any的案例与供应链仿真

1、基于 anylogic 的供应链库存摘 要：在多级供应链库存中，不确定性是导致库存积压的主要。本文没有通过一般的改进上下游关系来降低供应链的不确定性，而是通过模拟供应链中订单的不确定性进行建模分析。本文根据某公司供应链的实际情况，运用 Anylogic软件建立一个模型，通过数据分析了公司库存变动的主要来源为订单不确定性，而造成订单变动的根源是公司的订单满足率，还从多级库存的角度提出了库存的建议。关键字：供应链 多级库存 模拟供应链的提出为企业实现内部与外部的有效和优化调配提供了一种新模式。企业通过供应链的建立，在响应顾客需求的时间、库存商品水平、降低物流费用等方面，取得了巨大的，实现了供应链的

2、产销物有效集成，提高了供应链企业的竞争能力和赢利水平。1 引言供应链管理中存在着许多问题（如伙伴选择问题，库存问题），学术界和企业界纷纷探究解决这些问题的方法技术以它独特的优越性引起了人们的关注，其具有可试验性、可量化性和快速性等优点，所以它有着比其他分析工具更强的说服力和直观性。近几年，国内外学者纷纷从不同的角度对供应链进行研究和探讨。Jain, Sanjay, Ervin, Eric C1等利用供应链技术来分析大物流供应链过程中的变化所产生的影响。主要的变化是商业过程的变化以及新的供应链软件的使用。分析的结果指出:相对于过程自动化的提高，提高的成本。的准确性能节约Krug, W. Lieb

3、elt, J. Baumbach2等人研究了供应链模型的和优化在生产和分销领域的应用。优化技术能用来产生一个事前计划，从而能够满足方法中约束。通过能够提高计划的可靠性，减少生产周期和减轻前进的努力。Chwif, Leonardo, Pereira Barretto3等人就电子数据表和供应链技术在供应链分析中的应用做了分析比较。作者在文中指出，电子数据表主要用于做静态分析，技术主要用来做动态分析。Tu, Yan, Luh Peter B4等利用供应链技术对供应链进行绩效评估。作者在文中提出了一个关于三层的无限容量的供应链的研究。Lee, Young Hae Cho, Min Kwan Kim5等

4、人目前比较多的供应链中的建模技术是基于离散的建模技术，但是因为大部分的供应链系统既不是完全离散的，也不是完全连续的，而是介于离散和连续之间的现象，提出用离散一连续相结合的建模技术进行供应链。Herrmann Jeffrey W, Lin Edward6等人提出运用供应链操作指南模型来进行供应链建模。作者现在供应链模型五花八门，供应链工具也是五花八门，没有一个标准的情况，提出按照供应链操作指南构造供应链框架这个框架用来构造功能强大的模型，这些模型把离散技术和电子数据表结合起来。这些模型是分等级的，并且运用子模型去对供应链具体的细节活动进行建模。本文将运用 Anylogic 分析某公司的库存产生出

5、相关的建议。，并从多级库存的角度提2.2供应链库存的多级存放现象增加库存周转的能力是管理的公司的主要特征之一，然而对于现今规模大型的公司来说，管理上万种商品和上百个公司网点的库存是一个非常大的挑战，尤其是当企业的每一层网点都拥有库存时，这一问题变得更为突出。而如果是一个多层供应商的供应链模型，结构会更加复杂，而库存的波动也会更加严重。通常一个庞大的多阶段供应链系统，在制成后一般先存放在中心仓库里，这些中心仓库作为零售商的内部供应商负责某个区域的供货。大的零售型企业及制造型企业普遍采用这一模式。3 构建供应链库存模型3.1 概述本在分析公司供应链的实际情况基础之上，并用 Anylogic 软件建

6、立一个实际的模型，通过数据分析了公司库存的主要来源为订单不确定性，根源是公司内部管理的不确定性，并从多级库存的角度提出的建议。3.2 背景介绍3.2.1 公司概述某公司是一家计算机液晶显示器背光模组生产厂，该公司在行业中产量排在第三位。IT 行业的特点是更新换代快，周期短，的质量要求高。该公司的下游客户为液晶显示器制造厂（LCM），液晶显示器制造企业由于投资非常大，所以数量不多，一般一个 LCM 厂会选择两家供应商生产同样一种类型的液晶背光模组。而背光模组厂的上游供应商一般属于技术密集型企业，如 3M，拥有专利技术，讨价还价能力强，为了避免成本的增加一直不同意为背光模组厂实施供货商管理库存（V

