基于anylogic的供给链库存仿真Word下载.docx

1、这些仿真模型是分品级的，而且运用子模型去对供给链具体的细节活动进行建模。本文将运用Anylogic分析某公司的库存产生缘故，并从多级库存的角度提出相关的建议。 供给链库存的多级寄存现象增加库存周转的能力是治理成功的公司的要紧特点之一，但是关于现今规模大型的公司来讲，治理上万种商品和上百个公司网点的库存是一个超级大的挑战，尤其是当企业的每一层网点都拥有库存时，这一问题变得更为突出。而若是是一个多层供给商的供给链模型，结构会加倍复杂，而库存的波动也会加倍严峻。通常一个庞大的多时期供给链系统，产品在制成后一样先寄存在中心仓库里，这些中心仓库作为零售商的内部供给商负责某个区域的供货。大的零售型企业及制

2、造型企业普遍采纳这一模式。3构建供给链仿真库存模型概述本在分析公司供给链的实际情形基础之上，并用Anylogic软件成立一个实际的模型，通过仿真数据分析了公司库存的要紧来源为定单不确信性，本源是公司内部治理的不确信性，并从多级库存的角度提出的建议。背景介绍公司概述某公司是一家运算机液晶显示器背光模组生产厂，该公司在行业中产品产量排在第三位。IT行业的特点是产品更新换代快，产品寿命周期短，产品的质量要求高。该公司的下游客户为液晶显示器制造厂（LCM），液晶显示器制造企业由于投资超级大，因此数量不多，一样一个LCM厂会选择两家供给商生产一样一种类型的液晶背光模组。而背光模组厂的上游供给商一样属于技

3、术密集型企业，如3M，拥有专利技术，讨价还价能力强，为了幸免本钱的增加一直不同意为背光模组厂实施供货商治理库存（VMI）。关于背光模组如此的产业，内部竞争也很猛烈，由于目前产能大于市场需求，而且由于液晶产品的生命周期问题，造成目前状况下液晶显示器价钱比较低，液晶显示器的市场利润率降低，最终阻碍处处于供给链中间位置的背光模组厂利润。供给链运作情形液晶显示器的供给链结构如图1所示。图1 液晶显示器供给链结构客户第一会对咱们公司进行稽核，稽核除公司的直接客户LCM厂之外，还有笔记本代工厂，DELL每一年也会对公司进行一次稽核。在稽核以后，公司成为客户的潜在供给商。当DELL开发一个新机种时，会让笔记

4、本代工厂去生产，同时发定单给LCM厂，LCM厂会第一让公司试产，在合格后，以为公司有足够的能力生产的时候，会持续下单给咱们公司。客户一样要求的交货时刻比较急，公司必需预测客户可能下的定单，提早备料，安排生产。而且由于一些要紧的原材料需要从国外海运过来，因此公司必需要备库存。由于市场需求的转变比较快，而且供给链的层级比较多，因此任何后端的需求转变都会对产品的需求产生专门大的波动。在如此的情形下，供给链里面所有的企业都偏向于将库存降到最低，而要求供给商在知足质量要求的情形下能够及时交货。因为那个行业里面的产品价钱天天都在下将。库存贬值的本钱关于任何公司而言都是无法经受的。在PC 制造行业里,物料本

5、钱每礼拜下降大约1 % “因此,若是戴尔的某一竞争对手库存量相当于4 个礼拜的出货量,反映到产品底价上,就意味着咱们有2 %或3 %的优势。因此在目前的市场情形下，公司以为最大的利润来源是物料的操纵，因为那个行业占本钱最大的物料，而且各个公司的采购价钱和生产本钱大体相当。可是由于各个企业的物控差距专门大，公司分析发觉咱们公司与竞争对手的库存周期不同专门大，要求寻觅计谋。假设某种机型市场成效超级差，那么DELL停止下单以后，产业里面所有的库存都将成为呆滞料，EOL机种。公司就将面临庞大的损失。成立模型通过对公司情形分析，和与公司相关人员的调查研究，得出公司库存转变的最大缘故是定单不确信性，通过与

