產(chǎn)業(yè)互聯(lián)背景下“智造”供需網(wǎng)多目標優(yōu)化

王會停

（上海理工大學(xué) 管理學(xué)院，上海 200093）

1 引言

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，企業(yè)逐漸向產(chǎn)業(yè)互聯(lián)的方向發(fā)展，單一產(chǎn)品型企業(yè)開始通過與其他企業(yè)的深度合作進行跨產(chǎn)品的溢出,圍繞自身的關(guān)鍵產(chǎn)品以與其他產(chǎn)品相關(guān)性的強弱來布局延伸其產(chǎn)品線[1]。企業(yè)要考慮的不僅僅是產(chǎn)品的功能屬性是否滿足用戶的需求[2]，還要考慮來自需求方的范圍經(jīng)濟，通過新興技術(shù)將用戶的數(shù)據(jù)信息與生產(chǎn)結(jié)合起來進行資源整合與新價值創(chuàng)造以獲得利潤[3]。節(jié)點企業(yè)需要從產(chǎn)品鏈的視角進行網(wǎng)絡(luò)布局與優(yōu)化，且通過物聯(lián)網(wǎng)、大數(shù)據(jù)等進行信息交互的深度融合。面對新技術(shù)與企業(yè)戰(zhàn)略調(diào)整，傳統(tǒng)的供應(yīng)鏈已經(jīng)不能滿足企業(yè)發(fā)展需求。因此在產(chǎn)業(yè)互聯(lián)的背景下，基于信息共享的“智造”型供需流的網(wǎng)絡(luò)構(gòu)建對企業(yè)的戰(zhàn)略性布局具有重要意義。

多功能開放型企業(yè)供需網(wǎng)（簡稱“供需網(wǎng)”或“SDN”），即以全球資源獲取、全球制造、全球銷售為目標的基于“供需流”交互作用而形成的開放式供需一體化動態(tài)網(wǎng)絡(luò)管理模式的提出，契合了現(xiàn)在復(fù)雜的市場環(huán)境[4]。因此，在產(chǎn)業(yè)互聯(lián)的背景下，構(gòu)建一個一方面整合協(xié)調(diào)供方資源以更好地滿足客戶的需求，達成節(jié)點企業(yè)之間的互相信任，另一方面又兼顧成本與環(huán)境的可持續(xù)化的“智造”供需網(wǎng)成為關(guān)鍵。

從供應(yīng)鏈層面，Nagurney以最小化成本為目標對供應(yīng)鏈網(wǎng)絡(luò)進行優(yōu)化設(shè)計[5]。Shankar等通過多目標粒子群算法對選址、分配問題的供應(yīng)鏈網(wǎng)絡(luò)設(shè)計問題進行求解[6]。姚漫等在碳排放的約束下，構(gòu)建了雙渠道兩級供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化模型[7]。部分學(xué)者針對不同的產(chǎn)品進行了其對應(yīng)的供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化，亦或是運用智能化算法對農(nóng)產(chǎn)品供應(yīng)鏈的生產(chǎn)選址、運輸模式等進行供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化設(shè)計[8]。周寶剛等通過模糊多目標規(guī)劃法分析了決策者對不同目標的偏好，進而探討了對供應(yīng)鏈結(jié)構(gòu)的影響[9]。肖建華等針對三級供應(yīng)網(wǎng)絡(luò)中關(guān)于節(jié)點失效、需求波動等不確定因素，構(gòu)建了考慮節(jié)點應(yīng)急能力的彈性供應(yīng)鏈模型[10]。張學(xué)龍等考慮需求的不確定性以及產(chǎn)品單價的區(qū)間灰色特征，研究了戰(zhàn)略層面上的供應(yīng)鏈網(wǎng)絡(luò)設(shè)計及其魯棒優(yōu)化問題[11]。戴卓等研究了多目標低碳閉環(huán)供應(yīng)鏈優(yōu)化并提出了改進的遺傳算法對模型進行了驗證[12]。李進等研究了具有參數(shù)模糊性的低碳閉環(huán)供應(yīng)鏈的規(guī)劃模型[13]。高舉紅等研究了考慮碳減排風(fēng)險約束下如何確定閉環(huán)供應(yīng)鏈網(wǎng)絡(luò)的布局結(jié)構(gòu)以及節(jié)點流量安排，得到了不同風(fēng)險決策者的最優(yōu)方案[14]。黃輝等提出了分布式云制造環(huán)境下的供應(yīng)鏈構(gòu)建框架以及方法[15]。邱若臻等以供應(yīng)鏈的績效最大化為目標，采用情景樹的方法進行建模，分析了不確定環(huán)境下的魯棒供應(yīng)鏈模型[16]。

通過對以上文獻的分析總結(jié)可知，大部分研究關(guān)注點在于供應(yīng)鏈企業(yè)的選址問題。而在產(chǎn)業(yè)互聯(lián)背景下，供應(yīng)鏈節(jié)點企業(yè)更傾向于針對自身產(chǎn)品去選擇制造商與物流商，通過對其進行管理來提升競爭力。因此與節(jié)點企業(yè)之間保持良好的合作具有戰(zhàn)略性的意義?；诖耍疚氖紫葮?gòu)建了基于信息共享的“智造”供需網(wǎng)的網(wǎng)絡(luò)結(jié)構(gòu)示意圖，且考慮經(jīng)濟與日益凸顯的環(huán)境問題兩方面的限制，針對“智造”供需網(wǎng)，探討制造商選擇與產(chǎn)能決策以及對物流商的流量分配問題。鑒于考慮問題的復(fù)雜性以及pareto遺傳算法在計算多目標問題中的優(yōu)勢[17]，本文以快速非支配排序遺傳算法對所建模型進行求解[18]，以期為實踐提供一定的理論支撐。

2 多目標模型

2.1 問題描述與分析

“智造”供需網(wǎng)是供需網(wǎng)企業(yè)之間，通過信息共享實現(xiàn)生產(chǎn)到流通過程的全部智能化。通過快速響應(yīng)動態(tài)多變的市場需求，充分發(fā)揮供需網(wǎng)中企業(yè)節(jié)點之間信息共享、動態(tài)交互的優(yōu)勢，從而給用戶提供更好的產(chǎn)品或服務(wù)。而該供需網(wǎng)節(jié)點企業(yè)是在大數(shù)據(jù)、信息技術(shù)、物聯(lián)網(wǎng)技術(shù)以及智能制造的基礎(chǔ)上，整合供需網(wǎng)企業(yè)內(nèi)的資源以達到企業(yè)的目標。在這樣一個基于信息共享的平臺下，包含制造商模塊、物流商模塊以及用戶管理模塊。節(jié)點企業(yè)對制造商進行任務(wù)分配，省去庫存成本，高效的促進企業(yè)之間的資源信息共享和協(xié)同制造，滿足需求端的多樣化、個性化需求?！爸窃臁惫┬杈W(wǎng)結(jié)構(gòu)示意圖如圖1所示。

圖1 “智造”供需網(wǎng)結(jié)構(gòu)示意圖

基于以上描述，本文考慮一個有制造商、物流商、需求區(qū)域的供需節(jié)點，在該供需網(wǎng)中供應(yīng)多種類產(chǎn)品。既考慮經(jīng)濟效益，以最低成本與最大化需求滿足為目標，又考慮到日益凸顯的環(huán)境問題，以碳排放最少為目標。在此多目標下，對供需網(wǎng)企業(yè)進行戰(zhàn)略性的網(wǎng)絡(luò)布局，探討制造商的選擇與對物流商的流量分配。

2.2 多目標數(shù)學(xué)規(guī)劃模型

在該模型中做如下假設(shè)：

（1）產(chǎn)品之間的需求是相互獨立的。

（2）模型中的各項單位成本是事先已知的，且固定成本不在考慮范圍之內(nèi)。

（3）制造商具有生產(chǎn)多種產(chǎn)品的能力。

（4）物流商運輸階段劃分為兩個階段，分別為由工廠到消費者所在城市與配送至消費者手中兩個階段。用到達物流商處作為中轉(zhuǎn)節(jié)點。

模型中有關(guān)參數(shù)、系數(shù)和決策變量如下：

i:產(chǎn)品的種類，i=1,2,…,I；

m:第m個制造商，m=1,2,…,M；

n:第n個物流公司，n=1,2,…,N；

s:第 s個需求區(qū)域，s=1,2,…,S；

決策變量：

0-1決策變量：

目標函數(shù)為：

最低成本:

最低碳排放：

需求滿足率：

目標函數(shù)式（1）表示該供需網(wǎng)的成本，求其最小值式中第一項表示制造商的生產(chǎn)成本，第二、第三項分別表示制造商到物流商以及物流商到需求區(qū)域的運輸成本；式（2）表示生產(chǎn)與運輸產(chǎn)生的碳排放；式（3）表示市場滿足率；式（4）表示制造商生產(chǎn)的產(chǎn)品數(shù)量不超過他們的最大生產(chǎn)能力；式（5）表示制造商運輸?shù)轿锪魃痰漠a(chǎn)品數(shù)量不超過他們的最大運輸能力；式（6）表示物流商運輸?shù)絽^(qū)域s的數(shù)量不超過其需求的最大量；式（7）表示一種商品只能由一個制造商進行生產(chǎn)；式（8）-式（10）分別表示物流商處的產(chǎn)品i的數(shù)量大于等于消費區(qū)域的數(shù)量、制造商生產(chǎn)的產(chǎn)品數(shù)量分別大于運輸?shù)轿锪魃桃约靶枨髤^(qū)域的數(shù)量；式（11）-式（13）為輔助變量約束，用來計算制造商，物流商以及需求區(qū)域的產(chǎn)品i的實際數(shù)量；式（14）表示市場滿足率；式（15）表示各決策變量數(shù)量非負。

3 仿真研究與分析

3.1 算法介紹

本文采取的NSGA-II算法是Deb[18]等于2000年在NSGA一代的基礎(chǔ)之上提出的，是當(dāng)前優(yōu)秀的多目標算法之一。該算法提出了快速非支配排序法，相比較NSGA，其計算復(fù)雜度低，由于加入了擁擠距離的計算，使得準Paroet域中的個體可以擴展到整個Paroet域中，并且均勻分布，保持了種群的多樣性.

步驟一：生產(chǎn)初始種群，該種群為二維種群，列的長度表示產(chǎn)品的種類，前M行表示制造商生產(chǎn)的產(chǎn)品數(shù)量，M+1至M+M*N行表示制造商至物流商運輸?shù)漠a(chǎn)品數(shù)量，M+M*N+1至M+M*N+N*S行表示物流商至消費區(qū)域運輸?shù)漠a(chǎn)品數(shù)量。

步驟二：計算初始種群的適應(yīng)度，本文以模型的目標函數(shù)值作為適應(yīng)度值進行評判。

步驟三：判斷個體i、j的支配關(guān)系，找出等級最高非支配解集。如果個體i的解大于等于個體j的解，則說明i受j支配,相應(yīng)的對于個體i被支配的個體數(shù)量加1，即individual(i).n=n+1；如果個體i的解小于等于個體j的解，則說明i支配j,則把j加入到個體i的支配合集中，即individual(i).p=[individual(i).p,j]，當(dāng)individual(i).n=0時，即個體i非支配等級排序最高，屬于當(dāng)前最優(yōu)解集，相應(yīng)的染色體中攜帶代表排序數(shù)的信息，即F(front).f=[F(front).f,i]為等級為1的非支配解集。依此對其他個體進行分級，并設(shè)置Q集合，用于存放下一個pareto前沿。循環(huán)當(dāng)前支配解集中的個體，如果個體i有自己所支配的解集，循環(huán)個體i所支配的解集中的個體q，如果q是非支配解集，則放置于集合Q中，對個體染色體加入分級信息，并按照個體代表排序等級的列向量進行升序排序。

