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
基于物流组成的位置问题的一个模型和方法
Siddhartha S. Syam
College of Business Administration, Marquette University, Milwaukee, WI 53201, USA
摘要：通过介绍在一个多商品、多地点的框架中一些组成物流成本的成分，如等待成本、预定成本、运输成本等，本文极大地延伸了设施位置选址模型。由于位置和物流成本相互关联程度很高，本文提供了一个综合性的模型，并且通过同时确定最佳位置、最佳流量、最佳货物组成和最佳交货周期去寻求使总物流成本最小。在一系列大量的计算实验中，基于拉格朗日松弛法和模拟退火算法的两个复杂的启发式方法论，独自地做出了提供和比较。
范围和目的：最近物流在工业中获得了极大的重要性，部分原因在于在供应链管理中快速增长的利益。其中在物流中最重要的一个已知问题是，诸如运输成本和设施位置选址模型的物流成本组成部分的有效整合，因为这两部分在实践中有很高的关联性。特别地，位置、流量、货物组成和交货周期是高度相互依赖的。对于使物资调运成本最小而言，这些变量的最优值的确定是相当重要的。本文提出了一个综合的位置合并模型，并且提供了两个复杂的方法去解决这些问题。这两种方法的相对性能，在大量的计算实验中已经得到了调查。
关键词：设施位置选择 物流 拉格朗日松弛法 模拟退火算法
1前言
供应链管理中，目前的兴趣点突出了物流和独自占美国销售额平均值的7.5%的物资调运的组成部分的重要性。本文是关于在物流中一个重要的未解决的问题，也就是具有物流功能的设施选址模型的综合。根据Ballou的研究，位置选择模型在物流中不包含非线性和非连续的关系，特别是在运输和位置模型中涉及位置、运输和库存决策，这种决策是以一种分离的方式，而不是整合的方式。
物流成本的基本组成部分是库存持有成本、运输成本和订购、组织成本。这些成本有着重大的影响力，它们通过安排时间和将产品组合成可以通过配送网络运输的货物来实现这些影响力。对一个供应商和一个目的地之间的单个的联系来说，时间选择方面已经发展成为经典的经济订货批量（EOQ）问题。在一个EOQ的设定中，时间安排和分组的注意事项已经被研究出来。然而，由于在多位置和（或）多仓库、替代的方法的情况下，像数学规划那样提供具体的解决办法是很困难的。就如Bowersox和Closs 曾指出的那样，混合整数规划的方法具有相当程度的柔性，这体现在它可以使我们混合许多在物流应用中复杂和特性发现。
用透视的观点看当前的研究，比较两个现实中的应用。第一个应用，就像Blumenfeld等人描述的那样，在产品流动和工艺过程上提升运输整合的影响力。通用汽车公司德尔科在Milwaukee (Wisconsin), Matamoros (Mexico), and Kokomo (Indiana)等地的电子部门在1981年制造零部件。中心仓库位于Kokomo，产品通过卡车从Milwaukee和Matamoros运到Kokomo。在Kokomo，零件在被送往位于不同国家地区的大约30个通用公司的工厂前就已经被统一整理了。这样做的目的是将总运输和持有成本降到最低。货物的组成和货物应该是直接被送往工厂还是要在Kokomo经过合并后再送去决定了上述目标能否实现。研究发现工艺路线、货物组成和周期时间之间相互联系程度很高。最终，有关将网络分解为多个子网络的方法启发式地解决了这个问题。
第二个最近的应用是，有一家中型草坪和花园围栏公司被一家大的竞争对手提出要收购。将本问题与德尔科的问题进行比较，看起来这两个应用都在寻求去优化一个决定性的货运网络，该货运网络的商业环境的参数，如成本结构和产品需求，在短期的经营中假定是固定不变的。然而，在这两个应用中至少存在着三个不同。第一，德尔科的问题涉及到工厂和仓库间已知的和固定的位置。与此相反，与大部分兼并相同，提出的合并方案指出了巨大的系统冗余，这就迫使对网络在成本效益的利益下进行重新设计，这些系统冗余以被邻近工厂、分厂和配送中心等覆盖的重叠区域表现出来。这就指出了设施位置的选择是结果，而不是模型的确定参数。
