《啤酒游戏及其牛鞭效应的vensim模拟(三级和二级模式).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(三级和二级模式).docx（11页珍藏版）》请在三一文库上搜索。
1、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
2、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0200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) FINAL TIME = 100Units: MonthThe final time for the simulation.(
3、02) INITIAL TIME = 0Units: MonthThe initial time for the simulation.(03) SAVEPER =TIME STEPUnits: Month 0,?The frequency with which output is stored.(04) TIME STEP = 1Units: Month 0,?The time step for the simulation.(05) 市场需求率=1000+if then else(Time>4,random normal(-200,200,0,100,4),0)Units: *und
4、efined*(06) 库存调整时间=4Units: *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: *und
5、efined*(12) 期望库存覆盖时间=3Units: *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: *u
6、ndefined*(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=3Units: *undefined*(20) 移动平均时间=5Units: *undefined*(21) 运输延迟=3Units: *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)
7、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) FINAL TIME = 100Units: MonthThe final time for the simulation.(02) INITIAL TIME = 0Units: MonthThe initial time for the simulation.(03) SAVEPER =TIME STEPUnits: Month 0,?The
8、 frequency with which output is stored.(04) TIME STEP = 1Units: Month 0,?The time step for the simulation.(05) 市场需求率=1000+if then else(Time>4,random normal(-200,200,0,100,4),0)Units: *undefined*(06) 库存期望覆盖时间=3Units: *undefined*(07) 库存调整时间=4Units: *undefined*(08) 生产商发货率=delay3(零售商订单,运输延迟)Units: *u
9、ndefined*(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=3Units:
10、*undefined*(15) 移动平均时间=5Units: *undefined*(16) 运输延迟=3Units: *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。