程 亮,周昌林,汪小京
(寧波現(xiàn)代物流規(guī)劃研究院物流組織與政策研究室,浙江寧波315042)
隨著全球競(jìng)爭(zhēng)的日趨激烈、產(chǎn)品快速開(kāi)發(fā)能力的不斷提高,以及顧客需求多樣化和個(gè)性化的發(fā)展,使得準(zhǔn)確地預(yù)測(cè)其銷(xiāo)售產(chǎn)品的種類(lèi)以及相應(yīng)地規(guī)劃產(chǎn)品和訂單變得越來(lái)越困難。因此,在不確定的環(huán)境下,制造商需要在生產(chǎn)期初選擇合適的產(chǎn)能,一方面要考慮盡可能地滿足顧客需求,另一方面要避免產(chǎn)能過(guò)剩,節(jié)約投資成本。
基于以上實(shí)際問(wèn)題背景,筆者考慮不確定環(huán)境下制造商的最優(yōu)生產(chǎn)能力決策問(wèn)題。具體而言,考慮有限計(jì)劃期內(nèi),制造商的訂單需求、生產(chǎn)及外包成本等要素都是隨機(jī)變量,首先,在計(jì)劃期初,制造商要確定一定的生產(chǎn)能力水平;然后,在計(jì)劃期期間,通過(guò)生產(chǎn)備貨方式滿足下游顧客訂單需求,并且當(dāng)制造商的生產(chǎn)能力不夠時(shí),允許制造商采取外包方式滿足下游訂單需求,有限生產(chǎn)能力下的生產(chǎn)與外包模型如圖1所示。
圖1 有限生產(chǎn)能力下的生產(chǎn)與外包模型
與該研究相關(guān)的主要有兩個(gè)方面的研究,一是生產(chǎn)能力優(yōu)化研究。在初始能力規(guī)劃研究方面,ATAY[1]、HOOD[2]研究了市場(chǎng)需求不確定情況下半導(dǎo)體制造企業(yè)的能力規(guī)劃問(wèn)題,建立了用于能力投資決策的隨機(jī)整數(shù)規(guī)劃模型;KARABUK[3]研究了面對(duì)市場(chǎng)需求和制造能力均不確定的情況下半導(dǎo)體制造企業(yè)的戰(zhàn)略能力規(guī)劃問(wèn)題,依據(jù)市場(chǎng)銷(xiāo)售和產(chǎn)品生產(chǎn)決策的分散化特性,構(gòu)建了一個(gè)能力大小決策模型;潘景銘等以期望總成本最小化為目標(biāo)函數(shù),分別建立了不確定需求條件下供應(yīng)鏈期望總成本與生產(chǎn)柔性之間的關(guān)系模型,并給出了最佳生產(chǎn)柔性的確定方法[4-5]。與以上研究不同,筆者同時(shí)考慮了多種不確定因素,包括隨機(jī)需求、隨機(jī)生產(chǎn)成本以及隨外包成本,這與企業(yè)運(yùn)作環(huán)境更相符,另外,筆者通過(guò)結(jié)合動(dòng)態(tài)批量模型和Monte-Carlo模擬得到了生產(chǎn)商期望總成本與生產(chǎn)能力之間的關(guān)系。而與筆者研究相關(guān)的是動(dòng)態(tài)批量研究,WAGNER和WHITIN[6?首先考慮了確定需求環(huán)境下的動(dòng)態(tài)補(bǔ)貨決策模型(一般簡(jiǎn)稱(chēng)該模型為WW模型),得出最優(yōu)的補(bǔ)貨策略滿足“零庫(kù)存補(bǔ)貨”規(guī)則,該規(guī)則是WW模型求解算法的基石。隨后,大量文獻(xiàn)對(duì)WW模型進(jìn)行拓展,包括缺貨等待、學(xué)習(xí)效應(yīng)和易腐產(chǎn)品等方面,HSU[7]對(duì)動(dòng)態(tài)批量問(wèn)題做了一個(gè)比較全面的綜述。將該研究中生產(chǎn)決策轉(zhuǎn)換為補(bǔ)貨決策,產(chǎn)能約束可以視為庫(kù)存能力約束,因此,相近的文獻(xiàn)主要是研究庫(kù)存能力受限環(huán)境下的補(bǔ)貨策略,LOVE[8]研究了固定庫(kù)存能力條件下的補(bǔ)貨模型,假設(shè)需求在缺貨情況下完全等待,設(shè)計(jì)了一個(gè)O(T3)算法得到最優(yōu)的補(bǔ)貨策略。