汽車零部件物流越庫配送系統(tǒng)的多重響應(yīng)優(yōu)化*

施 文，劉志學(xué)，劉 林

(華中科技大學(xué)管理學(xué)院，武漢 430074)

前言

對(duì)汽車制造企業(yè)而言，汽車零部件物流由入廠物流(供應(yīng)物流、采購物流)、生產(chǎn)物流和出廠物流(售后物流)組成，其中入廠物流是最重要的環(huán)節(jié)，它是連接供應(yīng)商與裝配企業(yè)之間物料供應(yīng)活動(dòng)的重要來源。目前，國(guó)內(nèi)汽車制造企業(yè)零部件入廠物流大多采用基于第三方物流(third-party logistics，TPL)的循環(huán)取貨越庫配送物流模式［1］。越庫中心(cross-docking center，CDC)也稱集配中心，是該模式中的重要物流節(jié)點(diǎn)，發(fā)揮著巨大的規(guī)模經(jīng)濟(jì)的作用。據(jù)《中國(guó)汽車行業(yè)發(fā)展報(bào)告2010》預(yù)測(cè)，未來10年內(nèi)，國(guó)內(nèi)汽車需求增長(zhǎng)率將保持在10%左右。在此利好形勢(shì)下，眾多汽車制造商紛紛設(shè)立新廠，如武漢的東風(fēng)乘用車﹑神龍汽車和東風(fēng)本田三大整車廠。產(chǎn)能的擴(kuò)大勢(shì)必帶來零部件物流量的增加，這對(duì)CDC提出了更高的要求，如何優(yōu)化配置CDC以適應(yīng)新的物流需求是TPL的一項(xiàng)重要任務(wù)。

國(guó)內(nèi)外許多學(xué)者展開了越庫配送問題的研究。文獻(xiàn)［2］和文獻(xiàn)［3］中介紹了日本汽車零部件物流越庫策略實(shí)施的成功經(jīng)驗(yàn)，但未提出任何優(yōu)化模型。有關(guān)越庫的技術(shù)性研究始于20世紀(jì)90年代，部分學(xué)者研究了戰(zhàn)略層面的越庫配送問題，主要指CDC作為供應(yīng)鏈某一層級(jí)的網(wǎng)絡(luò)選址和越庫中心內(nèi)的布局設(shè)計(jì)。文獻(xiàn)［4］中將CDC放入供應(yīng)鏈環(huán)境中加以研究，解決了生產(chǎn)、物流和外包運(yùn)作的設(shè)計(jì)問題;文獻(xiàn)［5］中針對(duì)該問題提出了一種新型的啟發(fā)式算法。文獻(xiàn)［6］中針對(duì)零售型與轉(zhuǎn)運(yùn)型兩類越庫，探討了越庫的形狀設(shè)計(jì)問題。有關(guān)越庫的策略層研究集中在車輛路徑與庫臺(tái)分配問題。文獻(xiàn)［7］和文獻(xiàn)［8］中將越庫與車輛路徑問題聯(lián)合考慮，采用禁忌搜索算法找出車輛數(shù)和最優(yōu)的車輛路徑調(diào)度，以最小化總的運(yùn)輸成本和車輛固定成本。文獻(xiàn)［9］中研究了韓國(guó)的郵政配送中心的庫臺(tái)分配問題，其目的是將發(fā)貨區(qū)庫臺(tái)按目的地進(jìn)行分組劃分。文獻(xiàn)［10］中針對(duì)長(zhǎng)方形越庫中心的庫臺(tái)二次指派問題(quadratic assignment problem，QAP)提出一種新型混合整數(shù)規(guī)劃模型，作者將模擬退火算法的結(jié)果應(yīng)用于Con-way公司的越庫。大部分學(xué)者對(duì)車輛到達(dá)越庫時(shí)的調(diào)度問題展開研究，它屬于運(yùn)作層問題。文獻(xiàn)［11］中最早展開了此類問題的研究。文獻(xiàn)［12］中建立了一類特別的帶有傳送帶的越庫系統(tǒng)模型，在該模型中卸載區(qū)庫臺(tái)僅服務(wù)一個(gè)裝載區(qū)庫臺(tái)。文獻(xiàn)［13］中研究了單庫臺(tái)越庫的車輛調(diào)度問題，他們將越庫作業(yè)比作兩階段機(jī)器作業(yè)模型，通過優(yōu)先權(quán)約束(precedence constraints)將越庫入庫作業(yè)視為第一階段，出庫作業(yè)視為第二階段。文獻(xiàn)［14］中研究了多庫臺(tái)的情形。

