基于SD的食用油料生產流通多級庫存管理模式研究

王明葆，杜志平

（北京物資學院，北京 101149）

1 引言

食用油是大眾日常消費品，隨著中國居民收入和生活水平的提高，小包裝食用油已經逐漸替代散裝油廣泛出現在各大超市供居民選購，從而極大地擴展了市場。食用油行業更是一個競爭激烈的行業，庫存的優化對提升供應鏈整體競爭力很有作用。食用油料的供應鏈具有：層級多信息不對稱、油料運輸方式不同造成各級延遲現象明顯、生產企業在供應鏈中話語權大、具有日常消費品的功能等特點，所以運用系統動力學研究食用油料供應鏈很有意義。

經查閱相關文獻發現，王其藩教授[1]詳細闡述了系統動力學建模的方法，并用SD建立了庫存勞動力模型、多階庫存模型，在中國開創了SD在多階庫存研究領域的先河。Barlas[2]等人用系統動力學的方法構建了完整的SD模型，研究了服裝制成品的生產與庫存策略，并依據行業特點給出了政策性建議。Angerhofer[3]從方法論的角度系統性的研究了如何用系統動力學模型來研究供應鏈管理問題。劉秋生、蔣國耀[4]用系統動力學模型直觀的研究了牛鞭效應，分別建立了兩階、三階、四階的供應鏈模型，通過相同情況下仿真結果的比較，證明了供應鏈長度越長牛鞭效應會越明顯。陳文佳、穆東[5]用系統動力學研究了配送中心倉儲系統，建立了以配送中心為起點向三個下游店鋪配送的系統動力學方程，經過仿真分析發現，減少供貨延遲時間、增加需求預測準確性、增加信息交流等方式可以提高系統效率，也體現出了系統動力學在研究供應鏈庫存問題時簡潔直觀的優勢。苗興東[6]從庫存、選址等角度用系統動力學模型研究了供應鏈管理模式，系統性的介紹了系統動力學在供應鏈管理領域的應用情況，并用vensim軟件建立了模型，在庫存領域應用方面論證了可行性。張力菠、韓玉啟等[7]對用系統動力學研究供應鏈管理問題進行了全面的概述，提出了用系統動力學深入研究供應鏈管理問題應該關注的方向。張力菠、韓玉啟、陳杰[8]研究了基于數量的供應商管理庫存整合補貨的牛鞭效應與成本，利用SD構建了該模式的動態仿真模型，通過仿真結果分析，定量研究了供應商對隨機需求輸入的訂單響應率波動及系統成本的變化趨勢，并通過統計學方法分析了牛鞭效應與系統成本之間的數學關系。廖諾、張畢西、吳小節[9]研究了在不同需求條件下供應鏈系統動態仿真的比較研究，建立了供應鏈的系統動力學模型。通過使用Vensim對模型進行仿真，對比分析了四種不同需求對供應鏈系統動態性的影響，仿真結果表明，斜坡和正弦波動兩種需求具有漸變趨勢的性質，會使供應鏈各節點的牛鞭效應較小，階躍需求和脈沖波動需求具有突變趨勢的性質，會使供應鏈的牛鞭效應較大，所以應格外重視這兩種需求。賴新峰、陳志祥[10]用系統動力學方法研究了營銷策略對生產與庫存決策的影響，用Vensim軟件建立了三個模型，而且將不同策略的選擇和競爭對手引入模型，對于供應鏈庫存決策的研究提供了很好的思路。萬振，李昌兵[11]用系統動力學方法研究了閉環供應鏈中的牛鞭效應，使得供應鏈庫存管理的思路有了很大的拓展，很好的展示了系統動力學對于反饋性的描述。程麗娟、馬斌、武毓涵[12]用系統動力學的快速消費品供應鏈的信息共享問題，發現了信息共享可以有效降低快消品供應鏈上各個企業的庫存波動。

本文在前人研究的基礎上，將供應鏈庫存管理模式應用到食用油料供應鏈，用系統動力學方法著重分析食用油多級庫存的影響因素，并將不同模式進行比較，最終在仿真結果的基礎上提出優化建議。

