基于某Vensim PLE啤酒游戏仿真实验报告材料
啤酒游戏实训分析报告
啤酒游戏实训分析报告专业 物流管理 学生姓名 王倩 学号 29一、啤酒游戏的规则及过程“啤酒游戏”是在生产与配销单一品牌啤酒的产销模拟系统中进行的。
它模拟的是简化后的供应链，选择从库存控制这个特定的功能来说明供应链的复杂性。
虽然相对于现实过程大大简化了，但是仍然足以典型而集中地反映出供应链上下游之间的相互关系，以及供应链体系的本质特征。
（一）游戏的环境约束模拟的供应链由3个环节构成——制造商、批发商和零售商，相邻环节之间存在物流（啤酒）和信息流（订单），上游环节根据下游相邻环节发来的订单安排生产或订货。
供应链中各节点企业相互独立，下游企业不知道上游企业所面对的需求量。
节点企业每周对上游企业下达一次订单，并对下游企业发货一次。
每个节点企业订货周期为4周，即下游企业的订单2周后到达上游企业，上游企业 发货2周后货物到达下游企业。
游戏初始时刻，每个节点企业有4单位的初始库存。
游戏一般模拟24 周。
（由于时间的关系本次游戏只进行了8周） （二）分工及规则1．供应链成员构成每条供应链由3个节点企业（啤酒制造商、批发商、零售商)组成，每个节制造商 批发商A零售商A零售商C 零售商B 消费者运输人员运输人员 批发商B 零售商D 零售商E 零售商F 消费者运输人员 运输人员 信息流（订单）物 流（啤酒） 图一 a 链b 链点企业由3-4名学生组成，消费者由教师扮演；每两个节点企业由运输人员负责传递订单及运输货物；消费者的订单由教师直接传递给零售商，运输人员由老师扮演，每条供应链共需20名左右的学生参与。
（供应链关系如图一）2. 游戏过程在啤酒游戏中, 分成两条供应链A 、B 两组模拟比赛，在游戏过程中，游戏过程中零售商、批发商和制造商之间的信息是屏蔽的，他们之间不会有任何的联系，每个小组进行认真的思考决策，每个人都尽心尽力地为自己的角色负责。
批发商A 组在这八周的订货量和零售商A 、B 、C 的订货量波动较大。
基于Vensim PLE啤酒游戏仿真实验报告
基于Vensim PLE啤酒游戏仿真实验报告专业班级：工业工程一班*名：***学号：***********2 基于Vensim PLE啤酒游戏仿真1.实验报告2.提交啤酒游戏的因果关系及仿真结果基于Vensim PLE啤酒游戏仿真实验报告一、实验目的与要求1.1实验目的(1)初步掌握VENSIM软件的仿真模拟过程，认识并了解VENSIM软件VENSIM是一个建模工具，可以建立动态系统的概念化的，文档化的仿真、分析和优化模型。
PLE（个人学习版）是VENSIM的缩减版，主要用来简单化学习动态系统，提供了一种简单富有弹性的方法从常规的循环或储存过程和流程图建立模型。
本实验就是运用VENSIM进行系统动力学仿真，进一步加深对系统动力学仿真的理解。
（2）以上机题目所给的啤酒游戏为案例实际操作VENSIM软件进行模拟仿真运用系统动力学的原理和VENSIM软件构建了啤酒游戏的供应链模型，以及各相关因素之间的因果反馈关系模型。
模拟仿真一个供应链流程的运行。
从而将系统动力学的知识与软件实际操作融会贯通，更加了解该软件的应用。
（3）通过模拟仿真的结果来分析牛鞭效应牛鞭效应，就是指当供应链上的各级供应商只根据来自其相邻的下级销售商的需求信息进行供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。
通过增加供应链模型节点个数并对其仿真结果进行分析，证明随着供应链长度的增加，牛鞭效应也愈加明显；对VMI 库存管理模式与传统库存管理模式的系统结构及运营绩效进行了比较，说明供应链成员间的信息共享可以有效地弱化牛鞭效应。
1.2实验要求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：消费者对啤酒的前4周的需求率为300箱/周，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1000箱，期望库存持续时间为3周，库存调整时间为4周，预测平滑时间为5周，生产延迟时间和运输延迟时间均为3周，且为3阶延迟；不存在订单延迟。
“啤酒游戏”实验报告（精选五篇）
“啤酒游戏”实验报告（精选五篇）第一篇：“啤酒游戏”实验报告实验一：“啤酒游戏”实验1.实验目的（1）帮助学生认识供应链的基本结构和供应链企业之间的相互关联；（2）帮助学生认识到时间滞延、资讯不足的现实约束条件对供应链系统运营的影响；（3）帮助学生理解“需求变异放大”效应的表现和根源；（4）帮助学生掌握如何突破习惯思维方式，以系统性的思考寻求最优经营决策的具体方法。
2.实验内容在确定每位同学扮演的角色之后，分角色模拟供应链的订货过程20周以上，按要求作记录，并对订货结果进行分析。
3.实验仪器、设备及材料计算机，安装Windows2000及以上系统和“啤酒游戏”实验软件。
4.实验原理通过观察供应链管理中典型的“牛鞭效应”现象，认识到如何保证整条供应链的成本最小化是供应链管理的主要研究问题。
即使一个企业内部资源优化整合后，如果不注重供应链管理，在市场环境中仍然无法立于不败之地。
5.实验步骤（1）收货：将运输延迟的库存收到当前库存中；（2）发货：按上期收到的订单发货，按照订单量将库存中的货放入与下游间的运输2周延迟中。
发货后做缺货量记录和库存记录；（3）发订单：下游向上游发订单，作记录；（4）收订单：收下游的订单，并作记录；（5）实验结果分析。
6.实验报告要求（1）实验名称、学生姓名、班号和实验日期；（2）实验目的和要求；（3）实验仪器、设备与材料；（4）实验原理；（5）实验步骤；（6）实验原始记录；（7）实验数据计算结果；（8）实验结果分析，讨论实验指导书中提出的思考题，写出总结及心得体会。
