產(chǎn)業(yè)互聯(lián)背景下“智造”供需網(wǎng)多目標(biāo)優(yōu)化

王會(huì)停

（上海理工大學(xué) 管理學(xué)院，上海 200093）

1 引言

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，企業(yè)逐漸向產(chǎn)業(yè)互聯(lián)的方向發(fā)展，單一產(chǎn)品型企業(yè)開(kāi)始通過(guò)與其他企業(yè)的深度合作進(jìn)行跨產(chǎn)品的溢出,圍繞自身的關(guān)鍵產(chǎn)品以與其他產(chǎn)品相關(guān)性的強(qiáng)弱來(lái)布局延伸其產(chǎn)品線[1]。企業(yè)要考慮的不僅僅是產(chǎn)品的功能屬性是否滿足用戶的需求[2]，還要考慮來(lái)自需求方的范圍經(jīng)濟(jì)，通過(guò)新興技術(shù)將用戶的數(shù)據(jù)信息與生產(chǎn)結(jié)合起來(lái)進(jìn)行資源整合與新價(jià)值創(chuàng)造以獲得利潤(rùn)[3]。節(jié)點(diǎn)企業(yè)需要從產(chǎn)品鏈的視角進(jìn)行網(wǎng)絡(luò)布局與優(yōu)化，且通過(guò)物聯(lián)網(wǎng)、大數(shù)據(jù)等進(jìn)行信息交互的深度融合。面對(duì)新技術(shù)與企業(yè)戰(zhàn)略調(diào)整，傳統(tǒng)的供應(yīng)鏈已經(jīng)不能滿足企業(yè)發(fā)展需求。因此在產(chǎn)業(yè)互聯(lián)的背景下，基于信息共享的“智造”型供需流的網(wǎng)絡(luò)構(gòu)建對(duì)企業(yè)的戰(zhàn)略性布局具有重要意義。

多功能開(kāi)放型企業(yè)供需網(wǎng)（簡(jiǎn)稱“供需網(wǎng)”或“SDN”），即以全球資源獲取、全球制造、全球銷售為目標(biāo)的基于“供需流”交互作用而形成的開(kāi)放式供需一體化動(dòng)態(tài)網(wǎng)絡(luò)管理模式的提出，契合了現(xiàn)在復(fù)雜的市場(chǎng)環(huán)境[4]。因此，在產(chǎn)業(yè)互聯(lián)的背景下，構(gòu)建一個(gè)一方面整合協(xié)調(diào)供方資源以更好地滿足客戶的需求，達(dá)成節(jié)點(diǎn)企業(yè)之間的互相信任，另一方面又兼顧成本與環(huán)境的可持續(xù)化的“智造”供需網(wǎng)成為關(guān)鍵。

