基于Agent的汽車零部件循環(huán)取貨模型*

屈新懷，盛 敏，丁必榮

(合肥工業(yè)大學機械與汽車工程學院，合肥 230009)

0 引言

汽車零部件采購成本占據(jù)著汽車總成本的最大比重，在汽車制造講究成本控制的精益時代，降低采購成本成為重要挖掘對象，而實施循環(huán)取貨的入廠物流模式就是眾多舉措中的一種有效方法。汽車企業(yè)實施循環(huán)取貨是指載有空料箱的一輛貨車從主機廠或集配中心(RDC)出發(fā)，按既定路線和時間段依次到供應商處提取相應零部件，最后返回主機廠或集配中心的一種零部件入廠物流模式。國內外眾多車企實施循環(huán)取貨之后取得了可觀的經(jīng)濟效益，如TNT在北美為福特汽車公司提供的循環(huán)取貨服務，使運輸滯留時間減少80%，過渡存貨縮減了50%，僅1999年就為福特節(jié)約費用3000萬美元;安吉天地物流公司為上海通用汽車公司提供循環(huán)取貨物流服務后，運輸距離減少、裝載率提高，每年可節(jié)約零部件運輸成本30%以上［1］。

循環(huán)取貨在企業(yè)中的火熱應用也促使著學術界對該問題的研究。在國外，DU研究了循環(huán)取貨運行時車輛調度系統(tǒng)的參數(shù)設置［2］，Sadjadi，S J提出了循環(huán)取貨的一種數(shù)學模型，并用遺傳算法進行了求解［3］。國內方面，周欣和霍佳震證明了循環(huán)取貨在提前期波動較小、需求率較低、缺貨成本不高、供應商的位置集中、供應商距離較遠、車載量大(相當于零部件體積小、重量輕)的情況下具有優(yōu)勢［4］，桂明華和馬士華通過考慮單位重量零部件運輸成本對承運量敏感與否，對循環(huán)取貨的適應情況進行了判斷分析［5］。

現(xiàn)有的研究方法主要是建立某類數(shù)學模型，然后運用啟發(fā)式算法或數(shù)學方法進行求解。這類方法準確且嚴謹，但也存在難于理解和計算，不善于解決非線性、非規(guī)律、動態(tài)性問題。而基于Agent的建模和仿真正是研究非線性、動態(tài)性這些復雜適應性系統(tǒng)的重要手段，相比傳統(tǒng)的數(shù)學建模，在靈活性、層次性和直觀性方面有明顯優(yōu)勢。如在研究供應鏈領域中的協(xié)同合作、決策方案仿真等方面該方法已有被使用［6-7］。本文首次運用基于Agent的建模方法分析循環(huán)取貨的運行機制。根據(jù)該方法的研究范式，描述循環(huán)取貨體系的問題模型，按Agent理論對研究對象進行Agent分類和內部模型構建，最后，采用Agent UML對Agent之間的動態(tài)交互進行了建模。

1 復雜適應系統(tǒng)與多Agent建模

復雜適應系統(tǒng)的理論由遺傳算法的創(chuàng)始人霍蘭于1994年在一次名為“隱秩序”的演講中最先提出。其核心思想是“適應性造就復雜性”。該理論認為，系統(tǒng)中的成員稱為具有適應性的Agent。它們能夠與環(huán)境以及其他Agent進行交流，在這種交流的過程中“學習”或積累經(jīng)驗，并且根據(jù)學的經(jīng)驗改變自身的結構和行為方式［8］。系統(tǒng)復雜性出現(xiàn)的原因正是由構成系統(tǒng)的這些適應性Agent之間、Agent與外部環(huán)境之間不斷交流和學習后，使系統(tǒng)在宏觀上產(chǎn)生的涌現(xiàn)所致。

Agent又稱之為主體、代理等名稱，最早來源于人工智能領域。隨著復雜系統(tǒng)科學成為新世紀的研究熱點，和計算機仿真技術的不斷發(fā)展，Agent理論逐漸被選擇為復雜適應系統(tǒng)的建模方法。多Agent系統(tǒng)模型中，Agent是一個軟件實現(xiàn)的對象，存在于一個可執(zhí)行的環(huán)境中，具有主動學習和適應環(huán)境的能力［9］。復雜系統(tǒng)學科背景下的Agent有以下特征：反應性、自治性、交互性、移動性等。同時，Agent與對象二者之間存在很多的相似之處，面向對象技術對于理解Agent技術有很多借鑒作用。比如都可以看作是一個抽象實體，封裝了某些屬性和狀態(tài)，通過信息傳遞進行通信［10］。