7、MI）。对于背光模组这样的产业，内部竞争也很激烈，由于目前产能大于市场需求，而且由于液晶的生命周期问题，造成目前状况下液晶显示器价格比较低，液晶显示器的市场利润率降低，最终影响到处于供应链中间位置的背光模组润。3.2.2 供应链情况液晶显示器的供应链结构如图 1 所示。图 1 液晶显示器供应链结构客户首先会对我们公司进行稽核，稽核除公司的直接客户 LCM 厂之外， 还有笔记本代工厂，DELL 每年也会对公司进行一次稽核。在稽核之后，公司成为客户的潜在供应商。当 DELL 开发一个新机种时，会让笔记本代工厂去生产，同时发订单给 LCM 厂，LCM 厂会首先让公司试产，在后，认为公司有足够的能力生

8、产的时候，会持续下单给我们公司。客户一般要求的交货时间比较急，公司必须客户可能下的订单，提前备料，安排生产。而且由于一些主要的原材料需要从国外海运过来，所以公司必须要备库存。由于市场需求的变化比较快，而且供应链的层级比较多，所以任何后端的需求变化都会对的需求产生很大的波动。在这样的情况下，供应链里面所有的企业都倾向于将库存降到最低，而要求供应商在满足质量要求的情况下能够及时交货。因为这个行业里面的价格每天都在下将。库存贬值的成本对于任何公司而言都是无法承受的。在 PC 制造行业里,物料成本每下降大约 1 % 的出货量,反映到产 “所以,如果的某一竞争对手库存量相当于 4 个品底价上,就意味着我

9、们有 2 %或 3 %的优势。所以在目前的市场情况下，公司认为最大的利润来源是物料的，因为这个行业占成本最大的物料，而且各个公司的采购价格和生产成本基本相当。但是由于各个企业的物控差距很大，公司分析发现我们公司与竞争对手的库存周期差别很大，要求寻找对策。假如某种机型市场效果非常差，那么 DELL 停止下单之后，产业里面所有的库存都将成为呆滞料，EOL 机种。公司就将巨大的损失。3.3 建立模型通过对公司情况分析，以及与公司相关的研究，得出公司库存变化笔记本代工厂2LCM厂2背光模组厂23MDELL笔记本生产LCM厂1背光模组厂1的最大是订单不确定性，经过与业务部门研究发现，影响公司订单的三个主

10、要因素是质量，交期和客户服务。随着市场竞争的全球化和剧烈化,的生命周期越来越短, 强调质量、交货可靠性、价格、提前期增加了供应商选择的复杂性和选择范围。从客户实际的需求分析，质量对于客户的稳定性有很大的影响，公司的不良必然会导致客户的不良，而不良流入客户之后，可能高额的赔偿，所以客户对于质量的要求一向是苛刻的；交期的延误会使得客户不得不进行切线，或者保持重组的库存，成本很高，也会认为公司的产能不足，倾向于降低订货量；客户服务不好，客户就认为公司的质量没有持续的保证，不能保持稳定，或者没有与客户建立良好的关系。所以选择这三个因素作为建立模型的依据，数据的来源以及选择标准按照公司的实际状况以及 K

11、PI。本文在模型建模的时候，建了一个两阶段的供应链模型，一个客户，两个供应商。这俩个供应商设置了不同参数，第一个供应商，质量，服务，交货期都比较稳定，而第二个供应商的质量，服务，交货期都相对长一些，稳定性也差。在不影响模型结果的情况下对模型作如下的假设：1、订单一定可以完成2、发生缺料的现象，有足够的安全库存3、客户属于风险规避型的公司，会根据的质量，服务，交期来降低选择下一次的订单分配数量，通过订单数量模拟出公司的安全库存量，其中供应商是每天都可以订货，但是一次只可以订一次货。3.3.1 模型介绍根据的企业需求，建立了如下的离散时间模型。模型的非形式描述如下：在 Anylogic 中建立 2