從供應(yīng)鏈層面，Nagurney以最小化成本為目標(biāo)對(duì)供應(yīng)鏈網(wǎng)絡(luò)進(jìn)行優(yōu)化設(shè)計(jì)[5]。Shankar等通過(guò)多目標(biāo)粒子群算法對(duì)選址、分配問(wèn)題的供應(yīng)鏈網(wǎng)絡(luò)設(shè)計(jì)問(wèn)題進(jìn)行求解[6]。姚漫等在碳排放的約束下，構(gòu)建了雙渠道兩級(jí)供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化模型[7]。部分學(xué)者針對(duì)不同的產(chǎn)品進(jìn)行了其對(duì)應(yīng)的供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化，亦或是運(yùn)用智能化算法對(duì)農(nóng)產(chǎn)品供應(yīng)鏈的生產(chǎn)選址、運(yùn)輸模式等進(jìn)行供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)[8]。周寶剛等通過(guò)模糊多目標(biāo)規(guī)劃法分析了決策者對(duì)不同目標(biāo)的偏好，進(jìn)而探討了對(duì)供應(yīng)鏈結(jié)構(gòu)的影響[9]。肖建華等針對(duì)三級(jí)供應(yīng)網(wǎng)絡(luò)中關(guān)于節(jié)點(diǎn)失效、需求波動(dòng)等不確定因素，構(gòu)建了考慮節(jié)點(diǎn)應(yīng)急能力的彈性供應(yīng)鏈模型[10]。張學(xué)龍等考慮需求的不確定性以及產(chǎn)品單價(jià)的區(qū)間灰色特征，研究了戰(zhàn)略層面上的供應(yīng)鏈網(wǎng)絡(luò)設(shè)計(jì)及其魯棒優(yōu)化問(wèn)題[11]。戴卓等研究了多目標(biāo)低碳閉環(huán)供應(yīng)鏈優(yōu)化并提出了改進(jìn)的遺傳算法對(duì)模型進(jìn)行了驗(yàn)證[12]。李進(jìn)等研究了具有參數(shù)模糊性的低碳閉環(huán)供應(yīng)鏈的規(guī)劃模型[13]。高舉紅等研究了考慮碳減排風(fēng)險(xiǎn)約束下如何確定閉環(huán)供應(yīng)鏈網(wǎng)絡(luò)的布局結(jié)構(gòu)以及節(jié)點(diǎn)流量安排，得到了不同風(fēng)險(xiǎn)決策者的最優(yōu)方案[14]。黃輝等提出了分布式云制造環(huán)境下的供應(yīng)鏈構(gòu)建框架以及方法[15]。邱若臻等以供應(yīng)鏈的績(jī)效最大化為目標(biāo)，采用情景樹的方法進(jìn)行建模，分析了不確定環(huán)境下的魯棒供應(yīng)鏈模型[16]。

通過(guò)對(duì)以上文獻(xiàn)的分析總結(jié)可知，大部分研究關(guān)注點(diǎn)在于供應(yīng)鏈企業(yè)的選址問(wèn)題。而在產(chǎn)業(yè)互聯(lián)背景下，供應(yīng)鏈節(jié)點(diǎn)企業(yè)更傾向于針對(duì)自身產(chǎn)品去選擇制造商與物流商，通過(guò)對(duì)其進(jìn)行管理來(lái)提升競(jìng)爭(zhēng)力。因此與節(jié)點(diǎn)企業(yè)之間保持良好的合作具有戰(zhàn)略性的意義。基于此，本文首先構(gòu)建了基于信息共享的“智造”供需網(wǎng)的網(wǎng)絡(luò)結(jié)構(gòu)示意圖，且考慮經(jīng)濟(jì)與日益凸顯的環(huán)境問(wèn)題兩方面的限制，針對(duì)“智造”供需網(wǎng)，探討制造商選擇與產(chǎn)能決策以及對(duì)物流商的流量分配問(wèn)題。鑒于考慮問(wèn)題的復(fù)雜性以及pareto遺傳算法在計(jì)算多目標(biāo)問(wèn)題中的優(yōu)勢(shì)[17]，本文以快速非支配排序遺傳算法對(duì)所建模型進(jìn)行求解[18]，以期為實(shí)踐提供一定的理論支撐。

2 多目標(biāo)模型

2.1 問(wèn)題描述與分析

“智造”供需網(wǎng)是供需網(wǎng)企業(yè)之間，通過(guò)信息共享實(shí)現(xiàn)生產(chǎn)到流通過(guò)程的全部智能化。通過(guò)快速響應(yīng)動(dòng)態(tài)多變的市場(chǎng)需求，充分發(fā)揮供需網(wǎng)中企業(yè)節(jié)點(diǎn)之間信息共享、動(dòng)態(tài)交互的優(yōu)勢(shì)，從而給用戶提供更好的產(chǎn)品或服務(wù)。而該供需網(wǎng)節(jié)點(diǎn)企業(yè)是在大數(shù)據(jù)、信息技術(shù)、物聯(lián)網(wǎng)技術(shù)以及智能制造的基礎(chǔ)上，整合供需網(wǎng)企業(yè)內(nèi)的資源以達(dá)到企業(yè)的目標(biāo)。在這樣一個(gè)基于信息共享的平臺(tái)下，包含制造商模塊、物流商模塊以及用戶管理模塊。節(jié)點(diǎn)企業(yè)對(duì)制造商進(jìn)行任務(wù)分配，省去庫(kù)存成本，高效的促進(jìn)企業(yè)之間的資源信息共享和協(xié)同制造，滿足需求端的多樣化、個(gè)性化需求。“智造”供需網(wǎng)結(jié)構(gòu)示意圖如圖1所示。

