面向智能制造混流生產(chǎn)的供應(yīng)鏈物流協(xié)同策略

楊曉英，王金宇

(河南科技大學(xué) 機(jī)電工程學(xué)院，河南 洛陽 471003)

0 引言

智能制造(Intelligent Manufacturing, IM)是新一輪工業(yè)革命的核心技術(shù)，是中國制造2025的主攻方向[1]。智能制造貫穿設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等制造活動(dòng)各個(gè)環(huán)節(jié)，具有信息深度自感知、智慧優(yōu)化自決策、精準(zhǔn)控制自執(zhí)行等功能，包含智能裝備和智能生產(chǎn)系統(tǒng)。供應(yīng)鏈物流是智能生產(chǎn)系統(tǒng)的關(guān)鍵要素。智能制造對(duì)其供應(yīng)鏈物流提出了過程數(shù)字化、網(wǎng)絡(luò)協(xié)同化和決策智能化等精準(zhǔn)服務(wù)需求，對(duì)制造過程強(qiáng)調(diào)精準(zhǔn)交付。然而，傳統(tǒng)供應(yīng)鏈物流缺少行之有效的協(xié)同策略，無法實(shí)現(xiàn)精準(zhǔn)服務(wù)，已成為制約智能制造戰(zhàn)略實(shí)施的重要瓶頸?；炝魃a(chǎn)是當(dāng)前農(nóng)機(jī)、汽車、工程機(jī)械等裝配制造企業(yè)為了適應(yīng)市場個(gè)性化需求普遍采用的先進(jìn)生產(chǎn)方式。然而，混流生產(chǎn)的復(fù)雜性使當(dāng)前主要靠契約維系合作關(guān)系的供應(yīng)鏈物流難以協(xié)同、有序、齊套、精準(zhǔn)地響應(yīng)混流生產(chǎn)需求，從而造成因缺料導(dǎo)致生產(chǎn)線異常停線的現(xiàn)象時(shí)常發(fā)生，嚴(yán)重制約了企業(yè)生產(chǎn)效率和效益。因此，本文面向智能制造混流生產(chǎn)，深入研究供應(yīng)鏈物流協(xié)同策略，對(duì)解決智能制造環(huán)境下混流生產(chǎn)的物流瓶頸問題具有重要的理論意義和工程應(yīng)用價(jià)值。

當(dāng)前關(guān)于智能制造與混流生產(chǎn)的供應(yīng)鏈物流協(xié)同問題的研究成果總體偏少。相關(guān)具有代表性的如補(bǔ)貨配送優(yōu)化策略研究有王建華等[2]研究了基于Supply-Hub的裝配式供應(yīng)鏈物流協(xié)同策略，運(yùn)用經(jīng)濟(jì)訂貨批量(Economic Order Quantity, EOQ)模型研究了供應(yīng)商運(yùn)營Supply-Hub、制造商運(yùn)營Supply-Hub以及供應(yīng)商和制造商共同運(yùn)營Supply-Hub三種模式下制造商的最優(yōu)補(bǔ)貨策略；蔣增強(qiáng)等[3]研究了不確定環(huán)境下混流裝配生產(chǎn)車間的動(dòng)態(tài)物料配送策略，建立了不確定環(huán)境下以最小化配送成本和最大化滿載率為目標(biāo)的配送成本期望模型；陸志強(qiáng)等[4]研究了物料配送與線邊存儲(chǔ)集成決策模型與算法。關(guān)于物流調(diào)度優(yōu)化方面的研究有常天田等[5]以裝配系統(tǒng)為背景，研究了零件供應(yīng)商多任務(wù)交付順序的協(xié)調(diào)問題，建立了基于納什談判理論的協(xié)調(diào)機(jī)制；李凱等[6]為實(shí)現(xiàn)拉動(dòng)式供應(yīng)鏈整體優(yōu)勢，研究了一類單機(jī)多車情形下的生產(chǎn)與配送協(xié)同優(yōu)化調(diào)度問題模型和算法；唐亮等[7]制定了網(wǎng)絡(luò)化制造模式下供應(yīng)鏈合作成員間的動(dòng)態(tài)調(diào)度策略；Pezeshki等[8]在供應(yīng)鏈信任管理的基礎(chǔ)上提出獎(jiǎng)懲協(xié)調(diào)機(jī)制；Low等[9]提出以最小化運(yùn)輸成本為目標(biāo)的調(diào)度模型，并采用自適應(yīng)遺傳算法求解；Agrell等[10]研究了通過合作治理結(jié)構(gòu)實(shí)現(xiàn)橫向承運(yùn)人之間的協(xié)調(diào)；周炳海等[11-12]研究了基于混合教—學(xué)算法和循環(huán)配送策略的汽車裝配線物料供應(yīng)調(diào)度問題。關(guān)于配送順序和齊套優(yōu)化方面的研究有劉明周等[13]針對(duì)不確定環(huán)境下混流裝配線物料配送準(zhǔn)確性和及時(shí)性的問題，構(gòu)建了一種基于射頻識(shí)別技術(shù)的動(dòng)態(tài)準(zhǔn)時(shí)制物料配送控制系統(tǒng)；Boysen等[14]對(duì)單車輛的物料配送進(jìn)行了研究，包括配送順序和數(shù)量，以保證物料的準(zhǔn)時(shí)送達(dá)和線邊庫存最少；Hanson等[15]研究了廠內(nèi)物料配送的集配與連續(xù)供應(yīng)方式，確定集配方法可以實(shí)現(xiàn)縮短取料距離。

