（管理科学与工程专业论文）模糊需求可控提前期库存策略.pdf

j i 摘要 从2 0 世纪9 0 年代开始，在越来越多的行业中，时间成为竞争的关键因素。在 库存管理中，对提前期加以控制是企业获得基于时间的竞争优势的主要手段，提前 期的合理压缩将会给企业带来巨大的收益。更多的企业意识到，采购过程中不仅应 重视与数量相关的订货批量决策，也应重视与时间相关的订货提前期决策。同时， 由于市场全球化的高度发展，产品更新换代速度加快，影响企业运营的不确定性因 素越来越多，模糊环境为研究库存管理中的不确定因素提供了一个新的思路。研究 模糊环境下的可控提前期库存策略具有重要的理论和现实意义。本文以模糊需求的 可控提前期问题为研究对象，以实现企业运营成本最小化或利润最大化为目的，主 要包括以下内容： 1 、在采用连续盘点和周期盘点的可控提前期库存模型中，本文考虑提前期内的 需求为模糊变量的情形，分别建立了含模糊需求的连续盘点和周期盘点可控提前期 库存模型； 2 、在模型的求解方法上，采用基于可信性测度与符号距离方法对模型进行反模 糊化求解。给出了求解含模糊需求的可控提前期模型最优策略的算法，并通过算例 对算法进行了验证以及分析了部分参数变化对成本的影响； 3 、对比随机环境中的库存安全因子，引入了模糊环境中基于可信性测度的服 务水平约束到模型中，探讨了模型在服务水平约束下的最优策略，并分析了服务水 平对总成本的影响； 4 、在含模糊需求的可控提前期二级供应链模型中，本文分别探讨了供应链节点 企业分散决策、集中决策以及供应链协调的最优策略，提出了一种实现供应链双赢 的价格折扣机制，并给出了折扣的取值范围。最后通过算例对部分参数进行了灵敏 度分析； 关键词：可控提前期；模糊需求；供应链；可信性理论；符号距离 a b s t r a c t s t a r t e df r o mt h e9 0 s2 0 t hc e n t u r y , i nag r o w i n gn u m b e ro fi n d u s t r i e s ，t i m eh a s b e c o m ek e yf a c t o ro fc o m p e t i t i o n i nt h em a n a g e m e n to fi n v e n t o r y , i ti st h ep r i m a r y t e c h n i cf o ra l le n t e r p r i s et oo b t a i nt i m e - b a s e dc o m p e t i t i v ea d v a n t a g eb yc o n t r o l l i n gl e a d t i m e ar e a s o n a b l ec o m p r e s s i o no fl e a dt i m ew i l lm a k et h ee n t e r p r i s e se a me n o r m o u s b e n e f i t s m o r ea n dm o r ee n t e r p r i s e sr e a l i z e dt h a ti nt h ep r o c e s so fp r o c u r e m e n t ，n o to n l y t h eq u a n t i t y - r e l a t e do r d e rq u a n t i t yd e c i s i o n ，b u ta l s ot h et i m e - r e l a t e dl e a dt i m es h o u l db e p a i dm o r ea t t e n t i o n m e a n w h i l e ，t h er e p a i dd e v e l o p m e n to fm a r k e tg l o b a l i z a t i o na n d p r o d u c tu p g r a d i n gb r o u g h tm o r ea n dm o r eu n c e r t a i nf a c t o r sw h i c ha f f e c t e dt h eb u s i n e s s o p e r a t i o n f u z z ye n v i r o n m e n tp r o v i d e sa n e ww a yo ft h i n k i n gf o rs t u d y i n gt h eu n c e r t a i n f a c t o ro fi n v e n t o r ym a n a g e