《供应链管理课程实验报告(啤酒游戏)》山东交通学院

山东交通学院供应链管理课程实验报告2011-2012学年第二学期姓名： 学号： 班级： 物流092 专业： 物流工程 山东交通学院2012年6月实验一：多级供应链系统设计一、实验名称：多级供应链系统设计二、实验日期2012年4月7日三、实验目的和要求通过该试验，掌握供应链网络规划的数学建模方法，能够运用Lingo优化软件求解。要求：遵守实验纪律，实验前完成预习和数学建模工作。四、实验内容 建立供应链网络规划问题的优化模型，编写相应的Lingo优化程序并上机运行调试，对实验结果进行分析。 五、实验仪器、设备及材料： 计算机、WindowsXP系统和Lingo10.0软件。 六、实验步骤1、针对供应链网络规划问题进行数学建模；2、编写相应的Lingo优化程序；3、在计算机上运行Lingo软件，得出供应链网络优化方案；4、对实验结果进行分析。七、实验结果及分析1、数学模型Model Data:Vendors:Warehouses:V1V2V3V4V5V6V7V8Capacity:WH16267425960WH24953858255WH35219743351WH47673927143WH52395726541WH65522814352Demand:35372232413243382、LINGO程序MODEL:! A 6 Warehouse 8 Vendor Transportation Problem;SETS: WAREHOUSES: CAPACITY; VENDORS: DEMAND; LINKS( WAREHOUSES, VENDORS): COST, VOLUME;ENDSETS! Here is the data;DATA: !set members; WAREHOUSES = WH1 WH2 WH3 WH4 WH5 WH6; VENDORS = V1 V2 V3 V4 V5 V6 V7 V8; !attribute values; CAPACITY = 60 55 51 43 41 52; DEMAND = 35 37 22 32 41 32 43 38; COST = 6 2 6 7 4 2 5 9 4 9 5 3 8 5 8 2 5 2 1 9 7 4 3 3 7 6 7 3 9 2 7 1 2 3 9 5 7 2 6 5 5 5 2 2 8 1 4 3;ENDDATA! The objective; MIN = SUM( LINKS( I, J): COST( I, J) * VOLUME( I, J);! The demand constraints; FOR( VENDORS( J): SUM( WAREHOUSES( I): VOLUME( I, J) = DEMAND( J);! The capacity constraints; FOR( WAREHOUSES( I): SUM( VENDORS( J): VOLUME( I, J) = CAPACITY( I);END3、运行结果 Global optimal solution found. Objective value: 664.0000 Total solver iterations: 15 Variable Value Reduced Cost CAPACITY( WH1) 60.00000 0. CAPACITY( WH2) 55.00000 0. CAPACITY( WH3) 51.00000 0. CAPACITY( WH4) 43.00000 0. CAPACITY( WH5) 41.00000 0. CAPACITY( WH6) 52.00000 0. DEMAND( V1) 35.00000 0. DEMAND( V2) 37.00000 0. DEMAND( V3) 22.00000 0. DEMAND( V4) 32.00000 0. DEMAND( V5) 41.00000 0. DEMAND( V6) 32.00000 0. DEMAND( V7) 43.00000 0. DEMAND( V8) 38.00000 0. COST( WH1, V1) 6. 0. COST( WH1, V2) 2. 0. COST( WH1, V3) 6. 0. COST( WH1, V4) 7. 0. COST( WH1, V5) 4. 0. COST( WH1, V6) 2. 0. COST( WH1, V7) 5. 0. COST( WH1, V8) 9. 0. COST( WH2, V1) 4. 0. COST( WH2, V2) 9. 0. COST( WH2, V3) 5. 0. COST( WH2, V4) 3. 0. COST( WH2, V5) 8. 0. COST( WH2, V6) 5. 0. COST( WH2, V7) 8. 0. COST( WH2, V8) 2. 0. COST( WH3, V1) 5. 0. COST( WH3, V2) 2. 0. COST( WH3, V3) 1. 0. COST( WH3, V4) 9. 0. COST( WH3, V5) 7. 0. COST( WH3, V6) 4. 0. COST( WH3, V7) 3. 0. COST( WH3, V8) 3. 0. COST( WH4, V1) 7. 0. COST( WH4, V2) 6. 0. COST( WH4, V3) 7. 0. COST( WH4, V4) 3. 0. COST( WH4, V5) 9. 0. COST( WH4, V6) 2. 0. COST( WH4, V7) 7. 0. COST( WH4, V8) 1. 0. COST( WH5, V1) 2. 