这两种方法最重要的不同之处在于他们各自的解决办法。德尔科的应用涉及到一种在提出最优解决方案上没有提出一个临近范围的方法，这种解决方法需要对进一步的系统优化做需求上的定性分析。相反，本论文提出提出一个复杂的有最优解约束的拉格朗日算符，反过来，这也使得判断任何提出的变形方案（如路线改变、分支关闭等）给系统带来的好处更容易。最后，本文将一个现实的分段运输成本函数整合到一个模仿普通运输公司的票价的模型中，虽然德尔科应用使用了一个简单的的成本结构。
最佳周期 时间是多少？
设施2应该开放吗？
哪个是最佳流动路线？
仓库3应该开放吗？
图1 选址/固结并行问题
本文中所研究的位置/固结问题的简易模型如图1所示。简图介绍了一个由三个设备、三个仓库和两个终点站组成的两层的货运网络。目前设施1和设施3，仓库1和仓库3是开放的。网络的流动如箭头指向所示。图中所示的典型问题分析是相当重要的，比如说，（i）仓库3应该开放吗？（ii）仓库1和目的地1间的连接组1应该包括产品1和5吗？（iii）设施1和仓库1的周期时间出货量是多少（锯齿形代表着周期时间函数的库存水平）？（iv）仓库2和目的地2 之间的最佳流量是什么？即使是在一个很简单的网络模型中，每个问题都可能会发生在网络中的每条弧上（这里的弧和连线可以互换）也应当被标注出来？
为了提供可以直接处理配送、位置网络结构参数间的互相依赖问题的研究工具，当前研究的首要目标是开发出一个模型和解决办法，该模型和解决方法将会同时实现以下种种的最优情况：（i） 厂房和仓库的位置，（ii）该网络中的流量，和（iii）考虑到诸如运输成本、库房成本等的网络中的货物组成和分布频率。本文包括以下内容（a）关于运输网络、入站整合、设施位置的相关文献综述（b）并发位置和运输整合的模型（c）基于模拟退火算法和拉格朗日松弛算法的替代方法（d）计算实验测试方法的细节和（e）结束语。
2相关文献
与物流、位置问题最相关的领域是运输网络、入站整合和设施位置。关于这些主题的文献相当广泛，可以毫不费力地找到综合性的文献。运输网络分析首先是寻求使得运输总成本最小的方法，通过利用各种形式的整合机会。其中的一些形式是库存整合、车辆整合、行商（向最近客户的多次交付）和终端整合。来自物流网络文献中的具有代表性的例子包括在介绍中Blumenfeld等人，还有Klincewicz、Benjamin。
Klincewicz假设运输成本函数能够被分段线性函数充分地描述出来，并且每个起点终点对的定量发货量是可以提前知道的，在此假设基础上提出了一个包括多起点、整合终端和以降低总库存持有成本和运输成本为目标的目的地网络模型。Benjamin考虑了一个单个商品网络，也将物流问题分解为一个运输问题与一个经济批量问题。他对年流量和单个发货大小做了区分，着重强调了流量和运量的联立解的需求。然而，Benjamin实际上使用了一个迭代，而不是同步解决出物流问题。
入站整合的领域包含了决定最佳货物组成和货物频率的问题研究内容。在固结问题上早期的工作聚焦在订单和在EOQ准则中被公认的库存持有成本的折衷，这给将订购和持有成本总和最小化的问题提供了一个简单的分析解法。经济订购量的概念已经扩展到多产品和运输包装和包装频率的最优决策。然而，本研究受限于像一个供应商和一个消费者之间的单个联系的订购和持有成本。在某种程度上，如果有可能的话，找到一个分析公式是相当困难，特别是在考虑到像运输成本，多工厂、目的地和仓库的情况下。
为解决位置固结问题数学规划模型给闭合解提供了一种相对容易处理的可替代方法。进一步地，如Bowersox和Closs解释的，由混合整数规划方法提供的建模的灵活性使其变得特别适合合并一般物流，特别是交通中的复杂事务。近来在入站整合问题的数学规划方法的例子包括Russell 和 Krajewski，Syam a和 Shetty的研究。然而这些研究受限于相对简单的环境，比如研究仅仅涉及到单个目的地而不是多目的地，供方位置也是事先确定的而不是未确定的。进一步地，在当前的研究中这两篇论文都研究的是单一梯队的网络，而不是包括仓库的双梯队网络。本文通过使用一个数学规划方法极大的延伸了在固结问题上之前的研究工作，这种方法寻求可以同时地并且最优地确定（i）多个厂房的位置（ii）出货时间和成分（iii）多个工厂、仓库和目的地之间的流量。