m e n t t h e r ea r eg r e a tt h e o r e t i c a la n dp r a c t i c a ls i g n i f i c a n c et o s t u d yi n v e n t o r yp o l i c yw i t hc o n t r o l l a b l el e a dt i m eu n d e rf u z z ye n v i r o n m e n t i n t h i sp a p e r , t h ec o n t r o l l a b l el e a dt i m ew i t hf u z z yd e m a n di s s u e si st h er e s e a r c ho b j e c t ，t op u r s u e m i n i m u mc o s to rm a x i m u mp r o f i ti so u rt a r g e t ，t h em a i nc o n t e n to ft h i sp a p e ra l e s u m m a r i z e da sf o l l o w s ： 1 i nt h ec o n t i n u o u sr e v i e wa n dp e r i o d i cr e v i e wc o n t r o l l a b l ei n v e n t o r ym o d e l ，w e c o n s i d e rt h ed e m a n dd u r i n gl e a dt i m ea st h ef u z z yv a r i a b l e s t h ec o n t r o l l a b l ei n v e n t o r y m o d e lo fc o n t i n u o u sr e v i e wa n dp e r i o d i cr e v i e wm o d e l w h i c hi n c l u d ef u z z yd e m a n dw e r e e s t a b l i s h e d 2 c r e d i b i l i t yt h e o r ya n ds i g n e dd i s t a n c em e t h o da r eu s e dt od e f u z z i f yt h em o d e l a n da na l g o r i t h mf o rt h eo p t i m a ls t r a t e g yo ft h em o d e li sp r o p o s e da n dv e r i f i e db ya n u m e r i c a le x a m p l ea n dt h ei n f l u e n c eo ft h ec h a n g ep a r a m e n t s c h a n g e so nt h ea n n u a l t o t a lc o s ta r ea l s oa n a l y z e d ； 3 c o m p a r e dw i t hr a n d o me n v i r o n m e n ti n v e n t o r ys a f e t yf a c t o r , t h ei n t r o d u c t i o no f t h ef u z z ye n v i r o n m e n tb a s e do nc r e d i b i l i t ym e a s u r eo fs e r v i c el e v e lc o n s t r a i n t st ot h e m o d e l ，am o d e lo fr e s t r a i n ti nb o t ht h eo p t i m a ll e v e lo fs e r v i c es t r a t e g y a n dw ea n a l y z e t h ei n f l u e n c eo ft h es e r v i c el e v e lo nt h ea n n u a lt o t a lc o s t ； 4 i nc o n t r o l l a b l el e a dt i m eo fs u p p l yc h a i nm o d e lw i t l lf u z z yd e m a n d ，t h i sp a p e r d i s c u s s e st h eo p t i m a ls t r a