7.实验结果8.思考题当价格随需求变动或生产提前期发生变化时，供应链会产生怎样的波动？如何缓解供应链中的“牛鞭效应”现象？答：当价格随需求变动或生产提前期发生变化时，供应链会产生需求逐级放大的情况，俗称“牛鞭效应”。
缓解供应链中的“牛鞭效应”现象的主要方法如下：（1）缩短供货时间供货时间长短影响到销售商的安全库存的多少，也影响到销售商的订货量的增加。
啤酒游戏实验报告-选材
啤酒游戏实验报告一、实训目的（一）从时间滞延、资讯不足的产销环境对产销系统的影响,深刻认识信息沟通、人际沟通的必要性。
（二）通过实训充分理解供应链管理的系统化思想。
（三）扩大思考的范围，了解不同角色之间的互动关系，认识到自己若相成功,必须其他人能成功。
（四）突破一定的习惯思维方式，以结构性或系统性的思考才能找到问题并有改善的可能。
（五）避免组织学习的智障。
二、实训角色零售商（我们小组规定，零售商要无条件接批发商的补货）, 是将商品直接销售给最终消费者的中间商，处于商品流通的最终阶段。
面对个人消费者市场，是分销渠道系统的终端，直接联结消费者，了解市场需求。
三、实训内容及分析(一)实训内容描述啤酒游戏实验是一个生产和配销业务的系统。
游戏的目标，是尽量扮演好自己的角色，使利润最大，使团队利润最大化。
游戏是这样进行的：由一群人，分别扮演制造商、批发商和零售商三种角色，彼此只能透过订单／送货程序来沟通。
订单和啤酒在相邻两个环节之间需要经过两周时间才能到达，也即发出的订单最早也要4周才可能到货。
各个角色拥有独立自主权，可决定该向上游下多少订单、向下游销出多少货物。
至于终端消费者，则由游戏自动来扮演。
而且，只有零售商才能直接面对消费者。
（二）实训结果分析个人相关图表及分析（后附表格）1、需求量、订货量、销量图（1）由市场需求量曲线可知，啤酒市场需求的特征是：需求量波动较强，在第四周开始增长到十三周又开始下降，并维持一段时间，然后到第二十四周又有增长的趋势。
（2）对比销量曲线，在第十三周需求量增长到高峰期时，自己已经没货供应，销量反而减少。
这是因为前期没有预测到需求量的增长，到知道市场需求增长的时候再订货，正常情形下货要经过四周才能到达，已经来不及满足市场的需求量。
（3）由订货量曲线可知，订货量大致随着市场需求量的波动要波动。
到了二十八周，订货的大小已经影响不到本次游戏的利润。
2、销量、欠货量(顾客)图和利润图（1）由销量、欠货量图可知，在第七周到第十七周和第二十周到第三十周欠货严重，导致销量急骤下降。
啤酒游戏实验报告
NANCHANG UNIVERSITY啤酒游戏实验报告学院：专业班级：学生姓名：学生姓名：学生姓名：学生姓名：啤酒游戏实验报告一、实验名称：啤酒游戏.二、实验目的、要求：一目的：掌握多级库存管理中的库存成本、库存控制的概念以及供应链一体化决策的思想,了解牛鞭效应的产生原因,知道信息共享、缩短订货提前期、及时配送等消除牛鞭效应的方法.二要求：1假设只经营一种产品：啤酒.啤酒由制造商生产出来,先卖给批发商,然后再由批发商卖给零售商,最后在零售商的店里卖给最终消费者.现实的情况当然要复杂得多,但这里只是游戏,就只有零售商、批发商、啤酒制造商、游戏记账员担任顾客四个角色,4人组成游戏的一个小组.按游戏规则完成游戏,并填制表格.游戏成员之间不得互相透漏其客户需求.2按游戏数据制作消费者、零售商、批发商的订购量曲线图及制造商的生产量曲线图.3分析牛鞭效应现象产生的原因及可解决的办法.4分析需求的随机性、延迟供应、在途时间等对订货决策和库存的影响.5假定上下游之间可以交流信息,模拟得到实验结果,分析信息共享的作用.6假定整条供应链决策者一起制定决策,以最大化供应链整条利润,模拟实验后分析集中式决策以供应链总利润最大化为目标进行统一决策和分散式决策各成员以自身利润最大化为目标进行各自为政的决策的优劣.7提交实验报告.四、实验道具：点数在1到13之间的纸团13张；零售商、批发商、制造商的实验记录表各一张及实验结果数据汇总表一张,共四张；游戏规则表两张；铅笔若干.五、实验内容和步骤：游戏规则说明略六、第一次实验过程记录和实验结果：1、零售商表格2、批发商表格3、生产商表格4、利润汇总表001659191009397171供应链总利润=++=七、第一次实验总结：1、牛鞭效应一牛鞭效应分析根据实验数据我们制作了以下图表进行分析从以上图表可看出从消费者到制造商这一过程中需求的变异程度不断放大,牛鞭效应明显.二牛鞭效应产生的原因在实验中组员之间严格按照游戏规则不与上一层商家交流信息,需求信息不能实现共享、信息透明度不够,这是产生牛鞭效应的最主要原因.同理在现实经济生活中产生牛鞭效应是因为供应链上的信息流从最终客户向原始供应商端传递时候,无法有效地实现信息的共享,从而使得信息扭曲而逐渐放大,导致了需求信息出现越来越大的波动.但是经济生活中导致牛鞭效应的原因不仅于此,它更加多元化.牛鞭效应产生的原因主要是需求扭曲而造成,而造成需求扭曲主要有以下几个方面的原因：1、供货时间供货反应的时间是产生牛鞭效应最重要的原因之一.供货反应时间与需求的扭曲主要反映在安全库存上.供货时间是下级企业向上级供应商订货后,货物送达之前的时间.如在这段时间内下级企业接到意外客户的订单,就可能出现缺货,为快速满足客户的需要就会增加这种货物的库存量,即安全库存.安全库存的目的是为了满足供货时间内发生的需求变化.需求变化越大,要求的安全库存就越多,供应时间越长,要求的安全库存也越多.为了满足市场的需求,下级企业向上级供应商加大订货量.安全库存会沿着供应链向上,在各级供应商那里不断累积,这就是造成需求扭曲的主要原因之一.2、预测误差预测误差是由于需求的随机性造成的.需求预测误差是指当供应链的成员利用其直接的下游订货数据作为市场需求信息和依据时,就会产生需求放大.通过研究发现,零售商往往根据历史销售量及现实销售情况进行预测,确定一个较客观的订货量.为了保证这个订货量能及时可得,并且能够适应顾客需求的变化,通常会将预测订货量进行一定数量放大后向批发商订货.批发商由于同样的原因,也会在汇总零售商订货量的基础上再进行一定数量的放大向销售中心订货.因此,虽然顾客需求量并没有大的波动,但经零售商和批发商的层层放大,供应商特别是越往供应链上游的供应商的订货偏差就越来越大.如零售商正常的最高月销量是100台电视机,如临节假日,可能销售量会增加,为保证不断货,他会在月最高销售量的基础上加10%,于是他向上级供应商上订单是1001+10%台,如上级批发商总汇该地区的零售商的订货量后为1000台,他为保证零售商的需求,在1000台的基础上又增加5%向生产商订货,于是他向生产商下的订单是10001+5%台.生产商为了保证批发商的需要,虽然他明知其中有夸大成分,但由于他不知实际需求情况,于是不得不按10001+5%台生产,并且在考虑到货损等情况,又加量生产,这样一层一层地增加预订量,引起了需求的扭曲,导致理了牛鞭效应.3、恐慌性购买当产品供不应求的情况下,通常是供应商按订货量的比例分配,订货量大的客户相对多分配一些,订货量小的客户少分配一点,此时零售商或客户为了得到更大份额的配给量,一般会加大订货量.如果每个客户都这样做,供应商从客户订单获得需求信息将会被夸大.这种短缺情况下的恐慌性购买会导致需求信息的扭曲,由此可见,恐慌性购买也是产生“牛鞭效应”的一个原因.4、订货策略不同在供应链中,各企业都会向上游企业订货,一般情况下,销售商在考虑库存和运费的基础上,不会来一个订单就向上级供应商订货一次,而是在一个周期式汇总到一定数量后再向供应商订货.为减少订货频率,降低成本,销售商会在汇总的数量上加量订货.同时供应商为减少频繁订货的工作量和成本,也会要求销售商订货量在一定数量以上,或在一定的时间内订货.这时销售商为及时得到货物或为急需之用,往往人为提高订货量,这样的订货策略导致了“牛鞭效应”.5、供应链的多层次性由于在供应链的各个层次,经营者都会设置安全库存,多层的累积,乃至同一层次中多个仓库库存的累加都会导致整个供应链系统库存产品量的数倍增加,进而导致企业对市场波动的反映速度减缓,再促使企业提高为客户服务的水准,尤其是现货供应水平和提高安全库存,形成“牛鞭效应”.6、信息沟通不顺畅由于缺少信息交流和共享,企业无法掌握下游的真正需求和上游的供货能力,只好自行多储备货物.同时,供应链上无法实现存货互通有无和转运调拨,只能各自持有高额库存,这也会导致牛鞭效应.通过以上的分析,我们可以发现“牛鞭效应”产生的根本原因在于供应链中上、下游企业间缺乏沟通和信任机制,而每一个企业又都是理性人,有各自的利益,由此造成需求资讯在传递过程中不断地被扭曲.2、需求随机性,延迟供应,在途时间影响详见牛鞭效应产生的原因1,2.八、第二次实验过程记录和实验结果信息可以交流：1、零售商表格2、批发商表格3、生产商表格4、利润汇总表供应链总利润=++=九、第二次实验总结：1、信息分析的作用由于参与游戏的人少,所以将上下游信息沟通和整体供应链决策者一期制定决策合并为同一个实验.通过比较两次实验结果可以发现信息交流下的实验,供应链的总利润变大,各级分销商的利润也变大了,虽然考虑到第二次实验的顾客需求较第一次有所增加,利润并不是相较于订货量同比增长,而是有了较大幅度的提高,由此可以说明,信息交流可以在一定程度上减小牛鞭效应.2、集中式决策和分散式决策的优劣集中式决策优势：可以提高供应链的利润以及各级分销商的利润.集中式决策劣势：在现实生活中很难做到,在做决策之前要花大量的时间讨论和分析,现实可行性不大.分散式决策优势：决策快速,节省时间.分散式决策劣势：为追求自身利润最大化往往会损坏他人的利益,最后导致整条供应链的利润大幅下降.十、游戏策略说明详见各销售商的记录表十一、游戏总结1、啤酒游戏是一个看似简单但暗藏玄机的游戏,在每次的游戏过程中都会出现或多或少的记录混乱以及沟通障碍等,这源于我们对规则的理解不透彻.2、游戏的轮数以及顾客需求的限定都对游戏结果有着较大的影响,这些因素的影响还可以继续进行更进一步的讨论研究.3、在游戏过程中,各成员能够相互配合,为实现整体利润最大化或自身利润最大化而积极讨论.十二、游戏收获通过这几次的啤酒游戏,我们不仅学习了相关理论,感受了企业的运行机制,体会了牛鞭效应会带来的影响,还明白了团队合作与信息沟通的重要性,受益匪浅.。
“啤酒游戏”实验报告
（4）收订单:收下游的订单,并作记录;
(５）实验结果分析。
６.实验报告要求
（１)实验名称、学生姓名、班号和实验日期；
(2)实验目的和要求;
（3）实验仪器、设备与材料;
(4)实验原理；
(5）实验步骤；
（6)实验原始记录；
（７）实验数据计算结果;
（８）实验结果分析，讨论实验指导书中提出的思考题，写出总结及心得体会。
通过集中实际需求信息，为供应链各级企业提供的顾客需求的全部信息,实现信息共享,是减少整个供应链的不确定性，也是减少和消除“牛鞭效应”最常用的方法。销售商通过销售时点信息系统采集顾客的实际购买量，在通过专用的信息网传入供应链的数据中心,数据中心可在很短时间内更新一次数据，这是没有任何放大和扭曲的最终需求量,数据中心对这些需求量进行分类汇总，供应链上各级供应商都有权进行数据中心分享这些信息,这样他们就能更及时更准确地掌握市场需求的真实变化,预先安排，降低“牛鞭效应”。
７．实验结果
８.思考题
当价格随需求变动或生产提前期发生变化时,供应链会产生怎样的波动?如何缓解供应链中的“牛鞭效应”现象?
答:当价格随需求变动或生产提前期发生变化时,供应链会产生需求逐级放大的情况，俗称“牛鞭效应”。