2 系統動力學模型的建立

2.1 系統動力學模型假設及系統邊界

經調研山東某企業得知，食用油企業的供應鏈構成一般分三到四級。從生產企業開始、分銷商、批發商、零售商逐級向下，最后是終端零售商面對消費者。食用油企業傳統供應鏈是以單一企業為對象去考慮問題的，各個節點企業各自管理本企業的庫存，供應鏈上下游之間信息閉塞，庫存信息互不暢通。相比之下供應商管理庫存模式由于供應商與下游共享信息，食用油生產商可以直接得到各層級的庫存及訂貨信息，不用再逐級預測和上報。大大減少了信息的延遲和信息的不對稱。

在現有傳統模式下的食用油料供應鏈建模假設包括：

（1）供應鏈系統包括生產商、大區級分銷商、市級批發商、零售商四個節點，每一級上游供應商依據下游企業的信息來進行生產和發貨，信息逐級向上傳遞。

（2）根據實際情況知道，生產和發貨以及信息的傳遞是存在延遲的，為了模型的準確性，將生產延遲和各級的延遲時間考慮進了系統動力學模型。

（3）現實中，食用油供應鏈是由最下游的銷售驅動，并逐級傳遞的，各級存在著銷售的預測，故而將各級銷售預測考慮進模型。

傳統模式下食用油行業供應鏈系統邊界：

（1）食用油生產企業模塊：食用油生產企業庫存、食用油生產企業銷售預測、食用油生產企業期望庫存、生產計劃單、生產速率、生產延遲、生產商發貨速率。

（2）大區級分銷商模塊：大區級分銷商庫存、大區級分銷商訂單、大區級分銷商期望庫存、大區級分銷商銷售預測、分銷商發貨速率。

（3）市級批發商模塊：市級批發商庫存、市級批發商期望庫存、市級批發商銷售預測、批發商訂單、批發商發貨速率。

（4）零售商模塊：零售商庫存、零售商訂單、零售商銷售預測、零售商期望庫存、零售商銷售率、平均銷售時間。

（5）其他：延遲時間、VMI策略控制、庫存調節時間、庫存覆蓋時間。

為了直觀展現不同模式對食用油行業供應鏈管理的效果，本文中VMI模式下的供應鏈管理在模型構建中與傳統模式的模型假設和邊界相同，通過VMI模式控制這一輔助變量進行控制。

2.2 系統動力學模型影響因素分析

模型中各變量的類型、定義見表1。

表1 變量類型、定義

相應參數的方程如下：

（1）INITIAL Time=0；

（2）FINAL Time=52；

（3）TIME STEP=0.125；

（4）食用油生產企業庫存=INTEG[IF THEN ELSE（食用油生產企業庫存＞=0，生產速率-生產商發貨速率，0），8 000]，單位：Units；

（5）大區級分銷商庫存=INTEG（生產商發貨速率-分銷商發貨速率，3 000），單位：Units；

（6）市級批發商庫存=INTEG（分銷商發貨速率-批發商發貨率，1 000），單位：Units；

（7）零售商庫存=INTEG(批發商發貨率-零售商銷售率，100），單位：Units；

（8）生產速率=DELAY1（生產計劃單，生產延遲）+生產商發貨速率，單位：Units/week；

（9）生產商發貨速率=DELAY1（大區級分銷商訂單，延遲時間），單位：Units/week；

（10）分銷商發貨速率=DELAY1（市級批發商訂單，延遲時間），單位：Units/week；

（11）批發商發貨速率=DELAY1（零售商訂單，延遲時間），單位：Units/week；

（12）零售商銷售率=WITH LOOK；UP（Time,（[（0,0）-（20，800）]，（1，300），（2，500），（3，600），（4，532），（5，446），（6，387），（7，620），（8，334），（9，567），（10，540），（11，478），（12，550））），單位：Units/week；

