船舶备件存贮策略研究

船舶备件存贮策略研究

1正常供应下的配件储备规划为了确保能够完成生产任务，确保运输运作的连续性，交通运输公司必须储备一定数量的辅助设备，以满足船舶辅助设备的正常供应。配件储备多大数量最为合理,是存储决策中需要解决的主要问题。本文采用整数规划和动态规划来讨论该问题。为提高企业管理水平,用科学的技术方法指导管理,研制开发了船舶配件存储决策支持系统FSDSS,辅助库存管理者选择相对优化的存储决策,使企业在满足运输需要的前提下,降低存储费用,获得较高的经济效益。2其他配合部件船舶配件需求具有以下2个特点:(1)设备的部分部件由于各种自然或人为的原因损坏,需要更换才能正常工作。(2)设备中一些动静配合的部件,由于磨损,其配合尺寸已超过说明书允许使用的极限,需要更换才能保证设备安全运转。此外,水运企业船舶流动、分散、远离公司本厂,船舶自身需要存贮一些配件,至于存量,与船龄、负责人的偏好等因素有关,这些因素在建模时要予以考虑。因此,船舶配件需求是不确定的、随机的,但是大量统计表明配件需要量遵循一定的统计规律,即为有一定随机分布的需求。3随机型存贮模型船舶配件种类繁多,因而存储模型也是多种类型。这里讨论具有代表性的随机型存贮模型,即配件需求是随机的,概率分布为已知。在这种情况下,就需要计算随机变量的期望值,存贮策略的优劣,以损失期望值的大小作为衡量标准。3.1最佳批量和最佳用量的确定配件需求的随机性表明,船舶配件存贮策略应采用(s,S)策略。存贮量降到某一确定数量时补充库存。当存贮量x>s时不补充,当x≤s时补充存贮量至S。s为最低库存量,S为最佳库存量。为简化模型,考虑某时间段t,一类配件的存贮模型。设某类配件的领用量为v,其概率为p(v)。设单位货物的存贮费为c1、缺货费为c2、货物单位为k,订购费为c3,期初库存为I,在本阶段内为常数,订货量为S-I,假设需求只在期初发生,则该阶段的费用期望值为C(S)=c3+k(S−I)+∑v=0Sc1(S−v)p(v)+∑v=S+1∞c2(v−S)p(v)(1)C(S)=c3+k(S-Ι)+∑v=0Sc1(S-v)p(v)+∑v=S+1∞c2(v-S)p(v)(1)最佳库存量是使式(1)取最小值的S。下面确定最低库存量。期初库存量为I,若订购货物,则期望费用为f1(I)=c3+k(S−I)+∑v=0Sc1(S−v)p(v)+∑v=S+1∞c2(v−S)p(v)(2)f1(Ι)=c3+k(S-Ι)+∑v=0Sc1(S-v)p(v)+∑v=S+1∞c2(v-S)p(v)(2)若不订购货物,则期望费用为f2(I)=∑v=0Ic1(I−v)p(v)+∑v=I+1∞c2(v−I)p(v)(3)f2(Ι)=∑v=0Ιc1(Ι-v)p(v)+∑v=Ι+1∞c2(v-Ι)p(v)(3)I为最低库存量的充要条件是不订货的期望费用小于订货的期望费用,即∑v=0Ici(I−v)p(v)+∑v=I+1∞c2(v−I)p(v)<c3+k(S−I)+∑v=0Sc1(S−v)p(v)+∑v=S+1∞c2(v−S)p(v)(4)∑v=0Ιci(Ι-v)p(v)+∑v=Ι+1∞c2(v-Ι)p(v)<c3+k(S-Ι)+∑v=0Sc1(S-v)p(v)+∑v=S+1∞c2(v-S)p(v)(4)式中0≤I≤S,取满足式(4)的最小的I为最低库存量。综上所述,库存问题可归纳为如下寻优问题:minC(S)=c3+(k−I)S+∑v=0Sc1(S−v)p(v)+∑v=S+1∞c2(v−S)p(v)minD(I)=I⎫⎭⎬⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪(5)minC(S)=c3+(k-Ι)S+∑v=0Sc1(S-v)p(v)+∑v=S+1∞c2(v-S)p(v)minD(Ι)=Ι}(5)满足约束条件:∑v=0Ic1(I−v)p(v)+∑v=I+1∞c2(v−I)p(v)<c3+k(S−I)+∑v=0Sc1(S−v)p(v)+∑v=S+1∞c2(v−S)p(v)(6)∑v=0Ιc1(Ι-v)p(v)+∑v=Ι+1∞c2(v-Ι)p(v)<c3+k(S-Ι)+∑v=0Sc1(S-v)p(v)+∑v=S+1∞c2(v-S)p(v)(6)0≤I≤S该寻优问题的传统求解方法是差分法。实际上由于S、I只能取整数,这是一个整数规划问题,求解整数规划的方法有多种。如枚举法、蒙特卡洛方法、分枝定界法、割平面法等,还可使用鲁棒性较好的遗传算法求解。3.2马氏链预测法在手机学习过程的应用,其对于预测结果的不确定性设计不容易求得需求量v的概率p(v)见文献和。p(v)服从泊松分布:p(v)=e−λλvv!(7)p(v)=e-λλvv!(7)式中:∑v=0∞p(v)=1∑v=0∞p(v)=1;λ为平均领用量。参数平均需求量λ的确定,可用时间序列分析法,如移动平衡法、加权移动平均法、指数平滑法;需求量的拨动受多种因素的影响,是一种非线性随机过程,亦可用人工神经网络方法来预测。但应注意随着时间的推移,学习样本也逐渐移动,使得历史数据与未来的联系更加密切,以减少随机过程非平衡性的影响。为了提高预测的准确性,需要对预测结果进行可靠性设计。