关于设施选址的文献是相当多的，并且有许多变体。这些变体中，生产厂址选择问题（CPLP）有一些与本文中其他正在研究的问题有很多共同的基础。在Sridharan的论文中，可以发现一个关于CPLP的广泛的综述，很容易发现，这里考虑到的问题之前没有被研究过。之前有代表性的工作包括Geoffrion和Graves的关于多商品配送问题的原创性论文，他们利用了Benders的分割技术。他们的模型不包括从多个工厂中选择的方式，而且没有包含厂房的混合成本。最近，Pirkul和 Jayaraman正在研究一些本文也正在研究的有着结构性的相似之处的问题。这两个都是限量的和双梯队的，都包括多个厂房、目的地、仓库。然而，目前的研究包含着许多错综复杂的事物，这超出了目前进展顺利的范围。特别是，它包括了许多重要的物流元素，比如最优货物鉴别，货物转运时间，持有成本和一个类似于在工业中发现的分段的线性运输成本结构。最后，它包括，就像在中值问题中那样，关于特定数量工厂和仓库的的参数是开放的。本文中提到的公式化的表达在先前的研究中既没有被开发出来也没有解决，为了方便，它被标注为位置-整合模型。本文提出了两种方法启发式的解决该模型。
3数学模型和项目整合
本部分要呈现出的是物流框架和它的数学表达。本章也包括关于模型的决策变量促进库存整合的方式的讨论，作为本研究的目标。
3.1 物流网络
物流模型压缩了一个多产品运输网络的功能，工厂的组成部分，合并库存的转运仓库和最终的目的地。本文中，一家工厂有时指的是制造工厂，网络中两个点之间的联系有时是用一个弧来指代。与货运网络和入站整合的文献一样，周期时间的项目指的是一个或一组商品转运的频率，一年一次，两年一次等等。目的是确定位置，流量或商品组和与之相关的周期时间，以此来使总物流成本、库存持有组成、采购订单排列项目、采购订单页眉、运输制造原料处理和厂房仓库的复合成本最低。该模型的约束条件承受了许多物流要求，比如说，每类货物在每个目的地的需求必须被满足，运费是关于货物体积和重量的分段函数每台设备都有特定的能力极限。
3.2 模型结构
在下面的数学模型中，目标函数由下面的内容组成：（i）库存持有成本（ii）订购单项成本（iii）订购单项成本（iv）运输成本（v）制造成本（vi）库房原材料持有成本（vii）厂房固定成本（viii）仓库固定成本。订购成本是一个订单结束后随之而来的包括欸想订单的固定费用和特殊项的额外列出项目。模型中的库存持有成本作为固定比例的项目值被估算。每家工厂的单位商品制造成本和固定成本、仓库之间的原材料处理成本都不相同，特别是仓库的固定成本。所有的成本都应该被折合成年率徕考虑。运输成本发生在所有的联系中，每个模型的运费率都因运输距离和运输重量的函数不同而不同。
该模型中，约束一确保了每个目的地的每项需求都会得到满足，约束二规定了每台设备生产商品的能力限制（如果设备未开启的话能力为零），约束三规定了每个仓库的每类产品的材料处理能力极限（仓库未被利用的话能力为零），约束四和五规定了运费根据货物重量收取，约束六确保了最多一个运价适用于一批货物，约束七确保了单项订购成本是否装上一个项目，一个链接并对链接容量限制，约束八确保了在一个特定弧上的一个项目之能对应一个周期时间，约束九紧密地确保了单项订单成本出现时的订单头成本，而且由于约束七，这种流量存在于某个链接中，最后，约束九和十分别限制了所开工厂和仓库的数量。
数学符号和模型
以下参数和变量用于描述数学位置和合并模型。这里的“n”表示弧或连接，“i”代表商品，“h”代表周期时间，“f”代表运费率，“s”代表生产设备，“e”代表仓库，“d”代表终点。
N 网络中弧的集合
S 开放的制造工厂的集合
S- 从开放的制造工厂向外的弧的集合
s- 从开放的制造工厂s向外的弧的集合
E 开放仓库的集合
E- 从开放仓库向外的弧的集合
e- 从开放仓库e向外的弧的集合
e 指向开放仓库e的弧的集合
D 终点集合
D 指向终点的弧的集合
d 指向终点d的弧的集合
I 商品（条目）集合
H 周期时间集合
F 运费率集合
ps 开放的制造工厂的参数代表数量
pe 开放的仓库的的参数代表数量
Vin 弧n上的商品i的价值
th 周期时间h
ki 商品i的年度库存持有成本百分比
wi 商品i每组的重量（磅）
cfn 弧n上的运费费率
Gn 弧n上的一个购买订单的固有成本
ain 弧n上商品i的单项订购成本
me 仓库e中原材料组的持有成本
K
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[152016]，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。
