基于MAS的五階閉環(huán)供應(yīng)鏈仿真及實現(xiàn)

許 良，趙立靜

（燕山大學(xué) 經(jīng)濟管理學(xué)院，河北 秦皇島 066000）

基于MAS的五階閉環(huán)供應(yīng)鏈仿真及實現(xiàn)

許 良，趙立靜

（燕山大學(xué) 經(jīng)濟管理學(xué)院，河北 秦皇島 066000）

建立了基于回收和退貨的閉環(huán)供應(yīng)鏈系統(tǒng)，運用MAS的方法構(gòu)建了基于回收和退貨的閉環(huán)供應(yīng)鏈仿真模型，并建立仿真實驗以及優(yōu)化實驗，找出顧客等待時間盡可能短的情況下供應(yīng)鏈總成本最低最優(yōu)庫存控制策略，具有重要的理論研究價值和實踐意義。

閉環(huán)供應(yīng)鏈；MAS；庫存策略；仿真

1 引言

近年來，隨著環(huán)保意識和可持續(xù)發(fā)展意識的增強，越來越多的企業(yè)開始注重產(chǎn)品的回收利用。在此背景下，將正向供應(yīng)鏈和逆向供應(yīng)鏈相結(jié)合的閉環(huán)供應(yīng)鏈應(yīng)運而生。閉環(huán)供應(yīng)鏈作為新興的研究領(lǐng)域，主要涉及供應(yīng)商、制造商、分銷商、零售商、消費者、回收商等各類實體及與其相關(guān)的一系列業(yè)務(wù)活動，呈現(xiàn)出復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，是非常典型的復(fù)雜系統(tǒng)。2002年王丹力等提出了供應(yīng)鏈是一個開放的復(fù)雜巨系統(tǒng)，并分析了供應(yīng)鏈的復(fù)雜性。MAS理論和相關(guān)技術(shù)是一種對復(fù)雜系統(tǒng)進行分析、設(shè)計的有效的思想方法和工具，考慮到閉環(huán)供應(yīng)鏈的復(fù)雜性，本文將MAS理論引入到閉環(huán)供應(yīng)鏈的研究中。

伴隨著回收和退貨的出現(xiàn)，閉環(huán)供應(yīng)鏈中各級企業(yè)要不斷面臨回收產(chǎn)品和退貨產(chǎn)品，使得原本就比較復(fù)雜的庫存問題變得更加難以控制，尤其是在多級供應(yīng)鏈中愈發(fā)難以控制，如果處理不當，極有可能會對企業(yè)庫存造成很大的影響，因此非常有必要對閉環(huán)供應(yīng)鏈多級庫存控制策略進行研究。

在庫存管理中，涉及到了多種庫存策略，庫存策略是庫存管理的重要部分，一個好的庫存策略可以避免缺貨或庫存積壓，加速資金周轉(zhuǎn)，降低庫存總費用。根據(jù)盤點方式的不同，可以分為t-循環(huán)策略、（r,Q）策略、（s,S）策略、（T,r,Q）策略以及（T,s,S）策略。本文采用的庫存策略是（s,S）策略，即對庫存進行連續(xù)盤點，一旦發(fā)現(xiàn)庫存水平小于s，就馬上發(fā)出訂單進行訂貨，使得訂貨時刻庫存水平達到S。

本文首先構(gòu)建了基于回收和退貨的閉環(huán)供應(yīng)鏈系統(tǒng)。然后運用MAS方法對五階供應(yīng)鏈進行建模，模型的抽象粒度為供應(yīng)鏈上的企業(yè)，并利用固定實體模擬企業(yè)，流動實體模擬企業(yè)之間的訂單、配送，最后對MAS模型進行仿真實驗以及優(yōu)化實驗，找出最優(yōu)的（s,S）庫存策略，為閉環(huán)供應(yīng)鏈各級供應(yīng)鏈成員合理制定庫存控制策略提供了指導(dǎo)意見。

2 閉環(huán)供應(yīng)鏈仿真模型的建立

2.1 五階閉環(huán)供應(yīng)鏈結(jié)構(gòu)

