啤酒游戏及其牛鞭效应的vensim模拟(三级和二级模式)

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=100Units:MonthThefinaltimeforthesimulation.(02)INITIALTIME=0Units:MonthTheinitialtimeforthesimulation.(03)SAVEPER=TIMESTEPUnits:Month[0,?]Thefrequencywithwhichoutputisstored.(04)TIMESTEP=1Units:Month[0,?]Thetimestepforthesimulation.(05)市场需求率=1000+ifthenelse(Time4,randomnormal(-200,200,0,100,4),0)Units:**undefined**(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:**undefined**(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:**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=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)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=100Units:MonthThefinaltimeforthesimulation.(02)INITIALTIME=0Units:MonthTheinitialtimeforthesimulation.(03)SAVEPER=TIMESTEPUnits:Month[0,?]Thefrequencywithwhichoutputisstored.(04)TIMESTEP=1Units:Month[0,?]Thetimestepforthesimulation.(05)市场需求率=1000+ifthenelse(Time4,randomnormal(-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:**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=3Units:**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。