31基于集配中心的生产和配送协同决策研究

发布时间：2016-10-14 13:31

  本文关键词：基于集配中心的生产和配送协同决策研究，由笔耕文化传播整理发布。

第12期马士华等:基于集配中心的生产和配送协同决策研究2427

体单位时间的成本及整个供应链的成本。当由SupplyHub运营商联合决策时,对于供应商数目小于4时的协同调度问题,采用列举法可以较快计算出决策变量和目标函数的最优值;但是对于5个或5个以上的多供应商协同调度问题,用列举法需耗

大于L)则转(7),否则转(3)。

(7)降低Tk,若Tk<Tf,则算法停止,否则转(3)。

4　算例分析

411　参数设置

费大量的时间。本文采用一种改进的SA算法进行

优化求解。

该算法在某一初温下,伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,即在局部优解概率性地跳出并最终趋于全局最优。SA算法是一种通用的优化算法,目前己在工程中得到了广泛应用,诸如生产调度、控制工程、机器学习、神经网络、图像处理等领域。

本文在传统的算法上进行了改进,在进行搜索时采用有邻域搜索的方法,使得解更加稳定,法具有记忆功能,改进的SA:

(1)初始化,始解MHi,T0=1000,终止温度Tf=10,r=0197,特定温度下的迭代次数L=200,最

设制造商对零部件i的需求率di=[401015102015]单位,供应商i每次批量生产零部件i的

大容许历史最优解未改进的次数nn,迭代指数K=0,当前温度Tk=T0,历史最优解未改变的次数累计

nnn=0。

(2)根据初始解,计算SupplyHub到制造商的

配送间隔RH、目标值f(即整个供应链的成本),并且分别将f,MHi,RH赋值为历史最优值和历史最优解。

(3)对于每一个供应商(即对应矩阵MHi中个每

一个元素),随机生成MHi的Nn个邻域解(MHi中其他元素不变,只对该特定元素进行随机替换可行解操作),分别计算相应的目标值,取最优解Mm,相应的目标值为f0。

(4)计算目标值增量Δf=f0-f,若Δf<0,令M=Mm,进一步比较f0与历史最优值,若f0小于

调整准备时间si=1单位,每次调整准备成本Si=

100。供应商i的生产能力要能够满足制造商对产品i的需求,则供应商i生产率Pi和制造商对零部件i的需求率di需满足Pi×di≤1,当且仅当调整准备时间为0时等号成立,设Pi取值分别为P1=0102,P20107,P3=0,=0108,P5=0104,P61ihsi=hs,Hub的单位库存维持成本hHi=hH=γhs,其中r1=018,在制造商处的单位库存1×

维持成本hMi=hM=r2×hH,r2=111。设F0为运输成本参数,供应商的运输固定成本Fi=e×F0,F0=20,e=0101,运输变动成本Vi由供应商i到SupplyHub的距离和F0决定,则供应商到SupplyHub的运输变动成本为Vi=DISi×F0。假设SupplyHub的服务半径为1,供应商i到SupplyHub的距离DIS∈[015,1],DIS1=016,DIS2=019,DIS3=110,DIS4=018,DIS5=017,DIS6=015。设每次将零部件从SupplyHub运到制造厂商处的运输费用为5,车辆的容量限制为200。当供应商生产间隔等于配送间隔时,要快速响应制造厂商的需求,其配送时间间隔Ri一般为2h左右,而各供应商送货至SupplyHub运营商的时间间隔一般不超过24h,故设M的取值范围为1～12之间的正整数。412　算法比较

Pundoor(2005)提出了一种启发式算法来解决

历史最优值,则替换历史最优值和最优解,并令nnn=0;若大于历史最优值,则nnn=nnn+1,否则产生

rand=U(0,1)(0～1之间均匀分布的随机数),若

exp-

ΔTk

>rand,则令M=Mm。

多个供应商的生产和配送协同调度问题,也可以用于解决本文的SupplyHub联合决策模型,本文将改进的SA算法与其进行了比较。利用Matlab615软件,在IBMT41型号的笔记本上进行计算,两种算法的运行时间都较短,因此主要从对目标函数的优化质量来评价。而列举法在供应商数目不多时可以得到最优解,因此针对SupplyHub模式下两个及以上的供应商生产和配送协同优化问题,分别采用了列举法、改进的SA算法和Pundoor的启发式

(5)判断nnn是否达到nn,若是则重新生成随

机初始解。

(6)判断是否达到热平衡,若是(即内循环次数

2428计算机集成制造系统第14卷

算法进行计算,所优化的目标函数值如表1所示。可以看出,两种算法所得的值都比较接近列举法,但是改进的SA算法对目标值的优化更多,特别是随着供应商个数的增加,Pundoor的启发式算法偏离列举法所得的最优值越来越多,而改进的SA算法依然与最优值较近,例如对于6个供应商,本算法与列举法的值相差013392,而Pundoor的启发式算法与列举法的值相差411279,因此改进的SA算法在解决供应商数目较多的联合决策模型时,对目标成本的优化更大。

表1　改进的模拟退火算法与Pundoor的启发式算法的比较

参与联合决策的供应商个数

2个供应商3个供应商4个供应商5个供应商6个供应商

联合决策时,供应链系统,以及供应商、SupplyHub

运营商的成本和配送间隔等结果如表2所示,表3和表4分别表示SupplyHub联合决策与分散决策相比,各种成本和配送间隔的变化。

列举法

83127511712552144172531831518221716301

改进的

831275117190371451299318317777Pundoor(2005)的

启发式算法

84126118102421451717513413　结果分析

本文利用上述算法分别计算了2

～6个供应商时的生产和配送协同决策模型。多次试验表明,对于5个和5个以上供应商,采用改进SA算法具有较大的稳定性,但是由于篇幅限制,主要列出了5个和6个供应商时的计算结果。图3和图4分别记录了多次迭代时的历史最优值的变化轨迹。供应商、SupplyHub运营商分散决策和SupplyHub运营商

表2　SupplyHub分散决策与联合决策时的成本和配送间隔

分散决策

Ri

RH

TCs

TCH

TC

Ri

MH

联合决策

RH

TCs

TCH

TC

两个供应商

5192141219945519214

315355

371896718119233718967

32117248812614

48414592

12243243436564

4

401850020137503914309

221058312750

三个供应商1219945

1013366519214

310769181192323125733718967

44197281241319819184616888414157

212296191496325149523915395

321832811712552

四个供应商

1219945101336612105205192141219945

216667

18119232312573191283237189671811923

54186441531494

818314616236818314412105814211

212079

19156602515988201222739164121916307

391798314417253

五个供应商1013366

1210520814484

211053231257319128322710348

68188181941546613158814211613158

114589241684520127762819065

501637318317777

第12期马士华等:基于集配中心的生产和配送协同决策研究2429续表2

5192141219945101336612105208144841010000

37189671811923

118182

2312573191283227103482415200

8112568

2311441

316364910909712727910909514545712727

254534

118182

421491419136562417093201054729166392419707

561713621719693

六个供应商

注:Ri指供应商的配送间隔;RH指SupplyHub运营商的配送间隔;TCs指供应商单位时间的生产调整准备成本和物流成本;TCH指Supply

Hub运营商和制造商单位时间的物流成本;TC指供应商、SupplyHub运营商以及制造商构成的供应链系统单位时间的生产和物流成本;MH

表示供应商配送间隔是SupplyHub运营商配送间隔的整数倍数。以下表中符号意思与之相同。

表3　SupplyHub联合决策与分散决策

相比各种成本的变化

供应商两个供三个供四个供五个供六个供

i

12

供应商的成本

TCs的变化

3456

TCH的变化TC的变化

应商/%应商/%应商/%应商/%应商/%

717941054133416012112121007117715571916145

91621010761146124

418751164100

61929172

11-31146--49-3051711-5182

注“:-”表示减少,。

表4　SupplyHub联合决策与分散决策相比供应商、

SupplyHub运营商配送间隔的变化

供应商两个供三个供四个供五个供六个供

12

供应商的配送间隔Ri的变化

3456

应商/%应商/%应商/%应商/%

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

-35129-35192-38190

-26172-30113

-25124

RH的变化

应商/%-38159-30104-29164-24157-35144-27127

13114-27154-17120-301700100

注“:-”表示减少,否则表示增加。

通过对计算结果的分析发现:

(1)当SupplyHub运营商作为供应链上游生产和配送协同决策主体时,与分散决策相比,供应链上游单位时间的生产调整准备成本和物流成本明显下降,其变化状况如表3所示。

供应链上游的供应商和SupplyHub运营商基于自身能力约束决策生产和配送间隔时,仅是一种局部优化,没有从整个供应链全局最优出发进行决策。在当前市场竞争下,即使采用SupplyHub模式,在SupplyHub分散决策下,这种模式的优势并没有充分发挥。从研究结果可以看出,在信息共享程度较高的情况下,以SupplyHub运营商作为供应链上游生产和配送协同决策主体,基于整个供应链生产和物流能力约束,利用其专业的物流运作能

力,对供应链上游的多个供应商的生产和配送进行协同决策,能较大程度地降低供应链系统的生产和物流成本。当SupplyHub运营商具有较强的资源整合能力和物流运作能力时,其功能范围可以涉及到代为采购、本文研究结果表明,。

