云服務(wù)模式下配送需求預(yù)測(cè)與庫(kù)存配置聯(lián)合決策模型

姜燕寧，郝書(shū)池

（1.廣州大學(xué) 地理科學(xué)學(xué)院，廣州 510006；2.廣州城市職業(yè)學(xué)院 商貿(mào)系，廣州 510405）

0 引言

隨著庫(kù)存對(duì)訂貨成本、運(yùn)輸成本、庫(kù)存持有成本、缺貨成本及客戶(hù)滿(mǎn)意度的影響越來(lái)越大，庫(kù)存控制越來(lái)越被引起重視，出現(xiàn)了（Q，R）等一些適用于獨(dú)立庫(kù)存點(diǎn)的庫(kù)存控制方法；后來(lái)有學(xué)者研究發(fā)現(xiàn)可以通過(guò)集中存儲(chǔ)或橫向轉(zhuǎn)運(yùn)等方式調(diào)配同級(jí)多個(gè)庫(kù)存點(diǎn)間的庫(kù)存，相比各庫(kù)存點(diǎn)獨(dú)立存儲(chǔ)庫(kù)存，更有助于降低系統(tǒng)整體庫(kù)存。而多級(jí)配送網(wǎng)絡(luò)的出現(xiàn)，供應(yīng)商、配送中心和零售商之間的庫(kù)存決策相互影響，多級(jí)配送網(wǎng)絡(luò)的庫(kù)存控制被納入研究范疇，基于供應(yīng)鏈管理的思想出現(xiàn)了供應(yīng)商管理庫(kù)存、聯(lián)合庫(kù)存管理和協(xié)同式庫(kù)存管理等中心化庫(kù)存控制策略。但是，傳統(tǒng)多級(jí)配送網(wǎng)絡(luò)庫(kù)存系統(tǒng)中，各個(gè)庫(kù)存點(diǎn)都是在從自身的角度出發(fā)或者僅考慮配送網(wǎng)絡(luò)的局部利益制定庫(kù)存管理決策，無(wú)法實(shí)現(xiàn)全局性的資源配置和成本降低；隨著云服務(wù)思想的出現(xiàn)，有學(xué)者將其引入到多級(jí)配送網(wǎng)絡(luò)的庫(kù)存控制決策過(guò)程中，開(kāi)始探討云服務(wù)模式下的多級(jí)配送網(wǎng)絡(luò)庫(kù)存控制策略，以實(shí)現(xiàn)庫(kù)存信息的多方向聚集和庫(kù)存資源的網(wǎng)絡(luò)化控制。此外，配送需求預(yù)測(cè)與庫(kù)存配置決策相互影響，傳統(tǒng)的決策思路是首先基于預(yù)測(cè)偏差最小得到配送需求預(yù)測(cè)結(jié)果，然后根據(jù)預(yù)測(cè)值制訂庫(kù)存決策，其決策效果受預(yù)測(cè)方法的影響較大，無(wú)法實(shí)現(xiàn)總成本最小和預(yù)測(cè)誤差最小的共同目標(biāo)。因此，亟待探討云服務(wù)模式下配送需求預(yù)測(cè)與庫(kù)存配置聯(lián)合決策模型。

