《基于循环取货的零部件入厂物流优化研究(DOC)》由会员分享，可在线阅读，更多相关《基于循环取货的零部件入厂物流优化研究(DOC)（9页珍藏版）》请在金锄头文库上搜索。
1、基于循环取货的汽车零部件入厂物流优化研究黄永强作者简介：黄永强，男赣南师范学院商学院讲师，研究方向：物流与供应链管理优化；2一路向北团队：赣南师范学院商学院10物流本科班学生：吴晓敏，魏文娜，刘礼帅，付志良，曾飞。 一路向北团队（赣南师范学院 商学院，江西 赣州 341000）摘要：近年来，循环取货模式在汽车零部件入厂物流中的应用给整条汽车制造业供应链带来了巨大价值，但随着业务量的增加，其在运作过程中存在的问题也日益凸显。本文着手对该问题的进行细致分析，按照供应商聚类、路径规划和时间窗设计三个步骤对循环取货模式的运作进行了优化,从而提高了物流效率,降低了成本。关键词：零部件入厂物流 循环取货
2、路径优化 遗传算法汽车物流行业是各个环节必须衔接得十分流畅的高技术物流行业，是国际物流业公认的最复杂、最具专业性的物流领域，特别是汽车行业多频次、小批量的拉式生产需要以及对准时配送1的高要求更体现出零部件入厂物流极高的专业性和复杂性。所以，循环取货的配送模式近年来在汽车零部件入厂物流业务方面得到了广泛的应用，并给汽车制造业供应链管理带来重大变革及效益。但是，随着汽车市场的扩大和供应商数量的增加，循环取货在实际运行中的复杂程度加剧，路径规划不合理、时间控制不严格等问题日益显露，造成运作费用居高不下。1. 循环取货模式应用存在的问题循环取货在应用过程中面临着各方面阻力及问题，主要有以下几方面：（1
3、） 供应商规模不断扩大在循环取货模式应用的初期，由于市场业务量较小，供应商分布比较集中，循环取货比较容易实施。然而随着汽车行业市场的扩大，生产厂家的生产量急剧增长，零部件供应商数量不断增加。当供应商的规模不断扩大后，供应商大多分布在不同的地区，实施循环取货方式后反而不利于成本的降低。（2） 缺乏科学的路径规划方式随着循环取货实施难度的加剧，物流企业往往缺乏科学的方法来优化路径甚至并没有对取货路径进行优化，这就使得循环取货退化为简单的派车到供应商取货的干线运输，并没有真正达到实施循环取货实施后应有的效果。（3） 时间控制不严格循环取货是一种满足准时制生产的及时配送方式。但是在取货过程中，往往由于
4、司机根据经验临时改变行驶路线或者供应商不按照约定的时间供货，使得车辆提前或延迟到达供应商，造成取货时间难以控制，不利于准时制生产的实现。2. 入厂物流优化策略分析 基于对该问题探索与分析，本文将按照供应商聚类、路径规划和时间窗设计三个步骤对循环取货模式的运作进行优化。（1） 供应商聚类虽然零部件供应商分布不集中，但考虑到主机厂在一定时期内对零部件的需求数量和种类比较稳定。所以，可以依据供应商的地理坐标和最早、最晚运营时间以及供应零部件的种类、数量、频次等相关变量，利用系统聚类分析法2对供应商进行聚类，并结合实际情况加以调整，以便分组实施循环取货。（2） 取货路径优化循环取货是一个基于优化算法的
5、路径优化的实践应用，而不仅仅是简单的到各个供应商进行集货，然后再到集配中心进行卸货。所以，通过建立数学模型并利用优化算法求解，对运输路径进行优化，保证循环取货模式顺利实施，从而降低运作成本。（3） 时间窗规划循环取货模式对时间概念的把握有着严格的要求，如果没有时间窗的设置，循环取货路径的优化就会失去其应有效益。时间窗的设计首先是要确定在集配中心完成卸货的时间，从而再往前确定发车时间，这样就可以避免车辆拥堵等待延迟时间，每一家供应商的访问时间窗是由第三方物流公司和供应商共同协商确定，并且一般不可变。33. 模型的建立（1） 模型描述和符号说明基于循环取货的入厂物流的数学模型可描述如下：在一个汽车
6、零件部件供需系统中，某主机厂有若干个零部件供应商，有限的车辆从RDC出发到供应商处取货，然后将零部件送到RDC。要求合理安排运输车辆的行车路径，从而在既定的约束条件下，把零部件从供应商处运输到RDC，并在最少化车辆，使总成本最低。设N为供应商的总数目；单个供应商，；各车辆编号， ；从到的运输距离；单位运输距离的成本；单位车辆的启用固定成本；车辆的最大载重量；供应商的供货量；车辆从到的时间，其中；车辆完成地任务所需的服务时间；车辆提前到达客户点必需的等待时间；车辆的出发时间；车辆要求返回的时间。、供应商允许服务时间窗的始点和终点； 、车辆提前或延迟到达供应商处产生的机会成本或惩罚成本；（2） 目
7、标函数表示总成本最小，将循环取货的总成本分为三部分：车辆行驶成本、车辆启用成本以及时间提前的机会成本和时间延误的缺货成本。其中车辆启用成本是指每启用一辆车所需要的人工费和管理费等成本，这一目标约束可以限制车辆的使用数量和员工数量。（3） 约束条件其中各约束条件的含义如下：（2）：从RDC出发的车辆数不超过K；（3）：每辆车均从RDC出发并最终返回RDC；（4）、（5）： 每个供应商恰好被一车辆访问一次；（6）：每辆车装载的零部件数量不超过车辆的载重限制；（7）：流量守恒，即车辆到达某供应商后，必须离开该供应商；（8）：车辆出发时间和返回时间均在规定的时间内；（9）：车辆从到达的时间约束；（10
