英语原文共 21 页,剩余内容已隐藏,支付完成后下载完整资料
无人系统的物流保障
12.1 简介
运筹学关注于优化现实世界的任务,与物流直接相关,因为能力支持系统的组成部分可以用容易获取的现代软件建模、分析和优化。无人驾驶技术的进步将导致无人系统的任务变化和任务多样性的增加。因此,这些系统的物流保障也必须随着新技术和任务集的引进而适应。部分无人系统的新任务将在物流保障交付领域。本章旨在解决物流保障建模问题,讨论由于无人系统的引入而带来的具体系统适应性问题,并在建模新的物流系统时提出需要考虑的领域。
12.2鉴别无人系统的物流保障
主要是因为目前的无人系统的速度已经部署,支持这些系统已经有限,受制于传统的物流模式。由于热情的原始设备制造商(原始设备制造商)资金充足的合作,而且这些设备是由已经得到支持的标准现代部件制造的,因此目标相当容易实现。然而,随着目前处于研发和原型的无人系统将从根本上改变操作场景,这将发生变化。任务集(包括物流任务)将会改变和扩展,物流支持框架将会改善和适应具有挑战性的新任务,而操作将能够完成更多——一个新的物流技术的操作的良性循环。
12.2.1 物流
在私营部门,物流被定义为供应链过程的一部分,计划,实施,和控制的高效和有效的运输和储存商品包括服务及相关信息从起始点到消费为目的的符合要求。商业物流在很大程度上是基于效率来实现盈利的,它是由以下活动构成的,这些活动通常构成了所有商业物流系统:
bull;客户服务
bull;需求预测
bull;库存管理
bull;物流沟通
bull;材料处理
bull;订单处理
bull;包装
bull;零部件和服务支持
bull;工厂和仓库选址
bull;采购
bull;逆向物流
bull;交通运输
bull;仓储和储存
商业物流的研究始于20世纪50年代和60年代,当时总成本分析和跨活动管理(整合)的概念被确定为挤压组织的盈利能力的领域。当然,在此之前的两年里,军队一直在执行后勤工作,但不一定以盈利为重点。军事后勤的关键挑战是(一直是)在严峻的环境和威胁条件下,通过延伸的供应链提供支持,以确保野战部队的作战能力。
一般来说,在兵营或和平时期,军事后勤受到与业务类似的考虑的驱动,目标是实现尽可能高的准备程度,追求100%的可用性,并在预先准备的时间内启动备件和消耗品供应链。在实地,在业务使用方面,人们普遍认为将会有一些退化的能力,因此尽可能高的可用性(功能最大化)是为了(有时通过在外勤部队中过度启动后勤,称为“铁山”)。可用性是指设备维护是通过供应链来实现的,供应链最小化了操作中断和资源分配。因此,私营部门计划和分配资源给作战,以实现财务结果,而国防设备计划和预算的作战结果。
表12.1美国、澳大利亚和英国的物流军事原则比较。
美国国防部 |
美国军队 |
澳大利亚国防部队 |
澳大利亚军队 |
英国国防部 |
简单 经济 灵活性 响应性 生存能力 可持续性 可达到 |
简单 经济 即兴创作 响应性 生存能力 连续性 期待 集成 |
简单 经济 灵活性 响应性 生存能力 可持续性 远见 平衡 合作 |
简单 经济 灵活性 响应性 生存能力 可持续性 远见 平衡 |
简单 效率 敏捷性 远见 合作 |
军事后勤理论是建立在所有后勤管理人员在其整个军事训练制度中所教授和实践的一系列原则基础上的。随着这一研究领域的发展,美国、澳大利亚和英国已经发展出非常相似的理论,如表12.1所示。
值得注意的是,没有任何商业文本为民用物流系统的开发、应用或执行提供原则、关键字或指导术语的列表。民用系统关注的是其后勤的子组件的功能描述,以及执行活动集成功能的总体管理结构。然而,从本质上讲,军事原则很容易转化为商业物流的关键字或原则。例外是“可存活”原则。对于军队来说,这可能被认为是最重要的,因为如果一个后勤单位被敌人摧毁了,剩下的原则就没有意义了。生存能力通常不会以同样的方式考虑到民用部门,然而,来自竞争对手的威胁,承包商和供应商的糟糕表现,立法的改变,或社区的压力,都可以被视为相对于军事行动而言不那么暴力的。民用部门可以考虑将“忍耐(商业周期)”作为一项原则。