上述文獻(xiàn)從不同層面研究了越庫的實(shí)施問題，集配型越庫作為越庫實(shí)施的重要類型，在汽車零部件物流中發(fā)揮著巨大的規(guī)模經(jīng)濟(jì)作用，但未發(fā)現(xiàn)針對(duì)汽車行業(yè)CDC內(nèi)部設(shè)計(jì)的優(yōu)化研究。從建模方法上看，大部分文獻(xiàn)采用解析法建立越庫模型，由于該問題大多為NP-hard或NP-complete，其求解算法一般為啟發(fā)式或元啟發(fā)式算法，但許多模型結(jié)構(gòu)停留在較少出入庫庫臺(tái)或無暫存區(qū)的情形［11-14］，這與現(xiàn)實(shí)情形相差較遠(yuǎn)，實(shí)際中庫臺(tái)數(shù)一般為6～200個(gè)［15］，作者所調(diào)研的東本儲(chǔ)運(yùn)和長(zhǎng)安民生的庫臺(tái)數(shù)目約為10個(gè)。因此，本文中基于CDC實(shí)際運(yùn)作構(gòu)建了復(fù)雜的離散動(dòng)態(tài)系統(tǒng)仿真模型，然而，仿真僅是一種實(shí)驗(yàn)手段，無法給出產(chǎn)能擴(kuò)大后TPL最佳的改進(jìn)方案。為此，本文中將CDC仿真模型與響應(yīng)面法(response surface methodology，RSM)相結(jié)合，深入分析CDC物流運(yùn)作的最佳改進(jìn)方案，為TPL運(yùn)作決策的調(diào)整提供可靠的解決思路。

1 問題描述

國(guó)內(nèi)絕大多數(shù)汽車零部件供應(yīng)商分布于珠三角、長(zhǎng)三角和環(huán)渤海灣三大汽車產(chǎn)業(yè)帶，而某些主機(jī)廠(assemble plant，AP)位于距離較遠(yuǎn)的中西部地區(qū)，如東風(fēng)本田、東風(fēng)神龍和長(zhǎng)安福特等，并且通過合資的方式成立了為其服務(wù)的TPL，如東本儲(chǔ)運(yùn)、捷富凱-鴻泰和長(zhǎng)安民生等。從規(guī)模經(jīng)濟(jì)角度考慮，TPL在各汽車產(chǎn)業(yè)集聚區(qū)設(shè)立CDC。汽車制造商、零部件供應(yīng)商與TPL事先簽訂合作協(xié)議，委托TPL實(shí)施零部件物流Milk-run，即根據(jù)零部件供應(yīng)商的分布、零部件的補(bǔ)貨頻率、補(bǔ)貨數(shù)量、需求特征和對(duì)生產(chǎn)的重要性等因素，劃分若干Milk-run區(qū)域。圖1展示了整個(gè)TPL-MRCD物流流程，通常情況下，從某個(gè)Milk-run取貨的零部件數(shù)量不夠整車(less-thantruckload，LTL)，因此該車將LTL零部件先運(yùn)輸至區(qū)域CDC(支線運(yùn)輸)，經(jīng)過一定時(shí)間的集并，再將裝滿零部件的整車(truckload，TL)運(yùn)輸至廠邊倉庫，最終到達(dá)主機(jī)廠(干線運(yùn)輸)。

