啤酒游戏的牛鞭效应分析之供应链4层模式
在原有三级模式的基础上将供应链变为4层，包括：生产商、批发商、分销商、零售商。
(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) 分销商发货率=
delay3(零售商订单,运输延迟)
Units: **undefined**
(06) 分销商库存= INTEG (
批发商发货率-分销商发货率,
3000)
Units: **undefined**
(07) 分销商期望库存=
分销商销售预测*库存期望覆盖时间
Units: **undefined**
(08) 分销商订单=
max(0,分销商销售预测+(分销商期望库存-分销商库存)/库存调整时间
)
Units: **undefined**
(09) 分销商销售预测=
smooth(分销商发货率,移动平均时间)
Units: **undefined**
(10) 市场需求率=
1000+IF THEN ELSE(Time>4,random normal(-200,200,0,100,4),0)
Units: **undefined**
(11) 库存期望覆盖时间=
3
Units: **undefined**
(12) 库存调整时间=
4
Units: **undefined**
(13) 批发商发货率=
delay3(分销商订单,运输延迟)
Units: **undefined**
(14) 批发商库存= INTEG (
生产商发货率-批发商发货率,
3000)
Units: **undefined**
(15) 批发商期望库存=
库存期望覆盖时间*批发商销售预测
Units: **undefined**
(16) 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**
(17) 批发商销售预测=
smooth(批发商发货率,移动平均时间)
Units: **undefined**
(18) 生产商发货率=
delay3(批发商订单,运输延迟)
Units: **undefined**
(19) 生产商库存= INTEG (
生产商生产率-生产商发货率,
3000)
Units: **undefined**
(20) 生产商期望库存=
库存期望覆盖时间*生产商销售预测
Units: **undefined**
(21) 生产商生产率=
delay3(生产商生产需求,生产延迟)
Units: **undefined**
(22) 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**
(23) 生产商销售预测=
smooth(生产商发货率,移动平均时间)
Units: **undefined**
(24) 生产延迟=
3
Units: **undefined**
(25) 移动平均时间=
5
Units: **undefined**
(26) 运输延迟=
3
Units: **undefined**
(27) 零售商库存= INTEG (
分销商发货率-市场需求率,
3000)
Units: **undefined**
(28) 零售商期望库存=
库存期望覆盖时间*零售商销售预测
Units: **undefined**
(29) 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**
(30) 零售商销售预测=
smooth(市场需求率,移动平均时间)
Units: **undefined**
库存曲线如下：
订单曲线如下：
从图中可以看出，当供应链变成四层后，此时牛鞭效应进一步放大了。