文摘

基于本地决策视角和全球决策角度出发,考虑到供应能力的限制和禁止回报,使用系统动力学的方法建立非线性供应链系统模型。我们使用Z变换理论的动态转移方程转换成框图,建立供应链系统仿真模型,用它来进行仿真实验。狼重建方法被用来计算每个节点的最大李雅普诺夫指数(米歇尔)值或组合系统来判断系统的稳定性。基于不同决策的角度,在不同的安全库存和需求因素的组合情况,调整系数的决策方案,使每个节点处于稳定状态。然后,我们比较分析每个节点的库存变化,并结合系统在稳定状态下不同的决策方案。

1。介绍

供应链管理一直是企业关注的一个问题。帮助企业更好的实施有效的供应链,Pittiglio,拉宾,托德和麦格拉思(PRTM)和AMR (AMR)研究领导的建立供应链理事会发布的(SCC)在1996年和供应链运作参考模型(再保险),实现了从基于函数的管理转变为基于流程的管理,和提高供应链的性能。随着云计算的出现,物联网(物联网)、人工智能(AI),和其他新的信息技术(IT),供应链管理有了一个新的背景和需求。新技术可以改变供应链成员之间沟通的方式。在1960年代和1970年代之前,由于技术上的限制,无法实现快速流动和共享信息。早期传统的SC模型中,每个节点企业负责其库存控制生产,或分布排序活动,每个梯队只有它的直接客户信息(1]。新信息技术的应用使得它可以很容易地共享供应链上的主要信息(SC)节点。

渐渐地,一些新的供应链模型在实践中形成和应用。其中,更常用的是需要库存(VMI)模型和第三方物流管理库存(剧情)模型(2),这样传统的SC面临的问题已经发生了一些变化。例如,牛鞭效应可以提高。牛鞭效应是一个描述图像的需求信息扭曲的SC (3]。

科技的发展促进了供应链的垂直整合,和管理理念也发生了变化。越来越多的决策者已经放大了决策的角度来看,和供应链管理给出了垂直整合的趋势。越来越多的决策是基于当地的联盟和整个供应链。同时,有许多不同类型的不确定性在SC,如市场需求的变化,生产能力有限,运输时间的延迟,等等4]。甚至,决策者也有一个巨大的影响在SC。上述所有因素将导致供应链系统(SCS)在一个不稳定的状态,这将增加管理的难度和成本。所以,伟大的意义研究SC的复杂动态行为密切相关,这些因素从不同的角度。

2。文献综述

对供应链系统的动态行为的研究始于1960年代初。它第一次出现在经典作品“工业动力学”Forrester,这是最简单的供应链系统的动态复杂性的表现(5),后来被命名为“牛鞭效应。“从那时起,研究文献不断涌现出供应链的动态行为。这些研究可分为两个部分,包括线性系统的动态行为分析模型和非线性系统的动态行为分析模型。

在早期的动态行为出现的概念,许多研究都基于基于库存和订单的生产控制系统(IOBPCS)和分析线性系统。Towill [6]分析了合理的工业库存控制系统的动力学模型,IOBPCS,利用传递函数方法。参数设置的一般规则,然后可以用于“本地”调优在大规模工业提出了动力学仿真。迪斯尼et al。7)概述了开发一种健身的方法测量中使用的遗传算法用于评估一个通用的生产控制系统的性能。迪斯尼et al。8)描述了一种遗传算法优化系统性能,通过五个向量包括库存恢复“冲击”要求,内置的过滤能力,鲁棒性生产提前期变化,鲁棒性管道水平信息保真度和系统选择性。需要库存(VMI)供应链,迪斯尼和Towill [9)被认为是行之有效的生产和分配调度算法称为自动管道,库存和订单生产控制系统(APIOBPCS)。仿真和分析表明,可怜的设计可能会导致不稳定和推荐的参数可以避免它。Dejonckheere et al。10]介绍了一个一般决策规则生成光滑排序,避免了方差放大和成功模式,即使在需求预测。林和王11]分析了使用特征方程的稳定系统。证明供给与需求预测系统的直观的操作将导致牛鞭,交货时间就不会引起牛鞭。Nagatani和海尔宾12]研究了几个可行的生产战略稳定的供应链线性供应链。迪斯尼(13]分析了quasiperiodicity、牛鞭效应和稳定的供应链库存系统。在这些线性系统模型的研究,大多数认为订单满足供应链的各级,不管库存约束,主要用于研究和分析供应链的动态行为,牛鞭效应。