t e g yw h e ne n t e r p r i s ea p p l yd e c e n t r a l i z e dd e c i s i o n - m a k i n g , c e n t r a l i z e dd e c i s i o n - m a k i n ga n dc o o r d i n a t i o no ft h es u p p l yc h a i n , aw i n - w i np r i c e d i s c o u n tm e c h a n i s mo ft h es u p p l yc h a i ni sg i v e na n dt h er a n g eo fd i s c o u n t si sa l s o p r o v i d e d a tl a s ta ne x a m p l ei sg i v e nf o rs e n s i t i v i t ya n a l y s i so ft h ep a r a m e t e r s k e yw o r d s ：c o n t r o l l a b l el e a dt i m e ；f u z z yd e m a n d ；s u p p l yc h a i n ；c r e d i b i l i t y t h e o r y ；s i g n e dd i s t a n c e 目录 第一章绪论1 1 1 选题的背景和意义l 1 2 国内外研究现状2 1 3 本文的研究方案4 1 3 1 研究内容4 1 3 2 研究方法4 第二章理论工具描述5 2 1 可信性理论基础5 2 2 符号距离相关概念6 第三章连续盘点可控提前期库存策略8 3 1 模型建立与描述8 3 1 1 提前期介绍8 3 1 2 符号说明与模型假设1 0 3 1 3 模型描述1 0 3 2 模型求解。1 2 3 2 1 基于可信性测度的服务水平描述1 4 3 2 2 模型一无服务水平f r 约束的最优策略。1 5 3 2 3 模型二含服务水平f r 约束的最优策略1 6 3 3 算例分析17 3 3 1 模型一最优策略及参数灵敏度分析1 7 3 3 2 模型二最优策略及参数灵敏度分析18 3 5 本章小结一2 0 第四章周期盘点可控提前期库存策略2 1 4 1 模型建立及描述21 4 1 1 符号说明与模型假设2 1 4 1 2 模型描述2 2 4 2 模型求解2 3 4 3 算例分析。2 6 4 3 1 不同补给周期供给水平下的最优策略2 6 4 3 2 需求的模糊性对最优策略的影响2 8 4 a 本章小结2 9 第五章模糊需求可控提前期供应链协调策略3 0 5 1 模型建立与描述3 0 5 1 1 符号说明与模型假设3 0 5 1 2 模型描述3 l 5 2 模型求解3 2 5 2 1 分散决策时最优策略3 2 5 2 2 集中决策情形下供应链最优策略3 5 5 2 3 供应链协调策略3 6 5 3 算例分析3 7 5 3 1 分散决策各方收益3 7 5 3 2 集中决策各方收益3 8 5 3 3 供应链集中决策协调策略3 9 5 3 4 不同补给周期供给水平下各方收益3 9 5 3 5 不同延期交货率下各方收益4 l 第六章总结与展望4 4 6 1 总结。4 4 6 2 进一步研究方向一4 4 参考文献4 5 攻读硕士学位期间的研究成果4 8 致谢4 9 学位论文独创性声明5 0 学位论文知识产权权属声明5 0 第一章绪论 1 1 选题的背景和意义 第一章绪论 从2 0 世纪9 0 年代开始，在越来越多的行业中，时间已成为竞争的关键因素， 基于时间的竞争战略已成为竞争的主导战略。企业在运作的各个方面比竞争对手更 快，可以获得商业中的竞争优判卜2 】。提前期作为反应节点响应速度的重要指标，受 到越来越高的重视。更多的企业意识到，采购过程中不仅应重视与数量相关的订货 批量决策，也应重视与时间相关的订货提前期决策。 传统的库存理论通常把提前期视为不可控制的参数，然而实际情况并非如此。 h a l l e 3 】与s c h o n b e r g e r 4 】在对同本企业的研究时发现，同本企业界提出的准时制( j i t 生 产系统) 取得了巨大的成功。j i t 生产系统非常重视高质量、低库存及较短的提前期。 在j i t 生产系统中提前期是可以通过付出努力加以控制的，并且付出的努力和得到 的收益大小密切相关。研究表明，提前期的缩短将会给企业带来巨大的收益，这些 收益意味着预测精度的提高，库存资金风险的降低，安全库存的减少，顾客响应的 加速，顾客服务水平的改善以及企业竞争力的提高。