2)SupplyHub运营商以及制造商单位时间的物流成本大大降低,而供应商单位时间的生产和配送成本有不同程度的增加。

在供应链上游生产和物流成本降低的情况下,供应商、SupplyHub运营商和制造厂商的成本都发生了不同的变化。一方面,SupplyHub运营商和制造厂商物流成本显著下降,说明SupplyHub运营商作为决策主体对供应链上游的生产和配送活动进行协同决策时,SupplyHub运营商和制造厂商是最大的利益获得者,而且其物流成本的大幅降低也是整个供应链系统成本降低的重要原因;另一方面,大多数供应商的成本有一定程度的增加,这与供应商生产和配送频率的增加有关,当生产和配送频率增加时,其每次生产和配送的批量减少,因此单位成本有所增加。供应商成本的增加可能会对联合决策方式的实施造成一定障碍,即供应商不愿意参与由SupplyHub运营商联合决策的项目,因此必须实施相应的策略,使供应链上游系统成本降低而带来的利益与供应商共享,如对参与此项目的供应商给予价格补偿等。

(3)联合决策时,供应商的配送间隔有较大的缩短,SupplyHub运营商对制造厂商的配送间隔有不同变化,具体结果如表4所示。

从表4中可以看出,由SupplyHub运营商对多个供应商生产和配送活动协同决策时,有的供应商的配送间隔时间缩短38159%以上,较少的也达24157%左右,表明供应商的生产和配送频率增加,每次生产和配送批量减少。随着协同决策的供应商数

2430计算机集成制造系统第14卷

目的增加,SupplyHub运营商的配送间隔也有所缩短,当配送间隔下降到一定程度时,两种决策下的配送间隔没有明显差别,但都可以较快响应制造厂商的需求。由此可以看出,SupplyHub运营商协同优化供应链上游的生产和配送间隔,对供应商和SupplyHub运营商的具体生产和配送活动具有很大影响。

(4)SupplyHub运营商联合决策下,不仅能快速响应制造厂商的需求,实现供应商、SupplyHub运营商和制造厂商的纵向业务协同,还能更好地考虑供应商与供应商相互之间的影响,实现供应商与供应商之间的生产和配送业务协同。

在供应商、SupplyHub运营商分散决策生产批量和配送间隔时,因为供应商与供应商之间没有直接的利益关系,相互之间主动共享生产和物流信息有一定难度,所以其生产和配送决策大都是从自身成本最小的角度出发,难以考虑供应商与供应商之间决策的影响,这从表2左边分散决策下可以看出,数目增加时,商的生产信息,Hub模式下,制造厂商一般将物流外包给第三方物流,即SupplyHub运营商,并与其共享生产和物流信息,故SupplyHub运营商作为决策主体,联合决策时能够较好地考虑供应商与供应商相互决策的影响,并对整个供应链进行物流协同优化,从而以更低的成本快速响应制造厂商需求,从表2的右边可以看出,增加某个供应商时,其他供应商的生产和配送间隔也会发生变化。

厂商的需求,实现供应商、SupplyHub运营商和制造厂商的纵向业务协同,而且能更好地考虑供应商与供应商相互之间的影响,实现供应商与供应商之间的生产和配送业务协同。

因此,在SupplyHub协同运作中,当供应商采用JIT生产方式通过SupplyHub向制造厂商供货时,在信息共享程度较高的情况下,考虑供应链系统的生产和物流能力约束,以具有较强的供应链资源整合和协同运作能力的SupplyHub运营商作为供应链上游生产和配送协同决策主体,能以更低的成本快速响应制造厂商的需求,促进基于SupplyHub的供应驱动供应链协同运作;另一方面,必须实施相应的策略,使供应链上游系统成本降低带来的利益与供应商共享,如[1　,GShijie,etal.Onthestrategyof

hubsforcostreductionandresponsiveness[R].Singa2pore:NationalUniversityofSingapore,2000.

[2]　GONGFengmei,MAShihua.Theresearchonthemodeofthird

partylogistics′point2of2usedeliverybasedonsupplyhub[J].In2dustrialTechnology&Economy,2007,26(8):1242127(inChi2nese).[龚凤美,马士华.基于SupplyHub的第三方物流直送工

位模式研究[J].工业技术经济,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　结束语

本文分析了基于SupplyHub的供应驱动供应

链协同运作模式,建立了该模式下信息共享程度不同时的生产和配送协同决策模型,即SupplyHub分散决策模型和SupplyHub联合决策模型,并采用了改进的SA算法求解SupplyHub联合决策模型。然后通过算例,对不同决策下的生产和配送协同决策模型进行了比较分析。结果表明,当SupplyHub运营商作为供应链上游生产和运输协同决策主体时,与分散决策相比,供应链上游单位时间的生产调整准备成本和物流成本明显下降;SupplyHub运营商和制造商的物流成本大大降低,而供应商的生产和配送成本有不同程度增加;SupplyHub联合决策时,供应商的配送间隔有较大的缩短,SupplyHub运营商对制造厂商的配送间隔有不同变化;SupplyHub运营商联合决策,不仅能快速响应制造

博泰典藏网btdcw.com包含总结汇报、经管营销、表格模板、教学研究、高中教育、行业论文、农林牧渔、自然科学、人文社科、旅游景点以及31基于集配中心的生产和配送协同决策研究_图文等内容。

本文共2页12

  本文关键词：基于集配中心的生产和配送协同决策研究，由笔耕文化传播整理发布。

本文编号：140383