啤酒游戏跟其牛鞭效应的vensim模拟(三级跟二级模式)文档.docxVIP

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(Time4,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