本文所研究的閉環(huán)供應(yīng)鏈是由供應(yīng)商、制造商、分銷商、零售商以及客戶形成的閉環(huán)結(jié)構(gòu)，同時包含回收和退貨環(huán)節(jié)?？蛻敉素浄譃闊o缺陷退貨和缺陷退貨兩種情況，其中無缺陷退貨產(chǎn)品不影響二次銷售，直接退回給零售商進行銷售；缺陷產(chǎn)品退回給分銷商，由分銷商退回給制造商進行再制造，并重新進入正向供應(yīng)鏈?；厥窄h(huán)節(jié)指的是客戶手中超出產(chǎn)品生命周期的廢棄物，由制造商進行回收再制造并重新進入正向供應(yīng)鏈。本文研究的閉環(huán)供應(yīng)鏈是基于回收和退貨的閉環(huán)供應(yīng)鏈系統(tǒng)，如圖1所示。

圖1 基于回收和退貨的閉環(huán)供應(yīng)鏈結(jié)構(gòu)

2.2 基于MAS的閉環(huán)供應(yīng)鏈仿真模型

本文把閉環(huán)供應(yīng)鏈中能夠獨立完成任務(wù)的各實體抽象為兩類，即功能Agent和結(jié)構(gòu)Agent，因此整個系統(tǒng)可以劃分為三個層次：MAS層、結(jié)構(gòu)Agent層以及功能Agent層。其中MAS層是系統(tǒng)總體的層次，包括結(jié)構(gòu)Agent和功能Agent；結(jié)構(gòu)Agent層由供應(yīng)鏈的各企業(yè)組成，它們之間通過訂單、零部件以及產(chǎn)品的運輸聯(lián)系起來；功能Agent層是各結(jié)構(gòu)Agent內(nèi)部的運作流程的實現(xiàn)。本文所建立的基于MAS的閉環(huán)供應(yīng)鏈仿真模型如圖2所示。

圖2 基于MAS的閉環(huán)供應(yīng)鏈仿真模型

2.3 基于MAS的閉環(huán)供應(yīng)鏈仿真流程

功能Agent層的各功能Agent使各個企業(yè)的內(nèi)部運作流程得以實現(xiàn)。供應(yīng)商、分銷商、零售商內(nèi)部運作流程類似，主要包括訂單管理Agent、庫存管理Agent、配送Agent、通訊Agent、成本管理Agent、退貨管理Agent幾個模塊。制造商還包括生產(chǎn)Agent以及回收Agent這兩個模塊。因此以制造商為例說明企業(yè)內(nèi)部運作流程：（1）通訊Agent首先接收來自分銷商Agent的訂單信息，將訂單信息傳遞給訂單管理Agent，訂單管理Agent收到訂單信息后與庫存管理Agent進行交互。如果庫存Agent的產(chǎn)成品滿足訂單需求，則配送Agent進行發(fā)貨。庫存Agent的產(chǎn)成品不能滿足訂單需求，則通知生產(chǎn)Agent，由生產(chǎn)Agent根據(jù)生產(chǎn)計劃安排生產(chǎn)，并且將生產(chǎn)信息反饋給庫存管理Agent，待生產(chǎn)完成后由配送Agent進行發(fā)貨。庫存管理Agent時刻檢測庫存水平，當零部件庫存小于安全庫存s時，向供應(yīng)商Agent訂貨。（2）通訊Agent接收來自供應(yīng)商Agent的送貨信息，并向庫存Agent下達更新零部件庫存的指令。通訊Agent接收來自分銷商Agent的退貨信息，并將退貨信息傳遞給退貨管理Agent，退貨管理Agent對退貨產(chǎn)品進行處理，并將零部件數(shù)量信息傳遞給庫存管理Agent，更新零部件庫存信息。（3）通訊Agent接收來自客戶Agent的回收信息，并將回收信息傳遞給回收管理Agent，回收管理Agent對回收產(chǎn)品進行處理，將可重新利用的零部件數(shù)量信息傳遞給庫存管理Agent，更新零部件庫存信息。制造商Agent的成本統(tǒng)計Agent存在于整個過程之中，隨時對制造商Agent處的成本進行統(tǒng)計和更新。制造商內(nèi)部邏輯圖如圖3所示。

圖3 制造商內(nèi)部邏輯圖

3 基于MAS的閉環(huán)供應(yīng)鏈仿真實現(xiàn)

