基于Petri網和Agent的供應鏈需求預測模型

寇瑜琨，黃夢醒，陳泓宇

（海南大學 信息科學技術學院，海南 海口570228）

0 引 言

需求預測是供應鏈管理中的關鍵技術，準確預測供應鏈的需求是企業面對的一個難點，因此如何選擇合適的預測模型是供應鏈管理中一個重要研究課題［1，2］，大量學者和研究機構對其進行了深入、廣泛的研究，提出了許多供應鏈需求預測模型，取得了一定的研究成果［3］。傳統供應鏈需求預測模型主要有多元線性回歸、時間序列等模型［4，5］，多元線性回歸模型通過選擇影響供應鏈需求的因子，對供應鏈需求的未來狀態進行預測，其簡單、易實現，但預測精度低，預測結果的可靠性差［6］；供應鏈需求歷史數據是按時間先后順序收集的，是一種典型的時間序列數據，因此時間序列預測模型應用比較廣泛，然而多元線性回歸和時間序列預測模型均屬于線性預測模型，它們假設供應鏈需求是一種線性增長或下降變化趨勢，實際上供應鏈需求變化十分復雜，具有不確性、非線性等變化特點，因此傳統預測模型不能準確預測供應鏈需求變化規律，實際應用價值不高［7］。隨著基于統計學理想的支持向量機等機器算法不斷成熟，出現基于支持向量機的供應鏈需求算法，由于其具有強大的非線性預測能力，泛化能力優異，尤其對于小樣本、非線性的供應鏈需求問題，優勢十分明顯，一定程度上提高了供應鏈需求的預測準確性［8］。目前大部分需求預測模型主要針對單級供應鏈進行建模與預測，忽略了企業之間的互相協作，難以滿足現代企業供應鏈需求預測要求［9］。近些年來，有學者提出供應鏈協同需求預測模型，從整體角度對企業需求預測進行動態預測，如文獻［10］提出了基于多源信息的供應鏈協同需求預測模型；文獻 ［11］提出了基于影響因子的供應鏈協同預測模型；文獻［12］提出了基于Petri網的供應鏈協同需求預測模型，這些模型可以更加準確描述供應鏈需求的動態變化，預測結果可以對企業供應鏈進行優化，提高企業的整體競爭能力。

為了提高企業供應鏈需求預測的準確性，提出一種基于Petri網和Agent相融全的供應鏈協同需求預測模型，首先采用Agent建立基本元素，描述企業供應鏈中的行為規則，然后采用Petri網描述企業供應鏈動態變化規律，建立企業供應鏈動態協同需求預測模型，最后采用實驗測試其性能。

1 供應鏈協同需求預測的Agent

1.1 動態協同需求預測的Agent結構選擇

Agent是一種處于特定環境中的計算機系統，具有自主性、反應性、主動性和社會性特性，主要包括認知型、反應型和混合型等體系結構，其中多Agent系統 （multi－Agent system，MAS）是一種由多個Agent組成的分布式自主系統，具有個體行為獨立自制、個體信息不完全、能力有限、無全局控制、數據分散化和計算異步等特點，其目標是為了解決那些超出每個問題求解器的單獨能力，這些問題的求解器就是Agent。從MAS中Agent之間通信、協調角度出發，可將其分為3類結構：集中型結構、分散型結構和聯邦型結構，其中聯邦型結構平衡了集中式和分布式兩種結構的優點和不足，適應分布式MAS復雜、開放的特性，因此本文采用Agent聯邦系統建立企業供應鏈動態協同需求預測模型，多Agent系統結構如圖1所示。

圖1 聯邦型的多Agent系統結構

1.2 Agent聯邦的角色劃分

在基于Agent聯邦的供應鏈動態協同需求預測過程中，包括配送、訂單管理、供應、生產、庫存等多個流程，每一個流程都有自己的行為規則，因此供應鏈需求中的每一個流程就可以抽象成一個Agent，它們之間通過交互、協同運作，在供應鏈需求相應規則約束下，建立一種供應鏈動態協同需求預測模型，以企業供應鏈的競爭力，保證企業的利潤最大化。在動態協同需求預測Agent聯邦系統的Agent角色通過交互和協同運作，共同完成企業供應鏈動態協同需求預測，主要包括以下幾個Agent角色：