步驟四：計算個體的擁擠度。對已經(jīng)排序好的解集合進行擁擠距離的計算：

得到的是已經(jīng)包含等級和擁擠距離的種群矩陣，并且已經(jīng)按照等級排序。隨機選擇生成新的種群,進行選擇、交叉、變異。

步驟五：如果k=gen,則算法結(jié)束；否則k=k+1，轉(zhuǎn)步驟三。

3.2 案例說明

本文以某智能家居及生活用品企業(yè)為例，選取其在上海4家分店的銷售區(qū)域作為代表，不同市場的最大需求為130，兩家物流公司為其提供物流與倉儲服務(wù)，其最大倉儲能力為200。以三家制造商為代表，每種產(chǎn)品的最大生產(chǎn)能力均為150。選取6種產(chǎn)品。在以最低成本、最大化需求滿足率以及最低碳排放為目標的情況下，研究企業(yè)如何進行產(chǎn)品的產(chǎn)能決策、運輸分配以及制造商選擇。通過查詢相關(guān)產(chǎn)品的售價，按照一定比例估算出單位制造成本見表1，物流公司階段一的單位運費以及由中轉(zhuǎn)地至需求區(qū)域即階段二的單位運費見表2、表3。

表1 各制造商產(chǎn)品的單位制造成本

表2 制造商m至物流商n的單位運費

在整個過程的碳排放中，生產(chǎn)過程中產(chǎn)生的碳排放見表4，參考文獻[13]，運輸過程中的單位碳排放見表5。

表3 物流商n至需求區(qū)域s的單位運費

表4 生產(chǎn)過程中的碳排放

表5 運輸過程產(chǎn)生的碳排放

4 仿真結(jié)果分析

基于案例數(shù)據(jù)，通過MATLAB進行仿真。設(shè)置各參數(shù)：種群規(guī)模為pop=500，迭代次數(shù)gen=50，選擇概率Ps=0.5,變異概率Pm=0.1，該模型三個目標的pareto前沿如圖2所示。

企業(yè)在進行生產(chǎn)制造時，由于側(cè)重于不同的目標，因而在進行決策時便會有不同的結(jié)果。企業(yè)側(cè)重于不同目標下進行生產(chǎn)時制造商選擇方案的對比見表6。其中方案1為以成本作為主要目標下的企業(yè)對于制造商的選擇，而方案2則為主要目標為碳排放的企業(yè)對于制造商的選擇（表中1表示選擇該企業(yè)，0表示不選擇該企業(yè)）。

根據(jù)計算，企業(yè)以最低成本為主要考慮因素下的非劣最優(yōu)解為當(dāng)成本為67 471.5元、最低碳排放為3 821.1，以及滿足率為0.585下的物流商的承載量以及運輸至區(qū)域的數(shù)量，具體見表7、表8。

表7 物流商承載產(chǎn)品的運輸數(shù)量

圖2 多目標的pareto前沿

表6 不同目標制造商選擇設(shè)計方案

表8 物流商至各需求區(qū)域的運輸數(shù)量

5 結(jié)語

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，消費互聯(lián)網(wǎng)市場已經(jīng)逐漸飽和，從供給端進行產(chǎn)業(yè)互聯(lián)成為一種趨勢，而供需網(wǎng)企業(yè)如何針對自身特點在產(chǎn)業(yè)互聯(lián)的趨勢下進行戰(zhàn)略布局成為企業(yè)需要考慮的重點問題。因此本文針對“智造”供需網(wǎng)企業(yè)，就選擇制造商進行產(chǎn)能決策與選擇物流商分配運輸量進行研究。設(shè)置經(jīng)濟效益即最低成本、最大化需求滿足率以及考慮環(huán)境問題最低碳排放三個目標，構(gòu)建多目標優(yōu)化模型。運用非支配排序遺傳算法對模型進行分析，得出了企業(yè)針對不同產(chǎn)品的制造商選擇、物流商流量分配以及最后到需求區(qū)域流量的具體方案，以期為相關(guān)研究與實踐提供一定的參考。