3.1 仿真平臺Anylogic

Anylogic仿真平臺是近年來興起的一種新興的建模仿真軟件，支持MAS系統(tǒng)的建模與仿真，利用活動對象類來對現(xiàn)實世界的不同事物進行模擬。活動對象可以用參數(shù)、變量來表示事物的屬性，還可以通過編寫函數(shù)、設(shè)置行為圖、定時器來設(shè)定活動對象的行為?；顒訉ο箢愅ㄟ^端口進行交互，利用端口進行消息的傳遞，消息是用戶編寫的Java類。

3.2 Anylogic平臺上閉環(huán)供應(yīng)鏈仿真模型

客戶需求由Main層觸發(fā)，通過Event事件來實現(xiàn)，將其定義為事件demandGenerator?？蛻舻男枨蠓碾S機分布Random Number（1,2,3,4,5,6），其概率分別為0.2、0.3、0.2、0.1、0.1、0.1，客戶需求每天觸發(fā)的次數(shù)為8。無理由退貨由Main層觸發(fā)，通過Event事件來實現(xiàn)，將其定義為事件sendbackGenerator，與客戶需求服從相同的隨機分布，每天的觸發(fā)次數(shù)為2。缺陷退貨由Main層觸發(fā)，通過Event事件來實現(xiàn)，將其定義為事件sendbackGenerator1，與客戶需求服從相同的隨機分布，每天觸發(fā)的次數(shù)為1?；厥胀瑯釉贛ain層觸發(fā)，通過事件Event事件來實現(xiàn)，將其定義為事件recycleGenerator，與客戶需求服從相同的隨機分布，每天的觸發(fā)次數(shù)為3。除此之外，Main層還包括了模型開始的時間beginingofDay、各Agent的庫存參數(shù)、顧客等待時間數(shù)據(jù)以及供應(yīng)鏈的平均成本等。Main層模型如圖4所示。

圖4 Anylogic平臺上閉環(huán)供應(yīng)鏈仿真模型

其中，仿真參數(shù)的設(shè)置見表1。

表1 仿真參數(shù)設(shè)置

3.3 仿真模型中各功能Agent的描述及屬性定義

（1）訂單管理Agent。主要負責(zé)對訂單進行處理，與庫存Agent進行交互，判斷庫存能否滿足訂單需求，滿足需求則向配送Agent發(fā)出送貨指令，不能滿足需求則向生產(chǎn)Agent發(fā)出生產(chǎn)指令，當訂單得到滿足后將訂單移除。其相關(guān)屬性為：

orders：集合類型，主要用來收集order消息。

backlog：主要是對未完成訂單總量的一個統(tǒng)計功能。

checkOrders：這是一個行為圖（actionchart），訂單處理的功能主要體現(xiàn)在這個行為圖中。

（2）需求管理Agent。主要負責(zé)對客戶需求進行處理，與庫存Agent進行交互，判斷庫存能否滿足需求，當需求得到滿足后將需求移除。其相關(guān)屬性為：

demands：集合類型，主要用來收集demand消息。

backlog：這是一個功能函數(shù)，主要是對未完成訂單總量的一個統(tǒng)計功能。

checkDemands：這是一個行為圖（actionchart），客戶需求處理的功能主要體現(xiàn)在這個行為圖中。

orderFromFactory：行為圖，主要功能是向制造商發(fā)起訂貨。

（3）庫存管理Agent。庫存管理Agent主要負責(zé)對零部件及成品進行庫存管理，其相關(guān)屬性為：

I：表示當前成品庫存水平。

I1：表示當前零部件庫存水平。

（4）生產(chǎn)Agent。生產(chǎn)Agent負責(zé)零部件及成品的生產(chǎn)，當接到庫存管理Agent的指令時即被觸發(fā)，其相關(guān)屬性為：