圖1中間部分展示了CDC內(nèi)部的基本結(jié)構(gòu)。庫臺(tái)(doors)是卸載區(qū)(receiving dock)和裝載區(qū)(shipping dock)最主要的組成部分，一般地，單個(gè)庫臺(tái)僅容納一輛貨車。一旦入庫車輛(inbound trucks，IBT)即圖1中卸載區(qū)卡車抵達(dá)CDC，調(diào)度室視庫臺(tái)的繁忙程度決定該車輛下一位置，若卸載區(qū)有空閑庫臺(tái)，入庫車輛則隨機(jī)分配至其中之一;相反，若卸載區(qū)庫臺(tái)已全部占用，入庫車輛則先進(jìn)入車輛等候區(qū)等待，直到某一庫臺(tái)空閑。入庫車輛?？吭趲炫_(tái)時(shí)，操作工人分派至此卸貨掃描。掃描完成后，零部件根據(jù)裝載區(qū)出庫車輛(outbound trucks，OBT)的到達(dá)情況決定下一步的路線。路線1:若裝載區(qū)庫臺(tái)停靠有OBT，則零部件通過傳送帶直接運(yùn)至裝載區(qū)，其中，卸載區(qū)庫臺(tái)與傳送帶間及傳送帶與裝載區(qū)間的兩段運(yùn)輸由叉車完成;路線2:若裝載區(qū)庫臺(tái)未停有OBT，零部件則由叉車先運(yùn)至?xí)捍鎱^(qū)暫存，待OBT到達(dá)后，再由叉車運(yùn)至該OBT?？康膸炫_(tái)。由于路線2的零部件有一定存儲(chǔ)時(shí)間，故裝載區(qū)優(yōu)先選擇路線2的零部件。零部件在裝載區(qū)裝至滿載后再干線運(yùn)輸至廠邊倉庫。此外，零部件不允許在CDC暫存區(qū)存儲(chǔ)太長(zhǎng)時(shí)間，一般不超過24h，否則由額外的貨車將其運(yùn)至廠邊倉庫。

由于中國(guó)汽車需求增長(zhǎng)迅速，大部分汽車生產(chǎn)商更關(guān)注其產(chǎn)量與零部件供給的時(shí)效性，這一論點(diǎn)也得到所調(diào)研企業(yè)管理者的認(rèn)同(東本儲(chǔ)運(yùn)和長(zhǎng)安民生)。本文中以CDC零部件吞吐量(total throughput，TT)與平均流程時(shí)間(operation time，OT)作為系統(tǒng)績(jī)效指標(biāo)。TT是衡量CDC作業(yè)能力的重要指標(biāo)，其選取符合國(guó)內(nèi)汽車行業(yè)的實(shí)際背景;OT則是衡量CDC作業(yè)效率高低的標(biāo)準(zhǔn)，隨著汽車制造商產(chǎn)量的擴(kuò)大，需要遠(yuǎn)距離供應(yīng)商配合準(zhǔn)時(shí)(just-intime，JIT)生產(chǎn)，實(shí)施JIT配送，這對(duì)零部件的流程時(shí)間提出了更高的要求，部分越庫配送文獻(xiàn)也以O(shè)T作為目標(biāo)函數(shù)。

2 CDC仿真模型

2.1 邏輯模型

利用Rockwell公司開發(fā)的面向?qū)ο蟮姆抡嫫脚_(tái)ARENA 13.0作為仿真工具［16］。為建模和測(cè)試的順利進(jìn)行，本文中將CDC模型分割為6個(gè)相互聯(lián)系的子模型。

子模型1 卸載區(qū)模型

IBT到達(dá)CDC觸發(fā)卸載區(qū)事件，該事件包括庫臺(tái)分配、零部件卸貨和掃描3個(gè)子事件。卸載區(qū)的庫臺(tái)數(shù)為NRDC(下標(biāo)C表示CDC)，若IBT到達(dá)時(shí)處于忙態(tài)的庫臺(tái)超過NRDC，則該IBT先到車輛等候區(qū)排隊(duì)等待，直到空閑庫臺(tái)出現(xiàn)，默認(rèn)情況下等待區(qū)服務(wù)規(guī)則為先到先服務(wù)(FIFO)。每一庫臺(tái)配備足夠數(shù)量的作業(yè)工人，單位數(shù)量零部件卸貨時(shí)間UTC服從參數(shù)為(aUTC，bUTC，cUTC)的三角分布。因此，某輛IBT的卸貨時(shí)間為UTC·QLTL，其中QLTL為支線運(yùn)輸裝載量。掃描與卸貨在卸載區(qū)庫臺(tái)同步進(jìn)行，包裝的朝向錯(cuò)誤或標(biāo)簽損壞時(shí)有發(fā)生，需要工人二次掃描或手動(dòng)輸入條碼，單位數(shù)量零部件掃描時(shí)間STC服從參數(shù)為(aSTC，bSTC)的均勻分布，一次掃描通過率為β，第二次操作時(shí)間與第一次相同。零部件下一步路線取決于卸載區(qū)是否?？坑蠴BT，若有，則零部件直接進(jìn)入傳送區(qū)由傳送帶運(yùn)至該OBT，否則進(jìn)入暫存區(qū)存儲(chǔ)。