在市场竞争日益激烈的今天， 能否有效的缩短提前期已成为企业提升竞争能力不可或缺的关键因素之一，可控提 前期问题已成为近年来企业界和学术界研究的热点。 另一方面，由于市场全球化的高度发展、国际国内商务贸易信息通讯的网络化， 企业面临着不断急剧变化的市场需求及缩短交货期、提高质量、降低成本和改进服 务的压力，不得不进行多方面的思考。第一，原来各个分散的企业逐渐意识到，要 在竞争激烈的市场中生存下来，必须与其他企业建立一种战略上的伙伴关系，实行 优势互补，发挥各企业的核心能力，这就使得供应链管理受到企业的高度重视。第 二，市场环境瞬息万变，产品更新换代速度加快，致使数据产生缺失性、不可靠性、 自相矛盾性，此时，往往需要管理人员根据自己的经验、直觉进行估计，尤其是当 企业的管理水平较低，缺乏传统库存模型需要的准确信息，无法用确定的分布函数 来描述它，只能用一般口语化的模糊数值来代替，例如，“需求大约是每周d 个产 品 或“供应商在交货方面是非常可靠的等等。在这种情况下，模糊集理论为管 理人员进行估计提供了有力的工具。模糊集理论的产生，一般是以美国控制论专家 z a d e h 于1 9 6 5 年在i n f o r m a t i o na n dc o n t r o l 杂志上发表的著名论文【5 】为开始标志的。 4 0 多年来，模糊数学已经得到了长足的发展 c - 7 1 。至今为止，模糊数学积累了丰富的 理论成果，并且在实践方面已经几乎涉及到自然科学与社会科学的各个领域。 模糊理论在库存领域也取得得广泛的应用，但相对随机环境而言，模糊环境下 的库存优化和供应链协调理论的研究刚处于开始阶段，尤其是模糊环境下含可控提 青岛人学硕十学位论文 前期的库存优化与供应链协调理论的研究还是一个处于起步阶段的领域，并逐渐成 为一个新的热点研究问题。 1 2 国内外研究现状 可控提i i 期的思想可以追溯到1 9 8 2 年，t e r s i n e 提出将提前期分为5 个部分， 每部分都可以通过付额外成本加以控制【s 】。l i a o & s h y u 首先将上述可控提前期的概 念呈现在库存系统中，研究了正态随机提前期内需求下订货量已知而提前期为决策 变量的提前期压缩的连续盘点库存问题【9 】。近年来，许多学者推广了l i a o 的可控提 前期模型，主要成果有： 在连续盘点库存策略方面，b e n d a y a & r a o u f 【m 】将订购量亦作为决策变量扩展 了l i a o & s h y u 的模型。由于l i a o & s h y u 和b e n d a y a & r a o u f 的模型均未考虑缺货 的发生，因此o u y a n ge ta 1 1 1 】在b e n d a y a & r a o u f 的基础上进一步考虑了允许缺货 且缺货部分存在延期交货和销售损失的可压缩提前期混合库存模型。m o o n & c h o i 1 2 j 认为o u y a n ge ta 1 的模型没有将再订货点作为决策变量而导致整个系统无法达到最 优，因此将再订货点、订货量和提前期同时作为决策变量研究了正态分布提前期内需 求的可控提前期连续盘点混合模型。梅晚霞和马士华【1 3 】研究了提前期需求服从任意 分布情况下提前期压缩成本函数具有分段可微特征并含服务水平约束的可控提前期 连续盘点模型。 针对分布函数未知而仅知道其矩信息的随机需求问题，o u y a n g & w u 1 4 1 、o u y a n g & w u 1 5 】以及王清蓉等【1 6 j 开展了研究。在l i a o & s h y u 、b e n - d a y a & r a o u f 和o u y a n g e ta 1 的模型中，均假设提前期内需求为正态分布的随机变量，然而当提前期内需求分 布信息有限时，要准确了解其具体分布函数非常困难，此时更多的是知道其均值和方 差( 即已知需求的矩信息) ，针对此情况，o u y a n g & w h 研究了提前期需求分布不定，仅 知道其均值和方差情况下订货量和提前期为决策变量的可压缩提前期混合库存模 型。由于缺货费用往往难以估计，因此o u y a n g & w u 研究了提前期需求分布不定情况 下订货量和提前期均为决策变量且用服务水平代替缺货费用的可控提前期连续盘点 混合库存模型。王清蓉等研究了提前期内需求分布不定情况下含服务水平约束的可 控提前期连续盘点模型。在m o o n c h o i 文献中研究了提前期内需求为正态分布的 可控提前期连续盘点混合模型外，亦研究了提前期内需求分布不定情况下将再订货 点、订货量和提前期同时作为决策变量的可控提前期连续盘点混合模型。 针对多个顾客具有不同分布函数类型的随机需求库存问题，l e e ，w u & h o u 【l ，j 以 及w h l e e & t s f i t l 8 】开展了此方面的研究工作。