[摘要] 本文通过对4s汽车销售店的库存采用基于离散事件的建模理论和(s,S)的库存系统管理模型，在介绍ARENA仿真软件的基础上，利用该软件对4s店的供应链和库存管理状况进行仿真模拟，对库存水平、缺货情况、库存成本等供应链绩效评价指标进行仿真结果分析，发现问题所在并提出优化方案。
[关键词] 4s销售店 ARENA 库存仿真
一、引言
随着近几年来我国居民整体生活水平和消费能力的大幅提高，以及我国汽车制造工业、汽车生产厂商数量的飞速发展，居民的汽车购买欲望和实际消费量持续快速增长态势，在这种情况下，4s汽车经销商数量迅速攀升，而行业间竞争压力也逐渐上升。在当前的市场条件下，困扰4s汽车经销商的主要问题在于如何平衡满足顾客需要量（即避免缺货现象）和规避库存风险压力二者的冲突。汽车市场呈现竞争趋于白热化的局面，4s汽车经销商也面临着极大的压力。影响汽车经销商采购和库存策略的因素主要有以下几方面:
1.研发竞争加剧，导致新车型或者改进车型的推出速度加快，由于担心现有车型的市场竞争力下降，汽车经销商往往采取保守策略，降低采购量。另外，汽车行业呈现出类似家电行业的局面，厂商之间利用价格战来争夺市场份额，调低产品市场指导价格的频率和幅度加快加大也是汽车经销商所担心的因素之一。
2.缺货成本上升。由于经销商对市场前景难以准确预测，往往会调低采购批量，此时又经常会出现顾客暂时买不到现车的情况，消费者需要等待一个较长的汽车采购和运输周期，由于同类厂商众多，替代品较为丰富，使得顾客转而寻找可以马上提取现车的其他品牌汽车经销商，而且缺货情况严重和提货周期过长的话都会损害到汽车经销商的信誉和品牌知名度。
由于供应链系统是一个动态的复杂系统，其中存在着大量的随机事件，利用传统方法难以进行系统分析，因此，本文利用ARENA仿真软件，采用基于离散事件的建模理论和(s,S)的库存系统管理模型，对4s汽车经销店的供应链和库存管理状况进行仿真模拟。
二、ARENA软件基本介绍及其体系结构
本文使用的仿真软件是美国系统建模公司（System Modeling）的ARENA软件，该软件不需要描述物流系统的代码。ARENA是在早期的SIMAN/CINEMA仿真系统上发展起来的，不仅保留了SIMAN/CINEMA的强大功能和灵活性，而且具有十分友好的用户界面和方便的动画元素，兼备高级仿真器的易用性和专用仿真语言的柔性，并且可以和Visual Basic或者C通用程序语言相集成，利用EXCEL表格输出仿真结果分析。
专用仿真语言，像GPSS，SIMSCRIPT和SLAM等，具有建模灵活的特点，但是需要花费很多时间学习编程，而且由于特定语法规则的限制，编程较为复杂和容易出错。ARENA提供了一个可视化集成仿真环境，将过程语言、专用仿真语言和仿真器的优点集成起来，采用面向对象技术和层次化结构体系。ARENA提供了多种可供选择和可以交替的建模模板，主要由动画仿真模板和分析模板组成，利用这些模板可以组合出各种不同的仿真模型。ARENA通过图所示的完整层次结构保持了建模的灵活性。可以利用操作块与构模元素面板中的低层模板与其他模块中的高层模块与SIMAN构件混合使用。用户可以自己编写VB或C/C++程序段嵌入模型来实现。ARENA不仅提供了标准模块，用户还可以针对各种行业系统建立自己的模块（如采矿、自动制造、快餐等），同时达到建模灵活和易于使用的目的。最后，ARENA还提供了同一工作环境下的与模型集成的模块演示动画和图表数据设计分析以帮助理解模型。
三、仿真模型事件及流程
本文中以离散事件方式对顾客到达与购买行为决策进行建模，假定顾客以某种随机分布概率（如指数分布）到达时间间隔来到经销商处，如此时有库存，则可以马上得到需求量（固定设为1辆）；如果此时库存为零，则按照一定的概率离开此经销商，转而寻找其他汽车经销商；剩余部分顾客则会支付定金，不足部分作为未交付订货，等到库存补充足以后再取。在仿真时间段内，流失顾客人数可以视为缺货损失成本。图2是ARENA的购买仿真流程图。
同时，库存仿真模型的控制策略中，库存情况I(t)(t表示仿真开始到现在的时间)为整数，如果库存水平已经为负了（例如有未交付订货）而此时还有顾客订货，则直接把新订货量变负直接加到库存水平上即可。设立库存检查员的角色，每天开始时检查库存情况I（t）以决定此时是否需要向供货商发出订单。如果库存水平值已经小于常数s，则经销商开始订货并使其库存值到达另一个常数S。因此，如果I（t）
使用ARENA系统仿真建模，需要创建两个实体和定义一系列全局变量，其名称、含义和设定值如下：
Customer实体：顾客到达实体，服从EXPO（0.3）的指数分布时间间隔来到。若库存有货，顾客需求数量和概率分别为1和100%，若没有现货，则需求数量为1或0的离散分布概率为0.7和0.3，即30%的顾客选择放弃购买。
Inventory Evaluator实体：库存检查员实体，初次创建时间为0，仿真开始即创建，此后的时间间隔为Delivery Lag+1，即在库存补充到达的第二天创建，即库存检查员在下次到货前不会发出新的订单。
下列为系统主要全局变量：
Inventory Level：仿真任意时刻库存水平，起初值为70，I（t）即为此变量
Little s：参数s，其初值为20
Big S：参数S，其初值为100
TOC：累加所有订货费用之和的累加统计器变量，默认初值为零
SC：订货固定费用，值为5000
VC：单位货物可变订货费用，值为200