2 循環(huán)取貨體系的多Agent模型結構

2.1 問題描述

從復雜適應性角度來看，循環(huán)取貨是由供應商、物流服務提供商、主機廠這些眾多主體之間的協(xié)調與合作而實現(xiàn)的零部件入廠，是主體聚集之后產(chǎn)生的一種涌現(xiàn)現(xiàn)象。具體描述為：主機廠(或RDC)M向第三方物流公司(3PL)L和眾多供應商Si(i=1，2，…n)發(fā)布物料采購計劃，供應商Si提前準備好供貨量Qi。3PL首先通過分析供應商Si地理位置、第i個供應商供貨量Qi、每輛車容積約束Vi(i=1，2，…n)和路程約束D制定多條取貨路線Ri(i=1，2，…n)，然后派出T輛車按各路線Ri依次到n個供應商Si處提取零部件并最終返回主機廠(或RDC)M。要求在滿足約束條件下，如何獲取最優(yōu)的路線選擇，實現(xiàn)庫存和運輸成本最低。

2.2 Agent分類與系統(tǒng)模型結構

運用 Agent理論進行建模時，確定系統(tǒng)中的Agent粒度抽象程度，以及同質與異質分析是其中的重要一步。通過對循環(huán)取貨體系進行分析，將主體分為：主機廠 Agent、3PLAgent、供應商 Agent、輔助Agent。這些Agent構成的循環(huán)取貨的Agent體系結構模型，如圖1。

圖1 基于Agent建模的循環(huán)取貨系統(tǒng)模型

(1)主機廠Agent。其主要職責是根據(jù)銷售訂單和生產(chǎn)能力制定生產(chǎn)計劃，分析物料需求計劃和零部件庫存后向零部件供應商發(fā)布采購訂單，接收入庫零部件，然后組織生產(chǎn)活動，最后將產(chǎn)成品入庫。相關子主體有財務 Agent、采購 Agent、生產(chǎn) Agent、物管Agent，正是這些子主體的協(xié)同合作確保循環(huán)取貨的正常運行。

(2)第三方物流(3PL)Agent。其主要職責是根據(jù)主機廠的采購訂單準時完成零部件的取貨任務，針對循環(huán)取貨情況，子主體有財務Agent、調度Agent、運輸 Agent。

(3)供應商Agent。其主要職責是處理主機廠的采購訂單，組織零部件生產(chǎn)和入庫。子主體有財務Agent、銷售 Agent、生產(chǎn) Agent、物管 Agent。

(4)輔助Agent。其主要職責是為上述Agent提供支持服務。相關子主體有道路Agent、物料Agent。

3 Agent內部模型構建及交互建模

3.1 Agent內部模型構建

完成Agent分類之后，需要對每個Agent進行內部模型的構建，具體包括Agent屬性、行為、通信接口設計。對于循環(huán)取貨研究來說，重點是對生產(chǎn)Agent這個層次的子主體進行內部模型設計。

3.1.1 Agent行為特征

(1)生產(chǎn)Agent：根據(jù)銷售訂單和生產(chǎn)能力制定生產(chǎn)計劃;計算物料需求計劃;完成產(chǎn)品生產(chǎn)。

(2)采購Agent：發(fā)布采購訂單;監(jiān)督第三方物流的配送情況。

(3)財務Agent：處理催/付款業(yè)務。

(4)物管Agent：接收物料;為生產(chǎn)提供物料;發(fā)布零部件庫存信息。

(5)調度Agent：根據(jù)主機廠采購要求和道路信息制定取貨路線;確定取貨頻次;確定取貨車輛數(shù)目。

(6)運輸Agent：完成貨物運輸。

(7)銷售Agent：接收主機廠采購訂單，并將信息傳遞至生產(chǎn)主體。

(8)物料Agent：提供相關零部件屬性。

(9)道路Agent：提供各供應商地理位置數(shù)據(jù)和之間相距距離。

3.1.2 Agent行為描述方法

為便于理解和編程實現(xiàn)，采用形式化方法對系統(tǒng)中的Agent行為進行分析和描述［11］。Agent的行為由許多活動所體現(xiàn)，且每個活動是由事件激發(fā)或由Agent主動發(fā)起，每一項活動包括許多動作，這些動作并按一定的有序排列進行。有序排列包括以下三個邏輯運算：設 p，q為兩個元素，則“p.◇q”表示“先 p后 q”;“p∨q”表示“p與 q并列”;“p∧q”表示p或q。Agent行為的形式表達格式：B=＜O，E，A0，V＞。O是Agent所有活動目的的集合，E是Agent能夠感知的所有事件的集合，A0表示Agent內部所有動作的集合，V表示所有活動的集合。在循環(huán)取貨系統(tǒng)中，路徑選擇是一個關鍵問題，嚴重影響著供應鏈上的庫存和運輸成本，承擔這項任務的是3PL中的調度Agent，本文以該主體為例介紹Agent行為的形式化描述方法。