子模型2 傳送區(qū)模型

傳送帶為不可聚集式輸送設(shè)備，即傳送帶上被輸送的零部件空間間隔不會(huì)改變。傳送區(qū)傳送帶數(shù)量為NCC，傳送帶的長(zhǎng)度均為CLC，傳送速度為CVC。傳送帶由許多不斷移動(dòng)的等長(zhǎng)單元組成，該單元容納不多于一個(gè)單位的零部件，假設(shè)零部件平均單元大小為CSC，則單位零部件在傳送帶上所占的平均尺寸為CSC。

子模型3 暫存區(qū)模型

若裝載區(qū)未停靠OBT，零部件則先轉(zhuǎn)移到暫存區(qū)直到OBT到達(dá)，暫存區(qū)的固定容量為CC，暫存區(qū)中的零部件服從FIFO排隊(duì)規(guī)則，即優(yōu)先裝載存儲(chǔ)時(shí)間較長(zhǎng)的零部件。若零部件在暫存區(qū)的逗留時(shí)間超過門檻值TT，而此時(shí)仍無到達(dá)的OBT，這些零件由額外的OBT*直接運(yùn)至主機(jī)廠(非廠邊倉庫)，OBT*為TPL再外包的運(yùn)輸車輛，該部分零部件不計(jì)入系統(tǒng)績(jī)效。此外，暫存區(qū)的零部件比傳送區(qū)的具有更高的優(yōu)先級(jí)，即OBT優(yōu)先裝載暫存區(qū)零部件。

子模型4 叉車與拖車模型

叉車和拖車是CDC內(nèi)部的兩種運(yùn)輸資源，負(fù)責(zé)零部件在卸貨區(qū)、傳送區(qū)、暫存區(qū)和裝載區(qū)4個(gè)站點(diǎn)間的物流，站點(diǎn)間的距離等于DC(x，y)，其中x≠y=r，s，c，t，式中 r為卸貨區(qū)，s為裝載區(qū)，c 為傳送區(qū)，t為暫存區(qū)。叉車和拖車數(shù)量分別為NFC和NTC，運(yùn)輸速度為FVC和TVC，每車運(yùn)輸容量為FCC和TCC。叉車和拖車在運(yùn)輸能力上有所差別，故優(yōu)先選擇叉車作業(yè)，且DC(r，t)和 DC(t，s)較遠(yuǎn)，這兩段運(yùn)輸僅能用叉車完成。

子模型5 裝載區(qū)模型

裝載區(qū)庫臺(tái)數(shù)等于NSDC，若OBT到達(dá)時(shí)，裝載區(qū)無空閑庫臺(tái)，則OBT到車輛等待區(qū)排隊(duì)等待，默認(rèn)情況下等候區(qū)排隊(duì)規(guī)則為FIFO。庫臺(tái)配備相應(yīng)數(shù)量的操作工人，整車OBT的零部件裝載量為QTL，單位數(shù)量零部件裝載時(shí)間 LTC服從參數(shù)為(aLTC，bLTC，cLTC)的三角分布，因此，每輛OBT的裝載時(shí)間為 LTC·QTL。

子模型6 控制邏輯模型

在這個(gè)子模型中，實(shí)體沒有相應(yīng)的物理意義，被稱作邏輯實(shí)體，它們被用來實(shí)現(xiàn)模型中的某種邏輯或改變系統(tǒng)狀態(tài)，此處包括賦值與查找兩個(gè)控制邏輯，每間隔1min，仿真系統(tǒng)自動(dòng)查找暫存區(qū)中逗留時(shí)間超過門檻值TT的零部件，并將符合該條件的零部件清理出暫存區(qū)，即通過OBT*裝載離開。