随着研究的深入,发现根据不同的假设,例如,订单满足供应链的各级,无论库存约束和供应链系统被认为是一个简单的线性系统模型。它会导致研究成果和实际情况之间的不一致,未能揭示非线性现象除了牛鞭效应。因此,越来越多的研究已经进行了构造非线性系统模型来研究供应链。Mosekilde和Laugesen14)建立了一个非线性的库存模型的非负约束条件下订单数量,发现系统的混乱。王等人。15]研究限制生产和库存系统的稳定性与禁止返回约束。结果表明,准确的交货时间信息的关键是消除库存漂移和不稳定,必须合理设计和订购策略根据实际交货期,以避免这些波动和差异。加西亚et al。16设计了一个供应链切换控制系统来提高供应链的稳定性通过内部模式控制技术。王等人。17)认为,系统的输入是某一步的需求模型和返回被禁止,获得稳定,期间,quasiperiod,混沌系统的边界通过求解系统特征值。马和Si (18]调查延迟和体重的影响在复杂系统的动态特性。Si和马19)建立了一个足鼎力产量博弈模型与多个延迟绿色产品的竞争。通过分析平衡的存在点和局部渐近稳定,参数对系统稳定性的影响和复杂性进行了研究。詹et al。20.]建立的模型VMI-APIOBPCS服装供应链和使用Routh-Hurwitz稳定性判据分析了稳定。金和歌曲21)建立了一个非线性系统模型来研究两种策略的非线性的影响供应链有或没有短缺的再制造供应链系统的动态行为。林和纳姆(22)开发了一种混合ATO系统动力学模型的基础上,基于完善的库存和订单的生产控制系统和分析研究了非线性对其动态性能的影响。徐和李23)提出了一个multiechelon供应链系统参数扰动和干扰来演示混沌非线性动力学行为。

现有研究中复杂的供应链的动态行为,许多学者利用假设简化研究对象和使用线性模型来分析供应链中的牛鞭效应。同时,许多学者认为实际因素,如禁止返回和有限的供应能力,构造非线性动态模型,并研究不同的需求场景的影响,生产模型和决策参数对供应链的稳定性,取得了丰富的成果。

分析发现,大多数研究的类别可分为本地决策视角。然而,在现有的研究中,没有提到决策研究的角度来看,也不研究和分析不同决策下供应链的复杂行为的观点。在这篇文章中,决策的角度介绍的概念。基于本地决策视角和全球决策角度看,差分方程,建立了系统的仿真模型,分别进行仿真实验比较和分析供应链库存系统的复杂动态行为从不同的角度。与此同时,安全库存的影响参数对供应链的复杂的动态行为进行了分析。

3所示。供应链系统的动态模型

3.1。系统描述

供应链是基于第三方物流管理库存模型(剧情),包括供应商、零售商和第三方物流服务提供者(3 plp)。供应链的操作流程如图1。供应链的库存系统包括三个节点:生产仓库、配送中心和零售商。供应商购买或自己生产原材料和生产成品的原材料。零售商从供应商购买成品,卖给最终消费者。供应商执行生产根据仓库补货订单发布到生产系统。仓库与生产车间,成品可以快速交付给仓库。假设运输周期是0。为了立即回复零售商的订购需求,建立一个配送中心附近的零售商,假设运输周期从配送中心到零售商是0。每个节点的库存信息传播实时决策系统。决策系统将为每个节点提供决策服务。 When the inventory is lower than the safety stock, it will send a replenishment notification to the node, and then each node will send an order notification to the superior node. For the decision-making system, it can make decisions based on two decision-making perspectives. One is based on the perspective of local decision making, taking the production system and the warehouse-distribution system as a whole. The other is based on the perspective of global decision making, taking the entire supply chain as a whole. The local decision-making perspective does not include the retailer, regardless of the difference in the status of the node inventory goods and the goods in transit.

