文摘
越来越不确定的经济环境下,研究城市配电系统的可靠性具有重要的现实意义为一体的物流和供应链资源。本文总结了影响城市物流配送系统的因素。从研究的因素,影响城市配电系统的可靠性,进一步建设城市配电系统可靠性的影响是建立基于贝叶斯网络模型。复杂问题简化使用sub-Bayesian网络,和一个例子进行了分析。在计算过程中,我们结合了传统贝叶斯算法和期望最大化(EM)算法,使贝叶斯模型能够更准确的基础。结果表明,贝叶斯网络能准确反映影响因素之间的动态关系城市配电系统的可靠性。此外,通过改变节点的先验概率的原因,变量之间的关联度影响成功的分布可以计算。结果有重大的实际意义上改进的质量分布,分布的水平,企业的效率。
1。介绍
起伏的经济发展近年来,城市化进程加快,城市被扩大,和城市人口的急剧增加,从而导致越来越复杂的经营环境,如多样性、不确定性和不稳定的市场。在这种情况下,研究城市配电系统的可靠性越来越重要和有现实意义整合物流与供应链资源,进一步提高国民经济的持续、健康、快速发展。
城市分布的可靠性水平不仅反映了各种单元组件的容量分布系统中相互联系和协调,但也反映出能力保证快速、稳定,为社会和经济可持续发展的环境。城市分布是敏感的内部和外部开发过程中,这使得它更容易成为干扰并影响其可靠性。
贝叶斯网络是一个图形模型,结合图论和概率论在人工智能领域。它可以模拟不同主体在现实世界之间的因果关系,也结合先验知识和后数据。贝叶斯网络是一个重要的应用程序在处理不确定信息,并已成功地应用于多个领域,如医疗诊断,统计决策和学习预测。在本文中,我们使用贝叶斯网络的影响因素深入分析城市配电系统的可靠性。贝叶斯网络的参数学习主要是基于现有的训练数据。但在现实世界中,几乎没有学习的完整的数据。EM算法是一种算法的参数,可以提高网络参数的准确性。所以我们结合贝叶斯网络和EM算法使计算值更加精确。
本文的其余部分组织如下。部分2提供了相关文献对城市分布、城市配电系统可靠性和贝叶斯网络。部分3描述了城市配电系统的可靠性影响因素。部分4提出城市配电系统可靠性模型,基于贝叶斯网络的因素。节5,提出了不同情况下的数值研究。部分6提出了研究的结论。
2。文献综述
可靠性研究在许多领域被广泛应用,但物流系统的研究只是近年来逐渐出现。目前,已经有一些国内外学者对物流系统的可靠性研究。供应链可靠性的研究成果可用于物流系统的可靠性研究路线、方法和工具,等等。
托马斯(1)第一次使用可靠性工程研究供应链中,给供应链可靠性的概率模型在紧急环境中,但它不涉及物流操作细节。为了保证供应链的正常运行,陈和雪2)建立一个综合评价模型基于MAS的供应链的可靠性(移动代理服务器)。城市物流系统是一个复杂的网络系统;一些学者进行了研究城市物流网络的可靠性的复杂网络的可靠性。Tran和Zhiya3)测量客户缺乏定义的物流系统和物流网络的供应可靠性、弧可靠性和物流网络可靠性从概率的角度。他们建造一个单层网络可靠性模型。然后提出了物流网络的可靠性优化问题,构建了一个双目标基于服务的可靠性和成本的机会约束规划模型。来衡量物流系统的可靠性,林4)提出了一个模型和方法来衡量网络的操作性能和网络结构的可靠性,当物流网络节点故障。舒尔勒et al。5)定性讨论了物流系统的可靠性和其他一些物流属性的指标和方法影响物流系统的可靠性,但并不是严格的定量研究。王等人。6)物流服务的可靠性定义为距离的函数,提出物流服务的建模方法的可靠性。Križman [7]研究了测量方法和物流结构可靠性的聚合效度算法。徐et al。8)提出了一个二层规划模型,可以减少或消除不利影响的协同物流网络(CLN)资源供应的不确定性匹配过程。通过添加的约束,这个模型减少了资源规划的频率和成本变化,导致增加CLN操作的稳定性。物流领域的系统可靠性的研究,现有的文献研究侧重于物流系统可靠性指标,评价和预测,主要使用蒙特卡罗概率故障树,分析方法建立物流系统可靠性的评估模型,取得了一定的研究成果。从研究趋势,研究物流系统的可靠性将会更加具体,如可靠性水平和影响因素的问题。此外,研究物流系统的可靠性将会更加密切结合迫切需要解决的关键技术问题,在国民经济和社会发展,以及应用价值将变得越来越明显。
