運輸庫存集成優化問題研究

　　[摘要]物流配送系統中的運輸和庫存環節，分別解決供給者與需求者空間和時間的分離，是物流系統創造“空間價值”和“時間價值”的主要功能因素；同時也是物流系統中最重要的兩個環節，占物流成本支出的絕大部分，因此對運輸庫存環節進行集成優化研究具有重要意義。本文以物流配送系統運輸庫存集成優化問題為研究對象，對運輸庫存集成優化問題的定義、分類、常用算法等進行了研究，得到了有益的結論。
　　[關鍵詞]運輸；庫存；集成優化
　　[中圖分類號]F740
　　[文獻標識碼]A
　　[文章編號]1005-6432(2009)06-0125-03
　　
　　運輸和庫存是物流配送系統中兩個非常重要的環節，無論是戰略層的物流系統設計，還是操作層的物流系統運營管理；無論是生產物流，還是供應物流或銷售物流，都必然要面對和必須要合理優化這兩個環節。實踐中，這兩個環節的聯系又是如此緊密，用系統論觀點來集成考慮這兩個環節一定會極大的改進物流系統性能。如Blumenfeld等基于運輸庫存集成優化思想為通用公司設計的一個供應物流管理的決策支持系統，用于控制通用公司的2萬個供貨商向其160個工廠的供貨過程，據預測潛在的運營成本節省約26％。Golden等通過一仿真模型來分析庫存和運輸的主要因素，為一大型液化甲烷生產企業設計了配送作業計劃，據報道在運營成本方面每年大約可以節省200萬美元。Bell等在為一液化氧和液化氮生產企業優化配送作業流程時，采用了運輸庫存集成優化思想和相應的算法，使該企業的配送成本節省6％～10％。通過對一組模擬數據的計算和分析，Federg-Yllen和Zipkin得出的結論是，集成優化庫存和運輸比單獨優化運輸問題在運營成本上可節省大約6％。
　　
　　
　　1 運輸庫存集成優化問題定義
　　
　　在對物流配送系統進行深入研究的過程中，以有效控制配送系統中發生的庫存成本、運輸成本、配送頻率、配送數量和配送線路安排等為內容的運輸庫存集成優化問題(Transportation and Inventory Integrated OptimizationProblem，TIIOP)，成為研究的核心目標之一。運輸庫存集成優化問題可總體描述為：在一定的約束下，考慮一種或多種產品從一個或幾個配送中心在一定時間范圍(有限或無限)內運送至一個或多個客戶的整個物流配送系統的管理問題。設各級庫存的控制采用一定的補貨策略，由具備一定載運能力限制的車輛組成的車隊負責其產品的運送。所謂運輸庫存集成優化就是在滿足給定的客戶對產品的需求及運輸限定條件下，同時尋求最優的庫存、運輸配送策略以及決策方案使所研究的物流配送系統運輸庫存的總成本達到最小的最優化技術或方法。
　　
　　2　運輸庫存集成優化問題分類
　　
　　物流配送系統運輸庫存集成優化問題是一個涉及眾多可變因素的復雜系統，對應許多具有不同應用背景的實際問題，眾多的文獻現已提出了各種模型來進行求解。不同研究者根據所考慮的不同實際問題建立不同的系統模型，尋求不同的求解算法，具有不同的分類標準。
　　各分類標準解釋如下：
　　(1)客戶需求特性，確定型的客戶需求是指客戶需求量是已知的并在一定時期內相對穩定；隨機型的客戶需求是指客戶需求量是隨機的。
　　(2)配送網絡結構，可以分為單級和多級。單級配送問題是指不考慮設施的分級，所有設施均為同級；而多級配送問題則要考慮設施的分級。貨物從總站型設施運人中間轉運站型設施，經過簡單處理后運到客戶點。
　　