（1）連鎖分店Agent（CSA）：主要進行分店的管理，了解分店的銷售狀態。

（2）配送中心Agent（DCA）：主要對配送中心的劃分和設計配送中心的地址。

（3）分銷物流中心Agent（LDCA）：主要對物流分銷中心進行管理，合理安排物流配送路線和車輛調度，在滿足用戶需要條件下，使物流配送成本最小化。

（4）供應Agent（SA）：主要對供應進行管理，了解各種產品的銷售情況，根據銷售做出相應的銷售策略。

（5）訂單Agent、配送Agent、盤點庫存Agent、生產Agent是4種供應鏈協同需求系統執行角色。

1.3 聯邦的角色Agent模型

配送中心對企業供應鏈動態協同需求預測十分重要，因此以配送中心管理Agent為例，對角色Agent模型的設計進行描述。配送中心主要包括貨物的分揀、包裝、裝卸、流通加工等系列配送的活動，可以虛擬化為大倉庫加貨的場所，在傳統物流系統中，貨物處理的速度慢、效率低，難以滿足現有企業供應鏈需求預測的實時性，從而對企業的整個供應鏈系統產生不利影響。配送中心管理Agent模型如圖2所示。從圖2可知，在配送中心管理Agent功能相當的多，不僅與管理、預測相關，而且與決策和配送也密切聯系。相對于其它業務，配送業務是配送中心管理Agent最重要的業務，其它業務均是在該基礎上進行的，如進貨、送貨，而且它們的行為規則各異。

圖2 DCA 的管理Agent模型

2 Agent聯邦的Petri網模型

2.1 Petri網

在供應鏈動態協同需求預測過程，所有Agent通過一定行為規則對自身狀態進行識別和改變，最終實現供應鏈動態協同需求預測系統狀態識別，這些動作是一種動態行為，導致需求預測系統狀態具有時變性和隨機性。Petri網是一種具有嚴格數學語義的形式化圖形建模工具，適合于描述并發、異步和分布式的信息系統，其可以表示為N＝（P，T，F），其中，P 代表庫所的集合，T 代表變遷的集合，F 表示有向弧集，具體如圖3所示。

圖3 Petri的基本元素

2.2 Petri網的變遷規則

令N＝ （P，T，F）是一個網，W 表示弧的權值，則對于一個變遷t∈T，若p∈·t∶M（p）≥W（p，t），則稱變遷t在M 下是使能的，記為M ［t＞；若M ［t＞成立，則在標識M 下，稱變遷t可以發射，t發射后，產生另一新標識M′，記為MM′，有

網N 從標識M0開始的所有可達標識的集合記為R（N，M0）或M ［t＞，它是一個最小集，即M0∈R（N，M0），M ∈R（N，M0）∧M［t〉M′M′∈R（N，M0）；當且僅當 存 在 標 識M0，M1，…，Mn滿 足M0［t1〉…tn〉Mn，σ ＝t1t2…tn為發射序列；若存在標識M 使得M0［σ〉M，則M ＝M0＋CY ，其中C 為關聯矩陣，Y 為發射序列矢量。

2.3 管理Agent的Petri網模型

對企業供應鏈的業務流程進行分析，結合MAS系統靈活建模模式，建立企業供應鏈動態協同需求預測管理Agent的Petri網模型，具體如下：

（1）當系統收到來自市場的顧客需求信息時，系統將信息發送到管理Agent處，接收到新信息的管理Agent啟動會話，開始分析和執行信息。

（2）管理Agent按照收到的不同信息做出不同的決策行為，并且向相應的執行Agent發送執行任務信息，執行Agent完成任務并通知管理Agent執行結果。

（3）企業供應鏈動態協同需求預測系統利用Petri網描述Agent的不同狀態，并且以不同的顏色來區分，變遷則表示狀態的轉移過程，對消息的處理過程。

綜合上述可知，供應鏈需求預測管理Agent的Petri網模型如圖4 所示，由于篇幅有限，只列出配送中心Agent（DSA）和供應Agent（SA）Petri網模型。