12、 个供应商实体，分别用 Supplier1,Supplier2 表示；一个客户实体，用 Customer 表示；两个订单实体，用 Order1,Order2 表示；两个交货实体，用 Delivery1,Delivery2；订单的订货量Customer2.of.Rate范围（）描述Order1Order1.of.Quantity范围（0-5000）描述Order2Order2.of.Quantity范围（0-5000）描述Delivery1Delivery1.of.Quality范围（平均99.95%）Delivery1.of.Time范围（90%的按时交货率）Delivery1.of.Serv

13、ice范围（86%）描述Delivery2Delivery2.of.Quality范围（99.8%）Delivery2.of.Time范围（80%）Delivery2.of.Service范围（80%）参数：检验标准供应商 1 水平质量水平，交期稳定性，客户服务水平供应商 2 水平质量水平，交期稳定性，客户服务水平质量检验标准退货标准实体相互关系时间采样是离散的，按步长 H 取相应的离散值。相互关系为：在时间 th1Delivery1.of.Quality=normal(0.04%,99.95%)2Delivery1.of.Time 按时送货的比率为 903Delivery1.of.Servi

14、cenormal(3%,86%)4Delivery1.of.Quality=normal(0.1%,99.8%)5Delivery1.of.Time 按时送货的比率为 806Delivery1.of.Servicenormal(5%,80%)7Customer1.of.RateDelivery1.of.Quality×Delivery1.of.Service對 Supplier1, 因 为 是 高 价 格 客 户 ， 要 求 比 较 高 ， 如 果Delivery1.of.Quality<99.87%则 Customer1.of.Rate0，要求客户停止生产分析，如果 Deli

15、very1.of.Service<80%则取消下一次订单，产生，如果送货延迟，则认为客户生产紧张，将下一次送货的比例降为标准计算的80。8Customer2.of.RateDelivery2.of.Quality×Delivery2.of.Service对Supplier1, 因 为 是 低 价 格 客 户 ， 要 求 放 松 ， 如 果Delivery1.of.Quality<99.6%则 Customer1.of.Rate0，要求客户停止生产分析，如果 Delivery1.of.Service<70%则取消下一次订单，产生，如果送货延迟，则认为客户生产紧张，将下

16、一次送货的比例降为标准计算的80。9 Order1.of.Quantity Customer1.of.Rate/ （ Customer1.of.Rate Customer2.of.Rate）如果 Customer1.of.Rate=0; Order1.of.Quantity 为 0；10 Order2.of.Quantity Customer1.of.Rate/ （ Customer1.of.Rate Customer2.of.Rate）如果 Customer2.of.Rate=0; Order2.of.Quantity 为 0；11Sale1(t)=Delay(3, Customer1.of

17、.Rate(t-3)(问题)12Sale2(t)=Delay(3, Customer2.of.Rate(t-3)13Inventory1=Sale1(t)14Inventory2=Sale(t)3.3.2 模型的实现建立了 Agent 模型，两个 Agent 模型。为了建模的方便，将两个供应商建立在一个 Agent 中。主体结构如下：Agent Manufacture定义了如下变量变量名初始值Quality199.95Quality299.8端口 port,编写了如下的代码stock+=msg.quantities;Time1=uniform(0,1);Service1=normal(0.03

18、,0.86);Quality1=normal(0.04,99.95);Time2=uniform(0,1);Service2=normal(0.05,0.80);Quality2=normal(0.1,99.8);Time1=Time1>0.9?0.8:1;Time2=Time2>0.8?0.8:1;if(Decision(Quality1,Service1)=0&&Decision(Quality2,Service2)=0)msg.quantity2=0;msg.quantity1=0;elsemsg.quantity1=Decision(Quality1,Ser

19、vice1)*50*Time1;msg.quantity2=Decision(Quality2,Service2)*50*Time2;StateChart函数 Decisionint a=1;if (dQuality<slider.value) a=0;Service10.86Service20.8Time10.5Time20.5else if (dService<slider1.value) a=0;else a=1;if (dQuality>100) dQuality=100;if (dService>1) dService=1;return a*dQuality*

20、dService;控件Slider, slider1;模型界面：Agent vender变量端口stock1=msg.quantity1;变量名初始值Stock15000Stock25000stock2=msg.quantity2;port.send(new Mater(300,20);msg.quantities=200;msg.tm=40;数据分析 dataset1,dataset2,plot消息 MESSAGE1Masterpublic class Mater int quantities = 0;long tm = 0;public Mater()public Mater(int qu