贝叶斯网络是一个方法,已广泛应用于故障诊断、可靠性分析、经济预测等。自2001年以来,贝叶斯网络的应用扩展到风险分析由韦伯et al。9]。例如,很et al。10]研究了网络建设程序集中提高风险分析的可靠性。通过应用概率推理理论的网络拓扑,贝叶斯网络可以用来识别Hanninen和Kujala[最具影响力的因素11]。现在贝叶斯网络应用于物流系统的研究。Tian-kui et al。12)提出模糊综合评价供应链基于贝叶斯网络的风险。以一个企业的供应链风险作为一个例子,他们对数概率计算风险事务通过线性推理的贝叶斯网络,然后算出了主要风险事务及其等级的模糊综合评价的方法。李等人。13)建立一个当地食品供应链风险分析模型基于贝叶斯网络,可预测的风险。Wen-Fang [14]分析了影响物流绩效评价的关键因素及其相互关系通过分析物流绩效评价的内涵。和物流绩效的评价指标体系是由物流服务质量性能、物流战略和体系,经营服务和支持。郭et al。15)结晶的抽象问题冷链物流系统故障和建造故障树根据各种功能部分的操作特性和冷链物流系统的事件之间的因果关系。通过故障树向贝叶斯网络转化,方便画一个综合评价系统可靠性的冷链物流系统和显示系统故障的主要原因,为了为提高系统可靠性提供了定量的基础。从这些结果可以看到,贝叶斯网络的使用非常广泛,但使用并不广泛领域的物流系统的可靠性。本文应用该方法研究城市物流配送系统的可靠性影响因素,分析这些因素对系统可靠性的影响。
EM算法在1977年由法官et al。16)是一个迭代的最大似然估计的优化策略寻求参数。它可以关注noncomplete数据参数的最大似然估计。这种方法可以广泛应用于缺失的数据,不完整的数据,与噪声和审查数据。一些学者将EM算法和贝叶斯网络来解决这个问题。刘和他(17]应用朴素贝叶斯方法和EM算法在中文网页分类,使最终的收敛结果通过不断改变收敛的初始条件。王等人。18)提出了一个方法,结合数据修改和贝叶斯结构EM算法,有效地学习贝叶斯网络的小型数据集。魏和汇金19)使用朴素贝叶斯的结果作为初始的EM,然后完善重复的值,最后得到除外最大化价值。曹et al。20.]提出一种基于云模型的学习算法和EM算法来解决这个问题,节点已离散的概念模糊和随机贝叶斯网络。这些论文注重理论研究。摘要EM算法和贝叶斯网络相结合来研究城市配电系统可靠性的影响因素。
3所示。分析了城市物流配送系统的关键影响因素
本文将讨论四个影响因素。他们是硬件配置、人员操作、外部因素、客户需求的变化。
3.1。硬件配置
对于硬件配置,有设施,物流技术和信息系统。
设备是物流系统的一个最重要的元素,进行各种任务的物流运作的各个环节,在物流系统中一个非常重要的地位。物流设施包括物流包装、仓库、存储、运输、装卸搬运、集装箱利用率和港口物流和配送设施在加工的过程中。先进的物流设施和设备的保证效率,高质量,低成本的物流运作。因此物流配送系统的效率会非常低,而物流设备。
物流技术包括一些基本的技术和方法,如物流预测,供应商选择、库存控制和物流包装。物流行业的内容变化日新月异,所以物流的新概念和技术在物流行业的发展发挥了重要作用。在21世纪,一些物流理论和技术,如“边境物流”“6σ物流”“闭环物流和逆向物流,”和“RFID”极大地促进了物流业的发展。但与此同时,他们给我们带来了更多的挑战和不确定性的城市配送系统。