信息技术的发展使设备项目和能力管理人员在20世纪80年代末和90年代初融合了整个生命周期方法。率先由美国国防部,并迅速通过英国和澳大利亚的集成后勤保障(ILS)系统允许“一个集成和迭代过程来开发材料和支持策略,优化功能的支持,利用现有资源,和导游系统工程过程量化和较低的生命周期成本和降低物流足迹”(对物流的需求),使系统更容易保障。虽然这个过程最初是为军事目的开发的,但现在已广泛用于商业产品保障或客户服务组织。从物流原理出发,在支持物流支撑系统功能开发的基础上,利用10个盲降要素设计了盲降系统。这些元素封装了物流功能的组成部分“烟囱结构”,具体如下:
bull;工程支持(或设计接口)
bull;维护计划
bull;人员(和人力)
bull;供应(仓储)支持
bull;支持和测试设备
bull;培训和培训支持
bull;技术数据
bull;计算机(资源)支持
bull;设备
bull;包装、搬运、储存和运输。
为了简化作为实践的物流定义,图12.1以图形化的方式将“物流”表示为一个简化的网络图。这样的网络有助于建模,并能从优化系统中获得巨大的成本效益。运营研究人员已经这样做了超过45年。
12.2.2运筹学与物流
基于计算机的离散事件仿真(DES)长期以来一直是分析物流和供应链系统的工具。在此之前,数据分析还用于分析系统中更简单的组成部分,通过从实际/预测订单中获取数据,并为管理层和决策者提供随机集以进行线性规划或仿真,数据分析已被用于战略和操作决策。线性规划曾经是战略和操作物流管理中最广泛使用的规划工具,但在最近被模拟所取代。最早的模拟发生在20世纪60年代,以美国空军兰德项目开发的物流复合模型(L‐COM)为特征,并由大型国防计算能力大型机进行循环。以L‐COM模型为例,该模型通过网络分析模拟了一个空军基地的操作和支持功能,包括三个主要程序:预处理(翻译数据并生成飞行程序的排序要求);模拟(飞行和基地支持过程,包括武器装载、加油和故障);后期处理(生成报告和统计图形图)。运行这个模型的计算机的最基本的特性意味着输入的概率是简单的,由研究小组在编写描述1500个日常任务的代码时确定的不可变的百分比概率。通过一个独立的数据收集项目(PACER项目)对模型进行验证,表明了L‐COM对“广泛验证目标”的满意,并使L‐COM成为美国空军项目兰德模型开发的垫脚石。
蒙特卡罗仿真是系统模型生成中常用的技术。Fermi和Ulam在1930年首次用于计算中子的性质,这些模拟的基础是生成随机数,并为符合概率分布函数的数值分配范围(PDF)。Valles‐Rosales和Fuqua使用的一个典型例子展示了这种技术,即滚动一个模具的情况:生成从0到1 (U(0,1))的均匀随机数序列,并为每个模具滚动结果分配一个相等的范围,如下所示:
0.001-0.166: 1个模辊
67-0.332: 2个模辊
0.333-0.498: 3个模辊
0.499-0.665: 4个模辊
66-0.832: 5个模辊
33-0.999: 6个模辊
通过使用计算机中的伪随机数发生器(PRNG),可以对一个模辊和连续模辊的真实情况进行建模。这个简单的例子可以升级来模拟任何固定范围的均匀数,但也可以用函数替换来更接近地复制非线性结果。通过这种方式,可以从最简单的掷骰子到最复杂的系统(如核电站处理)创建模型。
随着更便宜和更强大的计算机软件和硬件的出现,系统仿真模型已经发展到允许管理层评估和优化各种战略,包括物流系统。这是通过操纵物流系统变量来实现的,这些变量可以手动输入(类似于L‐COM),也可以通过背景选择和pdf文件的编程随机生成。这些进展主要发生在1990年代,第一次与简单线性的制造业流程模型,并在压力下利用操作效率,但后来发展成“材料处理系统、土木工程、汽车工业、交通、医疗、军事、服务行业,通信和计算机系统,活动安排,人员分配,业务流程优先工程,和人类的系统管理,等等。”现在有几十种商用软件(CAS)产品可供选择,几乎所有的软件都是从银行出纳的基本排队模型开始,客户来来往往,出纳员轮班工作。Da Silva和Botter开发了一种方法来帮助经理们从几十种可用的产品中选择一种。
在系统仿真领域,DES将系统的运行建模为时间上的离散事件序列,其中状态变量只在事件发生的时间上的离散点发生变化。由于活动时间和延迟,每个事件都在特定的时间点发生,并标志着系统状态的改变。实体可能竞争系统资源,可能在等待可用资源时加入队列。活动和延迟时间可能“持有”实体一段时间。DES非常适合于物流,因为物流系统分析的每个输出都是时间的函数。DES模型是通过一个将模拟时间向前移动的机制随时间执行的(“运行”)。