本文中模型為終態(tài)(terminating)仿真模型，其數(shù)據(jù)來源為作者調(diào)研的武漢某家汽車TPL企業(yè)。它所服務(wù)的汽車制造企業(yè)以30天為一個(gè)計(jì)劃生產(chǎn)周期，因此，共有30個(gè)仿真日(每日工作12h，共360h)，另有5個(gè)仿真日的系統(tǒng)Warm-up時(shí)間。由于是隨機(jī)性仿真，為提高仿真輸出的精確度和實(shí)驗(yàn)設(shè)計(jì)的效率，每個(gè)仿真場(chǎng)景的重復(fù)次數(shù)為10。最終仿真模型的運(yùn)行界面見圖2。

2.2 CDC影響因子

影響CDC系統(tǒng)績(jī)效(TT和OT)的因子主要包括收貨區(qū)庫臺(tái)數(shù)、發(fā)貨區(qū)庫臺(tái)數(shù)、傳送帶速度、傳送帶數(shù)量及存儲(chǔ)區(qū)容量。為便于分析，5個(gè)因子用A，B，C，D，E 表示，利用式(1)將變量規(guī)范至［-1，1］之間，其中XHigh和XLow分別為因子的上下限，XActual為因子的實(shí)際值，Xi為規(guī)范后的值。表1給出了5個(gè)因子的取值范圍，數(shù)據(jù)來源于所調(diào)研的武漢某汽車TPL企業(yè)。低水平為企業(yè)現(xiàn)有狀況，高水平代表主機(jī)廠產(chǎn)能擴(kuò)大后TPL的預(yù)測(cè)值。

表1 CDC仿真模型績(jī)效影響因子和因子取值水平

3 建模及優(yōu)化步驟

3.1 建立響應(yīng)面元模型

上述CDC仿真模型僅是一種實(shí)驗(yàn)手段，并未給出任何優(yōu)化方案。本文中基于CDC仿真模型，建立響應(yīng)面RSM元模型，RSM是一種通過估計(jì)參數(shù)組合，使給定目標(biāo)函數(shù)達(dá)到最小的啟發(fā)式優(yōu)化方法。與其它仿真優(yōu)化方法相比，RSM需要相對(duì)較少的仿真重復(fù)和因子組合，并且與昂貴仿真(單次仿真運(yùn)行需要大量時(shí)間)運(yùn)行所需的時(shí)間相比，RSM啟發(fā)式搜索所需的數(shù)學(xué)和統(tǒng)計(jì)計(jì)算時(shí)間可以忽略［17］。在供應(yīng)鏈類似的仿真系統(tǒng)中，文獻(xiàn)［18］～文獻(xiàn)［20］中將RSM與仿真模型相結(jié)合解決了地鐵線及生產(chǎn)線的優(yōu)化問題。在汽車的結(jié)構(gòu)設(shè)計(jì)中，文獻(xiàn)［21］～文獻(xiàn)［22］中基于RSM優(yōu)化了車身接頭和結(jié)構(gòu)振動(dòng)的頻率問題。本文中首次將其應(yīng)用于汽車零部件物流的越庫中心設(shè)計(jì)，并且所優(yōu)化的響應(yīng)具有多重性。

響應(yīng)(OT與TT)與自變量(CDC的影響因子)的關(guān)系形式未知。RSM的第一步就是尋求響應(yīng)y與自變量集合之間真實(shí)函數(shù)的一個(gè)合適的逼近式。一般講，可用在自變量某一區(qū)域內(nèi)的一個(gè)低階多項(xiàng)式來逼近，通常為2k全析因設(shè)計(jì)或分式析因設(shè)計(jì)，若響應(yīng)適合自變量的線性函數(shù)建模，則近似函數(shù)為1階模型:

式中:xi為 m 維自變量的第 i個(gè)分量;β0、βi、βij為未知參數(shù)，通過仿真實(shí)驗(yàn)由最小二乘法求出;ε為模型的隨機(jī)誤差項(xiàng)。若方差分析顯示系統(tǒng)有曲度出現(xiàn)(P-value＜顯著性水平)，則必須用更高階的多項(xiàng)式，一般為2階模型:

由于中心復(fù)合設(shè)計(jì)具有可旋轉(zhuǎn)性和球面性等優(yōu)點(diǎn)，常用于擬合2階響應(yīng)面，它包括2k全析因設(shè)計(jì)，2k次軸點(diǎn)設(shè)計(jì)以及nc次中心點(diǎn)設(shè)計(jì)，軸點(diǎn)為(±α，0，0，…，0)，(0，±α，0，…，0)，(0，0，±α，…，0)，…，(0，0，0，…，±α)。

3.2 多重響應(yīng)優(yōu)化

由于模型所優(yōu)化的響應(yīng)具有多重性，即OT與TT。因此，本文中采用Derringer-Suich的滿意度函數(shù)法，該方法首先將響應(yīng)yi轉(zhuǎn)換為單個(gè)滿意度函數(shù)di，其變化范圍是0≤di≤1。如果響應(yīng)yi是它的目標(biāo)值，則di=1;如果響應(yīng)在可接收的范圍之外，則di=0。

如果響應(yīng)y(TT)的目標(biāo)T是一個(gè)最大值，則

當(dāng)權(quán)重r=1時(shí)，滿意度函數(shù)是線性函數(shù)。若選擇r＞1，則更強(qiáng)調(diào)靠近目標(biāo)值;若選擇0＜r＜1，則目標(biāo)值較不重要。如果響應(yīng)y(OT)的目標(biāo)是一個(gè)最小值，則

式中L和U分別代表仿真中響應(yīng)的最小和最大值。選擇設(shè)計(jì)變量，使之最大化m個(gè)響應(yīng)的總滿意度:

4 仿真實(shí)驗(yàn)與優(yōu)化

4.1 擬合響應(yīng)面元模型

共進(jìn)行44次仿真實(shí)驗(yàn)，包括25次全析因設(shè)計(jì)，10次軸點(diǎn)設(shè)計(jì)和2次中心點(diǎn)設(shè)計(jì)。在顯著性水平為0.05的條件下，TT與OT的2階響應(yīng)面元模型最為顯著，見表2。最終模型為式(7)～式(10)。實(shí)際變量方程式(8)和式(10)雖有實(shí)際意義，但規(guī)范變量方程能識(shí)別影響系統(tǒng)績(jī)效的重要因子，根據(jù)式(7)和式(9)，影響TT的因子重要性排序:C＞＞B＞E＞A＞D，影響OT的因子重要性排序:C＞＞A＞B＞E＞D。可見，因子C是影響系統(tǒng)TT和OT最為重要的因子，其變化將極大地影響系統(tǒng)績(jī)效，在主機(jī)廠產(chǎn)能增大后，TPL應(yīng)優(yōu)先改進(jìn)傳送帶的性能，實(shí)際加快零部件在CDC內(nèi)的庫內(nèi)物流。此外，適當(dāng)增加CDC的庫臺(tái)數(shù)對(duì)績(jī)效改進(jìn)也有一定的幫助。

TT規(guī)范變量方程:

TT實(shí)際變量方程:

表2 2階響應(yīng)面元模型擬合

OT規(guī)范變量方程:

OT實(shí)際變量方程:

表3和表4為TT和OT 2階響應(yīng)面元模型的方差分析表。由表3和表4可知，R2與Adj R2都處于較為理想的狀態(tài)，所擬合的響應(yīng)面元模型能分別解釋仿真模型吞吐量與運(yùn)作時(shí)間0.8967與0.9165的變異性，說明該模型能較好地代表仿真系統(tǒng)，擬合的RSM元模型(式(7)～式(10))可用于優(yōu)化響應(yīng)TT和OT。

