deepbullwhip: An Open-Source Simulation and Benchmarking for Multi-Echelon Bullwhip Analyses
创建于 更新于
摘要
本文提出 deepbullwhip：一个模块化开源 Python 仓储-供应链模拟与基准测试框架，集成可替换的需求生成器、订货策略、成本函数和预测器，并实现了向量化蒙特卡洛引擎以支持大规模多路径仿真；实验揭示多层级乘法级联导致累计放大可达数百倍（示例：单次路径838×，蒙特卡洛均值427×）并且对关键瓶颈交付期具备超指数敏感性，同时发现上游阶层的 BWR 在跨路径上出现“随机过滤”收敛（CV 从 0.21 降至 0.01），以及真实 WSTS 数据与合成 AR(1) 数据在牛鞭效应严重性上存在约 155× 的巨大差距，这些结论支持使用可复现的基准与实证回放来评估策略与预测器的下游成本影响。[page::2][page::12][page::30][page::19][page::26][page::28]