21、antity, long tm)this.quantities = quantity;this.tm = tm;Overridepublic String toString() return"quantity= " + quantities+"" +"tm = " +tm +" "2Orderpublic class Orderdouble quantity1= 5000;double quantity2= 5000;public Order()public Order(double quantity1,doubl

22、e quantity2)this.quantity1 = quantity1;this.quantity2 = quantity2;Overridepublic String toString() return"quantity1 = " + quantity1 +" " +"quantity2 = " + quantity2 +" "4 模型运行结果与分析数据分析根据图示可以看出，供应商一的订单比较稳定，供应的订单波动比较大，所以供应在物控方面的难度比较大，库存的成本会比较高。具体数据如下：通过数据对比分析，可以

23、发现，虽然两个企业的的质量从数据上面分析差别不大，平均订单也差别不大，但是订单的波动确相差非常大。所以导致了企业二物控的。下面根据这里得出的数据进行假设，认为供应商 1 库存的均值为 4269，在保持三倍方差的情况下，安全库存数量为 854，另外供应商 2 的库存均值为 3589，方差为 922.98，所以安全库存量为 2766。出的库存数量如图质量均值交期按时交货率均值方差供应商一99.95%0.860.94268.33217.98供应99.8%0.80.83588.9922.48从图所示的数据可以发现，在 3 倍方差的情况下，inventory1 的库存基本保持在 0 以上，库存波动幅度比

24、较小，但是分析供应商 2 的库存，就会发现库存的波动非常大。由此可以看出由于销售订单的波动，导致库存的波动非常的大。可以看成由于订单的不稳定，导致企业的库存波动非常大，显出出难以的特征。下面将企业的标准进行改变进行分析，现在假设最终客户的要求提高，客户提高了的检验标准，客户服务水平的要求，质量退货率提高到 99.7%，客户服务水平提高到 80%，可以发现供应商二的订单稳定程度的差距更加大，在实际操作中已经属于被淘汰的供应商。LCM 厂订单波动模型进一步研究 LCM 厂的订单也是在变化的，现在假设 LCM 厂的订单波动幅质量均值交期按时交货率均值方差供应商一99.95%0.860.94228.7

25、2478.53供应99.8%0.80.81398.411953度为 5，得出的数据图表如下，从图可以看出波动幅度没有明显增大。而通过均值和方差的分析，供应商一的平均值基本没有变化，方差扩大约 5，但是供应的均值增加，方差明显减少，也说明了给供应带来的不确定性，不是典型的正态分布。按照得出的数据进行分析库存分析对客户进行模拟，现在假设客户的订单按照正态波动，从数据分析可以得出如下结论：1、供应商一由于稳定，所以方差比较小，订单的波动比较小，采购时数量可以比较稳定，可以保持比较低的安全库存量。但是对于供应商，由于订单不稳定，所以库存的波动就被更加放大。而如果一旦客户取消订单的情况发生，均值方差供应

26、商 14268.33217.98供应商 23588.9922.48供应商 14,276.69236.57供应商 23,725.90766.7219库存呆滞料的数量无法的波动非常大，可能造成巨大的沉没成本。2、通过对比发现，对于供应而言库存的波动最大来源是企业内部生产质量的不确定性，交货时间的不确定性，客户服务的不确定性，而这种波动到了客户那里，客户为了避免风险，将这种波动反映在公司的订单上面，导致了公司出货的不可性，库存无法实施安全库存策略。这种情况下，供应链重点需要解决的是企业内部的管理水平的提高。5 结论通过对实际企业的案例分析，得出如下的结论。在多级供应链库存中，不确定性是导致库存积压的

27、主要。本文没有按照一般的通过上下游关系的改进如何降低不确定性，而是通过对不确定性产生的建模和，结果发现企业内部不确定性是导致供应链不确定性的主要。在多级供应链库存中，不确定的来源是多种多样的也有很多种解决方案。需要根据企业供应链的分析，通过建模得出实际的主要问题的来源，选择合适的解决方案。参考文献1 Jain, Sanjay; Ervin, Eric C; Workman, Russell W; Collins, Lisa M. Analyzing the supply chain for a large logistics operation using simulation. Winter Simulation Conference Proceedings, v2,2001, p 1123-11282 Krug, W; Liebelt, J; Baumbach, B. Supply chain mbased simulation and opt