　　(3)配送中心數量，指所研究問題配送中心的數量，分為單配送中心和多配送中心兩種。以典型的兩級配送分析，可以是一對一(one-to-one)，即一個配送中心給一個客戶供貨，也可能是一對多(one-to-many)或多對多(many-to-many)。
　　(4)成本函數，相對于庫存成本，運輸成本的計算較為復雜，運輸成本可能是運量的線性函數，也可能是其非線性函數，如運輸成本相關于車輛行駛的線路等。
　　(5)補貨時刻，可以是連續時間也可以是離散時間進行補貨。
　　(6)產品種類，可以是單種產品配送，也可以是多種產品配送。
　　(7)運輸車型，是指有多少種車型為一個配送中心服務，分為單車型和多車型兩種。
　　(8)時間限制，主要是指滿足客戶要求或貨物品質要求，從配送中心到客戶的時間約束，分為無時間約束和有時間約束兩種。
　　(9)車輛裝載能力，是指是否要考慮車輛裝載能力的限制。不確定型是指對這個問題所涉及的每條路線上的貨物總量很小，不會超出車輛的裝載量，所以不用考慮車輛的裝載能力的限制；確定型是指每條路線上的貨物總量有可能超出車輛的裝載能力，所以要把車輛的裝載限制作為一個參數引入問題之中。
　　(10)設施容量，是指是否考慮各個設施容量的限制。分為不確定型和確定型兩種。
　　(11)計劃期間，單期間問題把整個期間作為一個時間段，是靜態問題；多期間問題把整個時間段按問題要求分為多個期間，是動態問題。
　　(12)目標數量，TIIOP的目標通常是總的成本(包括庫存成本和車輛運輸成本等)最小，但有時也需要考慮其他目標，比如滿足顧客的特殊需要、總體利潤最大化等。如果是多目標問題，經常會出現各目標之間的沖突。
　　(13)模型數據類型，在有些情況下，模型中的數據(如物品需求量等)是來源于實際的；而有些情況下，這些數據是在實際中不可得的，需要對其進行假設。根據模型數據類型的不同，把TIIOP分成假設型和實際型兩類。
　　國外許多學者對TIIOP的解決方法進行了有益的探討，根據所采用的方法可以分為兩種，分別是精確算法和啟發式算法。
　　解決TIIOP的精確算法大都是基于運籌學的優化算法，可以分為以下四種：圖論方法、動態規劃、整數規劃、非線性規劃。在以上算法中，最為常用的是整數規劃(包括混合整數規劃)，而具體解決時效率最高的方法是分支一定界法，但是如果所涉及的TIIOP的規模較大，精確算法就不實用了。
　　解決THOP的啟發式算法，由于TIIOP結合了庫存問題和VRP，而后者是NP難問題，所以，在大多數情況下，要用精確算法來解決TII0P是十分困難的，很多情況下要引入啟發式算法。
　　
　　3　有待進一步研究的問題
　　
　　從運輸庫存集成優化問題研究的現有成果看，對確定性需求的各種模型研究文獻較為豐富，其結果也較為深刻。但對隨機性需求的各種模型的研究較為困難，很多的實際問題即使可進行較準確地描述，但往往難以找到較好的數據處理及求解算法。應該說，迄今為止仍然有很多模型尚沒有開始研究。隨機需求下多種產品運輸庫存集成優化問題是今后運輸庫存集成優化問題的主要研究方向之一；在補貨策略方面，僅在確定需求情況下考慮了采用系統補貨策略的運輸庫存集成優化問題，但在隨機需求的條件下這類問題也是確實存在的。
　　在市場環境迅速變化的今天，對于具有動態車輛路徑問題性質，即存在隨機客戶情況下的運輸庫存集成優化問題的研究是十分必要的，因此，實時信息條件下的在線運輸庫存集成優化問題是運輸庫存集成優化問題今后研究的趨勢之一；在問題的拓撲結構方面，缺少對于系統中存在多個配送中心以及開放路徑情況下的運輸庫存集成優化問題研究。以上這些問題的研究正是運輸庫存集成優化問題在現實中得以有效的發揮作用所必須要解決的一些關鍵所