商品的流动伴随着信息的流动,和信息在城市物流系统中起着重要的作用。在中国,没有统一的物流信息平台,从而直接导致各企业之间的信息共享程度低。一方面,由于信息交流的困难,一旦有一些出现的问题,将很难正确的错误信息,这将大大影响物流配送系统的可靠性。另一方面,由于缺乏一个统一的标准化体系,很难传输在不同企业的信息,最终削弱信息系统的功能。
3.2。人员操作因素
人员操作因素指的是系统的不确定性造成的具体操作问题。它包括储存过程中,存储过程,送货人员的质量。
分配股票的基本工作,主要包括订单、采购、集货、采购、和其他相关流程。股票是一个成功的关键环节分布,这也是一个重要的因素影响城市物流配送系统的可靠性。任何人员信息输入,错误的标签的帖子,扫描错误将推迟交货。
存储是保证满足客户的需求,处理紧急和重要组成部分,以确保城市物流配送系统的可靠性。存储应该有计划地基于过去的经验和处理客户订单。囤积的商品不仅会延长现金周期也可能导致一些风险快速更换产品。
送货人员的质量直接影响货物交付率和客户满意度。分销行业管理有一些需求。(1)及时性:在规定的时间内交货吗?(2)安全:货物是否损坏或丢失?一些产品需要开箱检查质量和数量的客户(服务质量)。送货人员的态度可能大大决定了客户的满意度。操作主要包括运货单和包装完成。
3.3。外部因素
外部因素是指城市物流配送系统的外部因素包括政府政策因素,紧急情况,宏观经济波动,国际因素。
在中国,政府的政策是对物流的发展,具有重要意义和政府政策的变化将显著影响物流产业的发展,同时不可否认,仍有一些缺陷的中国政府职能的过程中,城市物流发展,主要包括政府的物流管理系统的缺陷,政府缺乏对现代物流的指导,和政府监管薄弱环节的物流市场。因此,城市物流的发展需要城市基础设施系统的建立,提高企业物流网络,物流系统和物流标准化的建设,为企业发展和良好的环境。政府政策的不可预知性带来了一系列的不确定性,这将直接影响城市物流系统的可靠性。
国务院发布的“整体国家公共紧急应变计划,”提到公共紧急事件可能造成重大人员伤亡,财产损失,环境破坏,严重的社会危害,公共安全问题。公共紧急意外的特点、复杂性、破坏性和连续性。许多突发性自然灾害可以中断物流操作过程和影响城市物流流程和功能的正常功能。因此,突发公共事件的不确定性是一个重要因素的城市物流配送系统。
城市物流配送系统是一个复杂的经济系统内的相互影响和相互制约整个国民经济。首先,城市物流经济是国民经济的重要组成部分的系统。一方面,它的发展将促进国民经济。另一方面,国民经济的发展也有重大影响城市物流的发展。和宏观经济波动对城市物流系统有很大的影响。当宏观经济过热,物流经济将会蓬勃发展,甚至有扩大的趋势。当宏观经济下滑,城市物流需求将减少和投资将会大大减少。
随着经济全球化的发展,中国经济与世界经济之间的联系逐渐加强特别是在中国加入WTO(世界贸易组织),同时也给我们带来的机遇和挑战。企业一直面临着来自国内外的竞争压力。国外物流企业进入我国对国内企业的发展成为一个挑战。同时,国家之间的联系变得比以往更紧密。一个国家的经济波动也会影响其他国家的经济发展,给城市经济带来一系列的不确定性。
3.4。客户需求
从客户需求的角度来看,频繁更改客户的订单和订单的违规行为影响需求预测。的企业在更短的生产周期,需求预测的变化会导致相应的生产计划的变化,采购,和调度。为企业生产周期的时间越长,变化是无法满足客户的最终需求,因为它不能改变生产计划。需求的不确定性主要来自于错误的预测方法,决策错误和变化的客户需求。
4所示。贝叶斯网络建设
4.1。贝叶斯网络的基本原理
贝叶斯网络是一个图论模型,建立了基于概率的随机变量之间的关系和由有向循环图(DAG)。它有两个要素:节点和弧。节点是贝叶斯网络结构的基础,代表了贝叶斯网络的基本元素建模活动。有向弧节点表明条件之间的依赖关系的结果最终导致节点节点。贝叶斯网络可以表达的数学表达式如下:,,,和代表节点和弧的贝叶斯网络。一个简单的贝叶斯网络图所示1。