3.2。模型参数和变量

促进模型的描述,下列有关符号模型介绍了变量和参数(表1)。

3.3。系统的差分方程

3.3.1。需求预测

对于供应链的上级节点,需求预测是基于终端消费者的实际需求。这种预测方法可以减少供应链中订单的放大效应,这是更合理的需求预测基于从属节点的订单。这个简单的指数平滑法通常用于需求预测,取得了良好的效果。因此,本文利用该方法预测的需求。所示的预测表达式是方程(1)。在这项研究中,两种考虑客户需求,包括随机需求服从正态分布和随机需求服从均匀分布。假设的意思是两种类型的客户需求 。 在哪里指数平滑常数。现有的研究表明 需要稳定的预测系统。在报纸上,让 。

3.3.2。生产策略

这项研究使用自动化流水线、库存和订单生产控制系统(APIOBPCS),生产控制的一种常用方法。APIOBPCS的具体含义是,订单数量(或生产计划)等于需求预测量的总和,调整量的实际库存水平和库存的调整量运输(或半成品(在制品)库存)。大部分的现有文献在供应链的复杂的行为采取了这一策略(9,24]。

基于当地决定供应链的角度来看,仓库配货系统的实际库存被认为是供应商的成品库存。生产策略表达如下:

基于全球供应链的决策角度看,整个供应链的实际库存被认为是供应商的成品库存。生产策略表达如下:

3.3.3。库存策略

供应商、零售商和配送中心采用定期盘存的策略。策略是定期补充,每次到目标库存水平。

从本地决策角度看,最初的库存和库存周期终结仓库配货系统的表达如下:

从全球决策角度看,整个供应链系统的库存是表示如下:

由于生产延误,可以得到以下公式:

的表达是由供应商的在制品库存

配送中心的补货数量的表达所示以下方程:

配送中心的库存的表达是由方程(9)- (11)。此外,配送中心的库存水平是通过方程(12)。

其中,配送中心的运输时间t是由

由于运输延迟,可以得到以下公式:

零售商是禁止返回货物,所以零售商的订货量表示如下:

的表达是由零售商的库存

零售商的补货可以迅速从配送中心获得。即补充公告发布的最后时期,和补给可以收到下一个时期的开始。因此,可以获得以下表达式:

与此同时,零售商的销售和消费需求满足以下公式:

4所示。从不同的角度的框图

使用离散系统Z根据差分方程变换理论,在前面的章节中,每个供应链节点的框图。

4.1。供应链的框图

以下4.4.1。供应链节点的框图从本地决策视角

对于零售商来说,库存系统是客户需求的信息输入,订单数量和信息输出。配送中心的库存系统的信息输入是客户的需求,零售商的订单数量、在途和库存,补货的数量和输出信息。零售商和配送中心的方框图如图2和3,分别。

基于局部决策的角度来看,对于production-warehouse系统,production-warehouse系统和配送中心被认为是一个综合体系,和零售商库存不考虑。production-warehouse系统的框图如图4。

4.1.2。从全球供应链节点的框图决定的观点

基于全球决策的角度来看,对于零售商和配送中心来说,操作过程中,输入信息,和库存系统的输出是不变的,所以框图是一样的,根据当地的决策视角。对于生产存贮系统,整个供应链的库存,包括零售商的库存作为决策的基础,和输入信息是客户的需求,配送中心补货体积,配送中心的库存,零售商库存。生产和仓库系统的框图从全球角度如图的决定5。

