强大的库存系统优化基于模拟和多标准决策

文摘

零售商的库存管理是困难和复杂的决策过程与冲突的标准,也存在周期变化是不可避免的在许多行业的需求和趋势。本文仿真建模是有效的工具零售商multiproduct库存系统的建模。仿真模型优化,小说多准则和健壮的代理模型设计了基于多属性决策(MADM)方法,实验设计(DOE)和主成分分析(PCA)。这种方法作为本文的主要贡献,提供了一个健壮的框架下的多准则决策的不确定性。

1。介绍

供应链是复杂的系统,其中包括许多组件,如供应商、工厂、分销中心和零售商。这些组件三个流相互连接的金融、信息和物流。在许多引用,有一个基本假设金融流上游从客户到供应商和物料流下游从供应商到客户,信息流动是相互的。顺便说一下,有时候,这个假设被忽视的是关于物流(例如,崇拜物流)。

物流在供应链中扮演主导的角色和定义是库存问题。库存实际上是连接的桥梁材料处理和生产计划供应链(1]。另一方面,零售商面对高度竞争的市场动态变化的需求,包括季节性周期变化和长期趋势。这些情况造成multiproduct库存系统转变为复杂的多准则系统。

复杂系统是具有挑战性的建模和计算。在大多数的问题,造型复杂的系统非常耗费时间,自由也不是错误。此外,复杂系统的建模需要太多的计算努力解决,有时他们在合理的时间是不可以解决的。在这种情况下,数据驱动的方法出现的重要性(2- - - - - -4]。

尽管基于模型的方法(即。,simulation model) has many advantages, such as what if analysis and ability of scenario generation, data-driven approach is less time consuming and also easy to implement. So, these approaches can be combined to achieve tailored approach which inherits advantages of model-based and data-driven approaches. In this research we used discrete event simulation model and data-driven methods like principal component analysis and multiple attribute decision making to design an efficient framework for robust and multiobjective optimization of retailer inventory system with multiproduct as complex system.

剩下的论文结构如下。文献综述提出了部分2。问题陈述提出了部分3,提出了框架,它包含描述的仿真建模和代理设计部分4,部分5提供了数值结果,最后一节6致力于的结论。

2。文献综述

调查问题包括两个问题的仿真优化和库存问题,在两个分开的部分相关文献分类提供更多支持的文献综述。

2.1。库存问题

库存系统研究了彻底的基本问题(5- - - - - -7]。经济订货批量(经济订购量)是最简单的模型的库存问题;在这个模型中,每个时间是恒定的,独立的需求。失去经济订购量不考虑销售,订单,和其他成本简化的原因,强调只有在持有和订货费用。程(8)开发了一个模型与cost-dependent库存系统的需求,提出了模型中包括生产成本。陈等人。9]研究了秩序的模糊技术和赵et al。10)建议根据时间序列分析模型与需求。他们得出结论,在时间的需求,增加经济订购量模式效率在较短的交货时间和较弱的自相关。

基本模型,提出了库存问题只有一个目标函数,包括不同的库存成本,而科技的发展和商业竞争的加剧造成其他标准的必要性。我们所知,近年来,服务水平一直在观察各种供应链和库存问题,性能标准。添加服务水平标准,库存问题的经典定义是变成了多目标优化。在这样的问题,应该尽量减少库存成本,而服务水平应该最大化。可用的模式这个问题是确定的和随机的分为两组。可以通过三种方法来解决这两个模型的分析方法,例如,数学规划,metaheuristic方法和模拟。刘等人。11)受益于仿真来比较四个库存管理成本和服务水平的政策有两个标准。他们还调查了预订和信息共享的影响模型。徐和赵12]使用模糊粗糙模拟优化多目标问题最小化浪费成本和最大化收入的期望值。Hnaien et al。13)调查了两级装配系统的两个目标服务水平和维护成本。他们认为随机提前期和应用遗传算法来解决这个问题。

虽然成本和服务水平是很重要的标准库存系统性能,还有其他标准应考虑如库存数量的系统,这是重要的因素对库存系统行为产生重大影响。因为交货时间的不确定性,起源来自自然灾害和交通问题,组织面临迟延交付,因此他们中的大多数持有安全库存。这一现象的主要原因是导致库存的增加。随着手中库存增加,库存系统面临着持有成本和质量下降等问题,缺乏灵活性,等等。系统库存数量可以被视为性能因素和库存应该最小化所及时(JIT)哲学。Purnomo et al。14]研究关于周期性补给的影响,继续补充库存供应链政策,考虑库存和工作性能因素。

近年来现在库存系统和多目标随机问题的建模是一个有趣的研究领域。

2.2。仿真优化

著名的模拟方法之一是离散事件仿真基于随机过程,可以有效的工具来捕获不同系统的随机行为。虽然离散事件仿真有几个优点,它不是单独优化工具(15]。顺便说一下,由于其灵活性,可以加上其他技术,如模拟metaheuristic算法或随机方法。这种综合使得强大的和有利的方法模拟优化与广阔的研究领域。仿真优化强大的阿森纳等复杂系统的优化军事、航空航天,和供应链16]。我们所知,有三个主要优化技术中被报告为合适的仿真优化技术。这些方法是metaheuristic优化考虑,随机近似(SA)方法,和代理模型。