1 傳統(tǒng)多級(jí)庫(kù)存控制策略回顧

庫(kù)存控制是一個(gè)系統(tǒng)問(wèn)題，供應(yīng)商、生產(chǎn)商、零售商在制定庫(kù)存策略時(shí)，不僅僅考慮內(nèi)部因素和自身利益，還需保證信息共享、真實(shí)、透明和及時(shí)的前提下，兼顧供應(yīng)鏈各主體利益，從供應(yīng)鏈整體優(yōu)化的角度出發(fā)尋求庫(kù)存控制方法，這就是多級(jí)庫(kù)存控制問(wèn)題。秦緒偉，范玉順，尹朝萬(wàn)[1]假設(shè)分銷(xiāo)點(diǎn)和分撥中心分別采用（R，s，Q）、（s，S）庫(kù)存控制策略，構(gòu)建包括庫(kù)存成本、運(yùn)輸成本和設(shè)施成本的選址——庫(kù)存模型。呂飛，李延暉[2]假設(shè)生產(chǎn)基地、備選配送中心和零售點(diǎn)的位置已經(jīng)確定，零售點(diǎn)采用單周期隨機(jī)存儲(chǔ)策略，以庫(kù)存費(fèi)用、選址費(fèi)用、運(yùn)輸費(fèi)用之和最小為目標(biāo)建立庫(kù)存和選址聯(lián)合優(yōu)化模型。Oded Berman[3]分別構(gòu)建相同庫(kù)存檢查周期和不同庫(kù)存檢查周期情況下的選址——庫(kù)存聯(lián)合決策模型。馬宇紅，張浩慶，姚婷婷[4]假設(shè)分銷(xiāo)中心和分銷(xiāo)點(diǎn)均采用（Q，R）庫(kù)存控制策略，備選分銷(xiāo)中心地址和庫(kù)存能力已知，以服務(wù)水平和庫(kù)存容量為約束條件，以設(shè)施成本、運(yùn)輸成本、庫(kù)存成本之和最小為目標(biāo)，構(gòu)建隨機(jī)需求分銷(xiāo)網(wǎng)絡(luò)的選址庫(kù)存聯(lián)合優(yōu)化模型。多級(jí)庫(kù)存系統(tǒng)主要包括中心化和非中心化兩種模式：

1）非中心化管理系統(tǒng)與模型

圖1 非中心化多級(jí)庫(kù)存管理模式[5]

非中心化庫(kù)存控制策略下，各庫(kù)存主體基于本位主義思想制定庫(kù)存策略，有利于發(fā)揮各個(gè)庫(kù)存點(diǎn)的自主性和靈活性。但是，由于各主體信息共享程度低，造成各級(jí)需求逐漸的變異放大，產(chǎn)生“牛鞭”效應(yīng)，并不能帶來(lái)供應(yīng)鏈整體庫(kù)存優(yōu)化。

2）中心化庫(kù)存管理系統(tǒng)與模型

（1）供應(yīng)商管理庫(kù)存模式（VMI）

圖2 VMI庫(kù)存控制模式[6]

（2）聯(lián)合庫(kù)存管理模式（JMI）

圖3 聯(lián)合庫(kù)存控制模式[7]

圖4 CPRF庫(kù)存管理[7]

（4）集中存儲(chǔ)和橫向轉(zhuǎn)運(yùn)相結(jié)合的庫(kù)存管理模式[8]

圖5 存在集中存儲(chǔ)與橫向轉(zhuǎn)運(yùn)的配送網(wǎng)絡(luò)

中心化庫(kù)存控制策略下，各庫(kù)存主體信息完全共享，庫(kù)存控制策略是基于供應(yīng)鏈整體庫(kù)存優(yōu)化的前提由供應(yīng)鏈各方主體共同協(xié)商制定。但是，中心化庫(kù)存控制策略需要兼顧各方利益，管理協(xié)調(diào)工作難度大，特別是系統(tǒng)層次比較多時(shí)更難；另外，誰(shuí)是供應(yīng)鏈的核心，由誰(shuí)來(lái)主導(dǎo)協(xié)調(diào)也是關(guān)鍵問(wèn)題。

2 云服務(wù)模式下的多級(jí)庫(kù)存控制策略探討

在傳統(tǒng)的物流配送網(wǎng)絡(luò)中，各個(gè)庫(kù)存點(diǎn)都在依靠自己的資源來(lái)提供能夠提供的服務(wù)，資源和服務(wù)之間的關(guān)系是強(qiáng)耦合性。另外，受傳統(tǒng)管理模式的影響，各個(gè)庫(kù)存點(diǎn)都是在從自己角度出發(fā)制定庫(kù)存管理決策，無(wú)法達(dá)到全局性的資源配置和成本降低。云服務(wù)模式就是要打破實(shí)體企業(yè)的邊界，讓能力和資源進(jìn)行虛擬空間的整合，形成虛擬資源平臺(tái)；供應(yīng)鏈成員共同享用這些資源，并在供應(yīng)鏈成員之間合理配置，實(shí)現(xiàn)資源的一體化集成和調(diào)度，如圖6[9]所示。