缓解供应链中的“牛鞭效应”现象的主要方法如下:
（1)缩短供货时间
供货时间长短影响到销售商的安全库存的多少，也影响到销售商的订货量的增加。缩短供货反应的时间,安全存货量就会下降,销售商的订货更接近需求,需求的扭曲得到了缓解。因此,通过应用现代信息系统可以及时获得销售信息和货物流动情况，建立快速反应系统,同时通过多频率小批量联合送货方法，努力将供货时间缩短到最短,减弱“牛鞭效应”。
供应链管理啤酒游戏实验报告牛鞭效应 vensim啤酒游戏实验报告
供应链管理啤酒游戏实验报告牛鞭效应vensim啤酒游戏实验报告《供应链管理》啤酒游戏实验报告第（）组角色零售商批发商制造商姓名学号成绩实验报告实验项目名称啤酒游戏所属课程名称供应链管理实验日期 20__年_月_日实验概述【实验目的及要求】1.能够模拟供应链上制造商、批发商、零售商等不同节点企业的订货需求变化 2.认识供应链中需求异常放大现象（即“牛鞭效应”）的形成过程 3.分析“牛鞭效应”的产生原因 4.找出减少“牛鞭效应”的方法 5．每个角色根据客户需求和经营数据，制定订货策略，向供应商订货 6．每个角色计算自己的经营业绩 7．每个小组画出订货需求变化曲线图，揭示“牛鞭效应” 8．分析“牛鞭效应”的产生原因 9．分析策略改进后“牛鞭效应”的变化 10．找出减少“牛鞭效应”的对策【实验原理】牛鞭效应，是经济学上的一个术语，指供应链上的需求变异放大现象，是信息流从最终客户端向原始供应商端传递时，由于无法有效地实现信息的共享，使得信息扭曲而逐级放大，导致了需求信息出现越来越大的波动。
此信息扭曲的放大作用在图形上很像一根甩起的牛鞭，因此被形象地称为牛鞭效应。
可以将处于上游的供应方比作梢部，下游的用户比作根部，一旦根部抖动，传递到末梢端就会出现很大的波动。
简而言之，牛鞭效应指沿着供应链上游移动，需求变动程度不断增大的现象。
从而导致安全库存大量增加。
实验内容【实验方案设计】 1、三人组成团队小组，第一次游戏的第一轮开始。
2、零售商根据消费者需求数量（纸牌随机点数）和相关经营数据，制定订货策略，向批发商发出订货。
3、批发商根据零售商需求数量（零售商订货数量）和相关经营数据，制定订货策略，向制造商发出订货。
4、制造商根据批发商需求数量（批发商订货数量）和相关经营数据，制定生产计划，进行生产。
5、第一轮结束，下一轮开始，依次进行，每轮都要重复步骤3、4、5，直到系统提示本次游戏停止。
6、第一次游戏结束。
7、提前期缩短后进行第二次游戏，游戏过程与第一次游戏相似，只是在途时间为1天。
啤酒游戏实验报告总结
总结
批发商拥有大量的货物，只进行批量出售货物，但不提供 零售业务，而且出售的物品的价格会比市场零售价格低。
批发商通过广泛地接触不同的生产商，可以高效率地采购、 配置多种产品；迅速把产品供应给零售商和生产企业，提 高顾客的采购效率。同时由于批发商备有充分的库存，可 以迅速发货，并提供相关的运输服务保证。批发商购进产 品后，承担了经济风险。如生产供求和价格变动带来的风 险，产品运输和保管中的风险，预购和赊帐中的呆帐风险。 夹在供应商和零售商两者之间，能有效的提供有关竞争者 的产品、服务以及价格变化等方面的信息。
批发商
汇总表（不包含利润）
批发商1汇总表 60 50 40 30 20 10 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
订货总量 发货总 初期库存 期末库存 订货量
数据分析
我们制定的新单轨迹与接收下游的新订单基本相符。 没有期初缺货现象，期末库存和期初库存从第五周开 始便大幅度下降，但能够及时向下游按订单发货。从 第十二周开始，库存无法满足下游的订货量，导致缺 货现象的产生。作为批发商，我们的决策第一个失误 在于第一天由于害怕过少的库存成本而急切制定新订 单，没有估计到顾客的需求量，大批量的订货造成库 存成本增加，也没有考虑到从订单的发出到接到货物 需要一定的反应时间。而后半时期，为了降低库存成 本的持续增加，向上游发放的订单急剧减少，又造成 了一度的缺货现象的发生，没有从库存与下游需求量 两者供求关系中思考问题。
将零售商 批发商 制造商 各自相对应的时期的 期末库存放在一起对比
将零售商、批发商、制造商同时期各自的利润 进行对比
将市场需求与零售商订货 批发商 订货 制造商计划生产值进行对比
啤酒游戏实验报告结论(3篇)
第1篇一、实验目的达成1. 通过模拟啤酒生产、销售、消费供应链的运作，参与者充分了解了供应链系统的组成、供应链系统不同节点之间的关系、供应链中库存的特点、及牛鞭效应、库存持有成本和缺货成本的知识。
2. 参与者通过实训，充分理解了供应链管理的系统化思想。
3. 实验扩大了参与者的思考范围，使他们了解到不同角色之间的互动关系，深刻认识信息沟通、人际沟通的必要性。
4. 参与者突破了固有的思维方式，以结构性或系统性的思考找到了问题，并找到了改善的可能。
5. 实验使参与者认识到团队合作的重要性。
二、牛鞭效应的影响1. 实验结果显示，牛鞭效应对整个供应链产生了严重的危害，导致库存成本和缺货成本增加。
2. 由于信息不对称，下游厂商在需求变化时，为了减少缺货风险，往往选择多订货，导致上游厂商生产过剩。
3. 牛鞭效应使得供应链各环节之间的库存水平波动加剧，增加了供应链的成本。
三、抑制或消除牛鞭效应的关键因素与方法1. 加强供应链各环节之间的信息共享，提高供应链透明度。
2. 采用先进的供应链管理技术，如需求预测、库存优化等。
3. 建立有效的沟通机制，促进供应链各环节之间的协作。
4. 实施合理的库存管理策略，如采用安全库存、经济订货批量等。
5. 培养供应链管理人才，提高供应链管理水平。
四、实验总结啤酒游戏实验是一项具有很高实用价值的供应链管理培训工具。
