随机灰色提前期条件下制造/再制造混合系统库存优化

基于PUSH库存控制策略提出了在不确定生产提前期、恒定顾客需求率和产品回收率条件下的制造/再制造混合生产系统库存控制模型,可用品仓库库存由新产品制造过程和回收产品的再制造过程共同补充。不确定的生产提前期可描述为随机灰色变量,提出的随机灰色模拟技术可为不确定函数产生输入-输出数据,利用该输入-输出数据训练后的神经网络可加速不确定函数的模拟过程,由随机灰色模拟、神经网络和遗传算法集成的混合智能优化算法可求解该库存模型。数值分析结果表明:平均生产成本随给定的顾客服务水平和生产提前期的增加而增加,该不确定模型符合实际库存系统的实际情况,提出的智能优化算法可优化复杂的不确定规划问题。

不确定环境下的Supply-hub协同补货决策

个性化需求与零部件创新使得产品需求和补货提前期不确定,对供应链补货决策和运行成本产生重要影响。将提前期不确定因素引入Supply-hub协同补货研究中,探讨提前期随机和需求不确定情况下,考虑零部件配套性的三供应商单制造商生产两定制产品的Supply-hub协同补货决策问题;提出了三种补货策略,以供应链运行成本最小化为目标,建立不同策略下的供应链补货模型并求解最优补货批量和供应链最小运行成本;发现三种补货策略均存在唯一最优补货批量,基于Supply-hub的两种协同补货策略和基于分散决策的供应商独立补货策略各有优势,但基于Supply-hub的批量及时间协同的补货策略恒优于基于Supply-hub的集中补货策略。最后,通过MATLAB进行算例分析验证结论,发现基于Supply-hub的批量及时间协同的补货策略能有效降低需求不确定性带来的成本增加风险;通用件的提前期波动对于供应链期望运行成本的影响要高于定制件提前期波动的影响,因此在进行供应链补货策略选择时更加关注通用件提前期。