基于云制造的供應鏈網絡構建研究

黃 輝 ，紀玉嬌，王 哲，梁 星，蔡宇浩

（1.西北工業大學 管理學院，西安 710129；2.中興通訊股份有限公司，深圳 518057；3.中國航天科技集團五院第五一三研究所，煙臺 264000）

0 引言

全球一體化背景下，各國之間的競爭滲透到了各個行業，制造業是一個國家工業發展的根基，在制造業中處于領先地位的國家也將會在供應鏈下游產業的對抗競爭中占據優勢。新時期，我國制造業的發展雖然取得了有目共睹的進步，但相較于德國日本等制造業強國，仍存在著自主創新能力不強、資源利用率低下等巨大劣勢，近年來，我國適時提出了“中國制造2025”作為中國政府實施制造強國戰略的第一個十年行動綱領，以市場為主導，釋放創新創造活力，改變中國制造“大而不強的局面”。在“中國制造2025”的背景下不斷發展創新，拓寬思路，引進新模式新思想并不斷完善，使其能在制造業的改革轉型中發揮巨大優勢，在實施過程中給制造業各方帶來切實的利益，是目前相關企業及學者應該考慮的問題[1]。中國國土幅員遼闊，各地地理人文差異明顯，不同地區制造業發展各有特點，呈現出分散分布的特點[2]。小型制造業局限于制造企業當地，可以形成區位優勢，但是要完成諸如航空航天等大型裝備設施的制造，則需要不同地區的制造企業能夠高效協同，保持信息的高度透明，需要統一的制造業綜合調度平臺進行統一協同管理，利用管理信息系統進行資源信息的管理。隨著制造業向著敏捷化、智能化、綠色化和服務化發展的趨勢變得越來越明顯，對制造業按需快速響應的要求也變得更加迫切。在制造業中滲透智能生產，體現服務意識，這對現代制造業提出了更高的標準與要求[3]。“中國制造2025”的一大部署就是全面提高中國制造業發展的質量與水平。云制造的概念自2009年被李伯虎院士提出以來（云制造1.0）只有短短幾年時間，但由于其所具有的獨特優勢與無限發展潛力，引發了各領域專家學者的高度關注。云制造實現了對制造全系統，全生命周期里邊的人及物進行智慧地感知、互聯、協同、學習、分析、預測、決策、控制和執行，使人組織、經營管理和技術裝備得到了最大的協同互聯，從而降本增效，提高了制造行業的整體競爭力[4,5]。云制造在對大范圍分布式制造資源進行整合封裝與匹配共享的同時，賦予了分布式制造更大的動態性與隨機性，將供應鏈管理納入云制造平臺之中，利用大數據、云計算、物聯網等技術的支撐，完成云制造供應鏈系統的分析設計與運作，進而實現供應鏈的動態響應與敏捷調度也就顯得尤為重要[6]。

1 云制造供應鏈相關研究綜述

1.1 云制造

歐盟第七框架（FP7）中提出了ManuCloud項目（2010年8月～2013年7月），并在2013年啟動的CAPP-4-SMES項目中正式使用“Cloud Manufacturing”這一詞匯。與此同時，美國、新西蘭、英國等大學及研究機構也開展了云制造相關的研究。國內的有關研究則是由李伯虎院士首先較為完整地提出了云制造的概念（2009），他認為：云制造是一種利用網絡和云制造服務平臺，按用戶需求，組織網上制造資源（制造云），為用戶提供各類按需制造服務的一種網絡化制造新模式[7]。此后，國內學者以此概念為導向，開始了在云制造1.0及其延伸領域的研究。2012年，李伯虎院士及其團隊在云制造1.0的基礎上提出了智慧云制造（云制造2.0），相較于之前的云制造研究，智慧云制造更加強調信息技術、智能科學技術、制造應用技術的深度融合，注重高效、優質、低耗、柔性的制造產品可以服務制造用戶的全生命周期，通過一個核心，即智慧云制造平臺，使智能制造系統形成理想的數字化、智能化、網絡化狀態，最終在信息高度透明下實現制造企業的降本增效與市場競爭能力的提升[8～10]。