6、客服业务部门研究发觉，阻碍公司定单的三个要紧因素是质量，交期和客户效劳。随着市场竞争的全世界化和猛烈化, 产品的生命周期愈来愈短, 强调质量、交货靠得住性、价钱、提早期增加了供给商选择的复杂性和选择范围。从客户实际的需求分析，质量关于客户产品的稳固性有专门大的阻碍，公司产品的不良必然会致使客户产品的不良，而不良流入客户以后，可能面临高额的补偿，因此客户关于质量的要求一贯是苛刻的；交期的延误解使得客户不能不进行切线，或维稳重组的库存，本钱很高，也会以为公司的产能不足，偏向于降低定货量；客户效劳不行，客户就以为公司的质量没有持续的保证，不能维持稳固，或没有与客户成立良好的关系。因此选择这三个因素作

7、为成立模型的依据，数据的来源和选择标准依照公司的实际状况和KPI。本文在模型建模的时候，建了一个两时期的供给链模型，一个客户，两个供给商。这俩个供给商设置了不同参数，第一个供给商，质量，效劳，交货期都比较稳固，而第二个供给商的质量，效劳，交货期都相对长一些，稳固性也差。在不阻碍模型结果的情形下对模型作如下的假设：1、定单必然能够完成2、可不能发生缺料的现象，有足够的平安库存3、客户属于风险规避型的公司，会依照产品的质量，效劳，交期来降低选择下一次的定单分派数量，通过定单数量模拟出公司的平安库存量，其中供给商是天天都能够定货，可是一次只能够订一劣货。模型介绍依照上一节的企业需求，成立了如下的离散

8、时刻模型。模型的非形式描述如下：在Anylogic中成立2个供给商实体，别离用Supplier1,Supplier2表示；一个客户实体，用Customer表示；两个定单实体，用Order1,Order2表示；两个交货实体，用Delivery1,Delivery2；定单的定货量范围（）描述 Order1 范围（0-5000）描述 Order2描述 Delivery1 范围（平均合格率%） 范围（90%的按时交货率） 范围（86%）描述 Delivery2 范围（%） 范围（80%）参数：查验标准 供给商1水平 质量水平，交期稳固性，客户效劳水平 供给商2水平 质量水平，交期稳固性，客户效劳水平

9、质量查验标准退货标准实体彼此关系仿真时刻采样是离散的，按步长H取相应的离散值。彼此关系为：在时刻th按时送货的比率为90按时送货的比率为80對Supplier1,因为是高价钱客户，要求比较高，若是那么，要求客户停止生产分析缘故，若是那么取消下一次定单，产生客户投诉，若是送货延迟，那么以为客户生产紧张，将下一次送货的比例降为标准计算的80。对Supplier1,因为是低价钱客户，要求放松，若是那么，要求客户停止生产分析缘故，若是那么取消下一次定单，产生客户投诉，若是送货延迟，那么以为客户生产紧张，将下一次送货的比例降为标准计算的80。9 （）若是 为0；10 （）11Sale1（t）=Delay

10、（3, 问题）12Sale2（t）=Delay（3, Sale模型的实现成立了Agent模型，两个Agent模型。为了建模的方便，将两个供给商成立在一个Agent中。主体结构如下：Agent Manufacture概念了如下变量变量名初始值Quality1Quality2Service1Service2Time1Time2端口port,编写了如下的代码stock+=;Time1=uniform（0,1）;Service1=normal,;Quality1=normal,;Time2=uniform（0,1）;Service2=normal,;Quality2=normal,;Time1=Tim

11、e1?:1;Time2=Time2if （Decision（Quality1,Service1）=0&Decision（Quality2,Service2）=0）=0;else =Decision（Quality1,Service1）*50*Time1; =Decision（Quality2,Service2）*50*Time2; StateChart函数 Decisionint a=1;if （dQuality a=0;else if （dService100） dQuality=100;if （dService1） dService=1;return a*dQuality*dService

12、 ;控件Slider, slider1;模型界面如下图：Agent vender变量Stock15000Stock2端口stock1=;stock2=;（new Mater（300,20）;=200;=40;数据分析 dataset1,dataset2,plot消息 MESSAGE1Master public class Mater int quantities = 0; long tm = 0; public Mater（） public Mater（int quantity, long tm） = quantity; = tm; Override public String toStrin

13、g（） return quantity = + quantities+ +tm = + tm +; 2Orderpublic class Order double quantity1= 5000; double quantity2= 5000; public Order（） public Order（double quantity1,double quantity2） = quantity1; = quantity2;quantity1 = + quantity1 +quantity2 = + quantity2 +4 模型运行结果与分析数据分析依照图示能够看出，供给商一的定单比较稳固，供给商