通过实验，参与者深刻认识到了供应链管理的重要性，以及牛鞭效应的危害。
同时，实验也为参与者提供了抑制或消除牛鞭效应的有效方法，有助于提高供应链的效率和竞争力。
在今后的供应链管理实践中，我们应该充分借鉴啤酒游戏实验的经验，加强供应链管理，提高供应链的整体水平。
第2篇一、实验概述啤酒游戏实验是一项经典的供应链管理模拟实验，旨在通过模拟供应链的运作过程，让学生了解供应链系统的组成、不同节点之间的关系、库存特点以及牛鞭效应、库存持有成本和缺货成本等知识。
本实验分为多个阶段，参与者分别扮演零售商、分销商、批发商和制造商等角色，通过订单送货程序进行沟通，最终实现供应链的运作。
啤酒游戏实训总结报告模板【优质】
啤酒游戏实训总结报告班级：10连锁2班学号：**********角色：批发商姓名：***团队:***啤酒游戏实训总结报告一、实训名称：啤酒游戏二、实训地点：实验楼501三、实训时间：3~4月份四、实训目的、要求模拟一个啤酒生产、销售、消费供应链的运作，通过不同条件下的仿真模拟，使学生深入理解供应链管理中的库存决策和“牛鞭效应”，这种贴近现实环境的库存决策模拟实验可以充分锻炼学生的决策思维，更好地理解减缓“牛鞭效应”的一些具体措施。
（1）从时间滞延、资讯不足的产销环境对产销系统的影响,深刻认识信息沟通、人际沟通的必要性。
（2）通过实训充分理解供应链管理的系统化思想。
（3）扩大思考的范围，了解不同角色之间的互动关系，认识到自己若相成功,必须其他人能成功。
（4）突破一定的习惯思维方式，以结构性或系统性的思考才能找到问题并有改善的可能。
（5）避免组织学习的智障,加强团队协作!五、实训假设1）“啤酒游戏”的供应链只涉及一种商品：啤酒；（2）供应链节点：共5个。
上游4个节点，每个节点代表一个企业；a)最终消费者Consumerb)零售商Retailerc)批发商Distributord)生产商Manufacturer（3）游戏过程的决策问题：各决策主体（零售商、批发商和生产商）基于实现自身利益最大化的目标来确定自身每周的定购量。
（4）供应链为直线型供应链，商品（啤酒）与订单仅仅在相邻的两个节点之间传递，不能跨节点。
（5）供应链最上游是生产商，其原材料供应商视为供应链外部因素，并假设原材料供应商的供应能力无限大。
（6）生产商的生产能力无限制，各节点的库存量无限制。
（7）不考虑供应链的设备故障等意外事件。
（8）时间单位：周。
（9）每周发一次订单。
（10）订货、发货与收货均在期初进行。
（11）本期收到的货能够用于本期销售。
（12）供货期（提前期）：a)零售商―――消费者：0周b)批发商―――零售商：4周（订单响应期2周，送货时间2周）c)生产商―――经销商：4周（订单响应期2周，送货时间2周）d)生产商制造周期：2周（13）除了下游节点向相邻上游节点传递订单信息之外，供应链节点之间信息隔绝。
啤酒游戏实验报告
啤酒游戏实验报告一、实验目的(1)充分认识牛鞭效应的原理并深刻体味其对于供应链的影响。
(2)通过实训充分理解供应链管理的系统化思想。
(3) 了解不同角色之间的互动关系，深刻认识信息沟通的必要性。
二、实验原理1、牛鞭效应(Bullwhip effect )指营销过程中的需求变异放大现象被通俗地称为“牛鞭效应”，是指供应链上的信息流从最终客户向原始供应商端传递时候，由于无法有效地实现信息的共享，使得信息扭曲而逐渐放大，导致了需求信息浮现越来越大的波动。
这是营销过程中的一种高风险现象，它直接加重了供应商的供应和库存风险，甚至扰乱生产商的计划安排与营销管理秩序，导致生产、供应、营销的混乱，解决“牛鞭效应”难题是企业正常的营销管理和良好的顾客服务的必要前提。
2、“牛鞭”效应产生的原因是需求信息在沿着供应链向上传递的过程中被不断曲解。
企业的产品配送成为被零售商所夸大的定单的牺牲品；反过来它又进一步夸大了对供应商的定单。
其基本思想是：当供应链上的各节点企业只根据来自其相邻的下级企业的需求信息进行生产或者供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。
试着想象客户手中拿着一根鞭子，同时购买心理不停的改变，鞭子也不停的跟着摆动，鞭子越长摆动的越大。
解决长鞭效应最好的方法是将这个鞭子缩得越短越好，这样引起的变化也会很小。
三、实验结果分析(一)角色分配(二)数据计算说明：(单位：元/瓶 )(三)结果分析及体味1、消费者——xx(1)实验数据表注明：作为消费者，每天都需要喝啤酒，影响我购买啤酒数量的因素工作日 晴雨表 实际需求量 实际可买到量 短缺数量 1晴 27 26 1 2 晴 32 20 12 3 晴 25 25 0 4 多云 19 18 1 5 阴 16 14 2 6 阴 14 14 0 7 下雨 10 10 0 8 多云 13 12 1 9 晴 18 12 6 10 晴 19 5 14 11 晴 23 8 15 12 多云 14 14 0 13 多云 13 13 0 14 阴 10 10 0 15下雨9929 3524 2920 2435 4515 20买进价 卖出价也有不少，在本例中，我们只简单地选择了天气变化这个因素对于实验所造成的影响。
啤酒实验实验报告
啤酒实验介绍啤酒游戏，是1960 年代，MIT 的 Sloan 管理学院所发展出来的一种类似「大富翁」的策略游戏。
基于零售商、分销商、批发商和制造商的啤酒游戏模拟了在信息不对称的情况下，市场需求变动后，整个供应链产生的一系列连锁反应。
“啤酒游戏”的前提是几个角色互相是独立的，在游戏开始后上游厂商不知道下游厂商将要下订单的数量。
下游厂商下订单后，它的相邻的上游厂商将有两周配送延迟。
游戏中存在库存成本和缺货成本，并且缺货成本是库存成本的两倍，而游戏参与者需要通过控制自己的库存和订货量，使得自己所在的整个供应链的总成本最小。