在图1,,,代表单个节点,每个节点变量来表达的应该是小写字母。例如,节点的变量表示为和满足以同样的方式,我们可以代表的变量节点,。
假设的存在在贝叶斯网络中,有多达独立的节点:
根据公式(1)和是的定理、联合和条件概率
公式(2)可以进一步表示为 可以被称为父节点的贝叶斯网络,如果导演弧连接节点与并从节点来,我们称之为的父节点和是一个子节点。如果没有父节点,我们称之为根节点。
全概率公式如下。
样本提供了实验空间,是一个事件的,是一个分区,。
然后,
贝叶斯网络是一种概率推理算法的基础上,在贝叶斯网络中节点变量之间的关系。在实际应用程序中,贝叶斯网络的具体结构是相当复杂的,和概率推理的贝叶斯网络可能相对困难和乏味,相邻节点之间的网络被认为是nonindependent,所以我们可以定义一个节点作为一个中间节点,节点可以形成一个sub-Bayesian网络子节点和父节点。通过这种方式,一个复杂的贝叶斯网络可以分解成一系列简单的“sub-Bayesian网络”通过概率推理“孩子贝叶斯网络”,它可以找出整个贝叶斯网络的条件概率。我们首先设置先验概率的贝叶斯网络,和导演弧代表节点之间的关系,使用概率论的基本原理,概率推理网络节点之间可能反映了影响程度的结果引起的节点。因此,我们可以计算出节点的概率关系在不同结构根据不同的需求,然后反映节点之间的关系。
4.2。参数学习
贝叶斯网络的参数学习主要是基于现有的训练数据。但在现实世界中,几乎没有学习的完整的数据。因此,为了提高网络参数的准确性,修改基于数学方法是至关重要的。在这里,期望最大化算法(Kjærulff和马德森[21])。作为一个参数调整算法,它可用于最大化似然估计和不完整的数据。期望通过迭代步骤,最大化一步,EM算法可以逐渐修复缺失的数据和改进,直到数据可能性值达到一个局部最优。在期望步骤中,电流的似然函数的参数预计当套样品吗给出;最大化的一步,在预期的阶段获得的似然函数最大化。和替换下一个期望最大化的结果,然后执行所需的计算。EM算法重复步骤和到预期的估计误差小于一个固定的限制。EM算法的参数估计提供了一种可靠的方法,这是当前数据丢失方法最可行的解决方案。具体算法步骤如下。
贝叶斯网络结构,不完整的数据变量集如下:,是第一个不完整的数据变量设置;是完整的数据集,。
步骤1(期望步骤)。考虑 在哪里是参数估计的,是子节点,,的父节点是吗,,的数。的E-step EM算法来计算预期的充分统计为一个完整的数据库。
步骤2(最大化步骤)。考虑 在哪里是一种新的参数。最大化的步骤是计算的最大似然估计所表达的,。
5。案例分析
5.1。模型在城市配电系统可靠性的因素
根据城市配电系统可靠性因素的分析部分4,我们给城市配电系统可靠性因素的模型在这一节中,如图2。
5.2。Sub-Bayesian网络推理
为了便于分析,我们城市分布的贝叶斯网络系统可靠性因素分解成几个简单的“sub-Bayesian网络推理。“我们选择一个“sub-Bayesian网络”在图2为计算。在“sub-Bayesian网络中间节点的硬件配置,物流技术、设备和信息系统的父节点,和成功的子节点的分布如图3。
在贝叶斯网络中,我们得到了从物流公司最初的测量数据。我们做了一个抽样调查和样本的数量设置为50。表1显示了调查结果。然后我们分析数据,得到原因变量的先验概率。人类等因素和组织因素,统计数据是不够的。因此,EM算法和专家经验是至关重要的。当有数据缺失的数值统计结果,首先计算参数根据现有数据。然后第一个迭代计算的估计价值根据公式(5)和(6)。重复期望步骤和最大化的步骤,直到第一个和最后一个迭代值之间的误差小于0.005时,迭代停止。在这个时候,我们得到更准确的结果。EM算法、贝叶斯模型可以更准确的基础关系和事件之间的依赖关系。