1.2 云制造供應鏈

云制造供應鏈是在云制造技術體系下構建成的網鏈關系，是以云計算、物聯網、人機交互系統等先進信息技術為支撐，更加柔性、開放、自主的供應鏈，其管理方式更加靈活，對供應鏈各個節點的動態交互與敏捷響應都提出了更高的要求。林云等，提出了一種面向供應鏈物流服務的新模式——物流云服務，闡釋了物流云服務的創新性與技術架構[11]。古川等提出云制造供應鏈與傳統制造供應鏈相比具有的虛擬性、動態性、柔性以及云制造供應鏈企業向知識型、學習型轉變等特點[12]。與此同時，國內學者也陸續開始了對于云制造供應鏈建模的探索，在云制造供應鏈節點效益、服務能力等方面進行了優化分析[13,14]。除此之外，有學者將蝙蝠算法應用到云制造供應鏈的相關研究中，在供應鏈篩選有效性、算法尋優、全局搜索等方面取得了一定的研究成果[15～18]。目前對于云制造云制造供應鏈的研究相對較少，多集中于理論層面的模式探索以及微觀層面的節點優化，通過網絡規劃等相關領域研究方法對云制造的研究很少，需要學術界的不斷探索與研究。

1.3 其他相關研究

1.3.1 供應鏈網絡

供應鏈網絡涉及到商流、物流、資金流和信息流的控制，包括對一種或多種產品進行采購、生產、銷售、消費等一系列相關活動，是由若干條供應鏈相互交錯形成的網狀結構模式。供應商、制造商、分銷商、零售商以及各環的服務商在戰略、業務、資源方面協同作用，形成了多條供應鏈交互構成的異構分布式系統。供應鏈的網絡規劃設計與網絡模型研究，是供應鏈管理長期戰略層所研究的基本問題之一[19]。由于供應鏈的節點較多，網絡較為復雜，葉笛（2011）討論了將復雜網絡的理論運用到供應鏈網絡的研究的可行性，并深入分析了供應鏈系統整體運行規律和宏觀行為、供應鏈網絡特征以及供應鏈網絡動態生長演化規律[20]。與此同時，基于復雜網路理論難以完全捕捉供應鏈網絡屬性的現實，很多學者在不同的應用情境下，對復雜網路理論進行了改進、結合或擴充并進行了模型分析與驗證[21～24]。云制造的供應鏈網絡大多數是有向加權的制造供應網絡，由于云制造模式的特殊性，對網絡加入了柔性、動態的元素，其研究與探索便顯得更為復雜，需要尋找合適的模型在現有的基礎上不斷建模仿真對結果進行優化。

1.3.2 供應商選擇

供應鏈中的供應商選擇，是供應鏈管理研究的重要問題之一。目前國內外的相關研究較多，主要分為兩類，一類是通過研究評價評估方法來進行供應商的評價與篩選，評估方法包括直接選擇分析法、層次分析法、數據包絡分析、整數規劃、神經網絡、貝葉斯證據網絡等[25～27]。另一類是通過建立多目標數學規劃模型，對理想方案進行排序，如關志民等提出了一個組合多屬性決策模型，集成了模糊AHP、模糊多指標以及TOPSIS方法各自的優點，采用理想點法，對供應商進行排序和選擇決策[28]。對供應商選擇問題的研究，目前較少有以供應鏈為主導的選擇研究，多是把供應鏈作為供應商評價的一個指標進行綜合加權選優，而供應鏈作為云制造的實施基礎，很多情況下，供應鏈相關的因素將會對供應商的選擇起到決定性的作用。將供應鏈單獨研究，分析研究其對于供應商篩選的作用，也是十分必要的。

1.3.3 供應鏈不確定性

一個供應鏈網絡的規劃到運作實施可能需要經歷很長的一段時間，這就意味著很多參數在網絡未來的實施過程中會產生變化，即具有不確定性。Sabri和Beamon曾指出，不確定性是SCM中最重要，同時也是最具挑戰性的問題[29]。由于供應鏈的不確定性因素眾多，可以通過不同的分類準則對不確定性的來源進行分類：短期不確定性因素與長期不確定性因素；生產不確定性因素與供給不確定性因素；模型不確定性因素、過程不確定性因素、外部不確定性因素與離散不確定性因素；內生不確定性因素、外生不確定性因素等等。借助強大的云制造平臺進行高效容錯計算，智能、敏捷、動態地對供應鏈不確定性的規避與減弱，正是云制造優越性的體現之一[30]。Moritz Wendt等將企業的不確定性分為企業內生的不確定性（如時間、成本、資金、質量等）與外生不確定性（如市場價格、自然環境與政策法規等[31,32]）。