（13）延遲時間=4，單位：week；

（14）VMI策略控制=0；

（15）生產延遲=0.1；

（16）食用油生產企業期望庫存=庫存覆蓋時間×食用油生產企業銷售預測，單位：Units；

（17）食用油生產企業銷售預測=SMOOTH（大區級分銷商訂單，平均銷售時間），單位：Unit/Week；

（18）大區級分銷商期望庫存=大區級分銷商銷售預測×庫存覆蓋時間，單位：Units；

（19）庫存覆蓋時間=5，單位：Units；

（20）大區級分銷商訂單=IF THEN ELSE（VMI策略控制=0，（大區級分銷商銷售預測+（大區級分銷商期望庫存-大區級分銷商庫存）/庫存調節時間），（零售商銷售率+（零售商期望庫存×3-零售商庫存-市級批發商庫存-大區級分銷商庫存）/庫存調節時間）），單位：Units/week；

（21）大區級分銷商銷售預測=SMOOTH（分銷商發貨速率，平均銷售時間），單位：Unit/Week；

（22）市級批發商期望庫存=批發商銷售預測×庫存覆蓋時間;單位：Units；

（23）市級批發商訂單=IF THEN ELSE（VMI策略控制=0，（批發商銷售預測+（市級批發商期望庫存-市級批發商庫存）/庫存調節時間），（零售商銷售率+（零售商期望庫存*2-零售商庫存-市級批發商庫存）/庫存調節時間）），單位：Units×Week；

（24）零售商訂單=IF THEN ELSE（VMI策略控制=0，（零售商銷售預測+（零售商期望庫存-零售商庫存）/庫存調節時間），（零售商銷售率+0.8×（零售商期望庫存×1.5-零售商庫存）/庫存調節時間）），單位：Units；

（25）庫存調節時間=4，單位：week；

（26）批發商銷售預測=SMOOTH（批發商發貨速率，平均銷售時間），單位：Units×Week；

（27）零售商銷售預測=SMOOTH（零售商銷售率，平均銷售時間），單位：Units×Week；

（28）零售商期望庫存=零售商銷售預測×庫存覆蓋時間，單位：Units；

（29）平均銷售時間=5，單位：week；

（30）生產計劃單=IF THEN ELSE（VMI策略控制=0，（食用油生產企業銷售預測+（食用油生產企業期望庫存-食用油生產企業庫存）/庫存調節時間），（零售商銷售率+（零售商期望庫存×4-零售商庫存-市級批發商庫存-大區級分銷商庫存-食用油生產企業庫存）/庫存調節時間）），單位：units/week。

3 模型運行及其仿真分析

3.1 食用油生產流通多級庫存模式仿真分析

運用系統動力學軟件Vensim ple 5.6a運行上述模型，使用圖表功能會得到下面結果，如圖2-圖5所示。

圖2 兩種模式下零售商庫存的對比

由圖2-圖5中曲線1可以看出，傳統模式下由于信息逐級傳遞，各種延遲造成了各級企業庫存的波動，而且越是處于供應鏈上游的企業庫存量和庫存的波動幅度也越大，庫存的增大和大幅的波動會造成供應鏈企業成本的上升，最終給整條供應鏈造成系統性的風險。

調整VMI策略控制這一輔助變量的值，使得其值為1，這時即啟動VMI策略。得到VMI策略實施下的供應鏈仿真結果，曲線2代表了VMI模式下的仿真結果。

由上面的仿真結果得知，對于食用油行業供應鏈來講，VMI模式具有較為明顯的優勢，在實施VMI策略之后，各級企業的庫存均有不同程度的降低，庫存的波動也明顯減小許多。

3.2 食用油料多級庫存影響因素靈敏度分析

控制其他變量的數值不變，觀察僅延遲時間變動時供應鏈上各節點企業庫存量的變化。當延遲時間的數值從4周變為3周時，命名為普通模式1，將延遲時間的數值從4周變為5周時，命名為普通模式2。運行vensim仿真，結果如圖6-圖8所示。

仿真結果顯示：延遲時間對于整個供應鏈的敏感性較強，減少各節點的延遲時間，可以較為顯著的降低供應鏈企業的庫存量。所以企業在由普通模式向VMI模式轉變的時候，需要首先和供應鏈其他企業展開信息共享，最好是由供應鏈核心食用油生產企業推廣應用信息共享系統，有效減少信息的延遲，進而減少各節點發貨時間的延遲。