一．实验目的：通过啤酒游戏实验，模拟整个供应链的运作，让我们清楚了供应链各环节的操作流程，并让我们了解牛鞭效应真实的反映。
分析牛鞭效应产生的原因，找出减少牛鞭效应的方法。
同时让我们对所学的知识进行学习运用，增强我们对实践的认知。
二．牛鞭效应：有一条由四个节点组成的供应链，从下游到上游依次为零部件生产制造商，批发商，零售商。
零售商面临的终端市场需求只有少许波动，批发商的需求是来自零售商的补货请求，需求的波动比终端市场需求的波动有了放大，生产制造商的需求是来自批发商的补货请求，需求的波动又有了放大。
这种需求波动放大的现象如同一根甩起的长鞭，将处于下游的节点比作根部、上游的节点比作梢部，一旦根部抖动，传递到末梢端就会出现很大的波动，因此被形象地称为长鞭效应。
三．实验内容和步骤1、游戏中有三个角色：制造商、批发商、零售商。
每组11个人 每个人扮演一个角色。
（在游戏中我们所属的制造商B2组）2、游戏周期为10周，每一轮就代表一周。
3、零售商先向下游客户发货，再向上游厂商订货。
4、批发商的责任是供货给零售商，同时每轮有一次向制造商订货的机会。
不过，所订的货也要过两周才会到达批发商的仓库。
5、制造商发货给批发商，同时每周又有一次机会下订单生产货物。
每轮下的生产订单也要等两周才进入仓库。
6、游戏结束后，每个角色都会生成统计明细情况表和统计总情况表。
啤酒游戏及其牛鞭效应的vensim模拟
啤酒游戏及其牛鞭效应的vensim模拟啤酒游戏：该游戏是由麻省理工学院斯隆治理学院在20世纪60年代创立的库存治理策略游戏，该游戏形象地反映出牛鞭效应的存在及阻碍。
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缘故必定超出个人因素, 这些缘故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那个订单。
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治理库存，准确订货以使利润最大化。
案例介绍：此案例要紧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关心。
第一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，期望库存连续时刻为3周，库存调整时刻为4周，移动平均时刻为5周，生产延迟时刻和运输延迟时刻均为3周，不存在订单延迟。
仿真时刻为0～200周，仿真步长为1周。
期望库存等于期望库存连续时刻和各节点的销售推测之积。
(01) FINAL TIME = 100Units: MonthThe final time for the simulation.(02) INITIAL TIME = 0Units: MonthThe initial time for the simulation.(03) SAVEPER =TIME STEPUnits: Month [0,?]The frequency with which output is stored.(04) TIME STEP = 1Units: 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) 库存调整时刻=4Units: **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=批发商销售推测*期望库存覆盖时刻Units: **undefined**(10) 批发商订单=max(0,批发商销售推测+(批发商期望库存-批发商库存)/库存调整时刻)Units: **undefined**(11) 批发商销售推测=smooth(批发商发货率,移动平均时刻)Units: **undefined**(12) 期望库存覆盖时刻=3Units: **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=期望库存覆盖时刻*生产商销售推测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,生产商销售推测+(生产商期望库存-生产商库存)/库存调整时刻)Units: **undefined**(18) 生产商销售推测=smooth(生产商发货率,移动平均时刻)Units: **undefined**(19) 生产延迟=3Units: **undefined**(20) 移动平均时刻=5Units: **undefined**(21) 运输延迟=3Units: **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=期望库存覆盖时刻*零售商销售推测Units: **undefined**(24) 零售商订单=max(0,零售商销售推测+(零售商期望库存-零售商库存)/库存调整时刻)Units: **undefined**(25) 零售商销售推测=smooth(市场需求率,移动平均时刻) Units: **undefined**运行结果，能够看到牛鞭效应明显。
基于Vensim-PLE啤酒游戏仿真实验报告
基于Vensim-PLE啤酒游戏仿真实验报告基于Vensim PLE啤酒游戏仿真实验报告专业班级：工业工程一班*名：***学号：***********2 基于Vensim PLE啤酒游戏仿真1.实验报告2.提交啤酒游戏的因果关系及仿真结果基于Vensim PLE啤酒游戏仿真实验报告一、实验目的与要求1.1实验目的(1)初步掌握VENSIM软件的仿真模拟过程，认识并了解VENSIM软件VENSIM是一个建模工具，可以建立动态系统的概念化的，文档化的仿真、分析和优化模型。