在竞争激烈的市场上不同顾客在提前 期内有不同的需求，因此并不能仅用单一的概率分布函数对需求进行概括。l e e ，w u & h o u 探讨了提前期内需求为混合正态分布和混合分布不定两情况下含随机缺陷率 2 第一章绪论 的可压缩提前期库存模型。w u ，l e e & t s a i 研究了在提前期内需求为混合j 下态分布和 混合分布不定两情况下，压缩费用与提前期间为负指数关系的可压缩提前期库存混 合模型。 o u y a n g & c h u a n 9 1 9 】考虑到提前期越长延期交货率越小的现实情况，将提前期设 为延期交货率的函数，在o u y a n ge ta 1 的基础上研究了提前期内需求为j 下态分布变量 和提前期内需求分布不定两种情况下的可控提前期库存模型。l e e 【2 0 】亦考虑到将提前 期设为延期交货率的函数，研究了提前期需求为混合正态分布和混合分布不定情况 下的可压缩提前期库存模型。p a n ，l o & h s i a o t 2 i 】以及p a n & h s i a o 2 2 】考虑到供应商可 以通过给顾客一定的延期交货价格折扣来降低销售损失率的情况，扩展了m o o n 和 o u y a n g e ta 1 的模型；l o 【2 3 】考虑延期交货价格折扣情况，研究了提前期内需求分布不定 情况下的可控提前期库存问题；l i n t 2 4 1 考虑到延期交货价格折扣和订货成本可控的情 况，研究了提前期内需求分布不定的可控提前期混合库存问题。 在周期盘点库存策略方面，o u y a n g & c h u a n g 2 5 】以及h a r i g a & b e n d a y a 2 6 】研究 了提前期需求分布不定，仅知道均值和方差情况下提前期和盘点期均为决策变量的 可控提前期周期补充库存模型。o u y a n g c h u a n g 2 1 7 l 研究了正态随机提前期需求情 况下提前期和盘点期为决策变量且订货成本可控的可控提前期周期补充库存模型。 o u y a n g c h u a n g 弱j 研究了提前期和盘点期均为决策变量且用服务水平代替缺货费 用的两种可控提前期周期补充库存模型，在第一种模型中，假设提前期需求服从正态 分布，而第二种模型考虑了提前期需求的一种更现实的情况，假设提前期需求分布不 定，仅知道均值和方差。l i a n g 、c h u & y f n g 2 9 发现了o u y a n g & c h u a n g 模型中的算 法无法得出最优的提前期和盘点期，从而重新探讨了其模型并对算法加以了改进求 出了最优结果。l i n l 3 0 j 研究了提前期需求服从正态分布和提前期需求分布不定两情况 下延期交货率可变的可控提前期周期补充库存模型。 以上文献均是在随机需求条件下展开的，有关需求的模糊性和模糊随机性方面 的研究不多，其中较有代表的有，o u y a n g & y a 0 【3 1 】在文献o u y a n g & w u 的提前期需 求分布不定基础上，考虑年需求的模糊性，并将年需求的不确定性刻画为三角模糊数， 研究了模糊年需求，随机提前期内需求( 仅知其均值和方差) ，以及确定延期交货率情 形下的可控提前期的连续盘点模糊库存问题。c h a n g , y a o & o u y a n g t 3 2 】针对均值为三 角模糊数的正态分布提前期模糊随机需求，而年需求和延期交货率均为三角模糊数 情形，研究了模糊随机提前期需求，模糊年需求，模糊延期交货率的可控提前期连续盘 点库存问题。c h a n g , y a o & o u y a n g 3 3 】针对均值为三角模糊数的正态分布提前期模糊 随机需求，而年需求为三角模糊数的情形，研究了模糊随机提前期需求，模糊年需求， 确定延期交货率的可控提前期连续盘点库存问题。 3 青岛人学硕十学位论文 1 3 本文的研究方案 1 3 1 研究内容 论文章节安排如下： 第一章：绪论。阐明本文选题的背景和意义，综述国内外在可控提前期问题方 面的研究现状，介绍研究内容、研究方法及论文的整体框架结构； 第二章：理论工具的介绍。该部分给出了相关的理论基础，着重介绍了本文用 到的模糊集可信性理论以及符号距离的概念； 第三章：连续盘点库存策略下的可控提前期问题。该部分首先给出了提前期的 知识；接着分别介绍了随机环境和模糊环境下可控提前期模型的建立求解过程， 合基于可信性测度的服务水平约束探讨了模型的解法，最后通过算例证明了算 有效性； 第四章：周期盘点库存策略下的可控提前期问题。