傅(17)广泛应用方法描述角色的模拟优化以及调查技术用于优化方案的仿真软件。王(18)使用混合方法包括遗传算法和人工神经网络模拟优化和Keskin et al。19]应用离散事件仿真和分散搜索算法优化的库存系统和供应商选择。Mazhari et al。20.)开发了一个仿真优化框架基于混合仿真模型(系统动态和基于代理的模型)和metaheuristic算法。同时,段和廖21]应用metaheuristic方法开发仿真优化框架,以优化补充生产供应链中库存系统的政策。

虽然使用metaheuristic优化算法是直接的方法模拟优化,这是耗费时间和需要高水平的计算工作。所以它是低效的模拟优化多个目标函数。

虽然metaheuristic算法使用随机搜索方法,SA是基于梯度搜索。因为吵闹的情况的观察,SA算法考虑目标函数的期望值。SA家庭包括有吸引力的方法,因为他们的收敛理论保证。同步扰动随机逼近算法(SPSA)是值得注意的SA的家庭。理论方面的SPSA深受碎裂的描述22- - - - - -25)提出了仿真优化框架基于SPSA供应链的库存控制。

在前两个方法相反,代孕造型后处理方法,所以它是耗时少。代理模型的主要思想是适应单一表面决定空间和使用这个表面而不是优化的仿真模型。在这个领域,响应面方法(RSM) [26)和监督学习方法(如人工神经网络、支持向量机)是相当大的。例如,可以和鼓27)人工神经网络应用于离散事件仿真的开发代理模型。Azadeh et al。28)人工神经网络用于仿真优化的设计框架和应用提出了优化框架的串联排队系统的等待时间。Bornatico et al。29日)提出了一种基于径向基函数的代理模型仿真优化能源系统。Wan et al。30.)设计仿真优化框架使用最小二乘支持向量机(LSSVM)三级供应链优化库存水平。他们还表明,拟议的框架会导致更好的解决方案以更少的数量的模拟运行与SPSA算法相比。代理模型相比更少的时间消耗metaheuristic或SPSA方法,但是这种方法在多个目标解决问题失去准确性。

虽然一堆论文在仿真优化领域,我们所知的极少数人致力于多目标优化(31日和鲁棒性32,33]。在这种情况下,使用metaheuristic和SPSA方法非常耗时,并且是不经济的优化仿真模型的精确细节。另一方面,所有的审查方法失去精度,当有多个目标。与这些考虑,本文目的一个优化框架的详细库存系统的仿真模型与多个目标。拟议的框架不太耗费时间与metaheuristic或SPSA方法相比虽然提供了健壮的和准确的解决方案。拟议的框架是相对较新,本研究需要三倍的贡献如下。(我)我们模仿循环和长期需求基于非参数时间序列模型更现实的考虑。(2)我们提出了健壮的代理模型和多目标优化multiproduct库存系统基于离散事件仿真、全因子实验设计(DOE)和多属性决策(MADM)技术。(3)由于目标函数的随机特性,我们采用主成分分析(PCA)作为提高MADM性能的统计方法。

3所示。问题陈述

问题是关于零售商销售办公家具和设备。零售商销售四个产品,分别,,,;目的是优化库存系统根据信息这是改编自本地业务。从库存角度零售商产品的关键特性如表所示1。

在这个表中,第二列给每年平均每个产品类型的需求,第三列在计划时间内提供每个产品的储存成本,第四列是献给每一种产品的订货费用,最后的第五纵队是销售损失成本发生时零售商不能满足客户的需求为每种类型的产品。

在这个问题上应该考虑的基本假设如下。(1)每种类型的产品订单成本包括运输成本和订单登记。(2)没有积压库存,所以库存水平是负的。(3)每个产品的利润被认为是失去了销售成本,因为没有产品造成损失利润解释为失去了销售成本。(4)根据调整的信息,这些产品生命周期五年,然后会用新产品代替。(5)规划期限被研究系统只要20天。的符号用来描述如下的问题。

