申请/专利权人：重庆邮电大学

申请日：2024-03-15

公开（公告）日：2024-06-21

公开（公告）号：CN118229187A

主分类号：G06Q10/087

分类号：G06Q10/087;G06Q10/04;G06Q10/0633;G06Q50/04;G06Q10/083;G06Q10/0631;G06Q30/0201;G06F17/10;G06F30/20

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明涉及一种考虑补货提前期不确定的生产计划‑联合补货方法，属于供应链管理技术领域。该方法包括以下步骤：步骤1，根据问题提出假设；步骤2，输入三级供应链网络基础数据：步骤3，构建考虑补货提前期不确定的生产计划‑联合补货优化模型：步骤4，处理考虑补货提前期不确定的生产计划‑联合补货优化模型中的不确定参数：步骤5，结合MCS和Gurobi设计求解方法求解优化模型。

主权项：1.考虑补货提前期不确定的生产计划-联合补货方法，其特征在于：该方法包括以下步骤：步骤1，根据问题提出假设：假设1：产品在工厂和配送中心之间的运输能在一天内完成；假设2：在研究时段内，客户每天的需求是已知的；假设3：每个配送中心必须满足当天所产生的市场需求；步骤2，输入三级供应链网络基础数据：生产工厂集合I＝{1,2,...,i,...,|I|}，其中|I|为工厂总数量，i为工厂编号；配送中心集合J＝{1,2,...,j,...,|J|}，其中|J|为配送中心总数量，j为配送中心编号；销售的产品集合S＝{1,2,...,s,...,|S|}，其中|S|为产品总数量，s为产品编号；研究范围内时间戳集合T＝{1,2,...,t,...,|T|}，其中|T|为时间戳总数量，t为时间戳编号；产品销量数据，包括商品s在时间戳t内DCj的销量，单位为箱；步骤3，构建考虑补货提前期不确定的生产计划-联合补货优化模型：综合考虑配送中心补货提前期的不确定性、产能和效率之间的权衡、仓库库存以及以整托形式补货等实际约束，构建补货提前期不确定的工厂生产计划-配送中心联合补货策略协同优化模型；在模型中所用到的参数、符号及其含义如下所示：参数：cj：配送中心j的可用容量，单位为：10L；gjs：配送中心j中产品s的原有库存，单位为：箱；lis：工厂i中产品s的可用库存，单位为：箱；aij：工厂i与配送中心j之间的单箱运输成本，单位为：元；ui：工厂i每日最小发货量，单位为：10L； 工厂i每日最大发货量，单位为：10L；ui：工厂i每日最大产能，单位为：10L；pts：一托产品s所含箱数；bs：产品s的单箱体积，单位为：10L； 配送中心j中产品s不确定的补货提前期；ρ：每次补货的固定成本； 配送中心j中产品s在t天的需求； 第t天初始时刻配送中心j中产品s的数量； 第t天初始时刻工厂i中产品s的数量；决策变量： 工厂i在t天向配送中心j补充的商品数量，单位为：托； 工厂i在t天生产产品s的箱数； 0-1变量，在t天配送中心j是否向工厂i提出产品s的补货请求；在供应链管理与运输中，单位转换是一个不容忽视的细节，特别是对于一些瓶装类产品而言；对于液体商品来说，在工厂内产品的生产和原始储存是以升为单位，而配送中心通常以箱作为储存和销售的计量单位；从货物分拣、装卸及运输的角度来看，使用托盘操作会更便捷；在这个过程中，涉及到不同测量单位之间单个产品的转换；配送中心补货必须在满托盘中进行，这进一步限制了配送中心补货决策；这种实际约束对补货策略的建模、优化和求解提出了新的挑战；如果补货数量增大，运输成本会随之增加，而未售出的产品将存储在配送中心的仓库中；在配送中心中存储产品会产生一定的库存成本；供应商需要制定一个全面的补货计划，以平衡运输成本和库存成本；构建考虑补货提前期不确定的生产计划-联合补货优化模型： 式1是所构建的考虑补货提前期不确定的生产计划-联合补货优化模型的目标函数，目标值F包含两部分：工厂和配送中心之间的运输成本TC，用表示，代表工厂i与配送中心j之间的单箱运输成本aij、一托产品s所含箱数pts与工厂i在t天向配送中心j补充的商品数量的乘积之和；配送中心的库存成本IC，用ρ·∑∑qt,j表示，代表每次补货的固定成本ρ与第t天配送中心j的库存量qt,j的乘积之和；和是预先给定的权重系数，根据决策者偏好和实际运营情况进行调整；式2和式3分别表示工厂i每天的最大和最小发货量约束；为了保证配送中心的服务水平，配送中心每日运出的产品数量应大于每日需求，表示为式4；第t天初始时刻配送中心j中产品s的数量用式5表示；而第1天初始时刻配送中心j中产品s的数量等于配送中心j中产品s的原有库存，表示为式6；工厂的产能限制表示为式7，以确保工厂每天生产的产品总量不能超过工厂i的最大产能ui；式8表示从工厂i运送到配送中心j的产品s的数量不能超过工厂的库存式9表示第t天初始时刻工厂i中产品s的数量式10表示第1天初始时刻工厂i中产品s的数量配送中心在完成补货任务及当天需求后，仓库中的剩余产品量不能超过其储存能力，即式11以确保每个配送中心j的生产量不能超过其最大容量cj；配送中心未运出的产品将被储存在仓库中，用式12表示；对于配送中心j中产品s的不确定的补货提前期式13和14给出配送中心补货量与补货提前期之间的逻辑关系式，即只有当配送中心提出补货请求，工厂才能对配送中心进行发货；步骤4，处理考虑补货提前期不确定的生产计划-联合补货优化模型中的不确定参数：步骤3中包含这一不确定参数；这使得所构建的考虑补货提前期不确定的生产计划-联合补货优化模型是一个随机优化模型，不利于求解；考虑到补货提前期这一随机变量是可以从历史数据中推导出来，故而通过处理历史补货提前期数据，获得每个配送中心中各项产品的补货提前期的波动情况；设计样本平均近似SAA方法利用蒙特卡罗模拟MCS对补货提前期进行采样，以处理不确定参数来求解随机优化问题；随机优化模型表示为式15； 其中，mjs和分别表示配送中心j中商品s补货提前期的最小值和最大值；x、k、z分别表示期望找到的决策变量的最优解，m表示模型中的不确定变量步骤5，结合MCS和Gurobi设计求解方法求解优化模型：样本平均近似SAA方法是一种利用蒙特卡罗模拟MCS求解随机优化问题的方法；基于MCS，随机问题的预期目标函数由随机样本的样本平均估计来近似，利用采样和确定性优化的组合来提供等式的近似解，如式16所示，其中N表示采样样本数量； 如果给定样本大小N，则式16是一个大规模混合整数线性模型，使用现有的优化技术对其进行求解；利用Python中gurobpy包下的Gurobi求解器来为该模型找到最优解。

全文数据：

权利要求：

百度查询： 重庆邮电大学 考虑补货提前期不确定的生产计划-联合补货方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD