建模与仿真(SD部分).pptVIP

通过对各级供应链的各成员库存量和订单的比较，随着供应链上节点企业的增加,供应商生产需求大幅上升，在四级供应链中更是达到6000箱/周。由此说明,供应链中水平层次的参与者越多, 信息被加工迭代次数就越多,放大现象越严重,市场需求扭曲的程度也越大。可以知道随着供应链长度增长，供应链的牛鞭效应越来越严重。因此可以知道供应链的组织结构对牛鞭效应是有一定的影响的，所以通过调整供应链的组织结构可以来削弱牛鞭效应。现在供应链越来越向网络化，虚拟化；那么这样的供应链组织调整是不是有利于供应链库存水平的稳定呢？(拓展部分) 2.供应链信息结构 许多研究牛鞭效应的学者都认为供应链的信息结构对牛鞭效应有很大的影响，由于供应链成员之间利用信息不对称进行商业博弈，从而导致市场需求信息在各级成员之间被扭曲，逐渐放大市场需求。因此很多学者提出通过供应链各成员之间的协调,建立有效的信息共享机制与激励机制,可以减轻牛鞭效应的影响。所以当前出现了许多新的供应链库存管理模式如供应商库存管理(Vendor Managed Inventory ,VMI)、联合库存管理(Jointly Managed Inventory，JMI )、协同规划、预测与补给 （Collaborative Planning Forecasting and Replenishment, CPFR)等等。 本案例中我们选取VMI模式来验证通过改善供应链信息结构是否能够削弱牛鞭效应。VM I(供应商管理库存)是一种较为典型的信息共享下的库存管理方式. 在传统的供应链管理模式中,信息流由下至上到达制造商,物流由上至下到达终端客户,在这个过程中,供应链成员彼此都是独立的,没有信息共享,每个个体都是为了自己的利益最大化考虑,只会采取自己的预测方法,遵守各自的补货原则等。 与传统供应链不同的是,由于信息共享,使得VM I下的供应链中只包含有用的和真实的需求信息,供应链成员不再依赖预期来进行订货。在VM I的协议下,零售商及时将其商品销售信息和库存消耗量跨越分销环节的多个成员,与批发商、制造商共享,供应商监视零售商的库存状况,确定库存补充数量。 本案例我们以三级VMI模式下的供应链为研究对象，将其与传统三级供应链进行对比，来验证信息结构的调整对牛鞭效应的影响。 VMI模式下的三级供应链与传统的三级供应链只是在信息结构不同，VMI中成员不再是根据自己的销售预测来进行订货，而是在VMI协议下由零售商将市场的需求信息与批发商、供应商来共享，由供应商来对零售商的库存进行管理。所以VMI模式的三级供应链的因果关系图与传统三级供应链一样，只是系统流图有点差异。 由系统流图可以知道，VMI模式下的三级供应链各成员的订单直接依赖于市场需求信息，不再根据自己的销售预测来订货。同时各上游节点需要对下游节点的库存进行管理。因此它们的方程式也要进行修改。 (1)批发商订单=MAX(0，零售商销售预测+(批发商期望库存×2-批发商库存-零售商库存)/库存调整时间) 单位：箱/周 (2)供应商生产需求=MAX(0，零售商销售预测+(供应商期望库存×3-供应商库存-批发商库存-零售商库存)/库存调整时间) 单位：箱/周 仿真结果对比如下图所示： 由仿真输出结果可知，与传统供应链相比，在实施VMI的供应链中，各节点库存量比较稳定，波动幅度明显减小。供应链各节点订单水平及生产需求波动幅度也明显降低，说明各节点订货水平越来越接近市场需求信息，需求信息的放大程度大大减少。由此可知，供应链各成员之间信息的共享有效地缓和了市场需求的不确定性，削弱了牛鞭效应。所以通过对供应链的信息结构进行调整有利于削弱牛鞭效应。 建立仿真方程式： (1)市场销售率=1000+IF THEN ELSE(TIME4，RANDOM NORMAL(-200，200，0，100，4),0) 单位：箱/周 (2)零售商销售预测=SMOOTH(市场销售率，移动平均时间) 单位：箱/周 (3)零售商期望库存=期望库存持续时间×零售商销售预测 单位：箱 (4)零售商库存=INTEG(分销商发货率-市场销售率，3000) 单位：箱 (5)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) 单位：箱/周 (6)批发商发货率=DELAY3(零售商订单，运输延迟时间) 单位：箱/周 (7)批发商销售预测=SMOOTH(批发商发货率，移动平均时间) 单位：箱/周 (8)批发商库存=INTEG(供应商发货率-批发商发货率，3000) 单位：箱 (9)批发商期望库存=期望库存持续时间