指数。考虑以下: :指数计划时期; :指数要求在规划阶段; :在规划期的订单指数。

参数。考虑以下: :重新排序成本; :持有的每个产品成本计划时期; :每个产品出售的损失成本。

变量。考虑以下: :库存水平th规划时期; :库存水平th规划时期; 的数量:th的需求th规划时期; :再订购数量th规划时期; :1,如果小于否则,0; 的数量:th顺序th规划时期; :组织订单的交货时间; :订货点。每个产品的需求规划时期()是随机变量,是由非齐次泊松分布。所以,到达需求规划时期(总数)是概率。,,根据表是不同的库存系统的成本1。库存水平,指的是物理量在零售商的库存是库存的位置,包括数量的订购计划周期库存除了库存水平。二进制变量是一个如果库存量大于需求。所以,如果是1,可以满足,否则就失去了销售。是组织的再订购点的新秩序。换句话说,如果库存水平达到或更少,一个新的秩序将组织的数量。每个组织订单到达零售商和增加库存水平经过铅时间()。考虑假设和符号描述,以下方程的主要目标函数定义问题: 在(1),目标是最小化总成本包括成本取决于重新排序,处理和销售损失。销售损失不仅承担多余的费用,也减少零售商的信贷。所以,(2)被认为是独立服务水平最大化。在(2),目标函数增加,是1的th的需求th时期,这种情况是可能的大于。事实上,(2)导致增加库存水平时(1)- (3)导致降低库存水平。库存水平取决于数量的订单的状态在每一个计划期()、数量的订单和数量的要求(),而库存位置取决于库存水平和交货时间(),(3)负责最小化平均库存水平,包括库存和订购库存。的平均库存水平应该最小化为了提高零售商的灵活性和方法(JIT)。

每个产品的需求遵循不同的模式长期和循环的趋势。因此,提到的目标函数被认为是单独为每个产品类型。

4所示。提出了框架

定义的问题,需求的产品暴露高度动态的模式,随着时间的推移,需求及其变化增加;因此,多分辨率方法用于建模的需求。此外,三种不同的库存控制策略被认为是,会重新排序基于固定数量(FQ),固定间隔(FI),需求预测(DF)。在舞台上13.5开发模型的仿真实现。由代理模型,优化仿真模型是基于全因子实验设计(DOE)。建设的决策空间,能源部因素包括库存政策,再订购点,交货时间为三个层次。所以,有决策变量的不同组合形成可行的场景。排名的场景是通过MADM的技术生产。对于排名的场景,三个目标函数值(即。,cost, service level, and average of inventory position) and, in addition, robustness of service level against demand fluctuation is considered. Also PCA is applied for more realistic weighting of objective function values based on their statistical influence on improvement of other objectives. Finally, interacting plot is employed for sensitivity analysis and investigation of solutions in detail.

4.1。仿真建模

仿真模型建模的问题包括两个部分的需求和建模的库存政策。摘要需求非齐次泊松过程和三个不同的库存策略基于继续审核,定期检查,定期评估和预测未来的需求。

以下4.4.1。造型的需求

为客户需求建模、多分辨率方法的应用。库尔和威尔逊[34)这种方法为非齐次泊松过程的仿真开发趋势和周期变化。这种方法意味着强度函数和非参数估计的方法是最重要的一个与其他方法相比的优势。所以,它是独立的统计参数,适用于各种各样的问题。此外,多分辨率方法可以同时支持多个周期变化的组合。多分辨率的另一个优点是其在非对称的造型能力循环模式。在我们的例子中,需求与周期变化和长期趋势,非对称模式和多分辨率的方法是一种合理的选择。更提供了理论和应用程序的使用方法(34]。

4.1.2。造型的库存策略

本文的主要工作是库存系统优化、造型库存政策在这个问题上扮演着重要的角色。在这个问题上,优化操纵选择适当的库存策略和配置参数的方式,导致库存系统的最优状态。库存管理的三种方法是常见的策略是固定订货批量,固定的时间间隔,和预测方法35]。在第一个策略,应当检查库存水平不断,直到达到低于预定的数量(订货点),那么订单将组织固定数量的库存。在第二个策略中,审核周期是一个固定的时间间隔,但数量为每个订单顺序变量基于消费速度。虽然第一个策略需要更多的努力不断回顾库存水平,第二个策略更容易处理,但是固定间隔不足的风险策略相比更固定订货批量。所以,由于固定间隔的短缺风险的缓解策略,订单量略高于固定订货批量(35]。

在第三个策略,审核周期是固定的第二个政策,但订货数量是基于预测未来的需求。作为库存管理文献中提到的策略基本办公家具在零售商中也很常见,在这项研究中三个政策基于固定订货批量,固定时间间隔,需求预测开发如下。(1)持续回顾经济数量的订单。(2)定期审查与订单数量基于置信区间在消费期间的需求。(3)定期审查与订单数量基础上预测未来的需求。

政策1(定量)。根据这一政策,每个需求将被满足,如果有足够的库存。每个需求满足后,库存的手将检查库存水平是否达到订货点。如果库存水平已经达到订货点,经济订货批量会组织,否则系统等待下一个需求。经济订货批量公式导出了威尔逊[36]。如果没有足够的库存来满足了需求,需求的数量被认为是失去销售和利润作为代价。如果没有订单已组织,否则系统重新排序库存等待到达的组织秩序根据调整交货时间()。这一政策是可见的在图的逻辑1(一)并贴上FQ政策。

政策2(固定间隔)。在这个政策,标准重新排序是固定的时间间隔,称为计划时期。这一时期之后,库存水平会将组织检查和重新排序条件是库存量已达到订货点()。更现实的考虑,订单数量()计算基于累积分布函数的需求计划。例如,在库存系统,10%失去了销售需求计划分布式基于指数分布函数,它应该是有序的累积概率指数分布等于0.9。在这一政策,库存水平会被更新交货时间后()。这一政策的逻辑图所示1 (b)并贴上FI政策。