该部分建立了周期盘点库存 下含模糊需求的可控提前期模型，对各部分成本费用进行了分析，并通过符号 方法对模型进行了反模糊化求解，最后通过算例证明了算法的有效性并进行了 灵敏度分析； 第五章：可控提前期的供应链协调策略。该部分建立了由一个供应商和一个分 组成的二级供应链系统的可控提前期库存模型。结合可信性测度理论与符号距 法对模型进行求解，分别探讨了分散决策、联合决策未协调以及供应链协调下 决策，结合算例分析了算法的有效性及对相关参数进行了灵敏度分析； 第六章：总结与展望。本章对整篇论文的研究成果进行总结，并给出了本文研 不足之处以及未来可行的研究方向。 研究方法 1 、在算例的表述市场模糊需求的不确定性时，本文运用了三角形模糊变量： 2 、在求解最优决策时，主要基于可信性测度与符号距离，并以m a t l a b 6 5 软件 计算： 4 第二二章理论一：具的摇述 2 1 可信性理论基础 第二章理论工具描述 模糊数学的产生，一般是以美国控制论专家z a d e h 于1 9 6 5 年在i n f o r m a t i o na n d c o n t r o l 杂志上发表的著名论文【5 】为开始标志的。4 0 多年来，模糊数学已经得到了长 足的发展f 6 。7 】。至今为止，模糊数学积累了丰富的理论成果，并且在实践方面已经几 乎涉及到自然科学与社会科学的各个领域。 然而，模糊数学虽经历了多年的发展，但仍有部分理论仍处于百家争鸣的阶段。 总体来说，i ! l z a d e h j 立模糊数学这一学科以来，各种理论基础基本是围绕着隶属度 的直接运算( 即可能性) 而展开的，近些年来，我国学者刘宝碇开创了模糊数学的一 个分支_ 可信性理论，【3 4 3 9 】。在其著作不确定规划与应用这样描述道：c 以前 通常认为在模糊集理论中扮演概率测度的是可能性测度，然而，有很多证据表明， 与其对应的是可信性测度，而非可能性测度”【4 0 1 。 相较以往的可能性理论而言，刘宝碇的可信性理论更加基于严密的逻辑推导， 因此其理论系统更完善。 假设口为非空集合，p ( d ) 表示d 的幂集，r 为实数域。记事件a p ( 功发生的可 能性测度为n 彳 ，必要性为 椰，可信性为c ， 彳 ，且将其对立事件记为。 n a h m i a s 蚓给出了可能性测度公理化定义。 公理1n 研= l ； 公理2 a = 0 ； 公理3 对尸( d ) 中任意集合4 ，n 恒4 - s ，：u p i i g 。 定义1 ( 可能性测度) ：称满足上述3 条公理的i i 为可能性测度；三元组( 秒，p ( d ) ，h ) 称 为可能性空间。 定义2 ( 模糊变量) ：设f 为从一可能性空间( d ，p ( d ) ，h ) 到实数域r 上的函数，则称f 为 模糊变量。其隶属函数4 x ) 由可能性测度给出，即实值域r 内( 曲= n p 口f f ( d ) = 耐。 为了发展一套类似于概率论的公理系统，l i u 提出了一套研究模糊性的公理体 系，称之为可信性理论。下面给出本文研究所需可信性理论的重要概念。 定义3 ( 必要性测度) ：对p ( 功中任意元素彳，称 椰= l 一 为其必要性测度。 定义4 ( 可信性测度) ：对烈d ) 中任意元素a ，称c r x = 妻( n 彳 + 栅) 为其可信性测 度。 定义5 ( 期望值) ：设f 为模糊变量，则称e ( o = r c ， f r d r rc r 善 r d r 为模糊变量手 5 青岛人学硕十学位论文 的期望值。 设善为离散型模糊变量，其隶属函数为( 功= 丛+ 丝+ + 丝，其中口。 口： o ，k 。l a - u 。舢】【( 砬( 口) ) 口，( 巩( 口) ) 口】； 4 ) 如果尼 o ，毛j = u 。【。】 ( 毛习( 口) ) 。，( 矾( 口) ) 口】。 性质4 对于互b 。，c 。，西f ，k l e ( 1 ) ，有 1 ) d ( k 。i j ，丘b 。) = k d ( a ，台) ，k 0 ； 2 ) d ( 夤+ 雪，e + 西) = d ( j ，e ) + d ( 雪，f i ) = d ( j ，西) + d ( 否，e ) ； = d ( j ，0 。) + d ( 雪，0 “1 ) 一d ( e ，0 。) 一d ( d 。，0 。) ； 3 ) d ( a 。一b 。，c 。一西) = d ( j ，西一d ( b ，f i ) = d ( a 。，雪) 一d ( c 。，西) ； = d ( a 。，0 。) + d ( 西，0 。) 一d ( e 。，0 。) 一d ( c 。，0 。) 。 7 青岛人学硕十学位论文 第三章连续盘点可控提前期库存策略 在库存管理系统中，连续盘点策略是被广泛采用的库存策略。