供应商管理库存系统中配送优化方法研究

论文摘要

供应商管理库存是一种先进的供应链库存管理模式,能够有效地消除需求波动带来的不确定性,从而极大的减少供应链的运作成本。虽然供应商管理库存模式带来了商品存贮方式的变革,但同时对供应商的配送提出更高的要求。随着消费者对于小批量、多品种商品以及配送时间方面需求的日益增长,配送成本逐渐提高,合理的配送计划能够有效的降低成本和提高服务水平,因此配送直接影响供应商管理库存模式的顺利实施。配送中关键的问题是运输路线规划和集中运输策略,因此本文围绕这两类问题,在已有的研究基础上,建立了更能反映实际情况的车辆路径模型,其次从供应链系统成本权衡的角度,建立了集中运输和库存订货的集成策略模型,并对这些模型的求解方法做进一步的讨论。车辆路径问题是运输路线规划研究的核心问题,在以往的研究中通常假定车辆行驶速度是固定的,但是在城市内配送时车辆的旅行时间随着许多因素而变动的,如上下班高峰期的交通拥挤,交通事故,路况,天气条件等。为了获得更加合理的运输路线方案,本文考虑车辆行驶时间与行驶距离和行驶时间段有关,同时为了降低车辆空跑率,考虑更一般的车辆路径问题——带回程的车辆路径问题。本文首先建立了单目标时变速度带回程的车辆路径问题的模型,以总旅行时间最小化为目标,分析了时变速度的特征,建立了时变速度的模型,由于问题的复杂性,采用求解车辆路径问题的最成功的适应性禁忌搜索方法,包括使用改进的节约启发式方法生成初始解,在此基础上使用适应禁忌搜索算法进一步优化。针对改进标准的测试案例,在不同路况的动态因子下进行测试,时变速度下的总旅行时间普遍比固定速度下的总旅行时间小,说明考虑时变速度问题得到更加合理的车辆路径方案。随着路况的动态程度的增加,时变速度和固定速度下的最优目标随着增大,固定速度下的不可行解增多,与并行邻域搜索算法求解的结果进行比较,实验结果说明适应性禁忌搜索算法优于一般启发式算法。在单目标时变速度带回程的车辆路径问题基础上,进一步考虑客户的服务时间窗,问题的目标为总旅行时间最小化和总延误时间最小化,分别反映了运输总成本和服务水平,这是两个相冲突的目标,通过加权法将两个目标转化为单目标问题求解。设计适应性禁忌搜索算法求解此问题,在第一阶段使用双目标节约启发式方法和插入启发式方法获得初始解,在此基础上设计双目标的适应性禁忌搜索算法,通过标准案例的测试,得出目标均衡的区间,供应商通过选择不同的权重,可以得出供应商和零售商满意的目标,与邻域搜索算法求解的结果进行比较,实验结果说明适应性禁忌搜索算法性能良好。在进行运输路线规划之前,供应商必须确定最优的发货数量和发货频率以及订货数量,即需要考虑集中运输策略和库存订货策略。首先分析了基于时间的集中运输策略的特征和供应商管理库存系统的特征,在此基础上建立了基于数量的集中运输和库存订货集成策略下的系统成本模型,在以往的研究中通常不考虑供应商的订货提前期,认为供应商发出订货后立刻得到满足,这与实际情形不符,在Poisson流需求下,订货提前期影响供应商的库存成本和运输成本,同时供应商必须考虑在订货提前期内因缺货引起零售商的等待成本。通过对供应链系统总成本最优情形下的集成策略进行分析以及设计的算法求出不同订货提前期的最优总成本和集成策略,分析了供应商订货提前期对集成策略和总成本的影响,将集中运输策略与直运策略进行对比研究表明在供应商管理库存模式下集中运输策略具有较大的优势,最后对系统模型参数的敏感性进行分析。本文在基于数量的集中运输和库存订货策略的基础上进一步研究基于时间的集中运输和库存订货的集成策略,首先分析了基于时间的集中运输策略的特征,建立了基于时间的集中运输和库存订货的集成策略系统总成本模型,通过对基于时间集中运输和库存订货策略的分析和设计的算法求出不同订货提前期下的最优总成本以及基于时间的集中运输和库存订货的集成策略,对两种集中运输策略进行对比,分析了不同策略优劣,以及产生的原因,得出在考虑订货提前期与无订货提前期时相似的结论,最后对基于时间的集中运输和库存订货策略的系统模型参数进行敏感性分析。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题的来源
