發(fā)布時間：2016-10-14 13:31

  本文關(guān)鍵詞：基于集配中心的生產(chǎn)和配送協(xié)同決策研究，由筆耕文化傳播整理發(fā)布。

第12期馬士華等:基于集配中心的生產(chǎn)和配送協(xié)同決策研究2427

體單位時間的成本及整個供應(yīng)鏈的成本。當(dāng)由SupplyHub運營商聯(lián)合決策時,對于供應(yīng)商數(shù)目小于4時的協(xié)同調(diào)度問題,采用列舉法可以較快計算出決策變量和目標(biāo)函數(shù)的最優(yōu)值;但是對于5個或5個以上的多供應(yīng)商協(xié)同調(diào)度問題,用列舉法需耗

大于L)則轉(zhuǎn)(7),否則轉(zhuǎn)(3)。

(7)降低Tk,若Tk<Tf,則算法停止,否則轉(zhuǎn)(3)。

4　算例分析

411　參數(shù)設(shè)置

費大量的時間。本文采用一種改進的SA算法進行

優(yōu)化求解。

該算法在某一初溫下,伴隨溫度參數(shù)的不斷下降,結(jié)合概率突跳特性在解空間中隨機尋找目標(biāo)函數(shù)的全局最優(yōu)解,即在局部優(yōu)解概率性地跳出并最終趨于全局最優(yōu)。SA算法是一種通用的優(yōu)化算法,目前己在工程中得到了廣泛應(yīng)用,諸如生產(chǎn)調(diào)度、控制工程、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、圖像處理等領(lǐng)域。

本文在傳統(tǒng)的算法上進行了改進,在進行搜索時采用有鄰域搜索的方法,使得解更加穩(wěn)定,法具有記憶功能,改進的SA:

(1)初始化,始解MHi,T0=1000,終止溫度Tf=10,r=0197,特定溫度下的迭代次數(shù)L=200,最

設(shè)制造商對零部件i的需求率di=[401015102015]單位,供應(yīng)商i每次批量生產(chǎn)零部件i的

大容許歷史最優(yōu)解未改進的次數(shù)nn,迭代指數(shù)K=0,當(dāng)前溫度Tk=T0,歷史最優(yōu)解未改變的次數(shù)累計

nnn=0。

(2)根據(jù)初始解,計算SupplyHub到制造商的

配送間隔RH、目標(biāo)值f(即整個供應(yīng)鏈的成本),并且分別將f,MHi,RH賦值為歷史最優(yōu)值和歷史最優(yōu)解。

(3)對于每一個供應(yīng)商(即對應(yīng)矩陣MHi中個每

一個元素),隨機生成MHi的Nn個鄰域解(MHi中其他元素不變,只對該特定元素進行隨機替換可行解操作),分別計算相應(yīng)的目標(biāo)值,取最優(yōu)解Mm,相應(yīng)的目標(biāo)值為f0。

(4)計算目標(biāo)值增量Δf=f0-f,若Δf<0,令M=Mm,進一步比較f0與歷史最優(yōu)值,若f0小于

調(diào)整準(zhǔn)備時間si=1單位,每次調(diào)整準(zhǔn)備成本Si=

100。供應(yīng)商i的生產(chǎn)能力要能夠滿足制造商對產(chǎn)品i的需求,則供應(yīng)商i生產(chǎn)率Pi和制造商對零部件i的需求率di需滿足Pi×di≤1,當(dāng)且僅當(dāng)調(diào)整準(zhǔn)備時間為0時等號成立,設(shè)Pi取值分別為P1=0102,P20107,P3=0,=0108,P5=0104,P61ihsi=hs,Hub的單位庫存維持成本hHi=hH=γhs,其中r1=018,在制造商處的單位庫存1×

維持成本hMi=hM=r2×hH,r2=111。設(shè)F0為運輸成本參數(shù),供應(yīng)商的運輸固定成本Fi=e×F0,F0=20,e=0101,運輸變動成本Vi由供應(yīng)商i到SupplyHub的距離和F0決定,則供應(yīng)商到SupplyHub的運輸變動成本為Vi=DISi×F0。假設(shè)SupplyHub的服務(wù)半徑為1,供應(yīng)商i到SupplyHub的距離DIS∈[015,1],DIS1=016,DIS2=019,DIS3=110,DIS4=018,DIS5=017,DIS6=015。設(shè)每次將零部件從SupplyHub運到制造廠商處的運輸費用為5,車輛的容量限制為200。當(dāng)供應(yīng)商生產(chǎn)間隔等于配送間隔時,要快速響應(yīng)制造廠商的需求,其配送時間間隔Ri一般為2h左右,而各供應(yīng)商送貨至SupplyHub運營商的時間間隔一般不超過24h,故設(shè)M的取值范圍為1～12之間的正整數(shù)。412　算法比較