ATAMTüRK和Kü?üKYAVUZ[9]研究了時(shí)變庫(kù)存能力條件下的補(bǔ)貨模型,假設(shè)不允許缺貨發(fā)生,且?guī)齑娉杀局邪ü潭ǔ杀竞途€性持有成本,設(shè)計(jì)了一個(gè)O(T4)算法得到最優(yōu)的補(bǔ)貨策略。CHU[10]等研究了儲(chǔ)存能力受限條件下的補(bǔ)貨及外包模型,假設(shè)不允許存在缺貨情況,設(shè)計(jì)了一個(gè)O(T2lb T)算法得到最優(yōu)的補(bǔ)貨以及外包策略。AKSEN[11]等研究了有限計(jì)劃期內(nèi)的補(bǔ)貨及外包模型,當(dāng)下一時(shí)期的銷(xiāo)售價(jià)格遠(yuǎn)高于當(dāng)期價(jià)格時(shí),企業(yè)會(huì)采取外包方式滿足當(dāng)期需求,而將庫(kù)存儲(chǔ)備到下一時(shí)期從而獲取更多的利潤(rùn),并設(shè)計(jì)了一個(gè)O(T2)算法得到最優(yōu)補(bǔ)貨及外包策略。與以上文獻(xiàn)不同,筆者不僅考慮了制造商的產(chǎn)能限制,而且考慮了外包策略,提出了一個(gè)多項(xiàng)式算法得到固定產(chǎn)能限制下的生產(chǎn)及外包策略,同時(shí)通過(guò)Monte-Carlo模擬得到多種不確定條件的最優(yōu)生產(chǎn)能力。
筆者主要考慮制造商在不確定環(huán)境下的最優(yōu)生產(chǎn)能力決策問(wèn)題。制造商擁有一定的生產(chǎn)能力,由于短期內(nèi)不能擴(kuò)大生產(chǎn)能力,制造商在整個(gè)計(jì)劃期內(nèi)生產(chǎn)能力保持不變,且生產(chǎn)提前期為零。另外,當(dāng)制造商的庫(kù)存發(fā)生缺貨時(shí),制造商將采取外包方式滿足下游顧客的需求,且外包交貨提前期為零。表1為符號(hào)及變量定義。
表1 符號(hào)及變量定義
與大多數(shù)動(dòng)態(tài)批量研究假設(shè)相同,其假設(shè)如下:
(1)制造商的庫(kù)存水平在計(jì)劃期初和期末均為零,即I0=IT=0。
(2)制造商不允許缺貨等待,所有下游零售商訂單需求必須及時(shí)滿足。
同時(shí),筆者考慮存在多種不確定因素的環(huán)境下,假設(shè)在有限計(jì)劃期內(nèi),與傳統(tǒng)動(dòng)態(tài)批量研究相反的假設(shè)如下:
(1)下游零售商需求為不確定的動(dòng)態(tài)需求,服從均值為d,方差為φ的正態(tài)分布;
(2)制造商的單位外包成本st服從均勻分布,即
(3)制造商的單位生產(chǎn)成本ct服從均勻分布,即
在有限生產(chǎn)能力條件下,制造商以最小化總成本為目標(biāo),包括總生產(chǎn)成本、外包成本和庫(kù)存成本,具體分析如下:
(1)制造商在第t周期發(fā)生的總生產(chǎn)成本包括固定生產(chǎn)成本、變動(dòng)生產(chǎn)成本和產(chǎn)能空閑成本:
(2)制造商在第t周期發(fā)生的外包成本為:
(3)制造商在第t周期內(nèi)發(fā)生的庫(kù)存成本為:
由此,可以得到制造商在整個(gè)計(jì)劃期內(nèi)的總成本為:
因此,在計(jì)劃期T內(nèi),制造商首先確定生產(chǎn)能力P,然后在固定生產(chǎn)能力下優(yōu)化每個(gè)周期的生產(chǎn)與外包決策(X={xt,1≤t≤T},Y={yt,1≤t≤T}),以最小化整個(gè)計(jì)劃期內(nèi)的期望總成本,故可以用以下數(shù)學(xué)模型表示:
其中,約束等式(6)為制造商處庫(kù)存水平的平衡關(guān)系,約束不等式(7)為制造商的生產(chǎn)量受到生產(chǎn)能力的限制,約束不等式(8)為制造商的生產(chǎn)或外包量均為非負(fù)值。
由于生產(chǎn)能力限制,當(dāng)期生產(chǎn)能力不能滿足該生產(chǎn)周期內(nèi)的訂單需求,有可能充分利用上一生產(chǎn)周期內(nèi)多余的生產(chǎn)能力,進(jìn)行前期備貨。例如:T=2;P=10;d=(5,15),K=0,最優(yōu)生產(chǎn)策略X=(10,10),充分利用第一時(shí)期內(nèi)的生產(chǎn)能力滿足第二時(shí)期內(nèi)大量的需求,這種情形在空調(diào)行業(yè)比較常見(jiàn)。因此,可以得到命題1。
命題1存在一個(gè)最優(yōu)生產(chǎn)策略不一定滿足It-1xt=0,I≤t≤T。
命題1說(shuō)明零庫(kù)存生產(chǎn)規(guī)則不一定成立,故采用傳統(tǒng)WW模型和算法不能求解有限生產(chǎn)能力下的生產(chǎn)與外包批量策略。因此,筆者考慮零庫(kù)存生產(chǎn)這種特殊的生產(chǎn)策略,定義C(i,j)為制造商在生產(chǎn)周期(i,j)內(nèi)滿足i,…,j-1期內(nèi)下游零售商所有訂單需求的最小成本,定義V(j)為制造商滿足i,…,j-1期內(nèi)下游零售商所有訂單需求的最小成本,則V(T+1)為制造商在整個(gè)計(jì)劃期T內(nèi)的最小總成本。在零庫(kù)存生產(chǎn)策略下,可以建立以下動(dòng)態(tài)規(guī)劃方程:
為優(yōu)化計(jì)算,定義原點(diǎn)V(0)=0,有c=0,K0=0,h0=M,且假設(shè)cT+1=0,KT+1=0,hT+1=M,其中M為一個(gè)足夠大的自然數(shù)。引入初始0階段和T+1這兩個(gè)階段,是為了確保計(jì)劃期期初和結(jié)尾階段都發(fā)生補(bǔ)貨需求,以?xún)?yōu)化計(jì)算整個(gè)計(jì)劃期內(nèi)成本。求解動(dòng)態(tài)方程式(9)的關(guān)鍵之處在于求解生產(chǎn)周期(i,j)內(nèi)的總成本,通過(guò)優(yōu)化生產(chǎn)周期(i,j)內(nèi)的生產(chǎn)及外包策略,得到C(i,j)。
命題2在生產(chǎn)周期(i,j)內(nèi),①若rk>0,采用生產(chǎn)備貨方式依次滿足集合Λ1={l1,l2,…,ln}中的訂單需求,直至充分利用生產(chǎn)能力,超出生產(chǎn)能力部分采用外包方式滿足;②若rk≤0,采用外包的方式滿足 中的訂單需求。根據(jù)命題2,分別考慮以下兩種情況:
因此,根據(jù)以上分析,可以設(shè)計(jì)算法1得到最優(yōu)生產(chǎn)及外包策略。
算法1固定生產(chǎn)能力條件下最優(yōu)生產(chǎn)及外包策略。
初始化:V(0)=0,C(0,1)=0;
For j=1∶T+1
For i=1∶j-1
(1)在生產(chǎn)周期(i,j)內(nèi),權(quán)衡生產(chǎn)成本和外包成本,得到集合Λ1和Λ2;
(2)在集合Λ1和Λ2內(nèi),確定生產(chǎn)成本和外包成本;
(3)根據(jù)式(10)和式(11),計(jì)算C(i,j);
End
V(j)=min{V(i)+C(i,j)+Kj∶0≤j≤T+1};End得到最小總成本TC(P)=V(T+1)。
算法1包括兩個(gè)循環(huán),每個(gè)循環(huán)的計(jì)算復(fù)雜度至多為O(T),因此可得到命題3。