圖1 “智造”供需網(wǎng)結(jié)構(gòu)示意圖

基于以上描述，本文考慮一個(gè)有制造商、物流商、需求區(qū)域的供需節(jié)點(diǎn)，在該供需網(wǎng)中供應(yīng)多種類產(chǎn)品。既考慮經(jīng)濟(jì)效益，以最低成本與最大化需求滿足為目標(biāo)，又考慮到日益凸顯的環(huán)境問(wèn)題，以碳排放最少為目標(biāo)。在此多目標(biāo)下，對(duì)供需網(wǎng)企業(yè)進(jìn)行戰(zhàn)略性的網(wǎng)絡(luò)布局，探討制造商的選擇與對(duì)物流商的流量分配。

2.2 多目標(biāo)數(shù)學(xué)規(guī)劃模型

在該模型中做如下假設(shè)：

（1）產(chǎn)品之間的需求是相互獨(dú)立的。

（2）模型中的各項(xiàng)單位成本是事先已知的，且固定成本不在考慮范圍之內(nèi)。

（3）制造商具有生產(chǎn)多種產(chǎn)品的能力。

（4）物流商運(yùn)輸階段劃分為兩個(gè)階段，分別為由工廠到消費(fèi)者所在城市與配送至消費(fèi)者手中兩個(gè)階段。用到達(dá)物流商處作為中轉(zhuǎn)節(jié)點(diǎn)。

模型中有關(guān)參數(shù)、系數(shù)和決策變量如下：

i:產(chǎn)品的種類，i=1,2,…,I；

m:第m個(gè)制造商，m=1,2,…,M；

n:第n個(gè)物流公司，n=1,2,…,N；

s:第 s個(gè)需求區(qū)域，s=1,2,…,S；

決策變量：

0-1決策變量：

目標(biāo)函數(shù)為：

最低成本:

最低碳排放：

需求滿足率：

目標(biāo)函數(shù)式（1）表示該供需網(wǎng)的成本，求其最小值式中第一項(xiàng)表示制造商的生產(chǎn)成本，第二、第三項(xiàng)分別表示制造商到物流商以及物流商到需求區(qū)域的運(yùn)輸成本；式（2）表示生產(chǎn)與運(yùn)輸產(chǎn)生的碳排放；式（3）表示市場(chǎng)滿足率；式（4）表示制造商生產(chǎn)的產(chǎn)品數(shù)量不超過(guò)他們的最大生產(chǎn)能力；式（5）表示制造商運(yùn)輸?shù)轿锪魃痰漠a(chǎn)品數(shù)量不超過(guò)他們的最大運(yùn)輸能力；式（6）表示物流商運(yùn)輸?shù)絽^(qū)域s的數(shù)量不超過(guò)其需求的最大量；式（7）表示一種商品只能由一個(gè)制造商進(jìn)行生產(chǎn)；式（8）-式（10）分別表示物流商處的產(chǎn)品i的數(shù)量大于等于消費(fèi)區(qū)域的數(shù)量、制造商生產(chǎn)的產(chǎn)品數(shù)量分別大于運(yùn)輸?shù)轿锪魃桃约靶枨髤^(qū)域的數(shù)量；式（11）-式（13）為輔助變量約束，用來(lái)計(jì)算制造商，物流商以及需求區(qū)域的產(chǎn)品i的實(shí)際數(shù)量；式（14）表示市場(chǎng)滿足率；式（15）表示各決策變量數(shù)量非負(fù)。