PLE（个人学习版）是VENSIM的缩减版，主要用来简单化学习动态系统，提供了一种简单富有弹性的方法从常规的循环或储存过程和流程图建立模型。
本实验就是运用VENSIM进行系统动力学仿真，进一步加深对系统动力学仿真的理解。
（2）以上机题目所给的啤酒游戏为案例实际操作VENSIM软件进行模拟仿真运用系统动力学的原理和VENSIM软件构建了啤酒游戏的供应链模型，以及各相关因素之间的因果反馈关系模型。
模拟仿真一个供应链流程的运行。
从而将系统动力学的知识与软件实际操作融会贯通，更加了解该软件的应用。
（3）通过模拟仿真的结果来分析牛鞭效应牛鞭效应，就是指当供应链上的各级供应商只根据来自其相邻的下级销售商的需求信息进行供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。
通过增加供应链模型节点个数并对其仿真结果进行分析，证明随着供应链长度的增加，牛鞭效应也愈加明显；对VMI 库存管理模式与传统库存管理模式的系统结构及运营绩效进行了比较，说明供应链成员间的信息共享可以有效地弱化牛鞭效应。
1.2实验要求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：消费者对啤酒的前4周的需求率为300箱/周，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1000箱，期望库存持续时间为3周，库存调整时间为4周，预测平滑时间为5周，生产延迟时间和运输延迟时间均为3周，且为3阶延迟；不存在订单延迟。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于Vensim PLE啤酒游戏仿真实验报告专业班级：工业工程一班姓名：石洋洋学号：201007702232 基于Vensim PLE啤酒游戏仿真1.实验报告2.提交啤酒游戏的因果关系及仿真结果基于Vensim PLE啤酒游戏仿真实验报告一、实验目的与要求1.1实验目的(1)初步掌握VENSIM软件的仿真模拟过程，认识并了解VENSIM软件VENSIM是一个建模工具，可以建立动态系统的概念化的，文档化的仿真、分析和优化模型。
PLE（个人学习版）是VENSIM的缩减版，主要用来简单化学习动态系统，提供了一种简单富有弹性的方法从常规的循环或储存过程和流程图建立模型。
本实验就是运用VENSIM进行系统动力学仿真，进一步加深对系统动力学仿真的理解。
（2）以上机题目所给的啤酒游戏为案例实际操作VENSIM软件进行模拟仿真运用系统动力学的原理和VENSIM软件构建了啤酒游戏的供应链模型，以及各相关因素之间的因果反馈关系模型。
模拟仿真一个供应链流程的运行。
从而将系统动力学的知识与软件实际操作融会贯通，更加了解该软件的应用。
（3）通过模拟仿真的结果来分析牛鞭效应牛鞭效应，就是指当供应链上的各级供应商只根据来自其相邻的下级销售商的需求信息进行供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。
通过增加供应链模型节点个数并对其仿真结果进行分析，证明随着供应链长度的增加，牛鞭效应也愈加明显；对VMI 库存管理模式与传统库存管理模式的系统结构及运营绩效进行了比较，说明供应链成员间的信息共享可以有效地弱化牛鞭效应。
1.2实验要求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：消费者对啤酒的前4周的需求率为300箱/周，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1000箱，期望库存持续时间为3周，库存调整时间为4周，预测平滑时间为5周，生产延迟时间和运输延迟时间均为3周，且为3阶延迟；不存在订单延迟。
仿真时间为0～100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。
策略1：不补充以往缺货需求NTII Qjajejj+-=策略2：考虑以往缺货需求N TI I Q k afjejj+-=根据啤酒游戏基于VENSIM 软件的上级题目要求，分析确立所需建立的模型关系，并在VENSIM中建立相应的系统动力学因果关系图，系统动力学流图和DYNAMO方程，进行仿真模拟。
二、实验过程（1）系统分析：系统动力学分析的系统行为是基于系统内部要素相互作用而产生的，并假定系统外部环境的变化不给系统行为产生本质的影响，也不受系统内部因素的控制。
（2）系统因果关系分析：系统动力学的研究重点在于自反馈机制的系统动力学问题。
为了研究系统的反馈结构，首先要分析系统整体与局部的关系，进而追索因果与相互关系，然后把它们重新联结一起形成回路。
回路的概念最简单的表示方法是图形。
系统动力学中常用的是因果关系图。
（3）系统动力学模型的建立：为了进一步明确表示系统各元素之间的数量关系，并建立相应的动力学模型，系统动力学方法通过广义的决策反馈机构来描述上述机制。
系统动力学通过引入水平变量（Level）、速率变量（Rate）、信息流等因素，构造成更加深入的系统行为关系图（流图），更完整、具体地描述系统构成、系统行为和系统元素相互作用机制的全貌。
即是系统流图模型的建立。
（4）系统动力学方程的建立：将各因素之间的函数关系用DYNAMO方程式的语言来建立和表达。
（5）软件进行系统模拟仿真运行：模型建立完成，进入编译运行的阶段，对已建立好的模型进行仿真运行。
（6）输出仿真结果：模型仿真运行结束，输出运行的结果图。
（7）进行结果分析：根据输出的结果图对该供应链进行分析，观察牛鞭效应。