UHC：单位货物库存保管费用，值为200
USC：单位未交货货物短缺成本，值为800
Delivery lag：订货延迟期，服从UNIF(10,12)的均匀分布
建立该模型的主要作用是统计分析仿真运行时间内库存平均成本，该费用由以下三部分加和组成，其含义和用ARENA中的SIMAN表达式为：
①平均订货费用：仿真时间结束时，和订货次数有关的费用。仿真结束时所得累计订货成本除以仿真天数即得。SIMAN公式为：OVERLUE（Avg Ordering Cost）
②总储存费用：，SIMAN公式为：DAVG（Holding Cost）
③总缺货费用：，SIMAN公式为：DAVG（Shortage Cost）
因此,平均成本使用SIMAN表达式表述为：
OVERLUE（Avg Ordering Cost）+ DAVG（Holding Cost）
四、仿真实现和结果分析
实现仿真流程的ARENA软件采用了面向对象的模块化建模方法，本文的库存仿真系统主要由顾客购买事件模块组和库存检查员订货事件模块组构成。
1.顾客购买事件模块
购买事件模块所实现功能是按照一定分布的时间间隔产生顾客类实体（Customer），此任务是由ARENA中的CREATE创建功能块实现的，在这里可以设定有关参数。产生顾客实体以后，由BRANCH分支功能块执行查看当前库存水平（Inventory Level）的条件判断，参见图2。
若当前库存有现货，则通过ASSIGN赋值功能块从当前库存量中扣除顾客需求量（Inventory Level -Demand Size1），然后，Customer实体经由Dispose清除操作块离开系统；反之，选择另一路径，此时针对缺货现象，利用Demand Size2这一离散随机变量产生放弃购买的顾客数量和订货排队顾客数量，此时直接把订货量变负加到库存量上即可，参见图2。最后经由Dispose清除操作块离开系统，在Dispose功能模块中利用其实体记录统计功能统计顾客信息。
2.库存检查员订货事件模块组
库存检查员实体（Inventory Evaluator）同样是由CREATE功能块按照模型参数实现的。库存检查员由BRANCH功能块执行查看当前库存水平（Inventory Level）是否小于s的条件判断，如当前库存不能满足最低库存水平s，则通过ASSIGN赋值功能块将订货数量（Order Quantity）赋值为最高库存量与当前库存的差值（Big S- Inventory Level），参见图3。
然后再通过把库存检查员实体由Delay延时功能块来实现交货延迟时间的仿真，订货到达后，再通过ASSIGN赋值功能即时更新库存数量（Inventory Level + Order Quantity），，并通过Dispose功能块离开；至于另一分支，没有任何操作，只是由Dispose功能块释放实体，参见图3。
3.仿真结果输出分析和库存优化
ARENA提供了多种动画效果来演示说明仿真进程和结果，本次仿真主要采用了如图4的库存水平随时间变化的散点图效果，左边主要通过温度计式动画显示当前的库存水平。
由于仿真试验中各种随机变量的产生具有偶然性，一次仿真的结果并不能完全模拟真实情况，因此，我们通过多次仿真取结果平均值的方式更加贴近真实情况。表1中是进行10次仿真模拟中一些参数的平均值。从表1中可以观察到由于担心库存压货的情况出现，经销车的缺货情况比较严重，缺货成本远远高出库存成本，此外，由于订货和库存调拨的周期较长，也加剧了缺货成本。
针对这种情况，可以采用多级库存方式优化供应链的及时性和快速反应性，经销商在检查本销售点库存时，可以通过集成化的信息平台传递给供应商，可以优化生产进度，降低库存水平；另外，可以采用建立地区性配送中心的方案，假设各个销售商面对独立同分布的随机需求过程，根据相应的库存控制策略进行订货，并假定固定提前器、缺货等待等因素。所有的销售商都由配送中心供货，配送中心每周检查库存，根据自己的库存控制策略向厂商发出订单，也可以节省经销商库存量和缺货成本。通过对仿真参数进行优化调整以后，经过多次仿真的平均结果如表2。
五、结束语
文中所研究的仿真模型仍然在不断修改和完善之中，不容置疑的是实际的物流系统远比本论文中的模型复杂的多，这其中继续收集包括更加精确的和合理的数据统计、成本计算等主要仿真依据，这将对研究和优化汽车行业供应链绩效水平，并应用于其他行业的供应链模型中。在以后的研究过程中，将会逐步完善供应链模型的层次性仿真、以及更加准确的供应链库存成本模型构建等方面问题，以期在实际中得到广泛应用。
参考文献:
[1]W.David.Kelton,Simulation with ARENA,Third Edition[M] Copyright 2004 By the McGraw-Hill,Inc USA,2004
[2]刘瑞叶任洪林李志民:计算机仿真技术基础[M].北京：机械工业出版社,2004
[3]王亚超马汉武:生产物流系统建模与仿真[M].北京：科学出版社,2006
[4]苗明郭晓霞姚夏莉:基于ARENA的集装箱港口装卸工艺系统方案仿真研究[J].物流技术,2006,(3):85～86
[5]杨东进:我国汽车4s营销模式现状、问题及对策分析[J].商场现代化，2007，（4）:56～57
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”
相关热词搜索： 汽车销售 仿真 库存 研究 ARENA