圖6 延遲時間對批發商庫存的影響

圖7 延遲時間對分銷商庫存的影響

圖8 延遲時間對生產企業庫存的影響

同理，控制其他變量不變，將庫存覆蓋時間由4周變為3.5周，將運行程序命名為普通模式3。將庫存覆蓋時間由4周變為4.5周，將運行程序命名為普通模式4。運行仿真模型得到如下結果，如圖9-圖12所示。

仿真結果顯示：庫存覆蓋時間對于供應鏈系統的敏感性也較強，降低各個節點的庫存覆蓋時間可以有效的降低各節點的庫存量，還能有效降低庫存波動。所以各節點企業要積極關注庫存覆蓋時間，加快庫存周轉，將發貨頻次和對市場的響應性敏捷性提高，在各企業信息共享和降低延遲的基礎上，共同降低庫存覆蓋時間。

圖9 庫存覆蓋時間對零售商庫存的影響

圖10 庫存覆蓋時間對批發商庫存的影響

4 結論及政策性建議

根據以上仿真分析，得到以下結論：

（1）根據對比圖發現，實施VMI策略后，各級庫存波動幅度明顯下降，例如大區級分銷商庫存從原來的2 000到8 000單位之間浮動變為基本穩定在2 800單位。所以建議食用油企業在條件允許的情況下采用VMI策略來優化供應鏈庫存的管理。

（2）在現有情況下構建VMI模式時，要注意延遲時間對供應鏈系統的影響，延遲時間的增大會使供應鏈各個層級的庫存波動增強，例如將延遲時間的數值從3周變為5周時，大區級分銷商的庫存峰值從7 500單位增加到近9 000單位，并且波動幅度顯著增大。所以銷售信息一定要在整條供應鏈上通達，盡量減小供應鏈各個企業之間信息的延遲和不對稱。最好建立供應鏈企業間的信息共享機制和戰略合作關系。

（3）各節點企業要積極關注庫存覆蓋時間，例如將庫存覆蓋時間從3.5周提高到4.5周時，市級批發商的庫存由原來穩定在2 000單位突增到4 500單位，并長期在3 000單位以上波動。所以加快庫存周轉，依托信息系統和合作模式的構建將發貨頻次和對市場的響應性敏捷性提高，在各企業信息共享和降低延遲的基礎上，共同降低庫存覆蓋時間。

[1]王其藩.系統動力學[M].上海:上海財經大學出版社,2009.

[2]Barlas Y,Aksogn A.Product diversification and quick response order strategies in supply chain management[R].Working paper,Bogazici University,1997.

[3]Angerhofer B J.System dynamics modeling in supply chain management:research review[A].Proceedings of Simulation Conference[C].2000.

[4]劉秋生,蔣國耀.基于系統動力學的供應鏈中牛鞭效應的研究[J].中國管理信息化,2009,12(6):72-75.

[5]陳文佳,穆東.基于系統動力學的配送中心倉儲系統研究[J].北京交通大學學報(社會科學版),2008,7(1)：27-32.

[6]苗興東.系統動力學在供應鏈建模中的應用[D].成都:西南交通大學,2006.

[7]張力菠,韓玉啟,陳杰,余哲,馬義中.供應鏈管理的系統動力學研究綜述[J].系統工程,2005,23(6):8-15.

[8]張力菠,韓玉啟,陳杰.基于數量的供應商管理庫存整合補貨的牛鞭效應與成本研究[J].計算機集成制造系統,2007,13(2).

[9]廖諾,張畢西,吳小節.不同需求條件下供應鏈系統動態仿真比較研究[J].運籌與管理,2010,19(4).

[10]賴新峰,陳志祥.營銷策略對生產與庫存決策影響的系統動力學仿真研究[J].中國管理科學,2012,(s2)：491-497.

[11]萬振,李昌兵.基于系統動力學的閉環供應鏈中的牛鞭效應[J].計算機集成制造系統,2012,18(5).

[12]程麗娟,馬斌,武毓涵.基于系統動力學的快速消費品供應鏈信息共享研究[J].物流技術,2015,34(1).