2 不確定型云制造供應鏈算例構建

2.1 不確定型云制造供應鏈

在現實云制造的過程中，的制造企業的內生不確定性是不可避免的，這種內生不確定性，與來自需求方的制造需求波動等因素不同，云制造供應商的內生不確定性，包括供貨時間與實際不符、供貨數量與需求的差別、原材料的質量不符、原材料的價格波動、制造周期的不穩定性、制造產品的損毀所造成的質量的不穩定性、以及機器故障、機器損壞、備用零件不足、計算機出錯、員工疏忽失誤等[33]。云制造借助其強大的智能云制造平臺可以對云制造供應鏈進行風險規避，也就是不確定性顯性化，提前預知與預測，來為預先決策提供參考。而如何識別風險，將云制造供應鏈的不確定性及時暴露，這就需要進行大量的方法研究，并借助云制造技術來實現。通過對不確定性的分析，能減少不確定性風險給云制造供應鏈帶來的損失。風險評審技術（Venture Evaluation Review Technique）是一種以管理系統為對象，以隨機網絡仿真為手段的風險定量分析技術[34]。內生不確定性中的三個最主要的因素，即時間、費用、性能在分布式生產、總裝鏈式多級云制造供應鏈中不確定時，通過風險評審技術進行建模仿真，可以達到將不確定性量化后對實際的供應商選擇進行指導的目的。

2.2 構造算例

假定一個航天器型號產品有如圖1所示的離散式生產總裝式制造的生產制造流程，其代表了一種較為典型的多總裝多級云制造供應鏈體系，圖中各節點標有具體的工序名稱與代號，工序間的箭頭指向關系代表了各工序前后承接關系也代表了云制造供應鏈的物流流動方向，其中工序7綜合電子與工序9衛星平臺裝配是總裝生產制造節點，需要緊前工序全部完成的情況下才能開始。10個工序各有多家有能力的供應商可以提供給相應的制造能力。

圖1 某航天器型號制造流程

與圖1相對應的，在表1中給出了每個節點工序的名稱，供應商個數以及標準費用與工時，本算例的費用與上一算例的節點供應成本的內涵一致，為重點探討研究方法，算例做了簡化處理，對于各工序的的費用、工時與性能標準的賦值都做了去量綱處理并賦予同樣的數值，便于編程與結果分析。例如，節點1，制作星敏感器的這一工序，對其的標準費用賦值是4，同樣的標準時間與標準性能賦值也是4，在一次仿真的過程中如果節點1中的某一供應商的供應時間或費用超過4，抑或者該供應商供應產品的性能值不足4，則該供應商為不符合要求供應商，被舍棄。

表1 節點工序相應參數賦值

基于VERT的理論基礎，對此算例進行了VERT網絡模型的繪制，如圖2所示。可以看出模型由組合節點、單節點、弧等構成，通過“與”邏輯、“或”邏輯、“蒙特卡略”邏輯等對算例的各個節點工序的前后傳遞與結合的邏輯關系進行了表達，能夠完全模擬圖1的型號制造流程。同時對1至6工序的制造階段定義為階段A，節點7至10分別定義為階段B、階段C、階段D、階段E。在仿真過程中，如果有工序節點沒有一個供應商能全部達到該節點對時間、費用、性能標準的要求，則該節點失敗，本次仿真以失敗結束。仿真會對失敗節點的階段予以記錄，進行分析。

圖2 VERT網絡模型

算例仿真輸入各供應商費用、時間、性能，通過給定不同的數值來模擬不同的供應商在提供制造服務時費用、時間、性能上的不同。由于正態分布有極其廣泛的實際背景，生產與科學實驗中很多隨機變量的概率分布都可以近似地用正態分布來描述，因而算例假設所有的供應商的供應時間、費用、性能隨機變量全部符合正態分布，本算例對每一個供應商的三個性能隨機變量所符合的正態分布隨機地賦予不同的均值μ與方差б來表示各供應商所能提供的制造能力與制造穩定性（即不確定性）。具體的賦值，如表2所示。

在仿真的過程中，費用、時間與性能的輸入值雖然都是正態分布的隨機變量，但其數據處理有所區別：每次輸入的隨機變量只要滿足性能要求即可，而費用與時間需要對每次輸入的隨機變量進行加權比較，加權公式如表2所示，在該節點的幾個供應商中選取滿足要求的（即全部達到時間和費用標準下限以及超過性能標準），加權值與標準的差最大者，進入下一個弧或節點。性能在每個節點都單獨計算，每次每個供應商的性能仿真值達到性能標準值即為合格，如果該節點所有供應商本次仿真性能值均未達到該節點的性能標準值，則該節點失敗，流入該節點的失敗點。在費用與性能進行加權取優前，同樣先看二者是否存在所有供應商隨機變量均未達到標準的情況，若存在，該節點失敗。由于隨機變量分布的性質，在變量取負數時以零計，即變量應為非負（負數的情況只會在第一階段出現，之后的數據會與之前階段進行累積，故后面階段的分布如果出現時間或費用小于之前累積值的情況，以累積值來計）。