以上是對調度Agent行為的形式化描述，其他主體行為的描述類似。

3.2 Agent之間動態(tài)交互建模

通過交互作用，循環(huán)取貨系統(tǒng)中各Agent做出相應的行為反應，協(xié)同合作完成零部件的供應任務。而描述Agent之間的這些交互可以通過采用AUML(Agent United Modeling Language，Agent統(tǒng)一建模語言)中的序列圖來實現(xiàn)。AUML是對UML的擴展，是目前對Agent建模普遍采用的方法［12］。

循環(huán)取貨體系中各Agent之間的動態(tài)交互模型包括三方面：①循環(huán)取貨計劃制定模型，涉及采購Agent、調 度 Agent、運 輸 Agent、銷 售 Agent、道 路Agent;②財務業(yè)務交互模型，涉及主機廠、3PL和各供應商的財務Agent、主機廠物管Agent;③零部件交貨業(yè)務模型，涉及主機廠的生產(chǎn)Agent、物管Agent、采購Agent，3PL的運輸Agent，供應商的物管Agent。

本文通過采用AUML的序列圖分析了循環(huán)取貨計劃制定的交互行為模型，見圖2，交互過程如下：主機廠根據(jù)生產(chǎn)Agent生產(chǎn)計劃和物料Agent的BOM信息后，發(fā)布采購訂單給3PL的調度Agent和各供應商銷售 Agent，3PL的調度 Agent綜合供應商銷售Agent所提供的庫存信息和道路Agent中的路況信息判斷能否滿足主機廠供貨需求。如果不能滿足，將信息反饋至主機廠采購Agent，采購Agent再修改采購訂單信息。如果能滿足，3PL調度Agent制定循環(huán)取貨路徑計劃，并將計劃發(fā)布給主機廠采購Agent、3PL的運輸Agent、各供應商銷售Agent。

圖2 循環(huán)取貨計劃制定序列圖

4 結束語

本文實現(xiàn)了Agent建模方法在構建循環(huán)取貨體系中的應用，是在如何認識循環(huán)取貨模型過程中進行的一次新嘗試。循環(huán)取貨作為一種新的入廠物流模式，體現(xiàn)了出其復雜適應特征，因此，將基于Agent的建模與仿真方法運用到循環(huán)取貨問題研究既是對復雜適應性理論應用領域的一個推廣，也是解決循環(huán)取貨問題的一種新思路。

［1］左曉露，劉志學，鄭長征.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(1)：79－84.

［2］Du T，Wang F K，Lu P.A real-time vehicle-dispatching system for consolidating milk runs［J］.Transportation Research Part E 43.2007：565 －577.

［3］Sadjadi S J，Jafari M，Amini T.A new mathematical modeling and a genetic algorithm search for milk run problem［J］.Int J Adv Manuf Technol.2009(44)：194 －200.

［4］周欣，霍佳震.隨機提前期下考慮循環(huán)取貨的最優(yōu)采購策略［J］.系統(tǒng)管理學報，2011(3)：287－295.

［5］桂華明，馬士華.Supply-hub環(huán)境下的多源供貨模式與協(xié)同批量決策研究［J］.中國管理科學，2010(1)：78－82.

［6］李鋒，魏瑩.決策行為影響牛鞭效應的仿真［J］.系統(tǒng)管理學報，2011(5)：533－538.

［7］唐建生，鄭江波.制造型企業(yè)供應鏈的沖突機理及多agent系統(tǒng)的研究［J］.組合機床與自動化加工技術，2004(8)：42－44.

［8］徐國志.系統(tǒng)科學［M］.上海：上?？萍冀逃霭嫔纾?000.

［9］方美琪，張樹人.復雜系統(tǒng)建模與仿真［M］.北京：中國人民大學出版社，2011.

［10］葛世倫，聶冬芹.基于multi-agent的第四方物流信息平臺結構模型的研究［J］.計算機應用研究，2012(2)：575－578.

［11］曹軍海，張和明，熊光楞.多Agent仿真中Agent行為的形式化描述方法［J］.系統(tǒng)仿真學報，2004(11)：2398－2400.

［12］林勇，劉衛(wèi)國，黃志剛，等.基于AUML的Agent建模方案研究［J］.計算機與數(shù)字工程，2009(12)：70－75.