圖6 云庫(kù)存控制模式

云服務(wù)模式下的庫(kù)存控制就是要通過(guò)庫(kù)存信息的多方向聚集和庫(kù)存資源的網(wǎng)絡(luò)化控制，實(shí)現(xiàn)供應(yīng)鏈多級(jí)、多庫(kù)存點(diǎn)的庫(kù)存優(yōu)化，各種庫(kù)存控制策略的區(qū)別如表1所示。

表1 五種庫(kù)存策略比較[8]

3 云服務(wù)模式下配送需求預(yù)測(cè)與庫(kù)存配置聯(lián)合決策模型構(gòu)建

在獨(dú)立決策思路下，首先基于需求預(yù)測(cè)誤差最小得到需求預(yù)測(cè)結(jié)果，然后根據(jù)預(yù)測(cè)值作庫(kù)存決策，此時(shí)無(wú)法判定T期總成本是否最小。考慮到傳統(tǒng)決策方法的不足，提出以T期總成本最小和預(yù)測(cè)偏差最小為決策目標(biāo)，構(gòu)建需求預(yù)測(cè)和庫(kù)存配置聯(lián)合決策模型。

3.1 問(wèn)題假設(shè)

1）考慮多配送中心、多零售商的配送網(wǎng)絡(luò)，配送中心備選點(diǎn)和零售商位置已知；

2）每個(gè)零售商的需求可以由多個(gè)配送中心協(xié)同完成，且零售商的需求要求全部得到滿(mǎn)足；

3）配送中心有容量約束。

3.2 參數(shù)定義

I：備選配送中心集合，某一個(gè)配送中心用i表示

J：零售商集合，某一個(gè)零售商為j

T：計(jì)劃周期t的集合

z：一定服務(wù)水平下的安全系數(shù)

Dt,j：第t期零售商j需求實(shí)際值（噸）

(Dt,j：第t期零售商j需求預(yù)測(cè)值（噸）

ut,j：需求點(diǎn)j第t期需求均值（噸），ut,j=(Dt,j

σut,j：需求點(diǎn)j 第t 期需求標(biāo)準(zhǔn)差（噸），σut,j=1.25MADt,j（其中MADt,j=αMAD（t-1）,j+（1-α）(t-1)j-D(t-1)j|；

α為平滑系數(shù)，一般取值0.1到0.2之間）Cq：?jiǎn)挝蝗必洺杀荆?5元/噸

Ch：?jiǎn)挝粠?kù)存持有成本，取12元/天·噸

dij：配送中心i到零售商j距離（Km）

Ct,i：第t期配送中心i最大容量，取值1000噸

Cyij：從配送中心i到零售商j的單位運(yùn)輸成本（元/噸·Km），取值0.3元

Xt,ij：第t期配送中心i對(duì)零售商j的覆蓋比例，且0≤Xt,ij≤1。

3.3 模型構(gòu)建

云服務(wù)模式下的配送需求預(yù)測(cè)與庫(kù)存配置聯(lián)合決策模型：

式(5)表示總成本最低，式(6)表示需求預(yù)測(cè)誤差最小，式(7)表示配送中心和零售商的協(xié)同服務(wù)關(guān)系，式(8)表示零售商j的所有需求要被滿(mǎn)足，式(9)表示第t期配送中心i的最大容量限制。

4 算例實(shí)驗(yàn)

4.1 算例參數(shù)

現(xiàn)有1個(gè)供應(yīng)商、5個(gè)備選配送中心（i=1，2，3，4，5）、20個(gè)零售商（j=1，2…20）構(gòu)成的配送網(wǎng)絡(luò)，配送中心的坐標(biāo)為（99，79）、（6，48）、（10，28）、（46，15）、（15，83）。其他數(shù)據(jù)如下：