三、实验心得（1）只有先掌握了一些基本因果图、流图及其基本方程式的建立，才能为该啤酒游戏的分析打好基础，以便于后续仿真模型的因果关系分析和模型的建立。
（2）只有了解了啤酒游戏的游戏规则，理解了模拟仿真建立的模型各因素间的关系才能正确的建立方程式，使得模型能够正确运行。
（3）了解牛鞭效应的含义，才能更好的分析仿真运行的结果图。
四、附上啤酒游戏的因果关系图，以及两种策略下的仿真结果4.1“啤酒游戏”因果图的建立系统动力学了解系统动态特性的主要方法是回路分析法（即因果关系和反馈思想）。
反馈回路中的因果关系都是相互的，从整体上讲，我们无法判定任意两种因素谁是因，谁是果。
社会和个人的决策过程也是这样。
导致行为的决策是企图改变系统的状态；改变了的状态又产生进一步的决策及变化，这即形成了因果反馈回路。
因此，互为因果就成了反馈回路的基本特征。
当然，为了分析各种因素对市场需求的影响，还需要引入一些辅助的中间变量，以反映各种因素之间的相互关系和作用过程。
啤酒游戏的各因素之间的因果关系图如图所示：零售商的订货量批发商的发货量批发商的库存量批发商的订货量制造商的出库量制造商的库存量制造商的生产量零售商的库存量-零售商的零售商的零售商的库存差客户的订货量零售商的销售量-制造商的生产周期制造商的期望库存订货周期批发商的期望因果关系图4.2系统动力学建模----流图系统动力学通过引入水平变量（Level ）、速率变量（Rate ）、信息流等因素，构造成更加深入的系统行为关系图（流图），更完整、具体地描述系统构成、系统行为和系统元素相互作用机制的全貌。
系统动力学流图是系统动力学的基本变量和表示符号的有机组合。
根据啤酒游戏供应链系统内部各因素之间的关系设计系统流图，其目的主要在于反映系统各因果关系中所没能反映出来的不同变量的特性和特点，使系统内部的作用机制更加清晰明了，然后通过流图中关系的进一步量化，实现啤酒供应的政策仿真目的。
如图;覆盖时间4.3关于流图的一些方程式的设置：策略二的参数方程设置：(01) FINAL TIME = 100 Units: weekThe final time for the simulation.(02) INITIAL TIME = 0 Units: weekThe initial time for the simulation.(03) SAVEPER =TIME STEP Units: week [0,?]The frequency with which output is stored.(04) TIME STEP = 1 Units: week [0,?]The time step for the simulation.(05) 市场需求率=300+if then else(Time>4,randomnormal(-200,200,0,100,4),0) Units: **undefined**(06) 库存调整时间=4Units: **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,1000)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=3Units: **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,1000)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=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-市场需求率,1000)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**策略一的参数方程设置：只需将策略二的以下几个参数方程改变即可：（1）批发商订单=max(0,批发商销售预测+(批发商期望库存-if then else(批发商库存>0,批发商库存,0))/库存调整时间)Units: **undefined**(2)生产商生产需求=max(0,生产商销售预测+(生产商期望库存-if then else(生产商库存>0,生产商库存,0))/库存调整时间)Units: **undefined**(3)零售商订单=max(0,零售商销售预测+(零售商期望库存-if then else(零售商库存>0,零售商库存,0))/库存调整时间)Units: **undefined**4.4结果图输出市场需求率6004503001500102030405060708090100T ime (周)市场需求率 : Current\策略一的结果图:4,0002,8001,600400-800102030405060708090100Time (周)批发商库存 : Current生产商库存 : Current零售商库存 : Current1,000750500250102030405060708090100Time (周)批发商订单 : Current生产商生产需求 : Current零售商订单 : Current2,0001,5001,0005000102030405060708090100Time (周)批发商期望库存 : Current生产商期望库存 : Current零售商期望库存 : Current1,3009756503250102030405060708090100Time (周)批发商订单 : Current生产商生产需求 : Current零售商订单 : Current通过两种策略的模拟仿真，可以看出两种策略下的供应链管理均存在牛鞭效应，当改变订货策略时，各个物流单元的库存以及各个单元的订货量均发生了明显的改变。