綜上所述，現(xiàn)有研究成果主要側(cè)重于不確定性環(huán)境下的配送策略、物流或配送調(diào)度、配送順序和齊套等問題，為本項(xiàng)目研究奠定了基礎(chǔ)。然而，當(dāng)前缺少面向智能制造與混流生產(chǎn)、以制造企業(yè)為核心的兩階段供應(yīng)鏈物流協(xié)同策略研究。因此，本文以農(nóng)機(jī)制造企業(yè)為對(duì)象，從智能制造新視角，綜合考慮混流生產(chǎn)的復(fù)雜需求，深入研究以主機(jī)制造商為核心的兩階段供應(yīng)鏈物流協(xié)同策略，側(cè)重研究與混流生產(chǎn)動(dòng)態(tài)自適應(yīng)的、兩階段物料配送期量標(biāo)準(zhǔn)優(yōu)化模型及其智能算法，實(shí)現(xiàn)配送期量標(biāo)準(zhǔn)的智能優(yōu)化決策，為實(shí)現(xiàn)智能制造環(huán)境下混流生產(chǎn)的供應(yīng)鏈物流精準(zhǔn)服務(wù)提供理論支撐。

1 智能制造環(huán)境下混流生產(chǎn)特征及其物流需求分析

智能制造是在現(xiàn)代傳感技術(shù)、網(wǎng)絡(luò)技術(shù)、自動(dòng)化技術(shù)、智能技術(shù)等先進(jìn)技術(shù)的基礎(chǔ)上，面向產(chǎn)品全生命周期實(shí)現(xiàn)的信息化制造。智能制造的主要特征包括：①制造裝備的自動(dòng)化，通過集成生產(chǎn)工藝技術(shù)、硬件、軟件于一體的自動(dòng)化智能化裝備，實(shí)現(xiàn)對(duì)制造對(duì)象和制造環(huán)境的高度適應(yīng)；②制造系統(tǒng)的數(shù)字化，通過將傳感技術(shù)、計(jì)算機(jī)技術(shù)、軟件技術(shù)、網(wǎng)絡(luò)技術(shù)等“嵌入”制造過程中，實(shí)現(xiàn)以端到端數(shù)據(jù)流為基礎(chǔ)的制造過程信息深度感知與交互；③制造決策的智能化，通過人工智能技術(shù)分析判斷和決策制造行為，實(shí)現(xiàn)智慧優(yōu)化自決策和自執(zhí)行功能等。因此，智能制造環(huán)境下的供應(yīng)鏈物流必須是過程數(shù)字化、網(wǎng)絡(luò)協(xié)同化和決策智能化，實(shí)現(xiàn)精準(zhǔn)交付目標(biāo)。

混流生產(chǎn)是企業(yè)以滿足顧客需求為導(dǎo)向，以品種、產(chǎn)量、工時(shí)、設(shè)備負(fù)荷全面均衡為前提，將工藝流程、生產(chǎn)作業(yè)方法基本相同的若干個(gè)產(chǎn)品品種，在一條流水線上科學(xué)地編排投產(chǎn)順序，進(jìn)行同節(jié)拍混合連續(xù)流水作業(yè)的生產(chǎn)方式，其主要特征是多品種、小批量、混合排序、流水生產(chǎn)。其復(fù)雜性在于市場訂制式需求的不確定性導(dǎo)致生產(chǎn)計(jì)劃的穩(wěn)定性差，計(jì)劃鎖定期短(一般只有1～2天)，物料準(zhǔn)備提前期有限。依據(jù)精益生產(chǎn)理論，與混流生產(chǎn)相適應(yīng)的供應(yīng)鏈物流必須高效、低成本、準(zhǔn)時(shí)制交付，這無疑增加了供應(yīng)鏈物流的難度。

供應(yīng)鏈?zhǔn)瞧髽I(yè)競爭的重要資源，是智能制造環(huán)境下混流生產(chǎn)的重要組成部分。物流是供應(yīng)鏈的基礎(chǔ)，貫穿供應(yīng)鏈全流程[16]。鑒于智能制造環(huán)境下混流生產(chǎn)的復(fù)雜特征和精準(zhǔn)交付要求，其供應(yīng)鏈物流協(xié)同是個(gè)典型的NP-hard問題。將精益管理理論與信息技術(shù)和智能技術(shù)深度融合，深入研究智能制造環(huán)境下混流生產(chǎn)的供應(yīng)鏈物流協(xié)同問題，實(shí)現(xiàn)供應(yīng)鏈物流的精準(zhǔn)服務(wù)，成為供應(yīng)鏈物流領(lǐng)域的重要方向與發(fā)展趨勢。