2.4 執行Agent的Petri網模型

圖4 供應鏈需求預測管理Agent的Petri網模型

根據企業供應鏈動態協同需求預測系統的特點，結合Agent聯邦和Petri網模型的優點，采用Petri網描述不同業務的狀態，利用Petri網參量描述企業生產過程中的時延。配送中心等待貨物訂單的到來，如果訂貨信息發送到連鎖分店，配送中心就會向庫存發送信息，詢問能否可以滿足訂單的相應需求，若滿足，則馬上執行訂單，進行發貨配送；若目前庫存不能立即滿足訂單需要，那么就向供應鏈上一級單位下訂單，并等待上級的配送。其中配送中心管理Agent的Petri網模型如圖5所示。

圖5 配送中心的Petri網模型

圖5的相關符號描述見表1。

表1 圖5的相關符號描述

3 仿真實驗

3.1 仿真環境

為了測試Petri網和Agent的企業供應鏈需求預測模型的性能，在4核2.8GHz，4GRAM，windows XP的平臺上采用VC＋＋進行仿真實驗。供應鏈需求預測系統仿真模型如圖6所示，系統由多個Agent組成，它們以協同機制完成企業供應鏈動態協同需求預測。

圖6 企業供應鏈動態協同需求仿真模型

3.2 結果與分析

3.2.1 供應鏈需求預測變化態勢仿真結果

企業供應鏈中的各種管理中心的需求預測值變化態勢如圖7所示。從圖7可知，各種管理中心的需求預測結果可以十分準確反映企業供應鏈動態協同需求預測仿真模型運行情況，如在庫存滿足訂單條件下，可以對連鎖分店的需求信息進行發送發貨，不然向上一級傳遞訂單信息，實驗結果對企業供應鏈從連鎖分店到工廠的初始狀態進行驗證。

圖7 動態協同需求預測仿真實驗結果

3.2.2 與其它供應鏈需求預測模型的性能對比

為了測試本文企業供應鏈需求預測模型的優越性，選擇灰色模型GM （1，1）和支持向量機進行對比實驗，數據來自某汽車集團公司的銷售量樣本數據，它們的預測結果如圖8所示，從圖8可知，相對于對比模型，本文模型可以更好的擬合汽車集團公司銷售量的變化趨勢，提高了銷售量的預測精度，預測誤差更低，這也說明了本文模型可以應用于企業供應鏈需求預測實際應用中，具有較高的實際應用價值。

圖8 不同模型的預測性能對比

在企業供應鏈動態協同需求預測實際應用中，系統的實時性要求比較高，計算模型的運行時間，其中GM （1，1）平均時間為7.65s，SVM 為10.23s，本文模型為5.27s，因此，本文模型的運行時間相當較少，可以較好滿足企業供應鏈動態協同需求預測實時性要求，可以提高系統運行的效率。

4 結束語

在企業供應鏈動態協同需求預測過程中，選擇合適的預測模型是提高供應鏈需求預測精度的關鍵，根據供應鏈動態協同需求系統的特點，提出一種Petri網和Agent相融合的企業供應鏈動態協同需求預測模型。首先將企業供應鏈動態協同需求預測系統抽象為一個由許多Agent組合的復雜系統，并通過Agent之間協同交互描述系流程中的各行為規則，然后采用Petri網描述企業供應鏈動態變化規律，建立企業供應鏈動態協同需求預測模型，最后采用仿真對比實驗測試其有效性和優越性，仿真結果表明，本文模型可以準確描述企業供應鏈狀態變化特點，而且獲得比其它模型更優的預測結果，提高了企業供應鏈需求預測系統的運行效率，有效降低了供應鏈的整體運作成本，可以為企業經營和管理者提供有價值的參考意見。

［1］Mehdi Toloo，Soroosh Nalchigar.A new DEA method for supplier selection in presence of both cardinal and ordinal data［J］.Expert Systems with Application， 2011， 38 （11 ）：14726－14731.

