面向个性化车身产品客户动态需求获取与预测的扩展QFD研究

提出基于成分数据时间序列与向量自回归模型的扩展质量功能展开方法,在车身产品开发的初期,捕捉并预测客户的个性化需求。基于层次分析方法,建立传统的质量功能展开模型;根据客户需求重要度取样所形成的时间序列特点,将单纯形空间内的成分数据转换为实域内的时间序列,并对其应用向量自回归模型进行预测;将有效的样本外预测序列转换为客户需求重要度预测时间序列,计算出设计属性的预测优先度,以指导个性化车身产品开发过程中的资源分配。

考虑动态客户需求的物资配送问题求解方法

为明确需求预测方向和减少预测偏差,提出了一种考虑动态客户需求的物资配送问题求解方法。依据客户历史需求,以泊松分布模拟需求变化情况,建立需求预测模型,得到客户初始预测需求,并在此基础上建立了需求不确定的物资配送模型。为求解该模型,设计了一种预测需求可调节的遗传算法。在遗传算法局部搜索阶段,提出了需求调节算子。该算子以一定概率对客户初始预测需求进行调节,以符合泊松分布的需求变化量减少预测需求,同时对车辆间的顾客进行调整,顾客以调节后的预测需求挑选最小需求客户,移动该客户至其他最低载货车辆中并调整该车辆服务的顾客顺序,整个调节过程以最低配送成本为标准,保留最优配送路径。从标准车辆路径问题测试数据库中挑选10个典型样例进行测试,结果表明,与经典的最近邻算法和遗传算法对比,所提算法在所有算例中均取得了总成本最小值,在90%的算例中取得了运输成本最小值,在70%的算例中取得了车辆成本最小值。

基于模糊时间窗的车辆调度干扰管理研究

为解决由顾客需求变动引发的物流配送干扰问题,最大化满足顾客需求并兼顾企业利益,提出基于模糊时间窗的车辆调度干扰管理方法.采用干扰管理思想对由客户需求变动引起的实时车辆调度问题进行研究,在深入分析现实中客户服务时间要求特征的基础上,把客户满意度水平定义为模糊时间窗的隶属度函数,并提出了车辆调度干扰恢复问题转换策略,构建了基于模糊时间窗的客户需求变动干扰管理救援模型,实现从顾客、驾驶员和供应商3方面对干扰影响程度的度量.为寻求最优解,设计模糊遗传算法,并改进了基于客户点的编码方式.在算法中用模糊优化程序处理问题的模糊特征,通过对客户服务时间的局部调整来确定最佳服务时间.实例结果表明了时间窗模糊化处理、扰动恢复模型及算法在应用中的有效性.