系统动力学课件与案例分析系统仿真.pptVIP

5.2供应链中牛鞭效应 问题识别：本案例主要研究供应链中牛鞭效应，各个供应链节点库存积压，库存波动幅度比较大，不够稳定，导致供应链的成本居高不下，失去了竞争优势。因此急需采取措施来削弱牛鞭效应，从而能够降低整条供应链的成本，建立稳定的竞争优势。因此本案例通过啤酒游戏来对供应链进行仿真，从而为寻找较优的供应链结构来削弱牛鞭效应，降低成本。 系统边界确定：本案例中只考虑供应链中零售商、批发商、供应商，而且仅考虑他们之间的库存订货系统，没有涉及供应商的生产系统，供应链中的物流供应系统等等。 5.2供应链中牛鞭效应 因果关系图：当市场需求增加时，零售商的库存将会减少，从而导致零售商期望库存和零售商的库存之差即零售商库存差增加，当零售商库存差增加，零售商增加向批发商订货来弥补库存差。零售商的订货增加会加快批发商对零售商的送货率，但是这个过程存在两个延迟过程。一个信息延迟过程，就是零售商将市场需求变化情况反馈批发商过程。另一个是物质延迟过程，就是批发商得到零售商的订货要求需要一个时间过程来满足这个要求。同样，批发商的库存也会减少，这样就引起批发商期望库存和批发商库存之差，批发商就会增加向供应商订货来弥补库存差。同理，批发商增加订货量会引起供应商向生产商或上级供应商增加订货量，在这两个弥补库存差的过程中同样存在延迟过程，然后来响应市场需求 。 5.2供应链中牛鞭效应 5.2供应链中牛鞭效应 系统流程图：根据因果关系图绘制系统流程图。首先要识别系统中的水平变量、速率变量。本系统中包括零售商库存、批发商库存、供应商库存三个水平变量；市场需求率、批发商发货率、供应商发货率、供应商生产率、三个速率变量。各个节点的发货率是根据下级节点的订单来决定的。各级节点的订单又是由产品销售预测和库存差来决定的。各个节点的发货率还需要辅助变量来表达。辅助变量包括各节点的订单量，期望库存、销售预测量、供应商生产需求。 5.2供应链中牛鞭效应 5.2供应链中牛鞭效应 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 5.2供应链中牛鞭效应 (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×批发商销售预测 单位：箱 (10)批发商订单=MAX(0，批发商销售预测+(批发商期望库存-分销商库存)/库存调整时间) 单位：箱/周 (11)供应商发货率=DELAY3(分销商订单，运输延迟时间) 单位：箱/周 5.2供应链中牛鞭效应 (12)供应商销售预测=SMOOTH(供应商发货率，移动平均时间) 单位：箱/周 (13)供应商库存=INTEG(供应商生产率-供应商发货率，3000) 单位：箱 (14)供应商期望库存=期望库存持续时间×供应商销售预测 单位：箱 (15)供应商生产需求=MAX(0，供应商销售预测+(供应商期望库存-供应商库存)/库存调整时间) 单位：箱/周 (16)供应商生产率=DELAY3(供应商生产需求率，生产延迟) 单位：箱/周 5.2供应链中牛鞭效应 计算机仿真： 使用Vensim软件建立系统流图和填入方程式，就可以对系统进行仿真。建立仿真模型可以与现实对照，可以寻求削弱牛鞭效应的策略，可以预测系统未来的行为趋势。 5.2供应链中牛鞭效应 仿真结果 5.2供应链中牛鞭效应 5.2供应链中牛鞭效应 通过仿真结果可以发现啤酒游戏能够很好地模拟供应链中的牛鞭效应现象。系统中各个成员的库存和订单量都波动幅度很大，市场的需求信息在供应链中一级一级地放大。 我们已经很好地对真实的牛鞭效应进行了仿真，因此现在需要采用措施来削弱牛鞭效应。我们知道系统的结构决定系统的行为，同样牛鞭效应由啤酒游戏中的结构决定。所以要想削弱牛鞭效应关键在于进行政策优化。 5.2供应链中牛鞭效应 政策优化： 在前面已经提到，政策优化包括参数优化、结构优化、边界优化。SD的优化是最优控制问题。但是这种优化在本质上大大不同于人们已熟悉的线性模型，常规的最优化技术对它