命題3在確定性環(huán)境下,算法1可以得到固定生產(chǎn)能力條件下最優(yōu)生產(chǎn)及外包策略,且計(jì)算復(fù)雜度為O(T2)。
考慮到下游零售商的訂單需求、單位生產(chǎn)成本以及外包成本等多種因素都為隨機(jī)變量,以下通過(guò)Monte-Carlo模擬方法,隨機(jī)產(chǎn)生下游訂單需求、生產(chǎn)及外包成本等參數(shù),根據(jù)算法1得到隨機(jī)參數(shù)設(shè)置環(huán)境下的最優(yōu)生產(chǎn)及外包策略,進(jìn)而得到不同生產(chǎn)能力下的總成本。最后,通過(guò)不斷更新生產(chǎn)能力,得到不同生產(chǎn)能力下的總成本變化趨勢(shì),得到最小期望總成本下的最優(yōu)生產(chǎn)能力,其模擬過(guò)程如圖2所示。
圖2 Monte-Carlo模擬過(guò)程
根據(jù)圖2中的模擬過(guò)程,可設(shè)計(jì)算法2得到最優(yōu)的生產(chǎn)能力。
算法2隨機(jī)環(huán)境下的最優(yōu)生產(chǎn)能力。
步驟1:P=0,計(jì)算TC(P);
子步驟1:(1)根據(jù)正態(tài)分布隨機(jī)產(chǎn)生訂單需求D={dt,t=1,…,T};
(2)根據(jù)均勻分布隨機(jī)產(chǎn)生生產(chǎn)成本C={ct,t=1,…,T};
(3)根據(jù)均勻分布隨機(jī)產(chǎn)生外包成本S={st,t=1,…,T};
子步驟2:根據(jù)算法1,得最小總成本TC(P);
步驟2:Δ=TC(P+1)-TC(P),若 Δ>0,P=P+1,返回到步驟1;
否則,停止,得到最優(yōu)的生產(chǎn)能力P*=P。
考慮制造商未來(lái)一年(計(jì)劃期T=12)的生產(chǎn)及外包決策問(wèn)題。下游訂單需求服從均值為15,方差為5的正態(tài)分布,即D=norm(15,5);生產(chǎn)成本為C=uniform(10,3),外包成本為C=uniform(12,2),生產(chǎn)能力閑置成本及其他參數(shù)設(shè)置如表2所示。
表2 制造的參數(shù)設(shè)置
通過(guò)模擬10 000次,得到不同生產(chǎn)能力下的期望總成本,如圖3所示,產(chǎn)能設(shè)置在P*=18比較合適。若產(chǎn)能過(guò)小,大部分訂單都需要通過(guò)外包完成,由于外包成本一般比單位制造成本更高,期望總成本在產(chǎn)能較小時(shí)會(huì)隨著產(chǎn)能增大而減小;若產(chǎn)能增加到一定范圍,產(chǎn)能對(duì)計(jì)劃期內(nèi)的運(yùn)營(yíng)總成本沒(méi)有影響,但是由于存在一定的不確定因素,總成本會(huì)在一定范圍內(nèi)波動(dòng)。
圖3 不同產(chǎn)能下的期望總成本
圖4 為不同需求環(huán)境下的最優(yōu)產(chǎn)能設(shè)置,最優(yōu)產(chǎn)能大小隨著需求波動(dòng)增大而增大,尤其是當(dāng)外包成本比較高時(shí),為了避免丟失訂單,企業(yè)在面臨波動(dòng)較大的需求訂單時(shí)需要設(shè)置更大的產(chǎn)能。
圖4 不同需求波動(dòng)下的最優(yōu)產(chǎn)能
筆者結(jié)合動(dòng)態(tài)批量模型以及Monte-Carlo模擬兩種方法,以最小化有限計(jì)劃期內(nèi)的期望總成本,優(yōu)化總生產(chǎn)能力。動(dòng)態(tài)批量模型較好地反映了制造商在確定性環(huán)境下的生產(chǎn)及外包計(jì)劃,但該模型缺少對(duì)不確定性因素的反映。因此,考慮到涉及需求、生產(chǎn)及外包成本的不確定性,筆者將Monte-Carlo模擬方法融入到動(dòng)態(tài)批量模型中,首先通過(guò)動(dòng)態(tài)批量模型,提出了一個(gè)多項(xiàng)式算法得到固定生產(chǎn)能力條件下的最優(yōu)生產(chǎn)及外包策略,并得到最小總成本;然后結(jié)合Monte-Carlo方法,通過(guò)數(shù)學(xué)實(shí)驗(yàn)得到制造商生產(chǎn)能力與成本及服務(wù)水平之間的關(guān)系,為企業(yè)在實(shí)際生產(chǎn)實(shí)踐中提供借鑒。
