基于啤酒游戏的供应链牛鞭效应分析研究

请您按击鼠标，编辑标题文的格式。,请您按击鼠标，编辑大纲正文格式。,第二个大纲级,第三个大纲级,第四个大纲级,第五个大纲级,第六个大纲级,第七个大纲级,第八个大纲级,第九个大纲级,*,*,St. Valentines Day,基于啤酒游戏的供应链牛鞭效应分析与研究,案例：啤酒游戏,一、供应链牛鞭效应研究的目的及意义,随着市场全球化和竞争的加剧，企业之间的竞争己变成供应链之间的竞争。所以，如何提高整条供应链的增值能力，增强供应链的竞争力，成为各节点企业共同的目标，但是“牛鞭效应”的存在削弱了供应链的增值能力和竞争力。,牛鞭效应使供应链上的需求信息失真且失真度逐级放大，牛鞭效应对供应链管理是不利的，它造成批发、零售商的订单和生产商产量峰值远远高于实际客户需求量，进而造成产品积压、占用资金，使得整个供应链运作效率低下。参与供应链运作的企业越多，这种效应越加明显，整个供应链的管理会变得十分复杂、困难。因而牛鞭效应研究对供应链管理具有至关重要的意义。,二、国内外研究现状,目前对供应链中牛鞭效应的研究国外学者起步较早，大多数的研究侧重于证实牛鞭效应的存在，分析可能产生的原因，提出一些降低和缓解牛鞭效应影响的方法。,到目前为止，牛鞭效应的的研究工作主要集,中于三个方面,:,第一，牛鞭效应的存在性,;,第二，牛鞭效应的定量化研究,;,第三，对牛鞭效应的抑制及其稳定性优化。但目前的研究尚处于游离阶段，绝大多数的文献往往是对上述三个方面的其中一个或两个方面进行研究。,三、本案例研究内容,本案例主要是对供应链牛鞭效应进行分析研究，应用,Matlab/Simulink,仿真软件对啤酒分销模型的三级供应链中牛鞭效应现象进行了仿真设计，分析了不同平滑指数对牛鞭效应的影响，基于控制理论提出减弱牛鞭效应的方法和措施，重点阐述了,PID,控制，进而验证策略的可行性。,四、供应链牛鞭效应建模,首先，我们必须查出放大的来源。这种从下游到上游的库存放大可能来源于订货策略，预测方法，提前期等方面，然而，这些都与库存直接相关，因此我们从简单的库存模型开始研究。,1,传递函数模型,传递函数模型是零初始条件下线性系统输出量的拉普拉斯变换与输入量的拉普拉斯变换之比。,1.1,概述,我们考虑一个只包含单一零售商和生产商的简单供,应链模型。假设以下的事件序列,:,在每个周期,t,，零售商,接收下游订单,满足下游需求,收到上游来货,察看库存水平,向上游发出订单。在零售商发出订单和接收到货物之间有一个固定的时间间隔，因此在一个周期,t,末发出的订单将在周期,t+L,的开始接收到货物。特别是，提前期,L,包含一段时间的订单传送和,T,P,时间周期的商品生产和发送。这里假设订单传送为,1,个周期，,T,P,=3,倍的时间周期。,讨论：有哪些库存订货策略？,订货点法,订货点法又称订购点法,.,订货点法指的是：对于某种物料或产品，由于生产或销售的原因而逐渐减少，当库存量降低到某一预先设定的点时，即开始发出订货单,(,采购单或加工单,),来补充库存，直至库存量降低到安全库存时，发出的订单所定购的物料,(,产品,),刚好到达仓库，补充前一时期的消耗，此一订货的数值点，即称为订货点。,订货点法也称为安全库存法。,订货点法本身具有一定的局限性。例如，某种物料库存量虽然降低到了订货点，但是可能在近一段时间企业没有收到新的订单，所以近期内没有新需求产生，暂时可以不用考虑补货。故此订货点法也会造成一些较多的库存积压和资金占用。,订货点法库存管理的策略很多，最基本的策略有,4,种：,连续性检查的固定订货量、固定订货点策略，即（,Q, R,）策略；,连续性检查的固定订货点、最大库存策略，即（,R, S,）策略；,周期性检查策略，即（,t, S,）策略；,综合库存策略，即（,t, R, S,）策略。,1. (Q, R),策略 该策略的基本思想是：对库存进行连续性检查，当库存降低到订货点水平,R,时，即发出一个订货，每次的订货量保持不变，都为固定值,Q,。该策略适用于需求量大、缺货费用较高、需求波动性很大的情形。,2. (R, S),策略 该策略和（,Q, R,）策略一样，都是连续性检查类型的策略，也就是要随时检查库存状态，当发现库存降低到订货点水平,R,时，开始订货，订货后使最大库存保持不变，即为常量,S,，若发出订单时库存量为,I,，则其订货量即为（,S-I,）。该策略和（,Q, R,）策略的不同之处在于其订货量是按实际库存而定，因而订货量是可变的。