不少。
要在供应链中扮演好自己的角色，不仅要关注市场，要关注上、下游，还要关注竞争对手。
升级会员 