4.2。整个供应链的框图

根据上述模型建立了基于本地和全球角度,结合幺正变换理论,两种模型下系统的方框图如图6和7。

5。系统仿真和数据分析

最大李雅普诺夫指数(米歇尔)是一个标准来衡量系统的稳定性。许多研究使用它来判断系统的稳定性。当米歇尔小于或等于0时,表明该系统是在一个稳定、周期或准周期的状态。这是一个理想状态的订购决策。米歇尔大于0时,系统处于一个混乱的或quasichaotic状态。摘要狼重建方法被用来计算每个节点的最大李雅普诺夫指数(米歇尔)值或组合系统来判断系统的稳定性。该方法的计算原理如下。

假设时间序列 。重构相空间和获得 ,在哪里米嵌入维度和吗T是时间延迟。取初始点 ,并让其距离最近的邻近点是 。两个点的时间演化追踪到 ,两个点和了,距离他们之间超过指定值 。保持并找到一个点在它附近。的距离两个点之间应小于 ,和形成的角应该尽可能小。一直持续到进化过程到达时间序列的最终N。迭代的总数是m .米歇尔计算公式如下:

5.1。决策参数

基于构造模型和方框图,我们计划进一步研究不同的订货策略和库存管理策略的影响在非线性供应链系统限制禁止返回从不同的角度和有限的库存。之前的研究表明,有关订单决定库存调整参数等参数对系统的动态特性产生重要的影响。

我们设计了一个仿真实验在不同参数组合决策空间 ,和 。使用模拟数据,米歇尔计算分析不同需求类型的影响,库存调整系数,和安全库存系数从不同的角度对系统稳定。

一般而言,决策者重视库存调整,调整参数小于1;本文假定这两个库存调整系数的值范围 来 。这两个和已经改变了0.02的步骤(2,25]。和三个安全库存因素的组合 选择,包括[1,4],[2、5],[3,6]。

5.2。仿真分析

根据上述决定参数的选择范围,使用Matlab进行仿真实验。假设在这个研究供应链,生产延迟是1,运输延迟是2,零售商的安全库存系数是2。也就是说, , ,和 。同时,为了保证仿真实验的有效性,仿真时间的设置不应太短。本文仿真周期设置为1000。如果在天周期计算,那么它是近3年的数据量。在实际问题中,分析公司的库存系统,三年操作数据是完全足够的。

本文结合实际问题和考虑两个需求场景包括符合正态分布的随机需求和满足均匀分布的随机需求。这两个需求场景更常用的现实问题。后者更严格和供应链反应有更高的要求。

首先,基于全球视角,在随机需求服从正态分布的情况下,我们使用模型如图6为模拟,计算每个节点的索引的供应链根据获得的数据,并获得安全库存因素的不同组合下的等值线图,如图8- - - - - -10。

通过比较和分析数据8- - - - - -10,我们可以发现,基于全球决策角度看,增加的安全库存因素,决定在每个节点的稳定状态下的供应链和系统角度逐渐增加。从图可以看出8基于全球决策角度看,什么时候 和 ,随机需求服从正态分布的情况下,稳定的供应链节点在不同库存调整参数有很大的不同。图8(一个)表明,零售商的库存系统的米歇尔值小于0在整个地区调整系数决定。然而,图8 (b)显示,米歇尔大于0的值在大多数地区的决定。图8 (c)表明,在大多数地区,整个供应链库存的米歇尔值小于零。也就是说,基于全球决策的角度来看,当 和 ,随机需求服从正态分布的情况下,零售商库存系统可以处于稳定状态,不管任何价值调整的参数。在同等条件下,配送中心库存系统在大多数决策领域处于一个不稳定的状态。对整个供应链从决策的角度来看,如果不考虑项目的状态,只考虑数量,在大多数决策领域,系统是稳定的。研究系统从决策的角度是基于系统中货物的总量,和货物都位于系统的节点可能不同,和国家可能会有所不同。因此,将会有一个现象,系统处于一个稳定状态和节点都处于一种不稳定的状态。从数据可以看出9和10,无论 和 或 和 ,对零售商来说,米歇尔都小于零的值在整个区域的决定。

