啤酒游戏的牛鞭效应之VMI策略减弱

啤酒游戏的牛鞭效应之VMI策略减弱

采用了VMI策略的啤酒游戏，具体如下：

​​​​

(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) 市场销售率=

1000+if then else(Time>4,random normal(-200,200,0,100,4),0)

Units: **undefined**

(06) 库存期望覆盖时间=

3

Units: **undefined**

(07) 库存调整时间=

4

Units: **undefined**

(08) 批发商发货率=

delay3(零售商订单,运输延迟)

Units: **undefined**

(09) 批发商库存= INTEG (

生产商发货率-批发商发货率,

3000)

Units: **undefined**

(10) 批发商期望库存=

库存期望覆盖时间*批发商销售预测

Units: **undefined**

(11) 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)

Units: Dmnl

(12) 批发商销售预测=

smooth(批发商发货率,移动平均时间)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=库存期望覆盖时间*生产商销售预测Units: **undefined**(16) 生产商生产率=delay3(生产商生产需求,生成延迟)Units: **undefined**(17) 生产商生产需求=max(0,零售商销售预测+(生产商期望库存*3-批发商库存-零售商库存-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) 生成延迟=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-市场销售率,3000)Units: **undefined**(23) 零售商期望库存=库存期望覆盖时间*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(市场销售率,移动平均时间)Units: **undefined**

曲线如下：

​​​​

​​​​

从图中可以看出，经过了VMI处理后，牛鞭效应明显减弱。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。