STELLA销售存储模拟模型的建立.doc

《STELLA销售存储模拟模型的建立.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、五、STELLA销售存储模拟模型的建立下面结合实际操作介绍如何利用STELLA建立并模拟一个存储管理系统的模型，说明怎样使用STELLA软件建模，通过学习，了解STELLA的某些功能。然而，要在一个模型中详细介绍STELLA的全部功能是不可能的，如有需要请查阅参考文献2，3。研究存储模型，必须要有仓库，现在就建立一个。在STELLA环境下，选择累积量，将其命名为“kucun”。本模型中为研究物资的流动，任一时刻的库存量是有进库和出库决定的，，进库由订货决策决定，出库由需求量决定。目前模型中的库存还无

2、法改变，因为它还没有流进和流出。库存的流进和流出为进货和售出量，选择流率项，使它们分别流进和流出库存，命名为“jinhuo”“shouchuliang”。现在，我们把注意力集中到影响进货和售出的逻辑关系上。进货决策是怎样作出的呢？先要有一个每次进货量和安全库存量，然后比较库存量和安全库存量，如果库存量少于安全库存量，则作出订货决策。对销售的影响因素是需求量。销售量是否一定等于需求量呢？实际情况是当产生一个需求量时，首先比较需求量和库存量，当需求量小于库存量时，销售量等于需求量；当需求量大于库存量时，

3、销售量等于库存量。所以三者之间也要建立联系选择相应元素作连线的下图：用前一节中讲述的方法消灭问号。在实际工作中，货物延迟是普遍现象，在上述模型中加入延迟，模型如图所示：8延迟的添加，这里需要特殊说明一下：在STELLA环境下选择累积量，建成一个累积变量并命名为“del”表示延迟双击该变量，出现如下的对话窗：单选按钮“Reservoir”是累积变量，即我们最常用的变量。“Conveyor”为输送带，具有延迟的行为，是本例中我们用到的一种，“Queun”“Oven”分别是排队和处理箱，本例中暂不用，有兴

4、趣的话可以探索一下它的使用方法。我们将单选按钮选中“Conveyor”将随后出现的对话窗中的“TransitTime：”栏中数值改为“4”，意为货物自订货日期始4天后到货，“InflowLimit：”改为60，“Capacity：”也改为60，意为货物“ITIAL(del)”的初始值定为“0”，最终的对话窗为下图：8最后单击“OK”退出，定义完毕。到货延迟期的大小对平均库存量和缺货损失都有影响，对不同的到货延迟期，应制定不同的安全库存量和进货量。下面三个图为同一库存策略在不同延迟期下的库存状态，一个

5、将支付过多的保管费，一个将承受缺货损失。8对销售量的随机性模拟是通过计算机产生随机数来实现的，可调用相应的函数来完成。对某些商品其日销售量的随机分布可近似看作是正态分布。对一些中小型农机具其日销售量是偏态的。而对一些大型农机具（如联合收割机）其销售量的随机分布具有特殊的形式，需单独考虑。综合考虑有关因素，建立存储模拟模型如图示：8模拟过程可简述如下：模拟开始，先检查这一天是否为预定到货期，如果是则原有库存量增加进货量，并把预定到货量清零。如果这一天不是预定到货期，则库存量不变。然后检查预期库存量（实

6、际库存量加预订到货量）是否小于安全库存量，如果是则需要重新订货，这时需要增加一项订货费用，并按到货延迟期预订到货期。按给定的分布规律，由计算机产生随机数模拟随机需求量，并将需求量与库存量比较，若需求量小于库存量，则库存量减去需求量，并对剩余库存计算一次得保管费；若需求量等于库存量，则库存量为零；若需求量大于库存量，则库存量为零，同时计算相应的缺货损失。在一定模拟时间内，日复一日进行模拟，最后将销售收入减去订货总费用，库存保管费用以及由于缺货造成的损失即得总收益。通过比较不同策略的模拟结果，以效益最好

7、的一个方案作为决策方案。模拟结果可通过图表的形式显示如下：821：132003－2-25Table日期随机数销售量（台）库存量（台）订货量（台）进货量（台）0216.394.0040.000.000.001821.7512.0036.000.000.002134.203.0024.0060.000.003549.847.0021.000.000.004120.632.0014.000.000.005349.965.0012.000.000.006707.677.007.000.000.007863.

8、1412.0060.000.000.008800.7711.0048.000.000.009587.248.0037.000.000.0010820.5512.0029.0060.000.001141.601.0017.000.000.0012244.035.0016.000.000.0013354.985.0011.000.000.0014159.523.006.000.0060.001542.901.0063.000.000.001638.880.0062.000