0. COST( WH5, V2) 3. 0. COST( WH5, V3) 9. 0. COST( WH5, V4) 5. 0. COST( WH5, V5) 7. 0. COST( WH5, V6) 2. 0. COST( WH5, V7) 6. 0. COST( WH5, V8) 5. 0. COST( WH6, V1) 5. 0. COST( WH6, V2) 5. 0. COST( WH6, V3) 2. 0. COST( WH6, V4) 2. 0. COST( WH6, V5) 8. 0. COST( WH6, V6) 1. 0. COST( WH6, V7) 4. 0. COST( WH6, V8) 3. 0. VOLUME( WH1, V1) 0. 5. VOLUME( WH1, V2) 19.00000 0. VOLUME( WH1, V3) 0. 5. VOLUME( WH1, V4) 0. 7. VOLUME( WH1, V5) 41.00000 0. VOLUME( WH1, V6) 0. 2. VOLUME( WH1, V7) 0. 2. VOLUME( WH1, V8) 0. 10.00000 VOLUME( WH2, V1) 1. 0. VOLUME( WH2, V2) 0. 4. VOLUME( WH2, V3) 0. 1. VOLUME( WH2, V4) 32.00000 0. VOLUME( WH2, V5) 0. 1. VOLUME( WH2, V6) 0. 2. VOLUME( WH2, V7) 0. 2. VOLUME( WH2, V8) 0. 0. VOLUME( WH3, V1) 0. 4. VOLUME( WH3, V2) 11.00000 0. VOLUME( WH3, V3) 0. 0. VOLUME( WH3, V4) 0. 9. VOLUME( WH3, V5) 0. 3. VOLUME( WH3, V6) 0. 4. VOLUME( WH3, V7) 40.00000 0. VOLUME( WH3, V8) 0. 4. VOLUME( WH4, V1) 0. 4. VOLUME( WH4, V2) 0. 2. VOLUME( WH4, V3) 0. 4. VOLUME( WH4, V4) 0. 1. VOLUME( WH4, V5) 0. 3. VOLUME( WH4, V6) 5. 0. VOLUME( WH4, V7) 0. 2. VOLUME( WH4, V8) 38.00000 0. VOLUME( WH5, V1) 34.00000 0. VOLUME( WH5, V2) 7. 0. VOLUME( WH5, V3) 0. 7. VOLUME( WH5, V4) 0. 4. VOLUME( WH5, V5) 0. 2. VOLUME( WH5, V6) 0. 1. VOLUME( WH5, V7) 0. 2. VOLUME( WH5, V8) 0. 5. VOLUME( WH6, V1) 0. 3. VOLUME( WH6, V2) 0. 2. VOLUME( WH6, V3) 22.00000 0. VOLUME( WH6, V4) 0. 1. VOLUME( WH6, V5) 0. 3. VOLUME( WH6, V6) 27.00000 0. VOLUME( WH6, V7) 3. 0. VOLUME( WH6, V8) 0. 3. Row Slack or Surplus Dual Price 1 664.0000 -1. 2 0. -4. 3 0. -5. 4 0. -4. 5 0. -3. 6 0. -7. 7 0. -3. 8 0. -6. 9 0. -2. 10 0. 3. 11 22.00000 0. 12 0. 3. 13 0. 1. 14 0. 2. 15 0. 2.4、实验结论Shipments:Vendors:Warehouses:V1V2V3V4V5V6V7V8WH11941WH2132WH31140WH4538WH5347WH622273实验二、“啤酒游戏”一、实验名称：啤酒游戏二、实验日期2012年5月5日三、实验目的和要求通过该试验，分析影响库存波动的因素，加强理解供应链库存变异放大效应产生的机理。要求：遵守实验纪律，实验前阅读beer game 软件帮助文档。四、实验内容 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。 五、实验仪器、设备及材料： 计算机、WindowsXP系统和Beer game软件。 六、实验步骤1、选择扮演角色；2、设置订货策略参数；3、根据下家客户需求、库存做出订货决策；3、完成20周期订货，生成库存、成本等报告；4、对实验结果进行分析。七、实验结果及分析1、实验记录2、结论当价格随需求变动时，零售商可能会由于成本原因改变其原有的订货策略，在低价时会囤积商品，造成了短期的大批量订货。而之后订单就会减少，其上游订单也会相应变化。这就增大了需求的变动性，加剧了牛鞭效应。 当生产提前期变化后，需求量就会发生相应得变化。如果提前期变长，则需求的变动对订货策略的影响就越大，从而使订货量发生大的变化，进而导致整个供应链的变动性增大，加剧牛鞭效应。实验三、风险分担一、实验名称：风险分担二、实验日期2012年5月5日三、实验目的和要求理解供应链库存策略中的“风险分担”效应。遵守实验纪律，实验前阅读risk pool 软件帮助文档。四、实验内容 模拟模拟管理有风险分担功能的集中化库存系统以及没有风险分担功能的非集中化库存系统，比较两个系统的绩效。 五、实验仪器、设备及材料： 计算机、WindowsXP系统和risk pool软