Manufacturing：主要屬性為生產(chǎn)數(shù)量amount，可以自動觸發(fā)。

（5）配送Agent。主要負責(zé)零部件及成品的配送，當接到訂單管理Agent的送貨指令后開始配送。其相關(guān)屬性為：

Delivery：主要屬性為Shipment和destination，表示向下游配送零部件及成品，數(shù)量由Shipment實例的屬性值決定。

（6）成本管理Agent。主要負責(zé)統(tǒng)計各項成本，并設(shè)定相關(guān)的成本參數(shù)，其相關(guān)屬性為：

manufacturingCost：Statistic類型，對生產(chǎn)成本進行統(tǒng)計。

holdingCost：Statistic類型，對產(chǎn)成品庫存持有成本進行統(tǒng)計。

holdingCost1：Statistic類型，對零部件庫存持有成本進行統(tǒng)計。

shortageCost：Statistic類型，對缺貨懲罰成本進行統(tǒng)計。

orderingCost：Statistic類型，對訂貨成本進行統(tǒng)計。

sendbackCost：Statistic類型，對退貨成本進行統(tǒng)計。

recycleCost：Statistic類型，對回收成本進行統(tǒng)計。

（7）通訊Agent。主要通過端口與外界進行通訊。

（8）退貨管理Agent。主要負責(zé)對退貨進行處理，并向庫存管理Agent發(fā)出更新零部件庫存指令。其相關(guān)屬性為：

sendbacks：集合類型，主要用來收集sendback消息。

checkSendbacks：這是一個行為圖（actionchart），退貨處理的功能主要體現(xiàn)在這個行為圖中。

（9）回收管理Agent。主要負責(zé)對回收產(chǎn)品進行處理，向庫存管理Agent發(fā)出更新零部件庫存指令。其相關(guān)屬性為：

recycles：集合類型，主要用來收集recycle消息。

p：回收產(chǎn)品的再制造率。

checkRecycles：這是一個行為圖（actionchart），客戶回收處理的功能主要體現(xiàn)在這個行為圖中。

4 構(gòu)建仿真實驗、優(yōu)化實驗及結(jié)果分析

根據(jù)仿真目標，本文設(shè)計了三種情形下的仿真實驗，研究在庫存策略確定的情況下每天的退貨概率和回收概率對供應(yīng)鏈總成本及顧客等待時間的影響，并且結(jié)合三種情形找出共同的規(guī)律，以期為找到供應(yīng)鏈總成本最低的庫存策略提供一定指導(dǎo)。仿真實驗方案設(shè)計：（1）無理由退貨概率、缺陷品退貨概率以及回收概率均為0。（2）無理由退貨概率、缺陷品退貨概率以及回收概率均為上文設(shè)定的仿真實驗參數(shù)中的一半，即無理由退貨概率為一天一次，缺陷品退貨概率為兩天一次，回收概率為一天兩次。（3）無理由退貨概率、缺陷品退貨率以及回收概率仍為上文設(shè)定的仿真參數(shù)，即無理由退貨概率為一天兩次，缺陷品退貨概率為一天一次，回收概率為一天四次。仿真實驗運行十次，然后取平均值為最終結(jié)果，仿真實驗結(jié)果見表2。

表2 仿真實驗結(jié)果

通過表2可以看出方案三總成本最小且顧客等待時間最短，方案一總成本最大且顧客等待時間最長，即無理由退貨概率為一天兩次、缺陷退貨率為一天一次且回收概率為一天四次的情形下供應(yīng)鏈總成本最小，顧客等待時間最短；無理由退貨概率、缺陷退貨概率且回收概率為0的情形下供應(yīng)鏈總成本最大，顧客等待時間最長。由此可得：在各企業(yè)庫存策略確定的情況下，無理由退貨概率、缺陷退貨概率及回收概率在一定的范圍內(nèi)概率越大，供應(yīng)鏈總成本越小，顧客等待時間越短。因此本文建立優(yōu)化實驗時，為了找到使供應(yīng)鏈總成本最小的庫存策略，應(yīng)在方案三的基礎(chǔ)上建立優(yōu)化實驗，各參數(shù)值的設(shè)置同方案三。

本文建立優(yōu)化實驗，試圖通過最優(yōu)化搜尋（OPtQuest）技術(shù)找到上文構(gòu)建的仿真模型的最優(yōu)庫存參數(shù)（s,S）。最優(yōu)化搜尋（OPtQuest）是Anylogic仿真平臺中提供的一種優(yōu)化技術(shù)，能夠在整個仿真過程中搜尋最佳解。最優(yōu)化搜尋技術(shù)的實施流程為：

（1）模完成后進行模擬，設(shè)定優(yōu)化實驗的目標函數(shù) f(x)。

（2）模擬從一基礎(chǔ)起始解開始，得到目標函數(shù) f(x)，f(x)中的x是該次模擬中所用的參數(shù)，并將該初始解設(shè)定為最優(yōu)解X*。