方法有两个:多数表决器,加权平均方案,具体见文献。由于配件需求具有无后效性,可应用马尔科夫预测法。无后效性指:过程或系统将来的状态只与现在所处的状态有关,而与历史状态无关。马氏链预测的基本方法是用转移概率矩阵。如果预测对象目前处于状态i,pij是从第i个状态变化到第j个状态(j=1,2,…,n)的概率。取max{pij|j=1,2,…,n}作为预测的结果。实际上,马氏链预测法不仅可得到λ,而且{pij|j=1,2,…,n}可直接用于式(5)和(6)中。目前,马氏链模型已广泛应用于市场需求预测和决策方面。此外还可应用灰色预测等方法确定λ或p(v)的模型。除泊松分布外,不排除某些配件服从其他概率分布,此时需要修正模型。这涉及到系统辨识理论和方法,不在此叙述。4部件系统的组成决策支持系统(DSS)是综合利用大量数据,有机组合众多模型(数学模型与数据处理模型等),通过人机交互,辅助各级决策者实现科学决策的系统,由“综合部件、模型部件、数据部件”三部件组成。数据部件的核心实际上是一个管理信息系统,为模型提供数据。模型部件提供模型的存储、运行管理,支持多模型的组合。综合部件按决策问题的要求,控制模型的运行以及模型的组合运行,存取数据库的数据,进行有关的数据处理和计算,并完成人机交互功能,集成三部件形成DSS。根据以上所述,配件存储决策支持系统FSDSS按三部件结构设计,其总体结构如图1所示。4.1系统平台的选择DU是DSS的重要组成部分,对配件入库、领用、库存进行统计,收集和存储基础数据,为MU提供数据。包含的功能模块见图1,其功能和实现方法与一般信息系统类似,不再进一步介绍。为减少FSDSS开发的困难,选用成熟的数据库系统作为该部件的开发工具。在此DBMS选用关系型数据库,用VisualFoxpro5.0进行数据库设计和程序设计。4.2fsdss的模型库模型库MB的组织和存储是MU的重要问题,与模型的表示形式有关。在FSDSS中,模型以程序形式表示,程序又有源程序和目标程序,目标程序由源程序编译而得。为便于对模型的说明,此外还有模型帮助部分(对模型的功能、模型的数学方程以及解法进行说明)、数据描述部分(对模型的变量、模型的输入输出数据进行说明)。所以一个模型需要4个说明部分。为便于对模型分类、查询和修改,方便模型与其他各部分的联系,建立索引是必要的。模型字典由此而生,它对每个模型的名称、编号、相应的模型文件名及存取路径进行说明。模型字典的内容按照关系型数据库的表组织形式存放,每个模型是一条记录。根据以上所述,FSDSS的模型库主要由模型字典和模型表组成,其结构如图2所示。在模型字典中,设置前趋模型字段为模型的组合运行提供了方便。关于前趋模型定义如下:设A、B是2个模型,如果A的输出数据作为B的输入数据,则A是B的前趋模型,B是A的后继模型。设A、B、C是模型,C模型的前趋模型可以是某个模型(如A);若干模型的“与”、“或”组合,用&&、‖表示“与”、“或”。A&&B→C表示A、B的输出均是C的输入,只有A、B运行后,才可调用C;A‖B→C表示A、B的输出都可以作为C的输入,只要A、B之一运行后,就可调用C;也可以无前趋模型,用NULL表示。例如随机型存贮模型运行前需要确定平均需求量λ,可有5种模型供其选用,分别为:A1,A2,A3,A4,A5。则在字典表中的记录如下:模型表中的字段源程序、模型帮助、数据描述均是文本形式,可用备注类型实现。它们为实现模型查询的功能提供了方便。模型维护包括模型的建立、添加、修改、删除、输出等功能。考虑到一般用户计算机知识有限,该功能暂未向用户开放,仅供程序员、系统管理员使用。4.3fsdss数据的输出和模型的选择综合部件的核心是总控程序,根据前面所述,具有如下功能:控制模型程序的运行,存取数据库的数据,进行数据处理,进行数值计算,完成人机交互。FSDSS总控程序的流程图如图3所示。总控程序选择合适的模型,根据模型运行需要提取数据,进行模型运算,并对运算结果进行方案评价。变动模型参数,进行灵敏度分析,分析其对决策方案的影响,必要时重新运算模型,然后从中选优。当决策方案满意时,可输出决策方案。选择模型有自动和人工2种方式,数据库中的配件代码表存有模型编号,这是FSDSS默认或建议使用的存贮模型,为系统自动选择模型提供了可能。人工选择是显示FSDSS提供的所有模型及说明,用户通过键盘或鼠标选择。模型调用是总控程序通过模型字典作桥梁,找到并运行模型目标程序文件。若有前趋模型,首先运行前趋模型,这是一个递推调用的过程。为了提高系统的友好性、可接受程度,人机界面的设计不容忽视。在FSDSS中,充分利用了多窗口技术、菜单技术、多媒体技术(即数据、文字、声音、图形、图像的集成技术),为人机交互提供了更友好的环境。窗口、菜单引导用户逐级进入和使用系统,对初级用户非常适宜。FSDSS通过多媒体技术表现系统运行情况和最终结果,使人机交互的形式、内容更加丰富。5发展向通用集成语言(1)讨论了具有代表性的随机存储模型。其他类型的模型分析及在本系统中的应用由于篇幅所限,未作讨论。(2)建立模型本身就是一个困难的工作。人工建模,取决于人的经验,建立模型的效果则因人而异。可以通过机器学习技术来进行计算机建模。这将从更高层次上促进DSS的研究和发展。(3)