Pundoor(2005)提出了一種啟發(fā)式算法來解決

歷史最優(yōu)值,則替換歷史最優(yōu)值和最優(yōu)解,并令nnn=0;若大于歷史最優(yōu)值,則nnn=nnn+1,否則產(chǎn)生

rand=U(0,1)(0～1之間均勻分布的隨機數(shù)),若

exp-

ΔTk

>rand,則令M=Mm。

多個供應(yīng)商的生產(chǎn)和配送協(xié)同調(diào)度問題,也可以用于解決本文的SupplyHub聯(lián)合決策模型,本文將改進的SA算法與其進行了比較。利用Matlab615軟件,在IBMT41型號的筆記本上進行計算,兩種算法的運行時間都較短,因此主要從對目標(biāo)函數(shù)的優(yōu)化質(zhì)量來評價。而列舉法在供應(yīng)商數(shù)目不多時可以得到最優(yōu)解,因此針對SupplyHub模式下兩個及以上的供應(yīng)商生產(chǎn)和配送協(xié)同優(yōu)化問題,分別采用了列舉法、改進的SA算法和Pundoor的啟發(fā)式

(5)判斷nnn是否達到nn,若是則重新生成隨

機初始解。

(6)判斷是否達到熱平衡,若是(即內(nèi)循環(huán)次數(shù)

2428計算機集成制造系統(tǒng)第14卷

算法進行計算,所優(yōu)化的目標(biāo)函數(shù)值如表1所示�？梢钥闯�,兩種算法所得的值都比較接近列舉法,但是改進的SA算法對目標(biāo)值的優(yōu)化更多,特別是隨著供應(yīng)商個數(shù)的增加,Pundoor的啟發(fā)式算法偏離列舉法所得的最優(yōu)值越來越多,而改進的SA算法依然與最優(yōu)值較近,例如對于6個供應(yīng)商,本算法與列舉法的值相差013392,而Pundoor的啟發(fā)式算法與列舉法的值相差411279,因此改進的SA算法在解決供應(yīng)商數(shù)目較多的聯(lián)合決策模型時,對目標(biāo)成本的優(yōu)化更大。

表1　改進的模擬退火算法與Pundoor的啟發(fā)式算法的比較

參與聯(lián)合決策的供應(yīng)商個數(shù)

2個供應(yīng)商3個供應(yīng)商4個供應(yīng)商5個供應(yīng)商6個供應(yīng)商

聯(lián)合決策時,供應(yīng)鏈系統(tǒng),以及供應(yīng)商、SupplyHub

運營商的成本和配送間隔等結(jié)果如表2所示,表3和表4分別表示SupplyHub聯(lián)合決策與分散決策相比,各種成本和配送間隔的變化。

列舉法

83127511712552144172531831518221716301

改進的

831275117190371451299318317777Pundoor(2005)的

啟發(fā)式算法

84126118102421451717513413　結(jié)果分析

本文利用上述算法分別計算了2

～6個供應(yīng)商時的生產(chǎn)和配送協(xié)同決策模型。多次試驗表明,對于5個和5個以上供應(yīng)商,采用改進SA算法具有較大的穩(wěn)定性,但是由于篇幅限制,主要列出了5個和6個供應(yīng)商時的計算結(jié)果。圖3和圖4分別記錄了多次迭代時的歷史最優(yōu)值的變化軌跡。供應(yīng)商、SupplyHub運營商分散決策和SupplyHub運營商

表2　SupplyHub分散決策與聯(lián)合決策時的成本和配送間隔

分散決策

Ri

RH

TCs

TCH

TC

Ri

MH

聯(lián)合決策

RH

TCs

TCH

TC

兩個供應(yīng)商

5192141219945519214

315355

371896718119233718967

32117248812614

48414592

12243243436564

4

401850020137503914309

221058312750

三個供應(yīng)商1219945

1013366519214

310769181192323125733718967

44197281241319819184616888414157

212296191496325149523915395

321832811712552

四個供應(yīng)商

1219945101336612105205192141219945

216667

18119232312573191283237189671811923

54186441531494

818314616236818314412105814211

212079

19156602515988201222739164121916307

391798314417253

五個供應(yīng)商1013366

1210520814484

211053231257319128322710348

68188181941546613158814211613158

114589241684520127762819065

501637318317777

第12期馬士華等:基于集配中心的生產(chǎn)和配送協(xié)同決策研究2429續(xù)表2

5192141219945101336612105208144841010000

37189671811923

118182

2312573191283227103482415200

8112568

2311441

316364910909712727910909514545712727

254534

118182

421491419136562417093201054729166392419707

561713621719693

六個供應(yīng)商

注:Ri指供應(yīng)商的配送間隔;RH指SupplyHub運營商的配送間隔;TCs指供應(yīng)商單位時間的生產(chǎn)調(diào)整準(zhǔn)備成本和物流成本;TCH指Supply

Hub運營商和制造商單位時間的物流成本;TC指供應(yīng)商、SupplyHub運營商以及制造商構(gòu)成的供應(yīng)鏈系統(tǒng)單位時間的生產(chǎn)和物流成本;MH

表示供應(yīng)商配送間隔是SupplyHub運營商配送間隔的整數(shù)倍數(shù)。以下表中符號意思與之相同。

表3　SupplyHub聯(lián)合決策與分散決策

相比各種成本的變化

供應(yīng)商兩個供三個供四個供五個供六個供

i

12

供應(yīng)商的成本

TCs的變化

3456

TCH的變化TC的變化

應(yīng)商/%應(yīng)商/%應(yīng)商/%應(yīng)商/%應(yīng)商/%

717941054133416012112121007117715571916145

91621010761146124

418751164100

61929172

11-31146--49-3051711-5182

注“:-”表示減少,。

表4　SupplyHub聯(lián)合決策與分散決策相比供應(yīng)商、

SupplyHub運營商配送間隔的變化

供應(yīng)商兩個供三個供四個供五個供六個供

12

供應(yīng)商的配送間隔Ri的變化

3456

應(yīng)商/%應(yīng)商/%應(yīng)商/%應(yīng)商/%

-32145-24169-25143-28189-38144-31137-32104-35119

-35129-35192-38190

-26172-30113

-25124

RH的變化

應(yīng)商/%-38159-30104-29164-24157-35144-27127

13114-27154-17120-301700100

注“:-”表示減少,否則表示增加。

通過對計算結(jié)果的分析發(fā)現(xiàn):

(1)當(dāng)SupplyHub運營商作為供應(yīng)鏈上游生產(chǎn)和配送協(xié)同決策主體時,與分散決策相比,供應(yīng)鏈上游單位時間的生產(chǎn)調(diào)整準(zhǔn)備成本和物流成本明顯下降,其變化狀況如表3所示。

供應(yīng)鏈上游的供應(yīng)商和SupplyHub運營商基于自身能力約束決策生產(chǎn)和配送間隔時,僅是一種局部優(yōu)化,沒有從整個供應(yīng)鏈全局最優(yōu)出發(fā)進行決策。在當(dāng)前市場競爭下,即使采用SupplyHub模式,在SupplyHub分散決策下,這種模式的優(yōu)勢并沒有充分發(fā)揮。從研究結(jié)果可以看出,在信息共享程度較高的情況下,以SupplyHub運營商作為供應(yīng)鏈上游生產(chǎn)和配送協(xié)同決策主體,基于整個供應(yīng)鏈生產(chǎn)和物流能力約束,利用其專業(yè)的物流運作能

力,對供應(yīng)鏈上游的多個供應(yīng)商的生產(chǎn)和配送進行協(xié)同決策,能較大程度地降低供應(yīng)鏈系統(tǒng)的生產(chǎn)和物流成本。當(dāng)SupplyHub運營商具有較強的資源整合能力和物流運作能力時,其功能范圍可以涉及到代為采購、本文研究結(jié)果表明,。

