大型艦船海上后勤保障的調(diào)度與仿真

宋庭新，覃小瑞，石懷斌

(1 湖北工業(yè)大學(xué)機(jī)械工程學(xué)院，湖北 武漢 430068；2 海軍工程大學(xué)管理工程與裝備經(jīng)濟(jì)系，湖北 武漢 430033)

物資補(bǔ)給是影響大型艦船編隊機(jī)動性和續(xù)航能力的重要因素，決定了遠(yuǎn)洋任務(wù)的最終成敗[1]。合理的后勤保障方案規(guī)劃和資源配置，能為艦船提供及時的物資補(bǔ)充，降低危險系數(shù)，保障艦船航行安全[2]。針對艦船后勤物資保障，依靠決策者經(jīng)驗制定岸基保障方案的傳統(tǒng)方法，存在物資保障效率低、成本高和供應(yīng)網(wǎng)點(diǎn)選擇隨意等問題[3]。鄧薇等[4]提出的一種TOPSIS逼近理想解排序法的補(bǔ)給方案和決策模型，計算量大，過程比較繁瑣；阮旻智等[5]提出一種備件需求分析和配置優(yōu)化的近似方法，則采用補(bǔ)給周期的分段求解，得到了艦船攜行備件方案；羅朝暉等[6]建立了海上補(bǔ)給規(guī)劃模型，以最小補(bǔ)給時間及最大作戰(zhàn)效能為目標(biāo)進(jìn)行建模，用模擬退火算法求解了路徑規(guī)劃和補(bǔ)給物資種類；廖宏林等[7]提出優(yōu)化物資保障模式，形成編隊自我保障、遠(yuǎn)程支援配送和靠泊島礁定點(diǎn)補(bǔ)給三位一體的保障體系，以增強(qiáng)海上物資保障實效。

上述研究大都集中在數(shù)學(xué)模型建立、求解和驗證模型的可行性方面，對艦船后勤物資的調(diào)度及仿真研究甚少。本文以艦船在遠(yuǎn)海執(zhí)行任務(wù)為例，綜合運(yùn)用運(yùn)籌學(xué)多目標(biāo)規(guī)劃方法和多智能體仿真方法研究最優(yōu)保障方式，為艦船執(zhí)行遠(yuǎn)洋任務(wù)時的后勤物資保障提供決策支持。

1 保障策略分析

按照物資補(bǔ)給緊迫程度，保障策略要以滿足物資需求、供應(yīng)及時、成本最低和安全性好為目標(biāo)，對物資采購供應(yīng)進(jìn)行統(tǒng)籌安排以滿足艦船海上執(zhí)行任務(wù)的需求。目前艦船海上供應(yīng)方式主要有基地化采購和委托代理采購，補(bǔ)給方式有海上伴隨補(bǔ)給和岸基靠港補(bǔ)給等。為滿足艦船在遠(yuǎn)海長期執(zhí)行任務(wù)時物資補(bǔ)給的需要，目前以美、英、法為代表的西方國家已經(jīng)建立包括吉布提港、亞丁港、塞拉萊港等在內(nèi)的多個保障網(wǎng)點(diǎn)。如何在正確的地點(diǎn)、正確的時間、從哪些岸上基地按照合適的數(shù)量、較低的成本對艦船編隊進(jìn)行后勤物資補(bǔ)給是目前亟待解決的問題。

對于常態(tài)化任務(wù)，艦船物資保障以滿足需求為第一目標(biāo)，供應(yīng)及時為第二目標(biāo)，成本最低為第三目標(biāo)，安全性好為第四目標(biāo)(圖1)。“滿足需求”指滿足后勤物質(zhì)的種類和數(shù)量需要；“供應(yīng)及時”指物資的運(yùn)送時間不超過規(guī)定時間，即對運(yùn)輸距離進(jìn)行限定；“成本最低”涉及距離和采購價格等很多方面；“安全性好”要求保障艦船編隊執(zhí)行任務(wù)的能力；是對采購和補(bǔ)給方式提出要求。