在这个例子中,我们首先设置父节点的先验概率数据,如表所示2。其中,意味着物流技术适用于物流企业的操作;意味着物流技术不适合物流企业的操作;意味着设备处于良好状态;意味着设备不完好;意味着信息系统的使用将提高运营效率;意味着使用信息系统不会提高运营效率;意味着硬件配置系统功能正确;意味着硬件配置系统不能正常工作。意味着整个分配过程是成功的,意味着分配过程是不成功的。
代表建立了四个条件,等等。表3和4显示各种因素之间的联合概率。
根据公式(3)和全概率公式(4),我们就可以计算概率: 进一步我们可以推导出条件概率:
5.3。节间相关性计算根据先验概率的变化
在贝叶斯网络概率推理,我们定义的程度交互节点之间的关联程度。(我们使用“”。)改变后的贝叶斯网络节点的相关先验概率可以表示为下面的公式:
其中,指的是父节点的变化概率和子节点的变化概率,然后我们改变父节点的先验概率作为并保持的初始状态和。同样,我们可以推断出节点的概率和:,。
根据公式(9),我们可以计算相关性的物流技术和设备硬件,以及相关物流技术和成功之间的地理分布:
同样,我们可以计算情况改变父节点的先验概率,之间的相关硬件的设施和设备,以及相关设施和成功之间的地理分布:
当父节点的先验概率变化之间的相关性信息系统和设备的硬件以及信息系统之间的关联和成功的分布
结果在图给出4。从图可以看出4之间的相关性信息系统,设备的硬件,分布在最大程度上成功。信息系统对硬件设备有很大的影响,同时也成功的分布起着重要的作用。因此,我们建议,在日常操作中,分销企业应重视信息系统的日常维护工作,雇佣专业人员,确保信息系统的正常运行。之间的相关性信息系统、设备的硬件,和成功的分布很大。所以企业应增加设备投资。为了促进物流产业的发展,政府应该负责管理功能,加强基础设施投资,并创建一个良好的环境,这将为分销业务的发展提供一个坚实的基础。之间的相关物流技术、设备的硬件,和成功的分布是最小值,即使我们不能忽视。
5.4。节点的概率变化率计算条件概率的变化
在贝叶斯网络概率推理,我们可以模拟各种因素分布变化的影响程度的成功在特定环境中通过中间节点的条件概率的变化。摘要改变硬件设施和成功之间的条件概率分布分析为例。我们假设,随着外部环境的变化,硬件设施和成功之间的联合概率分布从0.82下降到0.7,当其他概率条件不改变,节点的概率是计算:,结果显示以上。因此,成功交付率的变化
当硬件设施和成功的条件概率分布变化,从0.82改为0.7,成功的销售将下降14.32%。同样,我们也可以计算影响因素的变化每个节点到其他节点的概率分布变化下的条件概率。
6。结论
本文的研究成果和贡献如下。
首先,根据贝叶斯网络结构的特点,一个复杂的贝叶斯网络可以分为几个简单的sub-Bayesian网络通过选择适当的中间节点,它可以减少计算的困难。本文以一个例子说明了这一点。
在分析因素对城市配电系统使用贝叶斯网络的可靠性,相关性因素的变量和成功交付可以通过改变计算父节点的先验概率,并通过每个节点的关联度,分析每个因素的影响程度分布的成功可以推断。
随着科技的发展,城市分布的影响因素系统和所有的影响因素之间的关系是不断变化的,通过调整变量的条件概率,和动态变化过程变量之间的关系可以更能反映真正的。与环境的变化,每个变量的条件概率会相应改变,和变量对配电系统的可靠性的影响会不同。因此,这种方法可以用来测量条件概率的概率的变化之间的节点。使用研究结果,配送企业可以计算各种因素对配电系统可靠性的影响,识别的关键因素,提高他们基于公司的实际操作。
相互竞争的利益
作者宣称没有利益冲突有关的出版。
确认
这项研究是由中国国家社会科学基金项目(15 bgl202);项目的计划“十二五规划”的主题在国家科学和技术在中国农村发展:示范农业物流安全的关键技术和设备分布(2015 bad18b01);北京项目的哲学和社会科学(13 jgc082);北京市教育委员会的项目(SM201410011002);项目的创新能力提升(PXM2016_014213_000033)。