政策3(需求预测)。这一政策类似政策2有一些差异。在政策2中,需求的概率分布函数在计划期间预计通过历史数据,然后重新排序组织基于服务级别(需求满意度的累积概率)。但这一政策在固定间隔,预测未来的需求将被执行。如果库存水平已经达到了订货点(),订单将组织和库存水平会更新交货时间后(),否则只有信息将被更新。如果预测需求小于库存容量,订单数量()将尽可能预测否则库存订单将尽可能多的库存数量每个产品的能力。与自相关要求按照时间序列,预测由指数平滑法实现方法(37]。

在这个过程中,被定义为需求评估的规划周期。这一项的计算方法是根据实际需求的所示和评估的需求所表示在之前的时期加趋势调整之前的时期所表示的价值。目前的实际需求考虑参数的影响定义在0和1之间。趋势调整值的基础上派生而来和加趋势调整与考虑前期的价值作为权重参数定义在0和1之间。相关方程和表达(4)和(5),分别。最后,需求评估+趋势调整未来需求预测所示的形式描述(6)。这一政策的逻辑图所示1 (c)并贴上DF政策。考虑

4.2。代理模型

代理模型为模拟库存系统的优化设计。在这个框架中,实验设计负责产生不同的场景。每个场景有四个标准包括成本、服务水平,平均库存水平,对需求波动和鲁棒性。每个标准的重要性是由主成分分析,最后这些场景是MADM技术作为多标准决策工具。

4.2.1。准备设计的实验

尽管能源部根统计质量控制,如今这是一个复杂系统分析的有力工具。美国能源部的统计方法和组织结构的几个因素(实验38]。这种方法不仅决定了每个因素对响应变量的影响,但同时也考虑多个影响。能源部扩展技术,包括等设计完整的阶乘,分数的阶乘,和嵌套设计。具体设计为每个问题,选择应该基于不同条件的问题。我们的问题由树有效的因素,即库存政策,再订购点,和交货时间,这些因素对目标函数值的非线性影响。能源部在这项研究的目的是生产决策空间与几个因素(在本研究中,有3因素),最好使用全因子设计。另一方面,由于非线性的行为(即响应变量。点是,目标函数)中心。每个因素都有高水平的“+”,低水平和中心“−,0。”因素和水平配置如表所示2而表3显示了实验设计。在这两种表,负号代表低水平的相关因素,加号的高水平的指标因素和零决定中心的观点。例如,在领先的情况下时间(),3是低水平,7是高水平,5是中心。交货时间被认为是与天计量单位,开始从时间顺序组织到库存的到来。再订购点贴上是为了满足产品需求在交货时间()。最终,库存政策是贴上IP和指库存政策,部分中描述4.1。2。提到的设计包括27分,有四个反应变量:成本、服务水平,平均库存的位置,和鲁棒性。事实上,前三个反应变量预计值定义的目标函数(即。,分别地。,(1),(2)和(3)),但是鲁棒性是一个定义的标准,保证最优解仍然有效的情况变化和强化增加的需求。鲁棒性的评估,要求是乘以与正态分布随机变量(,)。这个随机变量也局限于积极价值观,防止消极的要求。4000生成数的期望值与提到的约束等于1.48;这个结果意味着增加随机数增加需求变化和强化,同时进行。然后,服务水平下降的百分比被认为是所有27个场景由能源部的鲁棒性。很明显,一个较低的服务水平下降是可取的。

4.2.2。重量分配基于PCA方法

PCA是“主成分分析”的缩写和被称为强大的数据驱动的方法成功地应用在多个领域(2]。PCA分析可以确定关键变量控制大部分的可变性。这种技术有助于消除不重要变量来减少数据集的维数。PCA考虑两个标准为每一个变量的数据集:第一个是可变性和第二个是与其他变量的相关性。所以,输入该方法由方差协方差矩阵(39,40]。虽然熵等其他方法适用于多属性决策问题,PCA优势是相当大的,因为变量相关性不被忽视。作为我们的问题是高度相关的变量的构造,PCA是可取的选择。相关理由,记住,提高库存水平标准导致了负面影响短缺成本或提高服务水平标准导致了负面影响库存的手,储存成本。在这种情况下,没有理由应用基于变异方法等熵,所以本文PCA是申请重量分配。使用这些权重MADM技术(部分中描述4.2.3)以提高质量的排名。因为相对效用的场景中,线性没有鳞的方法用来没有鳞的仿真得到的数据。(1)没有鳞的矩阵计算哪一个是没有鳞的价值场景的观点标准。(2)计算样本均值向量;并根据(协方差矩阵7)和(8),分别 (3) 是对角线矩阵,th对角线元素是,样本相关矩阵所计算以下方程: (4)解下列方程,是一个单位矩阵: 解决(10)的结果个人特征值有关和。这些特征值特殊技能特征向量,和。这些向量创建主成分表达以下方程: (5)选择足够数量的主要组件。在这个问题上,首先,组件的累积比例的特征值()大于95%。累积百分比计算基于以下方程: (6)最后,权重向量表示来源于数学关系(13),而等于,如果整个的元素是积极的,否则如果整个组件是负的 在其他情况下,积极的还是消极的应该定义的顺序,最终权向量是正的。更详细的讨论,请参考[41]。最后,对于每一个产品,有四个参数,确定以下标准的相对重要性:成本、服务水平,平均库存的位置,和鲁棒性;的每个元素向量除以归一化向量元素的总和。