4.2 多重響應(yīng)優(yōu)化

本模型的目標(biāo)為同時(shí)優(yōu)化TT和OT，參見式(6)，即 D(x)=Max{d1·d1))}1/2，結(jié)合表1因子的取值水平和式(7)～式(10)，將多重響應(yīng)優(yōu)化問題轉(zhuǎn)化為非線性規(guī)劃的求解問題。除多重響應(yīng)優(yōu)化外，還考慮了僅優(yōu)化單個(gè)績(jī)效TT和OT時(shí)的最優(yōu)因子水平。3類績(jī)效目標(biāo)包括:①OT達(dá)到正常水平下最大化TT;②TT達(dá)到正常水平下最小化OT;③同時(shí)優(yōu)化OT與TT。表5展示了目標(biāo)函數(shù)與最優(yōu)解的取值?？梢钥闯觯c現(xiàn)有(低)水平(調(diào)研的結(jié)果)相比，優(yōu)化結(jié)果中除收貨區(qū)庫臺(tái)數(shù)不變外，其余4個(gè)因子都有所提高，這與該TPL企業(yè)的預(yù)測(cè)結(jié)果基本吻合，說明仿真模型具有較高的效用和效力，優(yōu)化結(jié)果切實(shí)可行。此外，4因子(除收貨區(qū)庫臺(tái))的最優(yōu)取值未達(dá)到該變量預(yù)測(cè)的上限，說明TPL企業(yè)盲目地?cái)U(kuò)大資源，即因子擴(kuò)大至最高水平，將造成資源嚴(yán)重浪費(fèi)。由于規(guī)模效用的原因使得優(yōu)化的配置已能獲得企業(yè)滿意的績(jī)效，而合理的資源配置也正是TPL企業(yè)希望看到的結(jié)果，因?yàn)榕c預(yù)測(cè)水平相比可以幫助企業(yè)縮減成本開支。

表3 TT響應(yīng)面元模型因子方差分析表

表4 OT響應(yīng)面元模型方差分析表

表5 3種目標(biāo)函數(shù)及最優(yōu)解

4.3 不同運(yùn)作方案仿真結(jié)果比較

對(duì)3組優(yōu)化因子組合重復(fù)25次仿真實(shí)驗(yàn)，表6展示了表5中3種因子最優(yōu)組合的平均仿真輸出結(jié)果。由表可見:績(jī)效目標(biāo)y1與績(jī)效目標(biāo)y2對(duì)單獨(dú)績(jī)效的改進(jìn)較大，在不延長(zhǎng)運(yùn)作時(shí)間的情況下，績(jī)效目標(biāo)一提高了2.9%的零部件吞吐量;績(jī)效目標(biāo)y2縮短了15.2%的零部件平均運(yùn)作時(shí)間，但其也降低了1.7%的系統(tǒng)吞吐量;績(jī)效目標(biāo)y3同時(shí)改進(jìn)了兩類績(jī)效，但其單個(gè)績(jī)效的改進(jìn)幅度小于前兩種方案。TPL可根據(jù)其既定的目標(biāo)選擇相應(yīng)的優(yōu)化方案。

表6 3種績(jī)效目標(biāo)最優(yōu)方案比較

5 結(jié)束語

針對(duì)汽車零部件物流越庫系統(tǒng)動(dòng)態(tài)性與隨機(jī)性的特點(diǎn)，提出了一種離散事件系統(tǒng)仿真，實(shí)驗(yàn)設(shè)計(jì)及響應(yīng)面元模型相結(jié)合的建模與優(yōu)化技術(shù)解決該系統(tǒng)運(yùn)作優(yōu)化問題，為管理決策的制定提供了技術(shù)支持。仿真為解決復(fù)雜物流系統(tǒng)提供了有效的手段，在精細(xì)的越庫系統(tǒng)仿真模型的基礎(chǔ)上，建立了響應(yīng)面元模型，該方法在后仿真分析中極大減少了仿真實(shí)驗(yàn)所需運(yùn)行的次數(shù)，并便于靈敏度分析而無須重復(fù)實(shí)驗(yàn)。響應(yīng)面擬合方差分析顯示，元模型代表了高水平的仿真模型。最后的優(yōu)化結(jié)果表明，越庫系統(tǒng)性能獲得明顯改進(jìn)，管理決策者可根據(jù)其既定的目標(biāo)選擇相應(yīng)的優(yōu)化方案。未考慮不可控因素對(duì)CDC績(jī)效的影響是本文的一個(gè)主要不足，這也是今后值得研究的重要問題。不可控因素包括生產(chǎn)商發(fā)貨車輛到達(dá)的平均間隔時(shí)間，零售商車輛到達(dá)的平均間隔時(shí)間等，這需要采用口田設(shè)計(jì)等穩(wěn)健設(shè)計(jì)方法減少響應(yīng)變動(dòng)，降低其對(duì)系統(tǒng)績(jī)效的影響。

［1］左曉露，劉志學(xué)，鄭長(zhǎng)征.汽車零部件循環(huán)取貨物流模式的分析與優(yōu)化［J］.汽車工程，2011，33(1):79-84.