此外,基于全球决策角度看,根据需求设置不同的场景和安全库存的组合参数,每个节点的米歇尔和组合系统在1275年调整参数组合分别进行了计算。发现,基于全球决策的角度来看,有374个调整参数的组合,可以保持供应链的每个节点和组合系统在稳定状态的情况下积极的需求和分布 和 。对于其他两个安全库存的设置参数,有746年和1109年不同的调整参数决策方案可以使供应链的局部和整体稳定。同时,基于米歇尔的计算对整个决策领域,我们可以找到调整系数,可以使供应链的每个节点的库存系统和整个供应链库存系统处于稳定状态,平均值是最小的。当 和 , 和 。当 和 , 和 。当 和 , 和 。根据安全库存参数的不同组合,调整的数量和最佳组合参数的组合,可以使供应链节点和复合系统处于稳定状态如表所示2。

然后,我们改变的需求情况和执行仿真场景下的随机需求服从均匀分布来获得每个节点的等高线图的不同组合下安全库存系数,如图11- - - - - -13。

从数据可以看出11- - - - - -13的场景下,随机需求服从均匀分布,随着安全库存系数的增加,米歇尔的地方整个供应链库存系统的价值,供应链的每个节点的库存系统小于零逐渐增加。区域的顺序与米歇尔值小于零的零售商,整个供应链和配送中心在一定的安全库存的因素。可以看到,配送中心和整个供应链,米歇尔值小于零的地方展览带分布,这是下面的立即 。对零售商来说,在几乎所有地区,米歇尔值小于零。然而,米歇尔最小值的部分展品点和线性分布,如图所示在黑暗中部分数据(11日),12(一个),(13日)。

此外,在调整参数的1275种组合,针对不同的安全库存参数,参数组合的数量能保持每个节点供应链和组合系统的稳定状态是146年,334年和532年。在这些参数中,什么时候 和 ,如果 和 ,每个节点的库存系统的米歇尔价值的供应链和整个供应链库存系统小于零,平均值是最小的。同样的,当 和 , 和 。当 和 , 和 。根据安全库存参数的不同组合,调整的数量和最佳组合参数的组合,可以使供应链节点和复合系统处于稳定状态如表所示3。

基于当地的角度来看,在随机需求服从正态分布的情况下,使用模型图所示7模拟,我们可以得到每个供应链节点的等高线图的不同组合下安全库存因素,如图14- - - - - -16。

从数据可以看出14- - - - - -16基于当地的角度来看,在随机需求服从正态分布的情况下,随着安全库存因素的增加,米歇尔的地方价值production-warehouse-distribution系统和库存系统的供应链的一些节点小于零逐渐增加。在一定的安全库存因素,区域分布的米歇尔值不显示明显的特点。特别是当 和 和 和 ,米歇尔价值决定区域的分布显示了一个不规则的状态。从图14可以看出,从局部的角度来看,当 和 ,零售商和production-warehouse系统,米歇尔的大部分价值的分布比较相似。配送中心的米歇尔价值大于零在大多数决策领域。然而,从图可以看出15,当 和 ,有决策参数,可以使零售商的库存系统处于不稳定的状态。

此外,基于当地的决策角度看,在随机需求服从正态分布的情况下,针对不同的安全库存参数,有不同数量的合理决策方案在整个决策领域。当 和 ,有380个合理调整参数组合。当 和 ,有775个合理调整参数组合。当 和 ,有1156个合理调整参数组合。在这些参数的组合,可以稳定系统中,当 和 ,如果 和 ,production-warehouse-distribution的库存系统的米歇尔价值体系,供应链的每个节点都小于零,平均值是最小的。同样的,当 和 , 和 。当 和 , 和 。根据安全库存参数的不同组合,调整的数量和最佳组合参数的组合,可以使供应链节点和复合系统处于稳定状态如表所示4。

然后,基于当地的角度来看,我们改变的需求情况和执行仿真场景下的随机需求服从均匀分布来获得每个节点的等高线图的不同组合下安全库存系数,如图17- - - - - -19。