[1]ATAY B,ERENGü?S S,VAKHARIA A J.Tool capacity planning in semiconductor manufacturing[J].Computers&Operations Research,2003,30(9):1349-1366.
[2]HOOD S J,BERMON S,BARAHONA F.Capacity planning under demand uncertainty for semiconductor manufacturing[J].IEEE Transactions on Semiconductor Manufacturing,2003,16(2):273-280.
[3]KARABUK S,DAVID SW.Coordinating strategic capacity planning in the semiconductor industry[J].Operations Research,2003,51(6):839-849.
[4]潘景銘,唐小我.需求不確定條件下柔性供應(yīng)鏈生產(chǎn)決策模型及優(yōu)化[J].控制與決策,2004,19(4):411-415.
[5]潘景銘,唐小我,倪得兵.供應(yīng)鏈生產(chǎn)柔性有效邊界研究[J].管理工程學(xué)報(bào),2005,19(2):130-132.
[6]WAGNER H M,WHITIN TM.Dynamic version of the economic lot size model[J].Management Science,1958,5(1):89-97.
[7]HSU V N.Dynamic economic lot sizemodel with perishable inventory[J].Management Science,2000,47(6):1159-1169.
[8]LOVE S F.Bounded production and inventory models with piecewise concave costs[J].Management Science,1973,20(3):313-318.
[9]ATAMTüRK A,Kü?üKYAVUZ S.Lot sizing with inventory bounds and fixed costs:polvhedral study and computation[J].Operations Research,2005,53(4):711-730.
[10]CHU F,CHU C.Single item dynamic lot-sizing models with bounded inventory and outsourcing[J].IEEE Transactions on Systems,Man,and Cybernetics-Part A:Systems and Humans,2008,38(1):70-77.
[11]AKSEN D,ALTINKEMER K,CHAND S.The single-item lot-sizing problem with immediate lost sales[J].European Journal of Operational Research,2003,147(3):558-566.