4.2 模型求解

利用前3期配送需求數(shù)據(jù)，采用文獻(xiàn)[10]中基于遺傳算法改進(jìn)的灰色Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法得到零售商j的第4、5期需求預(yù)測(cè)值如表4所示。此外，在MATLAB中調(diào)用GAOT遺傳算法工具箱來(lái)對(duì)模型進(jìn)行求解，軟色體編碼及初始種群的生成方法如下：

表2 零售商j的坐標(biāo)值

表3 零售商j的需求實(shí)際值（單位：噸）

表4 零售商j的第4～5期需求預(yù)測(cè)值（單位：噸）

（續(xù)表4）

設(shè)I個(gè)配送中心，J個(gè)零售商，分T期

1）隨機(jī)變量設(shè)為T(mén)J個(gè)，取值范圍為1～（2T-1）。

2）再增加隨機(jī)變量TJI個(gè)，取值范圍為0～1，組成T*J覆蓋比例矩陣，即每個(gè)配送中心與每個(gè)零售商都有一個(gè)隨機(jī)覆蓋比例，與狀態(tài)矩陣對(duì)應(yīng)。

3）對(duì)1）中的隨機(jī)變量取整后轉(zhuǎn)換為二進(jìn)制數(shù)，使一個(gè)零售商可以與多個(gè)配送中心進(jìn)行對(duì)應(yīng)，最少一個(gè)、最多I個(gè)。

4）對(duì)T期中的配送中心與零售商的配送關(guān)系賦值，形成狀態(tài)矩陣。

5）狀態(tài)矩陣與覆蓋比例矩陣進(jìn)行點(diǎn)乘，從而獲得與狀態(tài)矩陣所對(duì)應(yīng)的覆蓋比例原始矩陣。即配送中心與零售商有對(duì)應(yīng)關(guān)系才取值，否則覆蓋比例為0。

6）對(duì)覆蓋比例原始矩陣進(jìn)行歸一化計(jì)算，即確保一個(gè)零售商的所有覆蓋比例和為1，從而獲得歸一化后的覆蓋比例矩陣。

第5期配送需求服務(wù)分配方案如表5所示。

表5 第5期覆蓋比例Xt,j矩陣

4.3 模型的穩(wěn)定性分析

取三組不同規(guī)模的隨機(jī)算例分別運(yùn)算云服務(wù)模式獨(dú)立決策（模型中去掉目標(biāo)函數(shù)和云服務(wù)模式聯(lián)合決策模型，不同問(wèn)題規(guī)模、不同模型的計(jì)算結(jié)果如表6所示，由結(jié)果可知云服務(wù)模式聯(lián)合決策模型在不同問(wèn)題規(guī)模下的穩(wěn)定性較好，且依然保持著成本優(yōu)勢(shì)。

表6 兩種模型總成本對(duì)比（元）

5 結(jié)語(yǔ)

VMI、JMI和CPFR等庫(kù)存控制策略?xún)H能實(shí)現(xiàn)多級(jí)配送網(wǎng)絡(luò)的局部庫(kù)存資源優(yōu)化配置；集中存儲(chǔ)和橫向轉(zhuǎn)運(yùn)等庫(kù)存控制策略也僅僅考慮到多級(jí)配送網(wǎng)絡(luò)中同級(jí)庫(kù)存點(diǎn)間的庫(kù)存資源共享，而沒(méi)有解決縱向各節(jié)點(diǎn)間的庫(kù)存資源優(yōu)化配置問(wèn)題。云服務(wù)模式借助云的思想構(gòu)建云庫(kù)存資源池，注重分散資源集中管理、集中資源分散服務(wù)，能實(shí)現(xiàn)多級(jí)配送網(wǎng)絡(luò)的全局優(yōu)化。在聯(lián)合決策模型中，可以避免因預(yù)測(cè)方法不當(dāng)而造成的庫(kù)存成本上升，有助于實(shí)現(xiàn)總成本最小和預(yù)測(cè)誤差最小的雙重目標(biāo)。