2)SupplyHub運營商以及制造商單位時間的物流成本大大降低,而供應(yīng)商單位時間的生產(chǎn)和配送成本有不同程度的增加。

在供應(yīng)鏈上游生產(chǎn)和物流成本降低的情況下,供應(yīng)商、SupplyHub運營商和制造廠商的成本都發(fā)生了不同的變化。一方面,SupplyHub運營商和制造廠商物流成本顯著下降,說明SupplyHub運營商作為決策主體對供應(yīng)鏈上游的生產(chǎn)和配送活動進行協(xié)同決策時,SupplyHub運營商和制造廠商是最大的利益獲得者,而且其物流成本的大幅降低也是整個供應(yīng)鏈系統(tǒng)成本降低的重要原因;另一方面,大多數(shù)供應(yīng)商的成本有一定程度的增加,這與供應(yīng)商生產(chǎn)和配送頻率的增加有關(guān),當(dāng)生產(chǎn)和配送頻率增加時,其每次生產(chǎn)和配送的批量減少,因此單位成本有所增加。供應(yīng)商成本的增加可能會對聯(lián)合決策方式的實施造成一定障礙,即供應(yīng)商不愿意參與由SupplyHub運營商聯(lián)合決策的項目,因此必須實施相應(yīng)的策略,使供應(yīng)鏈上游系統(tǒng)成本降低而帶來的利益與供應(yīng)商共享,如對參與此項目的供應(yīng)商給予價格補償?shù)取?/p>

(3)聯(lián)合決策時,供應(yīng)商的配送間隔有較大的縮短,SupplyHub運營商對制造廠商的配送間隔有不同變化,具體結(jié)果如表4所示。

從表4中可以看出,由SupplyHub運營商對多個供應(yīng)商生產(chǎn)和配送活動協(xié)同決策時,有的供應(yīng)商的配送間隔時間縮短38159%以上,較少的也達24157%左右,表明供應(yīng)商的生產(chǎn)和配送頻率增加,每次生產(chǎn)和配送批量減少。隨著協(xié)同決策的供應(yīng)商數(shù)

2430計算機集成制造系統(tǒng)第14卷

目的增加,SupplyHub運營商的配送間隔也有所縮短,當(dāng)配送間隔下降到一定程度時,兩種決策下的配送間隔沒有明顯差別,但都可以較快響應(yīng)制造廠商的需求。由此可以看出,SupplyHub運營商協(xié)同優(yōu)化供應(yīng)鏈上游的生產(chǎn)和配送間隔,對供應(yīng)商和SupplyHub運營商的具體生產(chǎn)和配送活動具有很大影響。

(4)SupplyHub運營商聯(lián)合決策下,不僅能快速響應(yīng)制造廠商的需求,實現(xiàn)供應(yīng)商、SupplyHub運營商和制造廠商的縱向業(yè)務(wù)協(xié)同,還能更好地考慮供應(yīng)商與供應(yīng)商相互之間的影響,實現(xiàn)供應(yīng)商與供應(yīng)商之間的生產(chǎn)和配送業(yè)務(wù)協(xié)同。

在供應(yīng)商、SupplyHub運營商分散決策生產(chǎn)批量和配送間隔時,因為供應(yīng)商與供應(yīng)商之間沒有直接的利益關(guān)系,相互之間主動共享生產(chǎn)和物流信息有一定難度,所以其生產(chǎn)和配送決策大都是從自身成本最小的角度出發(fā),難以考慮供應(yīng)商與供應(yīng)商之間決策的影響,這從表2左邊分散決策下可以看出,數(shù)目增加時,商的生產(chǎn)信息,Hub模式下,制造廠商一般將物流外包給第三方物流,即SupplyHub運營商,并與其共享生產(chǎn)和物流信息,故SupplyHub運營商作為決策主體,聯(lián)合決策時能夠較好地考慮供應(yīng)商與供應(yīng)商相互決策的影響,并對整個供應(yīng)鏈進行物流協(xié)同優(yōu)化,從而以更低的成本快速響應(yīng)制造廠商需求,從表2的右邊可以看出,增加某個供應(yīng)商時,其他供應(yīng)商的生產(chǎn)和配送間隔也會發(fā)生變化。

廠商的需求,實現(xiàn)供應(yīng)商、SupplyHub運營商和制造廠商的縱向業(yè)務(wù)協(xié)同,而且能更好地考慮供應(yīng)商與供應(yīng)商相互之間的影響,實現(xiàn)供應(yīng)商與供應(yīng)商之間的生產(chǎn)和配送業(yè)務(wù)協(xié)同。