计算机化建模常用以下四类:平面模型;仓储模型(内部和外部);网络模型;和离散模型。然而,随着现代离散事件模拟器能够跨多个(几乎无限的)位置组合服务属性、成本数据和网络,离散模型现在受到青睐,因为它们可以处理Stock和Lambert的所有老类别。现在有许多使用图形界面或可视化交互建模系统(VIMSs)的仿真程序。VIMSs甚至可以帮助未经训练的建模人员进行系统建模。程序包括ProModel、Simul8、Arena和ExtendSim等。当代软件包的核心依赖于应用于操作系统建模的DES:“为提供商品或服务而组合的资源配置”。这个定义接着确定了操作系统的四个具体功能:制造;运输;供应;和服务(这是构成“物流”的四个事务元素,如前一节所述)。基于计算机的DES增强了我们对物流和供应链系统的理解,提供了在动态成本参数和政策下理解系统行为变化的灵活性,并利用了压缩时间。由于基础设施布局的网络和链接特性,以及生成相对可量化数据的能力,物流系统可以进行模拟。此外,物流系统的规模和复杂性、它们的随机性质、调查所需的数据细节以及系统组件之间的关系,使仿真建模成为了解此类系统的适当建模方法。
随机模型准确性的关键是选择正确的统计分布来近似每个模型块的行为,以反映真实世界中发生的事情,注意模型是概率性的,并且依赖于所建模的“世界”的准确性。“它不是一门精确的科学。选择一种分布而不选择另一种分布取决于所收集数据的类型和范围、所需的详细信息和可靠的猜测。典型分布利用物流系统的建模包括beta;在货物(物品),指数(电气组件/系统故障间隔时间转发(延长)或修复时间(竞技场队伍)),正常(钟形曲线-自然原因的事件),物流(增长模式,特别是在特殊情况下扮演重要角色),统一(活动时间)和威布尔转发(机械组件/系统延长或竞技场队伍)。像Krahl等人的文章。O Connor[19]提供了关于选择的建议,并提供了软件来帮助将数据拟合到分布中。
使用已知的事实和数据集对当前系统的模型进行测试、验证和验证,然后通过认真应用运筹学研究人员开发的优化技术进行优化。然而,当对一个尚不存在的系统进行建模,建模者不知道真实世界的细微差别,或者对一个系统的未来进行大规模更改时,很难对离散事件模型进行验证和验证。这样,一个公认的方法是当前(或代表)模型系统,验证和验证模型对当前系统的数据获得,然后开始修改模型对未来基于相同的数据,分布函数和验证当前模型是建立在原则。为了解决这个“启发式”验证和验证缺口,Manuj等人提出了一个8步过程,称为仿真模型开发过程(SMDP),用于物流和供应链仿真模型的设计、实现和评估。SMDP还为每个步骤确定严格的标准。确实存在进一步的研究,如通过通用的验证和验证方法(GM‐VV)指导验证和验证活动。这些方法有助于新模型和模拟的设计和接受。
在分析现有和开发物流支持系统时,优化是最重要的活动,但在开发支持新功能的物流支持系统时更是如此。实际上,影响产品的后勤支持的大多数决策都发生在产品制造之前。这些决策是可靠性、可维护性和可用性等性能度量之间的设计、制造和成本权衡的结果,这些性能度量会影响有关物流系统框架的决策。Chapman等人指出,在产品的设计和开发过程中,最初做出的决策(设计和支持)将决定整个生命周期成本的80%。这类费用,视操作概念和类型的寿命长短而定,将是购置费用的两至五倍。
仿真优化必须有一个结构化的方法来确定仿真模型的最佳输入参数值,从而产生系统改进。优化程序需要高效和稳健地计算不同输入因素下的系统性能,这些输入因素可以是定量的(数值的)或定性的(结构的)。在物流系统模型中,优化的目标是提高支持块的效率,提高支持系统的利用率。
典型的优化包括两个阶段:搜索阶段和迭代阶段。优化技术可以分为两个支持这些阶段的一般组。首先是搜索方法,在不同的点对仿真进行评估,利用不同的规则寻找最优解。第二种是基于梯度的方法,利用模型运行的梯度信息寻找最优解。
搜索方法最适用于输入参数大多是离散的模型,即参数只取有限组值。搜索方
剩余内容已隐藏,支付完成后下载完整资料
资料编号:[236977],资料为PDF文档或Word文档,PDF文档可免费转换为Word
以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。