o u y a n ga n d c h u a n g t i i 】建立了随机环境下含可控提前期的连续盘点模型，并考虑发生缺货后的缺 货补充和缺货损失的情形。该模型假设提前期内需求为正态分布的随机变量，然而当 提前期内需求分布信息有限时，要准确了解其具体分布函数非常困难，此时更多的是 知道其均值和方差( 即已知需求的矩信息) ，针对此情况，o u y a n g & w u 【i5 】研究了提前 期需求分布不定，仅知道其均值和方差情况下订货量和提前期为决策变量的可压缩 提前期混合库存模型。本章在o u y a n ga n dc h u a n g i 】的研究的基础上，考虑提前期内 的需求为模糊变量的情形，建立了含模糊提前期需求的连续盘点库存模型。基于可 信性理论与符号距离方法对模型进行求解。另外，在现实中由于缺货费用难以估计， 在库存管理模型中往往考虑引入服务水平约束使缺货水平降低到可以接受的程度， o u y a n g & w u ( 1 9 9 7 ) 研究了提前期需求为仅知道均值和方差且用服务水平代替缺货 费用的可控提前期连续盘点库存模型。模糊环境下的服务水平与随机环境下的服务 水平有所差别，其基于的是可信性测度而不是概率测度，本章对模糊环境下的服务 水平进行了介绍并探讨了模型在基于可信性测度的服务水平下的最优策略。最后通 过算例验证了算法的有效性并对部分参数进行了灵敏度分析。 本章安排如下：第3 1 节给出提前期的基础介绍，分析了连续盘点库存策略下 含模糊提前期需求的订货成本、存储成本、缺货成本、压缩成本等成本的构成，建 立了含模糊提前期需求的可控提前期连续盘点库存模型；第3 2 节给出基于可信性 测度的两种服务水平的介绍并采用符号距离方法对模型进行反模糊化求解，分别给 出了模型在不含服务水平约束和含有服务水平约束条件下的求解过程，提出了具体 的求解算法；第3 3 节是算例和灵敏度分析，验证了算法的有效性并对部分参数进 行了灵敏度分析；第3 4 总结了本章的研究结论。 3 1 模型建立与描述 3 1 1 提前期介绍 提前期是供应链时间的一个重要部分，是库存管理中的一个重要参数，甚至可 以说是库存管理中的一块基石。提前期( l e a d t i m e ) 是在供应链的供需环节中，下游 顾客需要某种项目时需上游供应商提前准备该项目的时间长短。提前期包括准备时 间、加工时间、排队时间、运输时间、等待时间等。项目涉及产品、零件、物料及 服务等。造成供应链中提前期的主要原因是物流延迟和信息处理延迟，其中物流延 迟的主要因素是生产延迟和配送延迟等，信息处理延迟的主要因素是订单交付、订 8 第三章连续盘点可控提前期库存策略 单处理等。供应链提前期的构成一般包括以下五个方面：采购提前期、制造提前期、 配送提前期、交货提前期、信息处理提f ；i 期。 提前期的存在是因为，对于订货顾客而言，订单发出后货物不能立即到达，因 此需要提前订货。提i i 订货的时间即我们通常所说的提i j i 期。提前期也是反映物流 中服务质量的重要指标。企业必须兼顾顾客的要求，通过适当增加库存成本来缩短 提前期。提前期除了包括运输时间外，主要由于制造商不能及时供货而造成的顾客 等待补货时问所引起。 提前期的压缩可以从四个方面入手： 1 ) 各个环节，即各个节点企业内部的时间压缩。在每个企业，物资状态、物资应 用特点和流动方式都不相同，存在自己的特点。目前较为常用和有效的时间压缩的 方法就是准时制j j t ( j u s t - i n - t i m e ) ，j i t 的主要思想就是减少浪费，减少不增值的活动， 可以在各个环节上压缩时间。 2 ) 节点企业交接处的时间压缩。由于企业位置不同，企业物资的交接、库存、 运输的时间耗费较大，建立一个合理的物流网络系统是解决的方法之一。 3 ) 生产时间的压缩。生产时间的压缩应该从起点开始，即产品的设计，即产品 在最初设计时就应该考虑产品在物流管理、生产、分销以及实际使用中的优化问题。 产品的优化设计能有效的推动供应链中的时间压缩策略，比如，标准化的产品设计 可以大大减少生产过程改动，压缩供应链时间。此外，生产过程中的时间压缩也是 非常关键的。在生产过程中时间的压缩有四个基本方法：消除物流中的无用工序； 压缩工序中的冗余时间；在连续的流程中再造工序的联接过程；并行的运行流程。 4 ) 信息流提前期的压缩。信息流不仅包括订货信息，也包括了顾客需求的定性 信息。有学者曾研究过订单的处理时间对供应链总周期时问的影响最大。因此，信 息流通提前期的压缩具有重要意义，也具有极大的空间，因为信息流的传递时间具 有极大的弹性。从理论上来说，运用合适的信息技术，信息流动可以即刻从供应链 的一端流向另一端。 t e r s i n e 经过研究发现对库存管理产生主要影响的提前期通常是由以下几部分组 成：订单准备时间，订单传递时间，供应商提前期，运输时间，以及生产准备时间 等组成。