• 1.2 课题的提出、目的和意义
• 1.3 相关文献综述
• 1.3.1 供应链系统中配送的基本问题
• 1.3.2 配送中的车辆路径问题
• 1.3.3 运输与库存订货的集成问题
• 1.4 本文的主要研究内容和结构框架
• 2 组合优化问题和超启发式算法
• 2.1 引言
• 2.2 组合优化问题
• 2.3 超启发式算法
• 2.4 禁忌搜索算法
• 2.4.1 禁忌搜索算法流程
• 2.4.2 禁忌搜索的关键参数和操作
• 2.5 适应性禁忌搜索算法
• 2.6 小结
• 3 VMI 系统中单目标时变速度车辆路径问题
• 3.1 引言
• 3.2 带回程的时变速度车辆路径问题模型
• 3.3 时变速度模型
• 3.3.1 旅行时间的计算
• 3.3.2 旅行时间函数的特征
• 3.4 求解方法
• 3.4.1 初始解生成
• 3.4.2 RTS 方法改进初始解
• 3.4.3 并行的最近邻域搜索算法
• 3.5 计算实验与结果分析
• 3.5.1 测试的案例
• 3.5.2 测试结果
• 3.6 小结
• 4 VMI 系统中双目标时变速度车辆路径问题
• 4.1 引言
• 4.2 双目标时变速度车辆路径问题模型
• 4.3 适应性禁忌搜索算法的设计
• 4.3.1 第一阶段
• 4.3.2 第二阶段
• 4.4 计算实验与结果分析
• 4.4.1 测试的案例
• 4.4.2 测试结果
• 4.5 小结
• 5 VMI 系统中基于数量的集中运输和库存订货集成策略研究
• 5.1 引言
• 5.2 VMI 供应链系统特征
• 5.2.1 问题的描述
• 5.2.2 相关过程
• 5.2.3 供应商库存变化过程
• 5.3 基于数量的集中运输策略特征
• 5.4 基于数量的集中运输和库存订货集成模型构建
• 5.4.1 系统的成本分析
• 5.4.2 供应商缺货引起的等待时间
• 5.4.3 集中运输引起的等待时间
• 5.4.4 供应商的平均库存量（average inventory level）
• 5.4.5 Poisson 需求下系统的成本分析
• 5.4.6 模型的建立
• 5.5 模型的分析
• 5.6 模型的求解及其结果分析
• 5.6.1 订货提前期的影响分析
• 5.6.2 集中运输策略与直接运输策略对比研究
• 5.6.3 参数敏感性分析
• 5.7 小结
• 6 VMI 系统中基于时间的集中运输和库存订货集成策略研究
• 6.1 引言
• 6.2 基于时间的集中运输策略特征
• 6.3 基于时间的集中运输策略下库存订货特征
• 6.3.1 问题的描述
• 6.3.2 供应商库存变化过程
• 6.4 基于时间的集中运输和库存订货集成模型构建
• 6.4.1 每个订货周期的期望订货成本
• 6.4.2 每个订货周期的期望运输成本
• 6.4.3 每个订货周期的期望库存成本
• 6.4.4 每个订货周期期望等待成本
• 6.4.5 Poisson 需求下系统的成本分析
• 6.4.6 模型的建立
• 6.5 模型的分析
• 6.6 模型的求解及其结果分析
• 6.6.1 基于时间与基于数量的集中运输策略对比分析
• 6.6.2 参数敏感性分析
• 6.7 小结
• 7 总结与展望
• 7.1 全文总结
• 7.2 研究展望
• 致谢
• 参考文献
• 附录1 攻读博士学位期间发表的学术论文
• 附录2 攻读博士学位期间参加的科研项目