8、）：整数化约束，限制了只能取0或1；（11）：时间提前或延迟的惩罚函数成本表达式。4. 求解算法设计由于建立的模型问题属于 NP-Hard 问题，所以利用遗传算法这一启发式算法对模型进行求解。遗传算法步骤设计2如下：（1） 编码与解码循环取货是带时间窗车辆路径问题，是一种基于次序的组合优化问题，为减少无效解的产生，对染色体采用自然数编码，即序数编码。如对于9个客户由3辆车来服务的个体编码可以解释为：子路径1为，子路径2为，子路径3为。子路径内是有序的，子路径间是无序的。由于车辆数事先不确定，所以，没有将作为路径分隔的RDC的0加入到染色体结构中，而是直接将所有路径中被访问依次编码至一条染色体中
9、，对于以上三条子路径编码为。解码操作是编码操作的逆过程，即将染色体的编码向量映射为满足全部约束条件的可行解的过程。（2） 初始群体由于染色体采用整数编码方式，即每个个体（记为）为到的自然数的一个全排列，因此初始化种群随时产生个如此的个体作为初始种群，其中为客户节点数目，为种群规模。（3） 选择算子 采用轮盘赌选择算子。假设某个染色体，其适应度为，种群大小为，则个体被选中的概率为： （4） 交叉算子由于采用了客户排列的自然数编码方式，所以采用类PMX。类PMX方法不同于传统的交叉算子，不是直接交换染色体的交叉段，而是先将交叉段基因加入到对方染色体的首个基因前，之后再逐个去掉原个体部分中与交叉段基
10、因相同的基因，从而得到交叉后的个体。操作过程如下：首先，随机在父代个体中选择一个交叉区域，如两父代个体及交叉区域选定为：，其中表示交叉区域；然后，将B的交叉区域加到A的前面，A的交叉区域加到B的前面，得两个中间个体：；最后，在和中，自交叉区域后依次删除与交叉区相同的基因，得到最终的两个个体为：。（5） 变异算子采用倒位变异算子进行变异操作，具体过程是随机选择一染色体的两变异点，将变异区域进行倒位得到新个体。倒位变异在进化过程中可以对种群中的个体进行有效地调整，防止早熟收敛问题，改善了遗传操作的全局寻优性能。操作过程如下：首先，随机产生一个体进行两变异，如2和3，即，其中表示变异区域。然后，将变
11、异区域基因按反序插入到原位置中得到新个体。 （6） 适应度函数在遗传算法中，个体的适应度越大，表示个体性能越好，而VRPTW是最小化组合优化问题，其目标是使配送总成本最小，即目标函数值最小，因此将目标函数转化为适应度函数：上式中为群体中第条染色体对应的目标函数值，反映了第条染色所对应的配送总费用；为第条染色体对应的适应度，其值决定该染色体产生后代的概率。（7） 终止进化这里采用事先确定进化代数为100作为终止规则，即判断进化的代数是否为要求代数，若是，则停止进化，选性能最好的染色体所对应的配送路径集合作为所求问题的最优解输出；反之，继续执行进化运算。5. 以安吉物流为实例的应用与分析安吉物流是
12、全球业务规模最大的汽车物流服务供应商，其主要为汽车及零部件制造企业提供第三方物流服务。现在，安吉某客户主机厂需要来自分布在上海地区20个零部件供应商的零部件，供应商主要信息如见附表1。零部件供应商和主机厂每天运营时间均为16 小时，主机厂每天2班生产。第一班从7：30到16：00，第二班从16：30到转天2：00，卸货道口从7：30到1：30始终运转。为简化计算，设在供应商和配送中心的装卸货时间均为0.5小时，行驶速度为50KM/H。（1） 供应商聚类根据供应商的地理坐标，利用系统聚类法并使用统计软件SPSS19.0求解，可以将供应商分为两组，具体如下表所示：表1 供应商聚类表（2） 取货路径
13、规划以第一组为例，通过MATLAB编程，利用遗传算法对模型求解，多次运行，得出第一组供应商的最优路径网络优化图如下所示：图1循环取货路径运行图由图可知，本组循环取货路线共有四条，并且需要四辆车来满足供应商的需求量，具体线路及相关成本如表中所示：表2 初步线路及成本（3） 时间窗设计根据主机厂和供应商的运营时间和车辆运行速度，将四条线路中车辆在RDC完成卸货的时间分别设为14，13，12，11。得出到第一组的时间窗如表2-4中所示：表3各线路时间窗设计6. 结束语本文基于循环取货模式在运作过程中存在的问题，对循环取货中供应商聚类、路径规划和优化算法以及时间窗设计各个环节提出了优化策略，为循环取货
14、的实际应用提供了一整套运作方案。从而提高了车辆利用率，降低了运作过程中的运输成本和管理费用，降低了主机厂和供应商的库存费用，提升了整条供应链的价值。当然，模型中没有考虑道路的通过率以及天气状况等实际情况，这是需要进一步优化的地方。参考文献1 王宏亮准时制生产物流在中国汽车行业的应用J工业工程，2009, 12(12): 57-61.2 林郁丞基于聚类分析和遗传算法的带时间窗车辆路径问题研究(D)硕士论文福建农林大学，2009.43 汪金莲汽车制造厂零部件入厂物流循环取货运输路线规划和优化算法的研究(D)硕士论文上海交通大学，2009.14 崔增收基于循环取货的汽车零部件入厂物流优化研究(D)硕士论文华南理工大学，2011.6附表：零部件供应商信息表