,3. (t, S),策略 该策略是每隔一定时期检查一次库存，并发出一次订货，把现有库存补充到最大库存水平,S,，如果检查时库存量为,I,，则订货量为,S-I,。经过固定的检查期,t,，发出订货，这时，库存量为,I1,，订货量为,(S-I1),。经过一定的时间（,LT,），库存补充,(S-I1),，库存到达,A,点。再经过一个固定的检查时期,t,，又发出一次订货，订货量为,(S-I2),，经过一定的时间（,LT-,订货提前期，可以为随机变量），库存有达到新的高度,B,。如此周期性检查库存，不断补给。 该策略不设订货点，只设固定检查周期和最大库存量。该策略适用于一些不很重要的、或使用量不大的物资。,4. (t, R, S),策略 该策略是策略（,t,S,）和策略（,R,S,）的综合。这种补给策略有一个固定的检查周期,t,、最大库存量,S,、固定订货点水平,R,。当经 过一定的检查周期,t,后，若库存低于订货点，则发出订货，否则，不订货。订货量的大小等于最大库存量减去检查时的库存量。,当经过固定的检查 时期到达,A,点时，此时库存已降低到订货点水平线,R,之下，因而应发出一次订货，订货量等于最大库存量,S,与当时的库存量,I1,的差（,S-I1,）。经过一定的订货 提前期后在,B,点订货到达，库存补充到,C,点，在第二个检查期到来时，此时库存位置在,D,，比订货点水平位置线高，无须订货。第三个检查期到来时，库存点在,E,， 等于订货点，又发出一次订货，订货量为,(S-I3),如此，周期进行下去，实现周期性库存补给。,1.2,决策规则,在任何的最大库存订货策略下，订货决策如下,:,O,t,=S,t,-,库存量,O,t,是周期,t,末所做出的订货决策，,S,t,是周期,t,内的最大库存，,库存量等于净库存量加上马上到来的货,(,或者叫,WIP),，净库存量等于仓库存货减去未交付订货的积压。,这里 是在,L,周期内的平均需求量的估计值， 是,L,周期内的标准需求偏差的估计值。,k,是选择的一个符合服务水平的常量。,当 和 都未知时，零售商必须预测未来需求。这种预测引起了最大库存订货策略的易变性也就引起了牛鞭效应。,为了使分析简化，我们将,k,设置为,0,，并且将提前期增加,1,。即,L,不仅代表物理上的提前期还代表安全提前期，所以现在,L=Tp+2,。,我们使用简单指数平滑方法来预测需求。公式为,:,为平滑常数，令 为数据的平均寿命周期，则,1.3,获取传递函数,根据前面的公式及所做出的订货决策，我们进行以下的推导,：,由,可得,的,Z,变换为,1,， 的,Z,变换为,当,=0.9,时，,指数平滑算法的传递函数如下：,已知,= -,库存量，库存量记为,I,，净库存量记为 。,k,0,其中 延迟因子来确保事件序列能够与实际情况相符。,表示延迟 个采样周期，,对应的时间函数为,库存量等于净库存量加上马上到来的货,(,或者叫,WIP),把,O,移到等式左边并化简得：,综上所述，指数平滑预测法对应的传递函数为 ：,系统传递函数为：,图,1,方框图,MATLAB SIMULINK,MATLAB,是,Mathworks,软件公司开发的“演算纸”式的程序计算语言，是一个跨平台的科学计算工具。它集数值分析、矩阵运算、信号处理和图形显示于一体。,MATLAB,在其发展过程中，一直将面向控制工程应用作为该软件的主要功能之一。因此，本文应用,MATLAB,作为开发语言,.,SIMULINK,是,MATLAB,提供的实现动态系统建模和仿真的一个软件包，它适用于连续系统和离散系统，也适用于线性系统和非线性系统。它采用系统模块直观的描述系统典型环节，因此可十分方便的建立系统模型而不需花较多时间编程。此软件有两个明显的功能：仿真和连接，亦即可以利用鼠标器在模型窗口上画出所需的控制系统模型，然后利用该软件提供的功能来对系统直接进行仿真。很明显，这种做法使得一个很复杂系统的输入变得相当容易。因此，本文选用,SIMULINK,作为仿真语言。,1.4,模型,Simulink,仿真,图,2,仿真模型图,Step,需求量（需求单位）,时间（订货周期）（,sec,）,图,4-3,初始需求曲线,需求在一周内从,0,突然增加到,1,后，便,保持平稳,Step Response,库存量（订货单位）,时间（订货周期）（,sec,）,图,4-4,净库存量曲线,由图可知，在某一周顾客需求突增后，库存,量的波动直至,40,周后才变得平稳。