4.2.3。VIKOR法

这个方法是由Opricovic和缩写的表达,在塞尔维亚意味着“多重准则优化和妥协的解决方案”(42]。VIKOR法是基于妥协的解决方案,是余的结果(43和泽里尼44)的研究。这种方法认为接近理想的解决方案。与其他MADM方法相比,VIKOR能够妥协的解决方案和替代品,这些解决方案和最好的必要性(45]。VIKOR法适用于多个离散标准的问题。一般来说,这种方法可以认为是排名工具由能源部的场景。排名是基于帮度量函数根据(14)的定义的价值th标准场景。在建设帮度量函数,显示最重要的价值是场景的观点th标准和代表了最糟糕的价值是场景的考虑标准。重量参数吗th判据,利用主成分分析法(PCA)提取方法。考虑 VIKOR法只涉及和这被称为和,分别。和指数是指场景这两个函数被认为对于每一个场景。VIKOR步骤如下。(1)计算和所有的标准。(2)计算和整个的场景。(3)与假设和的最小值在所有吗和分别,也和最大的值比较的吗和分别计算出基于(th场景15)。在这个方程,是战略性的重量决定个人的重要性标准()对集团的重要性标准(为每个场景)。考虑 (4)应该在降序排序基于场景,,特别是,结果在三个不同的排名列表。(5)根据,所显示的场景是最好的场景中,如果两个条件,即(C1)和(C2)感到满意。

(C1)。可接受的优势。这种情况意味着第二个最佳解决方案()应该足够远的最佳解决方案()被接受作为独特的解决方案。中定义的数学方程(16),考虑场景的总数。考虑

(C2)。可接受的稳定。这种情况验证最好的稳定解也是最好的解决方案基于吗或。

如果一个或两个提到的条件不满意,妥协的解决方案。VIKOR法表明,在这种情况下妥协的解决方案有同等价值的最佳解决方案,决策者可以考虑互换。

如果不满意(C1),场景被认为是。是最好的解决方案妥协的解决方案的优先级。另一方面,,如果不满意(C2)。上标是由(17)

5。数值结果

模拟过程的笔记本电脑上执行1.8 GH CPU和4 GB的RAM。运行每个复制的动画和最大速度需要7分35秒。每个场景的模拟包含10个复制,有27个场景,总的仿真时间2046分36秒。

5.1。多分辨率建模结果的需求

造型提出了产品的需求的结果因为这种分析其他产品是相似的。对于这个问题,多项式函数申请年度和月度需求率。方程(18)和(19)是由非线性回归估计模型。在这些功能和是时间变量 和95%置信区间提出了表4对于每个系数(18)。

在这个表中,系数(18)在第一列是可见的,而每个系数的降低外滩,外滩上介绍了第二和第三列,分别。没有间隔包括零,因此得出结论,系数估计是有效的。

估计误差为报告基于平方误差的总和(SSE)。考虑 月度需求率函数所表示的及其系数提出了置信区间表5。看到= 0.0005825。根据当地的商业信息,总需求的产品估计在5年内约6822辆。根据产品的信息,图2对该产品的多分辨率显示最终结果。

5.2。仿真参数和配置

模拟的问题,有必要配置库存政策参数和变量。我们有三种不同的政策,即FQ FI, DF。再订购点FQ政策的变量(),交货时间(),订单数量和经济()。前两个变量是基于表的配置2和第三个变量来自威尔逊公式,根据需求,平均持有成本()和订货费用()。计算值是57岁,71年、72年和72年的产品,,,,分别。

订单数量是未知的FI政策和基于概率分布函数计算每个产品的需求模拟获得的20天的时间间隔。分布拟合由输入分析器执行领域的软件产品和图形结果如图3。其他产品的结果被发表在表6。

在这个表中,每个产品安装概率分布函数提出了第二列值大于0.15的拟合拟合分布的受让人善意的配件95%置信水平。最后,根据拟合分布函数,FI政策,适当的订购数量的每个产品提出了第四列。

DF政策有两个未知参数,即和。第一个参数是当前实际需求的重量(4的重量),第二个是当前的趋势(5)。这些参数调整后五年的仿真需求。对整个四个产品的需求同时被认为是和平均失去销售比例被认为是反应变量。不同的响应变量值在表中7。根据不同的值和,最好的值和分别为0.9和0.1,结果在最小损失的平均百分比。

5.3。权重赋值

如前所述,PCA适用于重量分配。为此,美国能源部结果需要决策矩阵的形式,如表所示8。在这张桌子,四个标准:成本、平均库存水平,服务水平和鲁棒性是评价产品的每个场景。决策矩阵应该没有鳞的,是由线性方法。然后,特征值计算的结果和表所示9。还提出了主成分在表的结果10。