圖 1 保障目標(biāo)與策略

基地化采購伴隨補(bǔ)給是利用綜合補(bǔ)給艦對艦船展開實時保障的一種方式。艦船可在不返回碼頭的情況下，由補(bǔ)給艦前往保障基地裝載物資來完成艦船物資補(bǔ)給的需求。這種方式在極大程度上保證了艦船的任務(wù)執(zhí)行時間，提高了艦船的任務(wù)執(zhí)行能力。商業(yè)化采購靠港補(bǔ)給是以大中型港口碼頭和保障基地的陸岸保障設(shè)施對艦船實施靠港補(bǔ)給的方式，它受外界干擾作用小，補(bǔ)給裝置和作業(yè)人員充足，適用于艦船大規(guī)模物資補(bǔ)給，能在短時間內(nèi)完成大量物資的補(bǔ)充，同時能直接與商業(yè)化服務(wù)機(jī)構(gòu)對接，降低了艦船物資保障成本。圖2為兩種方式的物資采購補(bǔ)給流程。

圖 2 艦船物資采購補(bǔ)給方式

2 基于多目標(biāo)規(guī)劃的物資采購與調(diào)度

2.1 模型假設(shè)與符號設(shè)置

艦船保障物資調(diào)度屬于典型的多目標(biāo)規(guī)劃問題，本文運(yùn)用運(yùn)籌學(xué)相關(guān)知識建立多目標(biāo)規(guī)劃數(shù)學(xué)模型。為了建模和求解方便，作如下假設(shè)：

1)物資種類包括淡水、主食、副食、果蔬、柴油、噴氣燃料等6種，其中，主食、副食、果蔬為固體類物資，裝卸速度相同，淡水、噴氣燃料和柴油為液體類物資，裝卸速度相同。

2)艦船編隊所需補(bǔ)充物資的數(shù)量已知，艦船以勻速航行；

3)每個保障點(diǎn)派遣一艘商船給基地補(bǔ)貨，六類物資可以混裝于同一商船。

為建立多目標(biāo)規(guī)劃數(shù)學(xué)模型，需要對目標(biāo)函數(shù)及約束條件中相關(guān)參數(shù)變量進(jìn)行設(shè)置：V1m為物資裝卸速度，m=1為固體物資裝卸速度，m=2為液體物資裝卸速度；V2為保障點(diǎn)i派出的商船速度；Li為保障點(diǎn)i到基地距離；Mj為基地所需的第j種物資的數(shù)量；P1ij為保障點(diǎn)i的j種物資的采購價格；P2ij為保障點(diǎn)i的j種物資的運(yùn)輸價格；Rij為保障點(diǎn)i的j種物資的庫存；T1im為單次補(bǔ)給任務(wù)規(guī)定最長時間；T1i為保障點(diǎn)i到基地的運(yùn)輸時間；T為配貨時間；Xij為決策變量，即保障點(diǎn)i供應(yīng)的j種物資的數(shù)量，i=1,2,…,n分別代表n個保障網(wǎng)點(diǎn)，j=1,2,…,6分別代表6類物資。

2.2 多目標(biāo)函數(shù)模型建立

2.2.1確定約束條件

1)配貨量約束：保障點(diǎn)提供的物資總能滿足補(bǔ)給需求

(1)

2)配貨時間約束：物資運(yùn)輸時間不超過計劃時間的190 h。

(2)

3)成本約束：每一次采購中的配送成本與采購成本之和不超過10萬元

(3)

2.2.2確定目標(biāo)函數(shù)為滿足物資補(bǔ)給的目標(biāo)及要求，根據(jù)三個目標(biāo)的優(yōu)先順序依次排列，設(shè)置優(yōu)先級。

(4)

(5)

(6)

根據(jù)公式(4)、(5)(6)得出目標(biāo)函數(shù)如下：

(7)