［2］Kokangul Ali，Zeynep Susuz.Integrated analytical hierarch process and mathematical programming to supplier selection problem with quantity discount ［J］.Applied Mathematical Modeling，2009，33 （3）：1417－1429.

［3］Lin Chin Tsai，Chen Chie Bein，Ting Ying Chan.An ERP model for supplier selection in electronics industry ［J］.Expert Systems with Applications，2011，38 （3）：1760－1765.

［4］Lam Ka Chi，Tao Ran，Mike Chun.A material supplier selection model for property developers using fuzzy principal component analysis ［J］.Automation in Construction，2010，19（8）：608－618.

［5］GUAN Xu，MA Shihua，YING Danfeng.Research on synchronous supply model with multi－suppliers and one manufacturer under conditions of uncertainty ［J］.Journal of Mechanical Engineering，2011，47 （20）：60－68 （in Chinese）. ［關旭，馬士華，應丹豐.不確定條件下的多供應商－單制造商同步供貨模型研究 ［J］.機械工程學報，2011，47 （20）：60－68.］

［6］LU Qihui，ZHU Daoli.Research on strategic alliances strategy of quality and information improvement in supply chains ［J］.Journal of Management Sciences in China，2010，13 （10）：79－88 （in Chinese）.［魯其輝，朱道立.供應鏈中產品與信息質量改進的戰略聯盟策略研究 ［J］.管理科學學報，2010，13（10）：79－88.］

［7］XIE Weiguo，SHI Huaji.Demand forecasting with GM （1，1）optimized by game theory in supply chain ［J］.Computer Engineering and Applications，2013，49 （9）：243－246 （in Chinese）.［謝偉國，施化吉.博弈改進的GM （1，1）在供應鏈需求預測中的應用 ［J］.計算機工程與應用，2013，49（9）：243－246.］

［8］XU Qi，LIU Zheng.SVM－based dual－channel demand forecast model of perishables in the supply chain ［J］.Journal of Systems ＆ Management，2011，25 （2）：220－227 （in Chinese）.［徐琪，劉崢.基于SVM 的短生命周期產品供應鏈雙渠道需求預測模型 ［J］.統管理學報，2011，25 （2）：220－227.］

［9］Sun Liang，Wang Guangchen，Sun Jianzhen.Modeling and analysis of logistics system based on stochastic petri net under supply chain circumstances［J］.Journal of Southwest Jiaotong University（English Edition），2009，17 （3）：253－258.

［10］SHU Tong，CHEN Shou，WANG Shouyang，et al.Supply chain collaborative for feasting approach based on affecting factors［J］.Systems Engineering－Theory ＆Practice，2010，30（8）：1363－1370 （in Chinese）. ［舒彤，陳收，汪壽陽，等.基于影響因子的供應鏈協同預測方法 ［J］.系統工程理論與實踐，2010，30 （8）：1363－1370.］

［11］GUI Huaming，MA Shihua，XIE Lei.The study on supply chain coordination based on consignment stock and demand forecast accuracy improving ［J］.Journal of Mechanical Engineering，2013，9 （3）：100－109 （in Chinese）. ［桂華明，馬士華，謝磊.基于寄售和需求預測準確度可提高的供應鏈協調策略研究 ［J］.機械工程學報，2013，9 （3）：100－109.］

［12］ZHANG Zhiqing，XI Bao，YAN Hong.Petri net－based modeling and analysis of collaborative demand forecasting process［J］.Industrial Engineering Journal，2009，12 （6）：47－51 （in Chinese）.［張志清，西寶，嚴紅.基于Petri網的供應鏈協同需求預測流程模型 ［J］.工業工程，2009，12（6）：47－51.］