从数据可以看出17- - - - - -19的场景下,随机需求服从均匀分布,随着安全库存系数的增加,米歇尔的地方价值production-warehouse-distribution系统和库存系统的供应链的每个节点小于零逐渐增加。从图17零售商可以看出,当 和 ,米歇尔值的最小的部分提出了一种点线路分布。在相同的决定,没有其他节点这个特性。从数据可以看出18和19作为安全库存参数增加,零售商,分布面积较小的米歇尔的一部分价值转向左下方整个区域的决定。

此外,对于安全库存的三个组合参数,有174、361和542合理调整参数的组合,可以使供应链节点和组合系统处于稳定状态。在这些合理的决策,当 和 ,如果 和 ,production-warehouse-distribution的库存系统的米歇尔价值体系,供应链的每个节点都小于零,平均值是最小的。同样的,当 和 , 和 。当 和 , 和 。根据安全库存参数的不同组合,调整的数量和最佳组合参数的组合,可以使供应链节点和复合系统处于稳定状态如表所示5。

根据上面的分析,可以发现,总的来说,无论当地的决策角度或全球决策角度看,随着安全库存因素的增加,供应链的每个节点的稳定性逐渐增加,和调整参数的需求逐渐减少,也就是说,多个调整参数可以使供应链库存系统处于稳定状态。无论安全库存因素和决策的角度来看,在整个供应链中,配送中心的最高要求,调整参数,即调整参数的决策区域配送中心的不稳定是最大的。同时,基于全球决策的角度来看,降低整体供应链的库存也可以保持供应链中的节点和系统的视角下一种稳定状态。同时,可以发现一个有趣的现象。当只考虑商品的数量,当系统由多个节点处于一个稳定状态,节点可能处于不稳定的状态。这也是一个体现的复杂性系统的动态行为。

为了更直观地分析库存和需求的影响类型的变化,调整参数,和安全库存因素对供应链的每个节点的能力,系统从不同的决策角度,调整参数选择的合理组合仿真实验在不同的需求类型和安全库存的因素。这种调整参数组合可以使供应链节点和系统处于稳定状态,及其平均值最低。

为了分析不同决策视角的影响复杂行为的供应链,库存变化图表供应链中的节点和系统视角下从本地和全球角度,如图20.- - - - - -25。

从图可以看出20.场景下的随机需求服从正态分布,当零售商的库存稳定状态的变化,零售商的库存的性能在不同决策基本上是相同的观点。库存很快就从零增加到160年然后保持稳定在安全库存水平。这是一个非常好的变化特性,验证了仿真模型的有效性。同时,针对不同的安全库存参数,零售商的股票变化基本上是相同的,当他们在一个稳定的状态。如图21的场景下,随机需求服从均匀分布,当它是稳定的,零售商的库存变化基本上是一样的场景随机需求服从正态分布。这表明合理的参数设置可以保持供应链的需求波动较大时处于稳定状态。

从数据可以看出22和23场景下的随机需求服从正态分布,当它处于一个稳定状态,同样的安全库存因素,无论是基于本地决策角度或全球决策角度来看,配送中心库存变化基本上是相同的。当 和 ,配送中心的库存增加从0到160,然后在160年左右波动。当 和 ,配送中心的库存从零增加到约240,然后在240年左右波动。当 和 ,配送中心的库存增加从0到320,然后在320年左右波动。三个安全库存因素组合下的波动范围基本上是相同的。如图23的场景下,随机需求服从均匀分布,当处于稳定状态,配送中心库存变化的波动幅度变得明显增大。验证,需求的变化会影响供应链系统的动态行为。然而,这两个需求的库存水平基本上是平等的场景。