根據(jù)式(1)、(2)(3)得出約束條件：

2.3 模型的求解及結(jié)果分析

利用Lingo軟件，求出上述模型的滿意解。模型求解流程見圖3。

圖 3 求解流程

編程運(yùn)行Lingo程序后，求得物資采購方案(表1)。從表1可以看出，吉布提基地將提供40 t淡水資源和20 t果蔬，亞丁港將提供80 t淡水、10 t主食、8 t副食、8 t果蔬、2000 t柴油以及400 t噴氣燃料用于艦船物資補(bǔ)給。雖然Lingo軟件求解效率較高，但因艦船后期物資需求量為動態(tài)值，不便于利用Lingo反復(fù)求解，故將求解的采購方案作為艦船第一輪物資采購方案，后續(xù)物資采購調(diào)度方案則由仿真模型實時運(yùn)算得出。

表1 物資采購方案

3 多智能體仿真

為驗證上述多目標(biāo)規(guī)劃模型的求解結(jié)論并對后續(xù)補(bǔ)給方式進(jìn)一步優(yōu)化，本文采用多智能體仿真方法進(jìn)一步優(yōu)化保障方案。多智能體又稱多Agent，最早出現(xiàn)在人工智能領(lǐng)域，主要用于解決大型復(fù)雜的現(xiàn)實問題，能夠模擬感知、規(guī)劃、推理等行為，具有自主性、交互性、主動性等特征。Anylogic多智能體仿真軟件提供了豐富的智能體類型和代碼控制能力，可以實現(xiàn)艦船編隊物質(zhì)采購供應(yīng)保障的全域優(yōu)化。

3.1 建立多智能體仿真模型

本文對兩種保障方式進(jìn)行仿真。方式一為基地化采購伴隨補(bǔ)給方式，即保障基地根據(jù)物資庫存情況，提前開展全域采購，由海外代理機(jī)構(gòu)將各保障點(diǎn)物資運(yùn)送到基地儲存。艦船編隊發(fā)出物資補(bǔ)給請求后，由補(bǔ)給艦前往裝載，伴隨補(bǔ)給。方式二為商業(yè)化采購靠港補(bǔ)給，即艦船編隊在執(zhí)行任務(wù)間隙自行前往保障點(diǎn)靠港進(jìn)行補(bǔ)給，通過商業(yè)化采購方式采購所需物資。在Anylogic中建立上述兩種保障方式的仿真模型，整個模型由main主智能體、艦船、保障基地、保障網(wǎng)點(diǎn)、組織流程等多個智能體構(gòu)成。在main主智能體中導(dǎo)入GIS地圖，設(shè)定艦船編隊活動的海域范圍，仿真模型如圖4所示。

圖 4 仿真模型

在圖4中，補(bǔ)給艦智能體行為邏輯非常關(guān)鍵。補(bǔ)給艦一方面需要前往基地港口取貨，另一方面需對其他艦船實施伴隨補(bǔ)給。其行為邏輯如圖5所示。

圖 5 補(bǔ)給艦行為邏輯圖

在圖5中，當(dāng)補(bǔ)給艦收到其他艦船發(fā)出的物資補(bǔ)給請求消息后，前往指定海域進(jìn)行伴隨補(bǔ)給，補(bǔ)給完成后，返回編隊等待下次補(bǔ)給請求；若補(bǔ)給艦自身的物資不足以滿足艦船編隊物資需求時，補(bǔ)給艦向保障基地發(fā)出物資補(bǔ)給請求，基地根據(jù)物資庫存情況制定采購方案，補(bǔ)給艦采用方式一實施保障。在執(zhí)行任務(wù)間隙，艦船可以自由停靠不同的保障網(wǎng)點(diǎn)實施靠港補(bǔ)給(即方式二)，采用商業(yè)化采購以降低采購成本和運(yùn)輸時間。與多目標(biāo)規(guī)劃不同的是，基地在制定采購方案時，將根據(jù)物資價格、運(yùn)輸距離和到貨時間等因素綜合考慮，由保障基地智能體實時運(yùn)算后動態(tài)確定物資采購方案。設(shè)置仿真模型運(yùn)行周期為6個月，模型運(yùn)行后可輸出艦船物資庫存狀態(tài)、保障效率、保障時間以及保障點(diǎn)物資庫存狀態(tài)等。仿真運(yùn)行結(jié)果如圖6所示。