表2 各供應商參數賦值表

續（表2）

3 算例仿真運行及結果分析

3.1 仿真運行

本次仿真實驗環境：PC：主頻2GHz，內存4G；操作系統：WINDOWS 7；開發環境：MatlabR2013。

算例在在給出的VERT網絡規劃圖基礎上進行100000次仿真（從開始點到結束點為一次仿真），最后以不同情況發生的次數為結果數據進行分析研究。圖中的每一個邏輯節點（即實際的制造工序），在滿足性能要求的基礎上，通過計算費用與時間標準差的加權和，在備選供應商中篩選出最優供應商。在到達最終結束點的路線中，100000次仿真哪條路線仿真過程中通過的次數最多，這條就可以被定義為最優路線，最優路線上的供應商即可以被選定為最終供應商。由于包含總裝的制造情況，本算例所講的路線并不是嚴謹的單流程制造路線，而是對于供應商篩選的一種表述情況，最優路線即為最優供應商選擇方式。

節點編程邏輯順序為：當一次仿真到達某個節點后，先看性能、時間、費用是不是有哪一個要素在該節點，所有的供應商所取的隨機變量全部都不符合標準（性能是不到標準，費用和時間是超過了標準）。如果有，則該節點直接進入結束點。否則，在該節點符合標準的供應商中按照給定的加權，來進行費用與時間的加權計算，加權計算值最大的為該節點的供應商，并將其數據與之前階段的數據加成后輸入到下一條弧中。時間與費用要具有連續性，即本節點的數據要加上該節點之前階段的累積值輸出到下一階段，表明到達該節點后的，所累積的累積進度時間和累積費用。本著越往后期，時間進度越為重要的原則，在權重系數的分配上，表2進行了體現。編程界面如圖3所示。

圖3 編程界面示意圖

3.2 仿真結果數據分析

1）通過輸出的結果數據得出最優路線，即最優的制造組合方案是：1C→2B→3C→4D→5A→6B→7B→8C→9A→10A。

在所有96951次成功的仿真中，最優路線出現了2656次。為了保證結論的嚴謹性，本次仿真共選取了仿真相對最優即通過路次數最多的前20條路線，這20條路線總共的仿真通過次數是15671次。最優供應商組合方案的10個供應商在前20條路線中的15671次中出現的頻率如圖4所示。

圖4 最優供應商在前15671次仿真中通過的頻率

可見，相對最優供應商，在15671次仿真中通過的比例均超過了65%，有四個節點甚至達到了100%，也說明了最優路線上所選擇的是相對最優供應商，保證了供應商選擇的嚴謹性。

2）最優線路的兩個值所發生次數的散點圖如圖5和圖6所示，可以得出，由于每次仿真在正態分布的基礎上隨機取值（即不確定性），因而最優路線上的兩千多次仿真的時間與費用也存在著一定的分布規律，2656次仿真的數據均勻地分布在均值的兩側，并表現出向均值集中的趨勢，通過計算，最優線路的2656次仿真中時間的均值是34.9782；費用的均值是59.959。由于性能值的設定，在本算例中是以作為階段篩選指標，不具有累積比較的效用，故不做考慮。

圖5 最優路線仿真費用值的散點圖

圖6 最優路線仿真時間值的散點圖

與此同時，在仿真的結果，最優線路的平均時間與平均費用在所有輸出的20條線路中并非是最少的。這也正體現了本文所研究的方法在除了考慮單因素外，加入風險的不確定性因素的后對于實際操作層面的分析與選擇，在現實中的云制造項目過程中，在加入風險不確定性因素后，制造需求者不再單一考慮進度與成本，需要綜合考慮其余不可控因素，一味地追求成本與費用可能會使項目走向另一個極端，導致項目失敗，因而算例的分析是對于加入風險因素考慮后的進一步探索。

3）另外，由于VERT自身的優勢，通過仿真得出各階段結束的情況即ABCDE五個階段的失敗次數。如圖7所示。

圖7 各階段失敗次數

從項目管理的角度去看待每一個云制造的過程，都有可能由于其不確定性帶來各階段制造失敗的風險。由算例仿真數據可以得出，失敗的3049次仿真中，第一階段就占據了2794次，故在實際運行過程中，需要對第一階段采取一定的對策與措施，減少風險所帶來的項目失敗的概率，保證項目的成功進行。

4 結束語

以云制造為背景，基于目前對云制造供應鏈研究相對較少的現實，將風險評審技術同云制造供應鏈相結合進行研究，探索了其利用網絡規劃相關理論云制造供應鏈中供應商選擇所能提供的方法。文章以航天制造業的算例為依托，對提出的理論方法進行了驗證分析，為云制造研究的進一步發展與落地提供了理論補充。同時，云制造供應鏈的研究是涉及眾多相關領域的系統性復雜研究，對于云制造供應鏈的調度問題是云制造供應鏈研究的難點與核心，相關的成熟理論方法較少，需要在現有研究的基礎上繼續不斷探索，為云制造的盡快落地不斷努力。