3 仿真研究與分析

3.1 算法介紹

本文采取的NSGA-II算法是Deb[18]等于2000年在NSGA一代的基礎(chǔ)之上提出的，是當(dāng)前優(yōu)秀的多目標(biāo)算法之一。該算法提出了快速非支配排序法，相比較NSGA，其計(jì)算復(fù)雜度低，由于加入了擁擠距離的計(jì)算，使得準(zhǔn)Paroet域中的個(gè)體可以擴(kuò)展到整個(gè)Paroet域中，并且均勻分布，保持了種群的多樣性.

步驟一：生產(chǎn)初始種群，該種群為二維種群，列的長(zhǎng)度表示產(chǎn)品的種類，前M行表示制造商生產(chǎn)的產(chǎn)品數(shù)量，M+1至M+M*N行表示制造商至物流商運(yùn)輸?shù)漠a(chǎn)品數(shù)量，M+M*N+1至M+M*N+N*S行表示物流商至消費(fèi)區(qū)域運(yùn)輸?shù)漠a(chǎn)品數(shù)量。

步驟二：計(jì)算初始種群的適應(yīng)度，本文以模型的目標(biāo)函數(shù)值作為適應(yīng)度值進(jìn)行評(píng)判。

步驟三：判斷個(gè)體i、j的支配關(guān)系，找出等級(jí)最高非支配解集。如果個(gè)體i的解大于等于個(gè)體j的解，則說(shuō)明i受j支配,相應(yīng)的對(duì)于個(gè)體i被支配的個(gè)體數(shù)量加1，即individual(i).n=n+1；如果個(gè)體i的解小于等于個(gè)體j的解，則說(shuō)明i支配j,則把j加入到個(gè)體i的支配合集中，即individual(i).p=[individual(i).p,j]，當(dāng)individual(i).n=0時(shí)，即個(gè)體i非支配等級(jí)排序最高，屬于當(dāng)前最優(yōu)解集，相應(yīng)的染色體中攜帶代表排序數(shù)的信息，即F(front).f=[F(front).f,i]為等級(jí)為1的非支配解集。依此對(duì)其他個(gè)體進(jìn)行分級(jí)，并設(shè)置Q集合，用于存放下一個(gè)pareto前沿。循環(huán)當(dāng)前支配解集中的個(gè)體，如果個(gè)體i有自己所支配的解集，循環(huán)個(gè)體i所支配的解集中的個(gè)體q，如果q是非支配解集，則放置于集合Q中，對(duì)個(gè)體染色體加入分級(jí)信息，并按照個(gè)體代表排序等級(jí)的列向量進(jìn)行升序排序。

步驟四：計(jì)算個(gè)體的擁擠度。對(duì)已經(jīng)排序好的解集合進(jìn)行擁擠距離的計(jì)算：

得到的是已經(jīng)包含等級(jí)和擁擠距離的種群矩陣，并且已經(jīng)按照等級(jí)排序。隨機(jī)選擇生成新的種群,進(jìn)行選擇、交叉、變異。

步驟五：如果k=gen,則算法結(jié)束；否則k=k+1，轉(zhuǎn)步驟三。

3.2 案例說(shuō)明

本文以某智能家居及生活用品企業(yè)為例，選取其在上海4家分店的銷售區(qū)域作為代表，不同市場(chǎng)的最大需求為130，兩家物流公司為其提供物流與倉(cāng)儲(chǔ)服務(wù)，其最大倉(cāng)儲(chǔ)能力為200。以三家制造商為代表，每種產(chǎn)品的最大生產(chǎn)能力均為150。選取6種產(chǎn)品。在以最低成本、最大化需求滿足率以及最低碳排放為目標(biāo)的情況下，研究企業(yè)如何進(jìn)行產(chǎn)品的產(chǎn)能決策、運(yùn)輸分配以及制造商選擇。通過(guò)查詢相關(guān)產(chǎn)品的售價(jià)，按照一定比例估算出單位制造成本見(jiàn)表1，物流公司階段一的單位運(yùn)費(fèi)以及由中轉(zhuǎn)地至需求區(qū)域即階段二的單位運(yùn)費(fèi)見(jiàn)表2、表3。