圖 6 仿真運(yùn)行結(jié)果

3.2 仿真結(jié)果統(tǒng)計分析

在保障方式一中，成本包括了物資采購費(fèi)、運(yùn)輸費(fèi)以及基地倉儲費(fèi)；在保障方式二中，成本包含物資采購費(fèi)、港口停靠費(fèi)，減少了基地化采購的商船運(yùn)輸費(fèi)和臨時倉儲費(fèi)，增加了艦船靠港補(bǔ)給費(fèi)，用于碼頭租賃、垃圾和污水處理等。以上兩種補(bǔ)給方式的費(fèi)用統(tǒng)計見表2和表3。

表2 保障方式一費(fèi)用統(tǒng)計 萬元

表3 保障方式二費(fèi)用統(tǒng)計 萬元

從表2和表3可知，雖然保障方式二的補(bǔ)給次數(shù)多一次，艦船靠港補(bǔ)給也會產(chǎn)生一定的港口停泊費(fèi)用，但是總費(fèi)用是降低的，相比保障方式一減少了3513萬元，成本降低25%。所以艦船編隊在不執(zhí)行任務(wù)時實施靠港補(bǔ)給更加經(jīng)濟(jì)。

通過仿真數(shù)據(jù)統(tǒng)計，還可以實時求出保障效率。保障效率是指單位時間內(nèi)艦船物資補(bǔ)充量，它是艦船物資保障滿足率和及時性的反映。根據(jù)仿真模型運(yùn)行結(jié)果和數(shù)據(jù)統(tǒng)計，兩種保障方式下的物資保障效率如圖7所示。

圖 7 兩種保障方式的效率對比

從圖7可知，艦船實行岸基靠港補(bǔ)給后，其各類物資保障效率均高于伴隨補(bǔ)給保障效率。其中消耗量最大的柴油保障效率可提高98.05 t/h，很好地滿足了艦船對物資需求量、及時性及成本的要求。

4 結(jié)論

本文通過多目標(biāo)規(guī)劃和多智能體仿真，研究了艦船海上物資保障的最佳采購備貨方案及補(bǔ)給方案。通過引入正負(fù)偏差變量和優(yōu)先因子，建立以滿足需求、供應(yīng)及時和成本最低為目標(biāo)的多目標(biāo)規(guī)劃模型，并利用Lingo軟件對模型進(jìn)行求解，得到最優(yōu)補(bǔ)給方案；同時，利用Anylogic建立多智能體協(xié)作仿真模型，驗證了仿真模型的正確性。通過模擬仿真，可以實時了解艦船編隊和各保障點(diǎn)的物資庫存、采購費(fèi)用、保障時間等動態(tài)情況。通過仿真運(yùn)行結(jié)果分析“基地化采購伴隨補(bǔ)給”和“商業(yè)化采購靠港補(bǔ)給”兩種保障方式的統(tǒng)計數(shù)據(jù)可知：在6個月的任務(wù)周期內(nèi)，后者較前者采購成本降低25.2%；在保障效率方面，除主食以外，后者其他各類物質(zhì)補(bǔ)給效率明顯高于前者，特別是消耗量最大的柴油一項高出98.05 t/h。因此，在非任務(wù)期間采用“商業(yè)化采購靠港補(bǔ)給”的保障方式更加高效和經(jīng)濟(jì)。本文提出的優(yōu)化補(bǔ)給方案是在考慮物資數(shù)量、供應(yīng)時間和采購成本等3個因素的基礎(chǔ)上得出的結(jié)論，下一步可考慮委托代理采購等更多采購供應(yīng)方式以進(jìn)一步優(yōu)化供應(yīng)鏈。同時，還需要考慮供應(yīng)鏈風(fēng)險和安全因素，在多目標(biāo)優(yōu)化模型中增加安全有關(guān)的約束條件，對供應(yīng)鏈績效進(jìn)行多因素綜合評價，對仿真結(jié)果進(jìn)行多尺度分析，以得到艦船海上后勤保障的綜合最優(yōu)保障方案。