啤酒游戏：该游戏是由麻省理工学院斯隆管理学院在20世纪60年代创立的库存管理策略游戏，该游戏形象地反映出牛鞭效应的存在及影响。几十年来，游戏的参加者成千上万，但游戏总是产生类似的结果。因此游戏产生恶劣结果的原因必定超出个人因素, 这些原因必定是藏在游戏本身的结构里。
在游戏中，零售商通过向某一批发商订货，来响应顾客要求购买的啤酒订单，批发商通过向生产啤酒的工厂订货来响应这个订单。该实验分成三组，分别扮演零售经理、批发经理和工厂经理。每一组都以最优的方式管理库存，准确订货以使利润最大化。
案例介绍：此案例主要是通过模拟啤酒游戏来仿真供应链中的牛鞭效应，从为改善牛鞭效应来提供帮助。首先假设啤酒游戏中包含零售商、批发商、供应商三个成员。同时对游戏中的参数进行如下假设：市场对啤酒的前4周的需求率为1000周/箱，在5周时开始随机波动，波动幅度为±200，均值为0，波动次数为100次，随机因子为4个。假设各节点初始库存和期望库存为3000箱，期望库存持续时间为3周，库存调整时间为4周，移动平均时间为5周，生产延迟时间和运输延迟时间均为3周，不存在订单延迟。仿真时间为0～200周，仿真步长为1周。期望库存等于期望库存持续时间和各节点的销售预测之积。
![clip_image002[1]](http://hi.csdn.net/attachment/201007/12/0_1278976521Kwz7.gif "clip_image002[1]")
(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) 市场需求率=
1000+if then else(Time>4,random normal(-200,200,0,100,4),0)
Units: **undefined**
(06) 库存调整时间=
4
Units: **undefined**
(07) 批发商发货率=
delay3(零售商订单,运输延迟)
Units: **undefined**
(08) 批发商库存= INTEG (
生产商发货率-批发商发货率,
3000)
Units: **undefined**
(09) 批发商期望库存=
批发商销售预测*期望库存覆盖时间
Units: **undefined**
(10) 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**
(11) 批发商销售预测=
smooth(批发商发货率,移动平均时间)
Units: **undefined**
(12) 期望库存覆盖时间=
3
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=
期望库存覆盖时间*生产商销售预测
Units: **undefined**
(16) 生产商生产率=
delay3(生产商生产需求,生产延迟)
Units: **undefined**
(17) 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**
(18) 生产商销售预测=
smooth(生产商发货率,移动平均时间)
Units: **undefined**
(19) 生产延迟=
3
Units: **undefined**
(20) 移动平均时间=
5
Units: **undefined**
(21) 运输延迟=
3
Units: **undefined**
(22) 零售商库存= INTEG (
批发商发货率-市场需求率,
3000)
Units: **undefined**
(23) 零售商期望库存=
期望库存覆盖时间*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(市场需求率,移动平均时间)
Units: **undefined**
运行结果，可以看到牛鞭效应明显。
![clip_image004[1]](http://hi.csdn.net/attachment/201007/12/0_1278976522y1on.gif "clip_image004[1]")
订单变化情况如图.
分享到：
![clip_image002[1]](http://hi.csdn.net/attachment/201007/12/0_1278976521vKWj.gif "clip_image002[1]")
![clip_image004[1]](http://hi.csdn.net/attachment/201007/12/0_12789765220sF5.gif "clip_image004[1]")
相关推荐
基于啤酒游戏的供应链牛鞭效应分析研究.pptx
案例二基于啤酒游戏的供应链牛鞭效应分析与研究.pptx
以电力企业供应链中的"牛鞭效应"为例,分析了"牛鞭效应"对供应链运作的影响,提出了解决"牛鞭效应"的方法。主要是通过采用信息技术支持、加强库存管理、扩展供应链上游渠道等方法,来削减及消除"牛鞭效应"的负面影响,...
牛鞭效应在啤酒游戏中的运用.doc
本文考虑一个单条供应链在信息共享条件下采用订至点补货策略的情形，在随机需求下，研究了一个四级供应链系统中的牛鞭效应及其抑制方法.基于反馈控制理论构建了一个四级库存系统的动态控制模型，并通过拉普拉斯变换...
论文研究-鲁棒控制下动态供应链系统牛鞭效应优化.pdf, 为解决网络化制造(networked manufacturing,NM)模式下供应链系统运作中存在的不确定性扰动, 运用H∞鲁棒控制方法...
考虑一个煤炭勘探开采企业和一个煤炭销售运输企业组成的两级煤炭供应链,建立了煤炭市场需求服从SARMA时间序列过程,煤炭销售运输企业采用MA技术预测市场需求和Orderup-to库存策略的煤炭供应链牛鞭效应量化模型,并对该...
ZARA对消除“牛鞭效应”的启示，胡婧，，近年来，经济全球化使企业间的竞争逐渐转化为供应链间的竞争，人们开始重视供应链中各个成员间的协调合作，也开始着力解决影响供
基于信息共享的生鲜农产品供应链牛鞭效应研究，王旭，贺维维，为了研究生鲜农产品供应链牛鞭效应的量化与控制方法，首先分析生鲜农产品供应链与其它供应链的区别，针对生鲜农产品供应链的特殊
基于信息共享的牛鞭效应对策研究，张勇，，随着全球一体化趋势的加强，供应链技术越来越成为管理学界研究的焦点，一个供应链整体运作绩效的高低直接关系到链中企业的兴衰，
为考察回收物流对供应链牛鞭效应的影响程度，建立了由需求方、制造商和原材料供应商、回收商组成的闭环供应链系统动力学模型。模型建立在供应能力受限并禁止退货的约束条件上，使系统成为分段线性复杂系统。分别在...
#资源达人分享计划#
定量描述了电子市场双源渠道的牛鞭效应，分析了牛鞭效应的控制机理，应用控制理论提出了需求最坏扰动情况下牛鞭效应的H。。控制算法。最后，结合上海宝钢益昌公司电子商务的实际情况进行了仿真计算，分析了该公司...
啤酒游戏模拟了一个四阶段的供应链（零售商、批发商、分销商和工厂）。 每个阶段由一名或更好的两到三名玩家进行。 一个供应链通常由8至12人参与； 一个班级可以同时管理多个供应链。 每个供应链的任务是生产和交付...
减少牛鞭效应的遗传算法方法.doc