因此,在SupplyHub協(xié)同運作中,當(dāng)供應(yīng)商采用JIT生產(chǎn)方式通過SupplyHub向制造廠商供貨時,在信息共享程度較高的情況下,考慮供應(yīng)鏈系統(tǒng)的生產(chǎn)和物流能力約束,以具有較強的供應(yīng)鏈資源整合和協(xié)同運作能力的SupplyHub運營商作為供應(yīng)鏈上游生產(chǎn)和配送協(xié)同決策主體,能以更低的成本快速響應(yīng)制造廠商的需求,促進基于SupplyHub的供應(yīng)驅(qū)動供應(yīng)鏈協(xié)同運作;另一方面,必須實施相應(yīng)的策略,使供應(yīng)鏈上游系統(tǒng)成本降低帶來的利益與供應(yīng)商共享,如[1　,GShijie,etal.Onthestrategyof

hubsforcostreductionandresponsiveness[R].Singa2pore:NationalUniversityofSingapore,2000.

[2]　GONGFengmei,MAShihua.Theresearchonthemodeofthird

partylogistics′point2of2usedeliverybasedonsupplyhub[J].In2dustrialTechnology&Economy,2007,26(8):1242127(inChi2nese).[龔鳳美,馬士華.基于SupplyHub的第三方物流直送工

位模式研究[J].工業(yè)技術(shù)經(jīng)濟,2007,26(8):1242127.]

[3]　HAHMJ,YANOCA.Theeconomiclotanddeliveryschedu2

lingproblem:thesingleitemcase[J].InternationalJournalofProductionEconomics,1992,28(2):2352252.

[4]　HAHMJ,YANOCA.Economiclotanddeliveryscheduling

problem:thecommoncyclecase[J].IIETransactions,1995,27(2):1132125.

[5]　HAHMJ,YANOCA.Economiclotanddeliveryscheduling

problem:thenestedschedulecase[J].IIETransactions,1995,27(2):1262139.

[6]　KHOUJAM.Theeconomiclotanddeliveryschedulingprob2

lem:commoncycle,rework,andvariableproductionrate[J].IIETransactions,2000,32(8):7152725.

[7]　CLAUSENJ,JUS.Ahybridalgorithmforsolvingtheeco2

nomiclotanddeliveryschedulingprobleminthecommoncyclecase[J].EuropeanJournalofOperationalResearch,2006,175(2):114121150.

[8]　VERGARAFE,KHOUJAM,MICHALEWICZZ.Anevolu2

tionaryalgorithmforoptimizingmaterialflowinsupplychains[J].ComputersIndustrialEngineering,2002,43(3):4072421.[9]　KHOUJAM.Synchronizationinsupplychains:implicationsforde2

signandmanagement[J].JournaloftheOperationalResearchSoci2ety,2003,54(9):9842994.

[10]　PUNDOORG.Integratedproduction2distributionscheduling

insupplychains[D].CollegePark,Md.,USA:UniversityofMaryland,2005.

5　結(jié)束語

本文分析了基于SupplyHub的供應(yīng)驅(qū)動供應(yīng)

鏈協(xié)同運作模式,建立了該模式下信息共享程度不同時的生產(chǎn)和配送協(xié)同決策模型,即SupplyHub分散決策模型和SupplyHub聯(lián)合決策模型,并采用了改進的SA算法求解SupplyHub聯(lián)合決策模型。然后通過算例,對不同決策下的生產(chǎn)和配送協(xié)同決策模型進行了比較分析。結(jié)果表明,當(dāng)SupplyHub運營商作為供應(yīng)鏈上游生產(chǎn)和運輸協(xié)同決策主體時,與分散決策相比,供應(yīng)鏈上游單位時間的生產(chǎn)調(diào)整準(zhǔn)備成本和物流成本明顯下降;SupplyHub運營商和制造商的物流成本大大降低,而供應(yīng)商的生產(chǎn)和配送成本有不同程度增加;SupplyHub聯(lián)合決策時,供應(yīng)商的配送間隔有較大的縮短,SupplyHub運營商對制造廠商的配送間隔有不同變化;SupplyHub運營商聯(lián)合決策,不僅能快速響應(yīng)制造

博泰典藏網(wǎng)btdcw.com包含總結(jié)匯報、經(jīng)管營銷、表格模板、教學(xué)研究、高中教育、行業(yè)論文、農(nóng)林牧漁、自然科學(xué)、人文社科、旅游景點以及31基于集配中心的生產(chǎn)和配送協(xié)同決策研究_圖文等內(nèi)容。

本文共2頁12

  本文關(guān)鍵詞：基于集配中心的生產(chǎn)和配送協(xié)同決策研究，由筆耕文化傳播整理發(fā)布。

本文編號：140383