结合系统下决定的角度来看,无论货物的状态,从数据可以看出24和25,在特定的场景和安全库存的需求参数,结合系统在不同决策方面有一个非常类似的库存变化稳定状态。同时,发现配送中心和综合系统,当它处于一个稳定状态,场景中的库存水平的随机需求服从正态分布低于场景中的库存水平的随机需求服从均匀分布。从图可以看出24的场景下,随机需求服从正态分布,当安全库存参数组合[1,4],基于全球决策角度看,供应链系统处于稳定状态时,整体库存水平约为460。在同样的场景和安全库存的需求参数组合,根据地方决策的角度,结合系统460年视角下的库存水平。换句话说,整个供应链系统不包括零售商和其他部分的库存已经达到了460份。同样的,当安全库存参数组合(2、5),整体库存水平大约是520基于全球决策视角。基于当地的决策角度,结合系统库存水平视角下大约有505。当安全库存参数组合(3、6),整体库存水平大约是627基于全球决策视角。基于当地的决策角度,结合系统库存水平视角下大约有567。

场景下的随机需求服从均匀分布,当供应链系统处于稳定状态,人物25显示库存水平和波动状态下不同的安全库存参数组合和决策视角。安全库存参数组合时[1,4],整体库存水平大约是425基于全球决策视角。基于当地的决策角度,结合系统446年视角下库存水平。当安全库存参数组合(2、5),整体库存水平大约是547基于全球决策视角。基于当地的决策角度,结合系统库存水平视角下大约有505。当安全库存参数组合(3、6),基于全球决策角度看,整体库存水平约为632。基于本地决策的角度看,库存水平下的复合系统角度约为631。因此,对于任意组合的安全库存参数和任何需求场景,基于全球决策角度看,选择合理的参数调整方案可以减少整个供应链的库存水平。整体库存波动略有增加,但不影响整体库存的稳定性。

在供应链中,稳定的生产成本有很大的影响,并根据订单数量生产系统产生的仓库。为了分析生产处于稳定状态的波动更直观,我们画生产波动图,如图26和27。

从数据可以看出26和27在稳定的条件下,生产的波动似乎稳定在所需的水平的需求,有轻微的波动。与需求相比,发现生产波动的基本上是一样的变动需求,和生产波动小于需求。这表明该系统可以抚平的变化需求很好。

6。结论

根据实际问题的需要,介绍了全球决策思想,以适应供应链一体化的趋势,并提出不同的供应链库存系统管理决策的视角。基于提出的局部决策角度和全局决策角度看,供应链库存系统的复杂动态行为进行了研究。与此同时,安全库存设置的影响供应链库存系统的动态行为进行了研究。

研究发现,基于全球决策的角度来看,选择合理的参数调整方案可以减少整个供应链的库存水平。整体库存波动略有增加,但不影响整体库存的稳定性。安全库存参数组合时[1,4],基于全球决策角度看,整体库存水平约为425。基于当地的决策角度,结合系统446年视角下库存水平。基于全球决策角度看,整体库存可以减少约180人。当安全库存参数组合(2、5),可以减少整体股票约118。当安全库存参数组合(3、6),整体股票可以减少约159人。同时,基于不同决策角度,每个节点的状态分布地图或组合系统在不同场景和需求得到了最合理的参数设置。

总的来说,无论当地的决策角度或全球决策角度看,随着安全库存参数的增加,供应链的每个节点的稳定性逐渐增加,和调整参数的需求逐渐减少。分析还发现,每个节点都有不同的灵敏度调整参数。调整参数的变化对零售商几乎没有影响。根据不同的场景和决策参数,零售商决定几乎整个地区处于稳定状态。然而,调整参数的变化产生重大影响配送中心。此外,研究还发现,是否基于本地决策角度或全球决策角度看,总体库存水平处于一个稳定状态和内部节点可能处于不稳定的状态。这对于实际操作具有重要的指导意义。

尽管本文选择三个安全库存参数组合研究和获得一些有效的结论,它不研究整个区域安全库存参数决定。后续,我们希望感兴趣的学者对安全库存的影响机制进行进一步的研究参数对复杂的供应链的动态行为。

数据可用性

使用的数据是通过仿真获得的数据。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究得到了国家重点研究和发展计划(批准号2019 yfb1706101)和重庆市技术创新和应用示范项目(批准号cstc2018jszx-cyzdX0143)。