表1 各制造商產(chǎn)品的單位制造成本

表2 制造商m至物流商n的單位運(yùn)費(fèi)

在整個(gè)過(guò)程的碳排放中，生產(chǎn)過(guò)程中產(chǎn)生的碳排放見(jiàn)表4，參考文獻(xiàn)[13]，運(yùn)輸過(guò)程中的單位碳排放見(jiàn)表5。

表3 物流商n至需求區(qū)域s的單位運(yùn)費(fèi)

表4 生產(chǎn)過(guò)程中的碳排放

表5 運(yùn)輸過(guò)程產(chǎn)生的碳排放

4 仿真結(jié)果分析

基于案例數(shù)據(jù)，通過(guò)MATLAB進(jìn)行仿真。設(shè)置各參數(shù)：種群規(guī)模為pop=500，迭代次數(shù)gen=50，選擇概率Ps=0.5,變異概率Pm=0.1，該模型三個(gè)目標(biāo)的pareto前沿如圖2所示。

企業(yè)在進(jìn)行生產(chǎn)制造時(shí)，由于側(cè)重于不同的目標(biāo)，因而在進(jìn)行決策時(shí)便會(huì)有不同的結(jié)果。企業(yè)側(cè)重于不同目標(biāo)下進(jìn)行生產(chǎn)時(shí)制造商選擇方案的對(duì)比見(jiàn)表6。其中方案1為以成本作為主要目標(biāo)下的企業(yè)對(duì)于制造商的選擇，而方案2則為主要目標(biāo)為碳排放的企業(yè)對(duì)于制造商的選擇（表中1表示選擇該企業(yè)，0表示不選擇該企業(yè)）。

根據(jù)計(jì)算，企業(yè)以最低成本為主要考慮因素下的非劣最優(yōu)解為當(dāng)成本為67 471.5元、最低碳排放為3 821.1，以及滿足率為0.585下的物流商的承載量以及運(yùn)輸至區(qū)域的數(shù)量，具體見(jiàn)表7、表8。

表7 物流商承載產(chǎn)品的運(yùn)輸數(shù)量

圖2 多目標(biāo)的pareto前沿

表6 不同目標(biāo)制造商選擇設(shè)計(jì)方案

表8 物流商至各需求區(qū)域的運(yùn)輸數(shù)量

5 結(jié)語(yǔ)

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，消費(fèi)互聯(lián)網(wǎng)市場(chǎng)已經(jīng)逐漸飽和，從供給端進(jìn)行產(chǎn)業(yè)互聯(lián)成為一種趨勢(shì)，而供需網(wǎng)企業(yè)如何針對(duì)自身特點(diǎn)在產(chǎn)業(yè)互聯(lián)的趨勢(shì)下進(jìn)行戰(zhàn)略布局成為企業(yè)需要考慮的重點(diǎn)問(wèn)題。因此本文針對(duì)“智造”供需網(wǎng)企業(yè)，就選擇制造商進(jìn)行產(chǎn)能決策與選擇物流商分配運(yùn)輸量進(jìn)行研究。設(shè)置經(jīng)濟(jì)效益即最低成本、最大化需求滿足率以及考慮環(huán)境問(wèn)題最低碳排放三個(gè)目標(biāo)，構(gòu)建多目標(biāo)優(yōu)化模型。運(yùn)用非支配排序遺傳算法對(duì)模型進(jìn)行分析，得出了企業(yè)針對(duì)不同產(chǎn)品的制造商選擇、物流商流量分配以及最后到需求區(qū)域流量的具體方案，以期為相關(guān)研究與實(shí)踐提供一定的參考。