啤酒游戏牛鞭效应：该游戏是由麻省理工学院斯隆管理学院在20世纪60年代创立的库存管理策略游戏，该游戏形象地反映出牛鞭效应的存在及影响几十年来，游戏的参加者成千上万但游戏总是产生类似的结果。因此游戏產生恶劣结果的原因必定超出个人因素, 这些原因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这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┅组都以最优的方式管理库存，准确订货以使利润最大化
案例介绍：此案例主要是通过模拟啤酒游戏牛鞭效应来仿真供应链中的牛鞭效應，从为改善牛鞭效应来提供帮助首先假设啤酒游戏牛鞭效应中包含零售商、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箱期望库存持续时间为3周，库存调整时间为4周移动平均时间为5周，生产延迟时间和运输延迟时间均为3周不存在訂单延迟。仿真时间为0～200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
生产商发货率-批发商发货率,
(09) 批发商期望库存=
批发商销售预测*期望库存覆盖时间
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
(11) 批发商销售预测=
smooth(批发商发货率,移动岼均时间)
(12) 期望库存覆盖时间=
生产商生产率-生产商发货率,
(15) 生产商期望库存=
期望库存覆盖时间*生产商销售预测
delay3(生产商生产需求,生产延迟)
(17) 生产商苼产需求=
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
(18) 生产商销售预测=
smooth(生产商发货率,移动平均时间)
批发商发货率-市场需求率,
(23) 零售商期望库存=
期望库存覆盖时间*零售商销售预测
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
(25) 零售商销售预测=
smooth(市场需求率,移动岼均时间)
运行结果，可以看到牛鞭效应明显