（3）x作為優(yōu)化搜尋時的輸入?yún)?shù)，在搜尋過程中若產(chǎn)生一新試驗解時，若當時的x能夠使目標函數(shù)值 f(x)優(yōu)于之前的f(x*)，則由該x成為新的X*。

（4）若目標函數(shù)中有過濾規(guī)則，在模擬過程中還應(yīng)檢驗解是否符合所要求的目標解，不符合的應(yīng)該舍去。

在本仿真中，目標函數(shù)為顧客等待時間盡可能短的情況下（顧客等待時間小于等于0.05），整個供應(yīng)鏈每天的平均成本最低，所以目標函數(shù)設(shè)置為：

經(jīng)過仿真及最優(yōu)化搜尋得到的仿真結(jié)果為：零售商（s,S）=（59,146）分銷商（s,S）=（102,143），供應(yīng)商（s,S）=（52,95），在該情況下日均成本為1 063.523。仿真結(jié)果如圖5所示。

5 結(jié)論

本文從供應(yīng)鏈各成員的行為特征出發(fā)，研究了五階供應(yīng)鏈的仿真與實現(xiàn)，借助Anylogic仿真軟件，研究了基于回收與退貨的閉環(huán)供應(yīng)鏈的無理由退貨概率、缺陷退貨概率以及回收概率與整個供應(yīng)鏈總成本之間的關(guān)系，結(jié)論表明，無理由退貨概率、缺陷退貨概率及回收概率在一定的范圍內(nèi)隨著參數(shù)的增大，整個供應(yīng)鏈總成本越來越小且顧客等待時間越來越短，在此基礎(chǔ)上構(gòu)建了優(yōu)化實驗，找到了在顧客等待時間小于0.05天的約束條件下使整個供應(yīng)鏈成本最小的最優(yōu)庫存策略，為閉環(huán)供應(yīng)鏈多級庫存控制與決策提供理論依據(jù)。

[1]張維勇,梅勃,錢軍,許磊.基于多智能代理的供應(yīng)鏈仿真模型的構(gòu)建[J].計算機應(yīng)用,2007,(27):99-101.

[2]桂壽平,吳冬玲.基于Anylogic的五階供應(yīng)鏈仿真建模與分析[J].改革與戰(zhàn)略,2009,25(1):159-162.

[3]范英.基于MAS的汽車供應(yīng)鏈信息共享協(xié)同模式仿真研究[D].哈爾濱:東北林業(yè)大學(xué),2013.

[4]趙曉敏,再制造不確定的MR閉環(huán)供應(yīng)鏈系統(tǒng)建模與仿真研究[J].管理科學(xué),2012,25(6):23-34.

[5]白睿涵,賈紅雨,左鵬.多級庫存策略模擬建模[J].物流科技,2008,(6): 113-116.

[6]Guilherme Ernani Vieira.Ideas for Modeling and Simulation of Supply Chains with Arena[A].Proceedings of the 2004 Winter Simulation Conference[C].2004.

[7]Yuan K F,Gao Y.Inventory decision-making models for a closed-loop supply chain system[J].International Journal of Production Research, 2010,48(20):6 155-6 187.

Simulation and Realization of 5-stage Closed-loop Supply Chain Based on MAS

Xu Liang,Zhao Lijing
(School of Economics&Management,Yanshan University,Qinhuangdao 066000,China)

In this paper,we built the closed-loop supply chain system based on recycling and product return,and then used the MAS method to establish the closed-loop supply chain simulation model as well as the optimization experiment to identify the optimal inventory control strategy to minimize the waiting time of the customer and the total cost of the supply chain.

closed-loop supply chain;MAS;inventory strategy;simulation

F274

A

1005-152X(2015)10-0172-04

2015-08-25

河北省科技計劃項目“減排降霾目標下河北省鋼鐵綠色供應(yīng)鏈優(yōu)化及對策研究”（15457627D）

許良（1975-），男，山西朔州人，燕山大學(xué)經(jīng)濟管理學(xué)院副教授，北京交通大學(xué)博士研究生，研究方向：城市交通網(wǎng)絡(luò)優(yōu)化、物流與供應(yīng)鏈優(yōu)化、企業(yè)信息化；趙立靜（1989-），女，河北邢臺人，燕山大學(xué)經(jīng)濟管理學(xué)院碩士，研究方向：物流與供應(yīng)鏈管理。

10.3969/j.issn.1005-152X.2015.10.047