14、二的定单波动比较大，因此供给商二在物控方面的难度比较大，库存的本钱会比较高。具体数据如下：质量均值交期按时交货率均值方差供应商一%供应商二通过数据对照分析，能够发觉，尽管两个企业的的质量从数据上面分析不同不大，平均定单也不同不大，可是定单的波动确相差超级大。因此致使了企业二物控的困难。下面依照那个地址得出的数据进行假设，以为供给商1库存的均值为4269，在维持三倍方差的情形下，平安库存数量为854，另外供给商2的库存均值为3589，方差为，因此平安库存量为2766。 仿真出的库存数量如图 从图所示的数据能够发觉，在3倍方差的情形下，inventory1的库存大体维持在0以上，库存波动幅度比较小

15、，可是分析供给商2的库存，就会发觉库存的波动超级大。由此能够看出由于销售定单的波动，致使库存的波动超级的大。能够看成由于定单的不稳固，致使企业的库存波动超级大，显出出难以预测的特点。下面将企业的标准进行改变进行分析，此刻假设最终客户的要求提高，客户提高了产品的查验标准，客户效劳水平的要求，质量退货率提高到%，客户效劳水平提高到80%，能够发觉供给商二的定单稳固程度的差距加倍大，在实际操作中已经属于被淘汰的供给商。1953 LCM厂定单波动模型进一步研究LCM厂的定单也是在转变的，此刻假设LCM厂的定单波动幅度为5，得出的数据图表如下，从图能够看出波动幅度没有明显增大。而通过均值和方差的分析，供

16、给商一的平均值大体没有转变，方差扩大约5，可是供给商二的均值增加，方差明显减少，也说明了给供给商二带来的不确信性，不是典型的正态散布。供应商1供应商24,3,依照得出的数据进行分析库存分析对客户进行模拟，此刻假设客户的定单依照正态波动，从数据分析能够得出如下结论：1、供给商一由于产品稳固，因此方差比较小，定单的波动比较小，采购时数量能够比较稳固，能够维持比较低的平安库存量。可是关于供给商，由于定单不稳固，因此库存的波动就被加倍放大。而若是一旦客户取消定单的情形发生，库存呆滞料的数量无法的波动超级大，可能造成庞大的沉没本钱。2、通过对照发觉，关于供给商二而言库存的波动最大来源是企业内部生产质量的

17、不确信性，产品交货时刻的不确信性，客户效劳的不确信性，而这种波动到了客户那里，客户为了幸免风险，将这种波动反映在公司的定单上面，致使了公司出货的不可预测性，库存无法实施平安库存策略。这种情形下，供给链重点需要解决的是企业内部的治理运作水平的提高。5 结论通过对实际企业的案例分析，得出如下的结论。本文没有依照一样的通过上下游关系的改良如何降低不确信性，而是通过对不确信性产生缘故的建模和仿真，结果发觉企业内部不确信性是致使供给链不确信性的要紧缘故。在多级供给链库存中，不确信的来源是多种多样的也有很多种解决方案。需要依照企业供给链的分析，通过仿真建模得出实际的要紧问题的来源，选择适合的解决方案。参考

18、文献1 Jain, Sanjay; Ervin, Eric C; Workman, Russell W; Collins, Lisa M. Analyzing the supply chain for a large logistics operation using simulation. Winter Simulation Conference Proceedings, v2, 2001, p 1123-11282 Krug, W; Liebelt, J; Baumbach, B. Supply chain model based simulation and optimization.

19、Portland International Conference on Management of Engineering and Technology （PICMET）, Jul 29-Aug 2 2001, p 4693 Chwif, Leonardo; Pereira Barretto, Marcos Ribeiro; Saliby, Eduardo. Supply chain analysis: Spreadsheet or simulation. Winter Simulation Conference Proceedings, vl,2002, p 59-664 Tu, Yan;

20、 Luh, Peter B; Feng, Weidong; Narimatsu, Katsumi. Supply chain performance evaluation: A simulation study. 2003 IEEE International Conference on Robotics and Automation, Sep 14-19 2003, p 1749-17555 Lee, Young Hae Cho, Min Kwan Kim, Seo Jin Kim, Yun Bae. Supply chain simulation with discrete-continu

21、ous combined modeling. Computers and Industrial Engineering, v 43, n 1-2, Jul 1, 2002, p 375-3926 Herrmann, Jeffrey W; Lin, Edward; Pundoor, chain simulation modeling using the supply chain operations reference model. Proceedings of the ASME Design Engineering Technical Conference, v1 A, 2003, p 461-469