在许多实际情况中，提前期时可以通过增加额外的费用( m a s h i n gc o s t ) 来减 少的，这和供应链的时间压缩是一致的。其中额外的赶工成本包括：管理、运输和 供应商加速等成本，在可控提前期的供应链优化模型中，提前期由若干个操作时段 组成，每个操作时段都有一个正常的持续时间和一个最小的持续时间，且每个时段 内提前期缩短的时间和成本成线性变化。这种可控提前期的思想起源于项目管理中 增加额外的资源以缩短某项活动时间的想法，比较接近现实。 9 青岛人学硕十学位论文 3 1 2 符号说明与模型假设 模型符号：e 为每次订购费用；g 为单位产品年存储费用：e 为单位产品年缺 货费用；为缺货补充率，卢【o ，l 】；为单位产品边际损失成本；r 为再订购点；d 为年需求；q 为每次订货数量( 决策变量) ；l 为提前期( 决策变量) ，五为提前期内 的模糊需求。 模型假设： 1 ) ) 采用连续盘点方式检查库存水平，每当库存量低于再订购点时即发出订单。 货物到达之前如果发生缺货，则只有比例的货物量在下一周期能够得到补充。 2 ) 产品为单一产品，且提前期单位时间内的市场需求为独立、同分布三角形模 糊变量。记z 为提前期内的模糊需求，其隶属函数可表示为 心( 工) = 半+ 掣，由于提前期需求的不确定性，缺货很难完全避免，当 d s 可上s dd a x l a d 一 提前期需求五大于再订货点r 时将发生缺货，故缺货量为m 戤( 五一r ，o ) ，记为( 五一，) + 。 3 ) 提前期三由露个相互独立的时段( f = l ，2 ，玎) 组成，即三= 艺t 。每个时段均 有一个最短持续时间口f 和正常持续时间岛( 即【q ，6 f 】) 和缩短单位时间的赶工成本 g 。不失一般性，对于刀个时段( f = l ，2 ，刀) ，按赶工成本由小到大安排其下标，即 满足c l c 2 sc 。由于提前期可以通过追加费用进行压缩，为此我们记厶= 艺b ， 即厶表示各时段按正常持续时间完成时间对应的提前期；l l ( i = 1 ，2 ，一) 为第1 时段到 第i 时段为最短持续时间，而从第i + i 到第h 时段为正常持续时间下对应的提前期， 即厶= q + 。经计算可知，当提前期压缩到时，压缩费用为 j f lj = j + l 上 以工) = g 化i 一三) + 艺q 哆一巳) 。 j = l 3 1 3 模型描述 连续盘点存储策略是实际库存管理中广泛采用的一种订货策略。其存储状态图 3 1 如下： 对于连续盘点库存策略而言，当库存水平下降为，时，即发出订单，在提前期 内，可能发生缺货。当提前期内需求为远，再订货点为r ，订货量为q 和延期交货 率为时，分别对提前期内销售量、存储量、缺货量、延期交货量、销售损失量进 行分析。 1 0 第三章连续盘点可控提前期库存策略 库存 jl k 平 八 ，蛔鼍q l 一、 、 v 灯净库存 ； 、 a 黜 飞f 订货藿q r 一爪 r l l 图3 1 连续盘点策略( ，q ) 存储状态图 l 、提前期内缺货量 从存储状态图中可以看出，只有当提前期内需求量z 大于再订货点，时，才发 生缺货，因此提前期内的缺货量为m a x ( ( 之一r ) ，o ) 皇( 五一，) + 。 2 、提前期内的销售量 当提前期内需求量0 。大于再订货点厂时，提前期内销售量为，而当提前期内需 求量玩小于再订货点，时，提前期内销售量为五，因此提前期内的销售量为m i n ( d l ，) 。 换言之( 从另一个角度的认识) ，提前期内的销售量为提前期内需求量z 中减去提前 期内的缺货量，即提前期内的销售量五一( 五一，) + 。故有m 试远，) = 五一旺一，) + 3 、期末和期初净存货量及周期平均存货量 a ) 对于允许缺货，且缺货不补( w i t h o u tb a c k o r d e r ) 情形，期末净存货量j 等于再 订货点减提前期内的销售量，即 彳= ，一m i n ( 五，厂) = r + ( 五一r ) + 一五= ，一五+ ( 五一，) + 期初净存货量为q + a 所以年平均存货量为 i iq + 五= 毒q + 【，一五+ ( 五一厂) + 】 3 - ( 1 ) b ) 对于允许缺货，且需：补( w i t hb a e k o r d e r ) 情形，由于需要补充上周的缺货量 f 孑。一，- 1 + ，因此期末净存货量彳可以表示为 彳= r m i n ( 盈，) 一( 五一，) + 刮r 一五十( 五一，) + 一( 近一，- ) + = ，一五 期初净存货量q + 彳 年平均存货量为 青岛人学硕十学位论文 寺q + 彳= q + r 一吒 3