基于Anylogic对牛鞭效应仿真研究与分析.doc

基于Anylogic对牛鞭效应仿真研讨与分析
张伟力
(东南大学物流管理工程系,南京，210096）
摘要：为了找到时间要素如何影响牛鞭效应，以库存和订单数量为牛鞭效应强度的衡量目标，借助Anylogic软件建立三阶供应链模型进行仿真，并对仿真结果进行了比较分析。可视化地研讨供应链的动态变化，并分析订货提前期与牛鞭效应的关系，如何减轻牛鞭效应，为企业提供决策支持。研讨表明，时间要素对牛鞭效应有重要影响，订货提前期的缩短能够减轻牛鞭效应。
关键词：牛鞭效应；仿真；Anylogic
Anylogic-BasedBullwhipEffectSimulation
ZhangWeili
(Departmentoflogisticsmanagementconstruction,SoutheastUniversity,Nanjing,210096)
Abstract:Inordertofindouthowthetimefactoraffectsthebullwhipeffect,regardinventoryandorderquantityasthemeasurements,withthehelpofAnylogicsoftwaresimulatethemodelofthree-echelonsupplychain,andthesimulationresultsareanalyzed.Tostudythedynamicchainchangesvisually,andanalyzedtherelationshipbetweenorderleadtimeandbullwhipeffect,tofindouthowtoalleviatebullwhipeffect.Researchshowsthattimefactorsaffectbullwhipeffectobviously,andcuttingdownorderleadtimecanreducethestrengthofthebullwhipeffectavailably.
Keyword:BullwhipEffect;simulation;Anylogic
1.引言
牛鞭效应是指市场需求信息从供应链下游向上游传递的过程中，需求波动被不断放大的一种景象。这类景象使得供应链上游企业没法精确把握市场需求信息，难以制定合理的企业能力需求规划和生产计划，构成生产能力过剩或者库存产品过多或者缺货，并使全部供应链的运作成本过高，效率和顾客满意度降低。
目前对供应链牛鞭效应有代表性的研讨是：Forrestor[1]通过一系列案例研讨证明了牛鞭效应的存在，并指出它是工业组织动态行为或时间变化的行为产生的结果；Burbridge教授[2]从产业动力学的角度对牛鞭效应的机理进行了探讨；美国麻省理工学院的Sterman[3]教授通过一项以啤酒为对象的供应链库存管理动态模拟试验，即所谓的啤酒实验，也证明了牛鞭效应的存在，并认为该效应是供应链成员零碎性、非理性行为和对反馈信息的错误理解构成；H.L.Lee[4,5]给出了影响供应链牛鞭效应的四个主要要素：供应链成员对需求信息的处理技术；批量订货方式；价格波动；和估计供应量不足导致的零售商之间的短缺博弈。在已有的供应链的仿真研讨中，很多文献利用智能体、零碎动力学等方法对供应链进行仿真研讨，采用的仿真软件主要有Swarm、Witness、Vensim等。
本文从订货提前期来考虑牛鞭效应的产生和能否通过缩短订货提前期减轻牛鞭效应的强度，从供应链订货提前期的时效性出发,考虑其对于牛鞭效应的影响程度，并通过供应链各成员的库存波动和实时订单数量，动态表示牛鞭效应的强度。借助于Anylogic软件，利用面向对象的方法对三阶供应链建模，混合调用零碎动力学和主体建模中的模块分别模拟目标人群产生的需求和供应链成员间的订单、配送，并且对订货提前期值进行修正，分析仿真结果，证明缩短订货提前期能够减轻牛鞭效应的强度。
2.建立仿真模型
本文建模分为两部分，分别采用不同的方法建模。首先运用零碎动力学，对目标消费人群进行建模，这个零碎中的潜在客户受广告和口碑的影响由潜在客户变为产品用户，从而产生了需求。其次通过一条信息传输路径将零碎中的实时需求反映给三阶供应链模块中的零售商，并由零售商逐级向上游下订单，供应链模块采用的是主体建模，概念模型如图1所示。
潜在客户
广告
口碑
产品生命周期
用户
系统动力学
主体建模
零售商
分销商
生产商
目标消费人群模块
三阶供应链模块
订单订单
配送配送
需求
供给

图1仿真概念模型
2.1目标消费人群模块
用零碎动力学方法对目标消费人群进行建模仿真。如图2所示，构成模块的主要元件包含以下几项：
“流”，资金流、信息流、人流和商品流；
“积量”，潜在顾客（Po