［2］Witt C.Crossdocking:Concepts Demand Choice［J］.Material Handling Engineering，1998，53(7):44-49.

［3］Kaneko J，Nojiri W.The Logistics of Just-in-Time Between Parts Suppliers and Car Assemblers in Japan［J］.Journal of Transport Geography，2008，16(3):155-173.

［4］Jayaraman V，Ross A.A Simulated Annealing Methodology to Distribution Network Design and Management［J］.European Journal of Operational Research，2003，144(3):629-645.

［5］Ross A，Jayaraman V.An Evaluation of New Heuristics for the Location of Cross-docks Distribution Centers in Supply Chain Network Design［J］.Computers ＆ Industrial Engineering，2008，55(1):64-79.

［6］Bartholdi J J，III，Gue K R.The Best Shape for a Crossdock［J］.Transportation Science，2004，38(2):235-244.

［7］Wen M，Larsen J，Clausen J，et al.Vehicle Routing with Crossdocking［J］.Journal of the Operational Research Society，2008，60(12):1708-1718.

［8］Liao C J，Lin Y，Shih S C.Vehicle Routing with Cross-docking in the Supply Chain［J］.Expert Systems with Applications，2010，37(10):6868-6873.

［9］Oh Y，Hwang H，Cha C N，et al.A Dock-door Assignment Problem for the Korean Mail Distribution Center［J］.Computers ＆ Industrial Engineering，2006，51(2):288-296.

［10］Bozer Y A，Carlo H J.Optimizing Inbound and Outbound Door Assignments in Less-than-truckload Crossdocks［J］.IIE Transactions，2008，40(11):1007-1018.

［11］Mcwilliams D L，Stanfield P M，Geiger C D.The Parcel Hub Scheduling Problem:A Simulation-based Solution Approach［J］.Computers ＆ Industrial Engineering，2005，49(3):393-412.

［12］Yu W，Egbelu P J.Scheduling of Inbound and Outbound Trucks in Cross Docking Systems with Temporary Storage［J］.European Journal of Operational Research，2008，184(1):377-396.

［13］Chen F，Song K.Minimizing Makespan in Two-stage Hybrid Cross Docking Scheduling Problem［J］.Computers＆ Operations Research，2009，36(6):2066-2073.

［14］Chen F，Lee C Y.Minimizing the Makespan in a Two-machine Cross-docking Flow Shop Problem［J］.European Journal of Operational Research，2009，193(1):59-72.

［15］Gue K R.The Effects of Trailer Scheduling on the Layout of Freight Terminals［J］.Transportation Science，1999，33(4):419-428.

［16］Mej A G，Martnez D，Torres F.Modeling and Development of an ARENA?Interface for Petri Nets:a Case Study in a Colombian Cosmetics Company［M］.Proceedings of the 40th Conference on Winter Simulation，Miami，F(xiàn)lorida;Winter Simulation Conference，2008:1368-1375.

［17］Kleijnen J P C.Design and Analysis of Simulation Experiments［M］.New York:Springer US，2008.

［18］Yaluinkaya O，MiracBayhan G.Modelling and Optimization of Average Travel Time for a Metro Line by Simulation and Response Surface Methodology［J］.European Journal of Operational Research，2009，196(1):225-233.

［19］Su J，Li S，Tadikamalla P.Operational Design of a Supply Chain System Using the Taguchi Method，Response Surface Methodology，Simulation，and Optimization［J］.International Journal of Production Research，2004，42(18):3823-3849.

［20］Noguera J H，Watson E F.Response Surface Analysis of a Multiproduct Batch Processing Facility Using a Simulation Metamodel［J］.International Journal of Production Economics，2006，102(2):333-343.

［21］宋凱，成艾國(guó)，鐘志華.基于響應(yīng)面法的汽車車身t型接頭優(yōu)化［J］.汽車工程，2011，33(4):283-289.

［22］田程，桂良進(jìn)，范子杰.采用序列響應(yīng)面法的大客車結(jié)構(gòu)振動(dòng)頻率優(yōu)化［J］.汽車工程，2010，32(10):833-836.