因为它是可见的在表9,累计比例的第一和第二组件0.966大于0.95,所以前两个组件被认为是主要的组件。他们的相对权重分别为0.78和0.186。最终的权重归一化和结果被发表在表11。

5.4。排名和选择的场景

标准的权重通过PCA方法除了决策矩阵输入VIKOR法。,,值计算的基础上(14)和(15所示),而战略重量等于0.5,个人和群体效用具有相同的重要性。报道在表计算值12对于整个场景作为VIKOR输出。

产品 。根据表12、价值观的,,是场景18 0。关于(C1) (可接受的优势),最好的场景之间的区别和排名第二的场景应该超过0.0038。排名第二的情形有关值是场景3,它的值是0.051044,满足(C1)和(C2)。最终结果的产品独特的场景,是18号,由以下配置。库存政策是DF等于30产品和交货时间7天。根据决策矩阵如表所示8,这种情况下对产品的性能结果在38.3944产品的平均库存水平和预期产品生命周期成本等于35269609。73%的客户需求得到满足,在日益增长的需求强度和变化的情况下,在服务水平预计下降2%,所以它会变成71%。分析为其他产品是相似的,所以只有最终结果了。

产品 。在这种情况下,VIKOR法排名场景数量15个最好的一个。这个场景包括DF库存政策,20个产品和交货时间5天。这个场景的性能结果在37.4778产品的平均库存水平。预计成本是31603294和服务水平将达到66%。此场景与需求强劲集约化和变异因为需求的变化影响服务水平的1%。但场景数量15不满足(C1),所以妥协的解决方案。虽然最好的场景是15号,VIKOR法意味着妥协的解决方案具有相同的值。所以,在现实情况下,妥协的解决方案可以取代。这个解决方案对他们的优先级如下。场景24:库存政策东风,等于30产品,交货期是5天。DF场景18号:库存政策,等于20产品,交货时间是7天。DF场景12号:库存政策,等于20产品,交货时间是3天。

产品 。对于这个产品,场景1号是世界最好的。这个场景包括FI库存政策,是15产品,交货时间是3天。这种情况的结果是43.87产品的平均库存水平。预计成本是66143000和服务水平将鲁棒性为1% 61%。妥协的解决方案如下。场景6号:库存政策东风,15个产品,交货时间是5天。场景3:库存政策东风,是15产品,交货时间是3天。场景7号:库存政策FI,是15产品,交货时间是7天。场景4:库存政策FI,15个产品,交货时间是5天。

产品 。场景3号有最好的对该产品的排名。这个场景包括DF库存政策,是15产品,交货时间是3天。这种情况会导致36.3896产品的平均库存水平与62648337预期成本和服务水平为1% 61%的鲁棒性。妥协的解决方案如下。场景6号:此场景之前提到作为一个妥协的解决方案产品C。场景17:库存政策FI,= 15产品,交货时间是7天。

5.5。敏感性分析

在前一节中提到的,所有的场景相关的产品喜欢DF库存政策,因此得出结论,DF政策是独一无二的最优政策而带来的时间包括值3,5,7在选定的场景。这种情况意味着产品对交货时间。它可以明智决定交货时间约5天,但不需要严格控制交货时间应严格控制,防止库存达到低于20个产品。

在产品的情况下(C1)满足有一个独特的场景虽然有四个妥协的解决方案产品。在这种情况下,基于VIKOR法,妥协的解决方案具有相同的价值,而互动情节可以申请调查现有的区别影响的解决方案。如前所述,这种产品最好的场景表明FI库存政策,但在妥协的解决方案有两个FI和DF政策。交货时间从3 - 7天不等。这混乱的情况是通过深入的分析和应用交互图来解决。图4显示了DOE因素交互图和平均库存水平的响应变量。

图4显示与DF或FI政策,没有显著差异在不同角度的交货期库存位置,但DF导致更少的平均库存水平。与等于15,有更少的敏感性不同的交货期。所以,配置等于15个产品,库存位置的平均标准将强劲的对交货时间的变化。

图5把成本标准,表明FI和DF政策相等,使灵敏度与交货时间。另一方面,三块对交货时间是平行的。并行情节解释为缺乏之间的关系和交货时间。与等于15,增加库存成本可以减轻当交货时间3天。

在图6,3天交货时间,之间没有显著差异库存政策服务水平的观点。交货时间是独立的和最好的服务水平与FI政策,这也是非常敏感的。作为增加,服务水平将会增加。根据情节的交互分析,产品的最优决策FI库存政策,3天交货时间和15个或更多的产品吗。

决定产品很简单。基于信息获得解决方案,建议使用DF库存政策等于15产品和交货时间3天。

6。结论

本文提出了一种模拟优化框架的鲁棒优化零售商库存系统。这个框架不太耗费时间与metaheuristic或SPSA方法相比,它还为多个目标函数提供了健壮的解决方案。在这项研究趋势和周期性变化的客户需求被认为是更现实的问题。提出了由离散事件仿真和代理模型框架。在这个框架中,全因子设计实验是用于生产决策空间。基于三个决定因素,27个不同的场景产生和模拟。在仿真模型中,多分辨率方法适用于模拟的需求高度动态模式。因为有多个标准库存系统性能,采用VIKOR法作为多准则决策方法。此外,鲁棒性被认为是性能标准和PCA用于改善VIKOR法的性能。最后,开发框架给最好的排名和妥协的解决方案,所以互动情节申请更多的调查和灵敏度分析得到解决方案。

