基于Anylogic对牛鞭效应仿真研究与分析.doc

基于Anylogic对牛鞭效应仿真研究与分析张伟力(东南大学物流管理工程系,南京，210096）摘要：为了找到时间因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指标，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。可视化地研究供应链的动态变化，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。研究表明，时间因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；AnylogicAnylogic-BasedBullwhipEffectSimulationZhangWeili(Departmentoflogisticsmanagementconstruction,SoutheastUniversity,Nanjing,210096)Abstract:Inordertofindouthowthetimefactoraffectsthebullwhipeffect,regardinventoryandorderquantityasthemeasurements,withthehelpofAnylogicsoftwaresimulatethemodelofthree-echelonsupplychain,andthesimulationresultsareanalyzed.Tostudythedynamicchainchangesvisually,andanalyzedtherelationshipbetweenorderleadtimeandbullwhipeffect,tofindouthowtoalleviatebullwhipeffect.Researchshowsthattimefactorsaffectbullwhipeffectobviously,andcuttingdownorderleadtimecanreducethestrengthofthebullwhipeffectavailably.Keyword:BullwhipEffect;simulation;Anylogic1.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现象。这种现象使得供应链上游企业无法准确把握市场需求信息，难以制订合理的企业能力需求规划和生产计划，造成生产能力过剩或者库存产品过多或者缺货，并使整个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究是：Forrestor[1]通过一系列案例研究证实了牛鞭效应的存在，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，也证实了牛鞭效应的存在，并认为该效应是供应链成员系统性、非理性行为和对反馈信息的错误理解造成；H.L.Lee[4,5]给出了影响供应链牛鞭效应的四个主要因素：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；以及预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究中，很多文献利用智能体、系统动力学等方法对供应链进行仿真研究，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以及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，混合调用系统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改，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。首先运用系统动力学，对目标消费人群进行建模，这个系统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系统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