啤酒游戏及其牛鞭效应的vensim模拟(三级和二级模式).docx

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) FINAL TIME = 100
Units: Month
The final time for the simulation.
(02) INITIAL TIME = 0
Units: Month
The initial time for the simulation.
(03) SAVEPER =
TIME STEP
Units: Month [0,?]
The frequency with which output is stored.
(04) TIME STEP = 1
Units: 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) FINAL TIME = 100
Units: Month
The final time for the simulation.
(02) INITIAL TIME = 0
Units: Month
The initial time for the simulation.
(03) SAVEPER =
TIME STEP
Units: Month [0,?]
The frequency with which output is stored.
(04) TIME STEP = 1
Units: 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=
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。