当前位置: 首页 > 范文大全 > 优秀范文 >

基于多Agent的供应链牛鞭效应建模与仿真

发布时间:2022-03-24 09:10:35 | 浏览次数:

摘 要:文章基于多Agent技术构建了啤酒游戏供应链的仿真模型,给出了基于多Agent技术和Swarm平台构建供应链仿真模型的方法。基于该模型对供应链牛鞭效应进行了仿真分析,进一步深化了对牛鞭效应的认识。

关键词:多Agent;啤酒游戏;供应链;牛鞭效应;仿真

中图分类号:F273.7 文献标识码:A

0 引 言

牛鞭效应是供应链管理中的一个焦点问题,是指市场需求信息从供应链下游向上游传递的过程中,需求波动被不断放大的一种现象,这种现象导致供应链上游企业生产能力过剩或者库存产品过多或者缺货,提高了整个供应链的成本,并降低了顾客满意度[1]。目前牛鞭效应主要集中在从定量化的角度、采用不同的量化方法、考虑比较简单的供应链等方面研究[1]。

供应链管理通常以多个企业构成的供应链网络为研究对象,主要关注供应链中各企业之间的协调,以实现对整个供应链的优化。供应链管理的一个基本问题是供应链性能评估,建模和仿真方法是评估在现实中存在的各种复杂情况对供应链性能造成的影响的一种可行方法。对供应链进行仿真的方法主要有连续性仿真方法和离散事件驱动仿真方法[2]。连续性仿真方法主要通过建立系统动力学模型对供应链进行仿真。文献[3]给出了供应链系统的动力学与复杂性建模仿真的基本理论与方法概述。文献[4]使用Matlab/Simulink仿真技术对啤酒游戏进行了仿真。

20世纪中叶,Agent的概念在计算机应用相关的文献中出现。Agent具有自治性、社会性、反应性、适用性、移动性和主动性。多Agent系统是由多个Agent构成的系统,在多Agent系统中,Agent之间可以通过进行信息交换。在供应链系统中,供应链中的各个主体(供应商、批发商、零售商等)之间的信息流、物流等都可以通过Agent之间的系统模型来表示,使用多Agent系统模型可以较好的描述现实世界中的供应链系统。

本文采用多Agent技术结合离散事件驱动仿真方法对供应链进行建模和仿真。首先针对啤酒游戏供应链建立了多Agent系统模型,在此基础上使用Swarm平台对该模型进行了仿真,并对供应链中存在的牛鞭效应进行了仿真分析。

1 模型构建

基于多Agent的供应链模型假设如下:

(1)模型以啤酒游戏为例。供应链中包含制造商、批发商、零售商和消费需求四个主体。每个主体都可以用一个Agent来表示。上级知道下级的需求信息,下级不知道上级的需求信息,也就是信息不对称,下级Agent向上级Agent订货采用订货点法策略。为了简化模型,制造商、批发商、零售商和消费需求分别只有一个(如图1所示)。

(2)上级供应链主体从接收到订单到将货物运输到下级供应链有一定的时延。具体时延大小在仿真时可以用参数来表示。

(3)每个Agent维护一定的状态,对于制造商、批发商、零售商包含以下状态参数:当前库存、接收到的订单。根据当前库存和接收到的订单,采用订货点法订单策略向上级供应链提交订单。订货点法又称为安全库存法,它是指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。在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,此订货的数值点,即称为订货点(。

(4)制造商的原材料是无限的,供应链中每个主体的库存容量是无限的。

(5)一个时间单位为一周。

2 仿真分析

基于多Agent的仿真系统通常包括两个部分:环境仿真器和对多个Agent仿真器。环境仿真器包含多个Agent的外部状态,Agent仿真器主要包含Agent的内部状态。在本文中,环境仿真器也是一个Agent,内部包含多个Agent。基于Agent的仿真系统的当前状态通常包括当前仿真时间t、多个Agent的外部状态以及非Agent的状态、Agent的内部状态、未来发生的事件等。Agent关系(AOR)[5]仿真系统的运作过程如图3所示[6]:

根据以上描述,在仿真开始时,设定好环境仿真器状态和Agent内部状态、当前事件,即可进入仿真过程。当没有事件或者仿真时间结束时,仿真结束。

采用这种仿真模型,每个供应链主体Agent可以用当前状态、可以接收的事件和对事件的动作三个部分来描述。表1和表2给出了供应链的多Agent仿真模型,主要包括内部状态和动作描述两个部分。

Swarm平台提供了便于多Agent仿真的API。采用Swarm的Java库进行开发,可以方便的构建多Agent仿真模型。在Swarm中,每个Agent用一个对象来表示,Agent中内部的处理逻辑可以用对象的成员函数来表示,内部状态可以用对象的成员变量来表示。在Swarm中,一个Agent的一次运行过程可以用对该Agent的一次调度来描述,Agent的行为都是通过调度来实现的。使用Agent建模方法,重点是抽取Agent所处的环境和Agent对外部环境的响应规则。图4给出了该供应链模型的组成结构:

其中,ObserverSwarm用来设置模型运行参数,对模型运行的结果进行图形化显示等。ModelSwarm用来管理模型,主要是对零售商Agent、批发商Agent、制造商Agent三个Agent进行调度。

对这三个Agent的调度是周期性的,即在t时刻对三个Agent进行一次循环调度,在t+1时刻再对三个Agent进行一次循环调度,以此类推。而每个Agent运行一次调度时,执行如下过程:①处理该周期接收到的订单;②处理该周期接收到的货物;③根据当前库存和接收到的订单和一定的订货策略,向上级供应链提交订单,并且向下级供应链运送货物。

每个Agent的运行过程都是一样的,但是会根据当前环境的不同,做出不同的响应。每个Agent的环境包括两个二元组:

用来描述当前要提交给该Agent的订单数量和订单延迟;用来描述要提交给该Agent的货物和相应的延迟。为了模拟延时,ModelSwarm在将时间由t改为t+1时,更新每个Agent对应的orderDelay和shipDelay值(分别减1),当orderDelay和shipDelay变为0时,Agent做出相应的响应。

在仿真时,为演示牛鞭效应的效果,定义参数如下:

初始库存均为16,订单延迟均为1,货物运输延迟均为1,用户需求由每周8个变为每周12个。订货策略为每次订货数量为:backorderQuantity+orderedQuantity*2。其中,backorderQuantity是为满足订单需求的数量,orderedQuantity是本周接收到的订单数量,将这个值乘以2是因为从发出订单到接收到货物需要有2个周的延迟。仿真观察零售商、批发商和生产商的库存变化。

Retailer表示零售商库存随时间变化的曲线;

Distributor表示分销商库存随时间变化的曲线;

Factory表示库存随时间变化的曲线。

供应链中的牛鞭效应主要是因为错误的需求信息在供应链中被逐级放大产生的。在更改仿真参数,增加订单延迟时间后,牛鞭效应加剧。这表明由于订单和供货延迟,导致供应链对需求变化的响应存在滞后效应,是产生牛鞭效应的一个重要原因。

为缓解牛鞭效应,可以采取以下措施:

(1)实现信息共享。牛鞭效应产生的一个重要原因在于对需求的错误预测并产生逐级放大。为减小牛鞭效应,供应链各主体之间应加强信息交流,对需求做出正确的预期,并据此合理安排订单和库存。

(2)改进库存管理。改变各自为政的库存管理模式,由上级供应链管理下级供应链,即采用VMI的库存管理策略[7],这样可以减少库存管理环节,缓解需求放大。

3 结束语

本文建立了典型供应链的多Agent仿真模型,并基于该模型对供应链中的牛鞭效应进行了仿真分析。多Agent技术的一个重要优点就是可以实现Agent之间的协作,在供应链模型中可以方便地对供应链各主体之间的协调进行建模和仿真。基于本文的多Agent供应链仿真模型,可以用于进一步研究供应链协调、库存管理策略等对供应链性能造成的影响,例如评估各种应对策略对供应链中的牛鞭效应的缓解效果。

参考文献:

[1] 李文立,王乐超. 历史订单信息对牛鞭效应的影响分析[J]. 运筹与管理,2012,21(1):195-196.

[2] 刘媛媛,孙若莹. 基于Arean的供应链管理中牛鞭效应研究[J]. 物流工程与管理,2013,35(6):116.

[3] Caroline Thierry, Gérard Bel, André Thomas. A Study of Multi-Agent Based Supply Chain Modeling and Management[J]. SCS M&S Magazine, 2010(4):5-7.

[4] 王雯,傅卫平. 供应链系统的动力学与复杂性建模仿真问题研究综述[J]. 系统仿真学报,2010,22(2):271-274.

[5] 刘晓峰,宗蓓华. 物流运作中啤酒游戏的Matlab仿真[J]. 交通运输工程学报,2003(4):17.

[6] Andreas Post. Extending a Java Simulation System for Agent-Object-Relationship Simulation[Z]. 2007.

[7] 杜坤. 供应商库存管理运作模式初探[J]. 物流工程与管理,2010,32(9):68-72.

[8] Van Luin J, Tulba F, Wagnen G. Remodeling the beer game as an agent-object-relationship simulation[D]. Faculty of Technology Management, Eindhoven University of Technology, 2007.

推荐访问: 牛鞭 建模 供应链 仿真 效应
本文标题:基于多Agent的供应链牛鞭效应建模与仿真
链接地址:http://www.yzmjgc.com/youxiufanwen/2022/0324/36002.html

版权声明:
1.赢正文档网的资料来自互联网以及用户的投稿,用于非商业性学习目的免费阅览。
2.《基于多Agent的供应链牛鞭效应建模与仿真》一文的著作权归原作者所有,仅供学习参考,转载或引用时请保留版权信息。
3.如果本网所转载内容不慎侵犯了您的权益,请联系我们,我们将会及时删除。

版权所有:赢正文档网 2010-2024 未经授权禁止复制或建立镜像[赢正文档网]所有资源完全免费共享

Powered by 赢正文档网 © All Rights Reserved.。粤ICP备19088565号