,Step Response,订货量（订货单位）,时间（订货周期）（,sec,）,图,4-5,订货量曲线,图,4-5,表明，在某一周顾客需求突增后，,零售商的订货量将会产生较长时间（即大,于,10,周）的波动，直至,40,周后才变得平稳。,为了看出供应链牛鞭效应从下游到上游传递的现象、验证牛鞭效应的存在 ，我们将前面获取的模型串联，并在起始端加入一组在,-1,，,l,区间上的随机信号，由仿真结果曲线可知初始需求的波动被逐级放大。,图,4-6,供应链牛鞭效应的传递过程,需求量（需求单位）,时间（订货周期）（sec） 图4-7,初始,需求,曲线,订货量（订货单位）,时间（订货周期）（sec） 图4-8,供应链第一层的响应,订货量（订货单位）,时间（订货周期）（sec）,供应链第二层的响应,时间（订货周期）（sec）,图4-9,订货量（订货单位）,时间（订货周期）（sec）,图4-10,供应链第三层的响应,讨论：减弱牛鞭效应的方法,五、供应链牛鞭效应的,PID,控制,1,传递函数模型的参数配置,在前面我们得到了供应链的传递函数模型,:,取,=0.11,，,=8,，,=3,，则供应链的传递函数为,:,转换到,S,域为,:,2,传递函数模型,PID,的,Simulink,控制仿真,下图是,PID,控制器的控制结构框图：,加入到传递函数模型中去。得到,PID,控制下的供应链模型，如下所示：,图,5-1 PID,控制结构图,讨论：如何调节,PID,的系数？,比例（,P,）调节作用：是按比例反应系统的偏差，系统一旦出现了偏差，比例调节立即产生调节作用用以减少 偏差。比例作用大，可以加快调节，减少误差，但是过大的比例，使系统的稳定性下降，甚至造成系统的不稳定。,积分（,I,）调节作用：是使系统消除稳态误差，提高无差度。因为有误差，积分调节就进行，直至无差，积分调节停止，积分调节输出一常值。积分作用的强弱取决与积分时间常数,Ti,，,Ti,越小，积分作用就越强。反之,Ti,大则积分作用弱，加入积分调节可使系统稳定性下降，动态响应变慢。积分作用常与另两种调节规律结合，组成,PI,调节器或,PID,调节器。,微分（,D,）调节作用：微分作用反映系统偏差信号的变化率，具有预见性，能预见偏差变化的趋势，因此能产生超前的控制作用，在偏差还没有形成之前，已被微分调节作用消除。因此，可以改善系统的动态性能。在微分时间选择合适情况下，可以减少超调，减少调节时间。微分作用对噪声干扰有放大作用，因此过强的加微分调节，对系统抗干扰不利。此外，微分反应的是变化率，而当输入没有变化时，微分作用输出为零。微分作用不能单独使用，需要与另外两种调节规律相结合，组成,PD,或,PID,控制器。,图,5-2,加,PID,控制的模型图,由此图可知，加入,PID,后，只是在前,4,周订货量有,所波动，且波动幅度也比传递函数模型小得多，做以,下对比：传递函数模型的波动幅度为从,0,至,1.58,；,PID,模型的波动幅度为从,0,至,1.08,。第,5,周后订货量便趋于,平稳，几乎没有波动，大大消除了订货量的不确定性。,订货量（订货单位）,时间（订货周期）（,sec,）,图,5-3,订货量分布,库存量（订货单位）,时间（订货周期）（,sec,）,图,5-4,库存量分布,类似的，由图,5-4,可知,加入,PID,控制器,后，库存量的波动也明显变小。,Step Response,下面我们来分析供应链牛鞭效应从下游到上游传递的现象。在图,5-5,中，我们将前面获取的模型以及,PID,控制模型串联，并且分别在起始端加入相同的一组在,-1,，,l,区间上的随机信号，得到图,5-6,图,5-11,的一组图像，它们显示了分别加入信号后第一层到第三层传播的过程。传递函数模型中信号的波动被逐层放大，产生了很明显的失真；但,PID,控制模型中，逐层传递所得到的信号与初始信号十分接近，牛鞭效应得到了很好的控制，证实了,PID,一直在控制牛鞭效应传播中所起的作用，,即,PID,控制模型中，牛鞭效应得到了较不错的控制，信号失真现象得到了明显的改善。,图,5-5,传递函数模型与其,PID,控制模型的逐层传递,图,5-6,传递函,数模型第一层,图,5-7 PID,控,制模型第一层,图,5-8,传递函,数模型第二层,图,5-9 PID,控,制模型第二层,图,5-10,传递函,数模型第三层,图,5-11 PID,控,制模型第三层,由以上可知，,PID,控制模型中，牛鞭效应得到了较不错的控制，信号失真现象得到了明显的改善。,