由于新奇拟议的框架,建议未来的研究涵盖供应链库存系统的优化集成。改善开发框架也可以被认为是未来的研究。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者感谢匿名评论者的重要角色在本研究质量的改进。

引用

1. s . min”Multiple-supplier库存模型在供应链管理:一个评论,”国际生产经济学杂志》上卷,81 - 82,265 - 279年,2003页。视图:出版商的网站|谷歌学术搜索
2. 阴,s . x叮,A . Haghani h,张平,”比较研究的基本数据驱动的故障诊断和过程监控方法的基准田纳西伊士曼的过程,”《过程控制,22卷,不。9日,第1581 - 1567页,2012年。视图:出版商的网站|谷歌学术搜索
3. 阴,s . x叮,a·h·a·莎丽和h,“数据驱动随机系统的监测及其对批处理的应用程序,“国际系统科学杂志》上,44卷,不。7,1366 - 1376年,2013页。视图:出版商的网站|谷歌学术搜索|MathSciNet
4. 和h r s, g . Wang Karimi)“数据驱动风力涡轮机设计的鲁棒故障检测系统,”机电一体化,24卷,不。4、298 - 306年,2014页。视图:出版商的网站|谷歌学术搜索
5. 哈德利和t . m .写上分析库存系统新世纪国际管理系列,纽约,纽约,美国,1963年。
6. e . Naddor库存系统约翰·威利& Sons,纽约,纽约,美国,1966年。
7. r·彼得森和e·a·银,决定系统库存管理和生产计划约翰·威利& Sons,纽约,纽约,美国,第二版,1985年版。
8. t·c·e·陈,“经济订货批量模型demand-dependent单位生产成本和不完美的生产工艺,”国际教育协会事务,23卷,不。1,23-28,1991页。视图:谷歌学术搜索
9. c . c, s·h·陈王,a . ram”透露下的模糊库存模型功能”原则,信息科学,卷95,不。1 - 2、71 - 79年,1996页。视图:出版商的网站|谷歌学术搜索
10. x赵、j .谢和j·c·魏”早期的价值秩序的承诺在两级供应链,”欧洲运筹学杂志》上,卷180,不。1,第214 - 194页,2007。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
11. r·s·m·刘,j·谢,x赵,“库存策略对供应链性能的影响:关键的决策参数的仿真研究,“计算机和工业工程,55卷,不。3、620 - 633年,2008页。视图:出版商的网站|谷歌学术搜索
12. 徐和l .赵”,多目标决策模型与模糊粗糙系数及其应用库存问题,“信息科学,卷180,不。5,679 - 696年,2010页。视图:出版商的网站|谷歌学术搜索|MathSciNet
13. f . Hnaien x Delorme, a . Dolgui”库存控制的多目标优化两级装配系统的不确定性下交货期,”电脑与行动研究,37卷,不。11日,第1843 - 1835页,2010年。视图:出版商的网站|谷歌学术搜索|MathSciNet
14. h . d, h . m .凌晨,y Praharsi,“两个库存审查政策供应链配置问题,“计算机和工业工程,卷63,不。2、448 - 455年,2012页。视图:出版商的网站|谷歌学术搜索
15. b·l·尼尔森,”50周年的文章:随机模拟研究在管理科学,”管理科学,50卷,不。7,855 - 868年,2004页。视图:出版商的网站|谷歌学术搜索
16. j . Boesel r·o·鲍登Jr . f . Glover j·p·凯利和e . Westwig“仿真优化的未来”冬季模拟研讨会论文集,页1466 - 1469,阿灵顿,弗吉尼亚州,美国,2001年12月。视图:谷歌学术搜索
17. m·c·傅”优化仿真:理论与实践”通知杂志上计算,14卷,不。3、192 - 215年,2002页。视图:出版商的网站|谷歌学术搜索|MathSciNet
18. l .王”,一个混合遗传algorithm-neural网络仿真优化,战略”应用数学和计算,卷170,不。2、1329 - 1343年,2005页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学|MathSciNet
19. 比比Keskin是s . h . Melouk, i l·迈耶”的仿真优化方法综合采购和库存决策,”电脑和运筹学,37卷,不。9日,第1661 - 1648页,2010年。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
20. e . Mazhari j .赵:侯赛因·s·李,y的儿子,和l的头,“混合模拟,文中针对设计和操作集成太阳能光伏发电累计容量存储单元,网格,”仿真建模实践和理论,19卷,不。1,第481 - 463页,2011。视图:出版商的网站|谷歌学术搜索
21. 问:段和t·w·廖”,优化补充政策分散和集中的生产供应链在不同要求,“国际生产经济学杂志》上,卷142,不。1,第204 - 194页,2013。视图:出版商的网站|谷歌学术搜索
22. j . c .碎裂,“多元使用同步扰动随机逼近梯度近似,”IEEE自动控制,37卷,不。3、332 - 341年,1992页。视图:出版商的网站|谷歌学术搜索|MathSciNet
23. j . c .碎片”,实现同步扰动随机优化算法”IEEE航空航天和电子系统,34卷,不。3、817 - 823年,1998页。视图:出版商的网站|谷歌学术搜索
24. j . c .碎裂,“随机优化和同时摄动法”冬季模拟研讨会论文集(WSC的99)1999年12月,页101 - 109。视图:谷歌学术搜索
25. j·d·施瓦茨w . Wang和d·e·里维拉”基于仿真的优化过程控制策略在供应链库存管理”自动化,42卷,不。8,1311 - 1320年,2006页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
26. h . g . Neddermeijer g . j . v . Oortmarssen, n p·r·德克”的框架响应面方法模拟优化,”冬季模拟研讨会论文集,卷1,奥兰多,佛罗里达州,美国,1999年12月。视图:出版商的网站|谷歌学术搜索
27. b和c鼓了,“一个比较元建模遗传编程和人工神经网络的离散事件仿真模型,”电脑与行动研究,39卷,不。2、424 - 436年,2012页。视图:出版商的网站|谷歌学术搜索
28. a . Azadeh z s Faiz s . m . Asadzadeh和r . Tavakkoli-Moghaddam”一个集成人工神经计算机网络模拟复杂串联排队系统的优化,“数学和计算机模拟,卷82,不。4、666 - 678年,2011页。视图:出版商的网站|谷歌学术搜索|MathSciNet
29. r . Bornatico j .轻佻,a .通过和l . Guzzella”替代能源系统的快速优化建模,”能源57卷,第662 - 653页,2013年。视图:出版商的网站|谷歌学术搜索
30. x Wan, j . f . Pekny g . v . Reklaitis”与代理模型:应用程序基于仿真的优化供应链管理,“电脑和化学工程卷,29号6,1317 - 1328年,2005页。视图:出版商的网站|谷歌学术搜索
31. j·w·史,z . Liu商,y崔,“多目标稳健设计基于jit的交叉运输配送中心的汽车零部件供应链,”欧洲运筹学杂志》上,卷229,不。3、695 - 706年,2013页。视图:出版商的网站|谷歌学术搜索
32. g . Dellino j . p . c . Kleijnen和c·梅洛尼,”鲁棒优化仿真:田口方法和响应面分析,“国际生产经济学杂志》上,卷125,不。1,52-59,2010页。视图:出版商的网站|谷歌学术搜索
33. t·杨,y温家宝,f·王,”鲁棒性评价供应链信息共享策略的使用混合田口和多标准决策方法,”国际生产经济学杂志》上,卷134,不。2、458 - 466年,2011页。视图:出版商的网站|谷歌学术搜索
34. m·e·库尔和j·r·威尔逊“建模和模拟泊松过程趋势或nontrigonometric循环影响,”欧洲运筹学杂志》上,卷133,不。3、566 - 582年,2001页。视图:出版商的网站|谷歌学术搜索|MathSciNet
35. p . Narayan和j .萨勃拉曼尼亚库存管理原则和实践,Excel书籍,新德里,印度,2008。
36. e·a·银和r·彼得森决定系统库存管理和生产计划约翰·威利& Sons,纽约,纽约,美国,1985年。
37. r·g·布朗,平滑、预测和离散时间序列的预测,2004年快递。
38. d . c .蒙哥马利实验设计与分析约翰·威利& Sons,纽约,纽约,美国第六版,2005年版。视图:MathSciNet
39. j·朱”,数据包络分析与主成分分析:一个说明性的中国城市经济表现的研究,“欧洲运筹学杂志》上,卷111,不。1、50 - 61年,1998页。视图:出版商的网站|谷歌学术搜索
40. i m . Premachandra”,注意在DEA与主成分分析:乔·朱的方法的改进,”欧洲运筹学杂志》上,卷132,不。3、553 - 560年,2001页。视图:出版商的网站|谷歌学术搜索|MathSciNet
41. d . Slottje g·w·史卡利,g . j . Hirschberg和k·海斯,衡量生活质量的跨国家:多维分析美国科罗拉多州博尔德,北京大学出版社,1991年。
42. s . Opricovic土木工程系统的多准则优化[博士。论文)、土木工程学院、贝尔格莱德,塞尔维亚,1998。
43. p . l . Yu”一类群体决策问题的解决方案。”管理科学,19卷,不。8,936 - 946年,1973页。视图:谷歌学术搜索|MathSciNet
44. m·泽里尼多准则决策美国麦格劳-希尔,纽约,纽约,1982年。
45. 美国Opricovic和g . h . Tzeng”扩展VIKOR法与级别高于方法相比,“欧洲运筹学杂志》上,卷178,不。2、514 - 529年,2007页。视图:出版商的网站|谷歌学术搜索

版权

版权©2014 Ahmad Mortazavi Alireza Arshadi khamseh。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。