2 供應(yīng)鏈物流協(xié)同策略

以農(nóng)機(jī)制造企業(yè)為例，智能制造環(huán)境下混流生產(chǎn)的供應(yīng)鏈結(jié)構(gòu)如圖1所示，是由多經(jīng)銷商或客戶、核心單制造商和多供應(yīng)商通過信息流、資金流和物流有機(jī)融合構(gòu)成一體化的利益共同體。其中，以混流生產(chǎn)為驅(qū)動(dòng)的供應(yīng)鏈物流分為核心制造商內(nèi)外兩個(gè)階段，外部由多供應(yīng)商至制造商，內(nèi)部由多零部件廠或倉庫至生產(chǎn)線邊。然而，依據(jù)協(xié)同學(xué)理論，供應(yīng)鏈?zhǔn)怯啥鄠€(gè)獨(dú)立子系統(tǒng)構(gòu)成的開放式系統(tǒng)，如何通過系統(tǒng)內(nèi)部協(xié)同作用自發(fā)地形成時(shí)間、空間和功能上的有序結(jié)構(gòu)，是實(shí)現(xiàn)快速響應(yīng)智能制造環(huán)境下混流生產(chǎn)的精準(zhǔn)物流服務(wù)需求的關(guān)鍵所在。

智能制造環(huán)境下混流生產(chǎn)的兩階段供應(yīng)鏈物流協(xié)同基本要求是：①核心制造企業(yè)內(nèi)外供應(yīng)鏈中多供應(yīng)商(零部件廠)、制造商內(nèi)部倉庫物料配送實(shí)行精益化運(yùn)作，即供應(yīng)鏈各個(gè)節(jié)點(diǎn)的物料配送具有配送期量標(biāo)準(zhǔn)(計(jì)劃期內(nèi)與生產(chǎn)計(jì)劃相適應(yīng)的標(biāo)準(zhǔn)配送間隔期和單次配送量)；②通過基于期量標(biāo)準(zhǔn)的配送計(jì)劃信息共享，供應(yīng)鏈進(jìn)行橫向協(xié)同和時(shí)間順序的縱向協(xié)同，實(shí)現(xiàn)物料齊套性與準(zhǔn)時(shí)性配送；③物流運(yùn)作過程通過物料智能識(shí)別、跟蹤追溯、信息共享、異常智能控制和智能決策等技術(shù)手段，實(shí)現(xiàn)物流快速精準(zhǔn)響應(yīng)混流生產(chǎn)不確定性動(dòng)態(tài)需求。

為此，提出智能制造環(huán)境下混流生產(chǎn)的兩階段供應(yīng)鏈物流協(xié)同策略，如圖2所示，即在混流生產(chǎn)順序計(jì)劃(Mixed Production Schedule Planning, MPSP)驅(qū)動(dòng)下，通過配送期量標(biāo)準(zhǔn)(Delivery Intervals and Batch Standard, DIBS)、配送計(jì)劃(Delivery Planning, DP)和配送過程控制(Distribution Process Control, DPC)的智能決策與信息共享，實(shí)現(xiàn)快速精準(zhǔn)響應(yīng)混流生產(chǎn)的不確定性動(dòng)態(tài)物料需求。具體過程包括3個(gè)階段：

(1)DIBS智能決策 在一定生產(chǎn)計(jì)劃期內(nèi)的MPSP通過ERP內(nèi)MRP(material requirement planning)運(yùn)算功能，輸出實(shí)時(shí)的物料需求計(jì)劃，經(jīng)與倉儲(chǔ)管理系統(tǒng)(Warehouse Management System, WMS)的庫存信息比對(duì)，獲得供應(yīng)商物料配送需求和制造商內(nèi)部物料配送需求。進(jìn)而通過供應(yīng)商配送與制造商倉庫配送兩級(jí)物流期量協(xié)同優(yōu)化模型和智能算法，決策與生產(chǎn)節(jié)拍(r)動(dòng)態(tài)自適應(yīng)的兩級(jí)配送期量標(biāo)準(zhǔn)D[V(r),t(r)]，實(shí)現(xiàn)物料配送的齊套性和精益性，優(yōu)化制造商倉儲(chǔ)與線邊庫存。

(2)DP智能決策 依據(jù)與生產(chǎn)節(jié)拍(r)動(dòng)態(tài)自適應(yīng)的兩級(jí)配送期量標(biāo)準(zhǔn)D[V(r),t(r)]和混流生產(chǎn)計(jì)劃，通過供應(yīng)鏈物流信息平臺(tái)(Supply Chain Logistics Information Platform, SCLIP)軟件自動(dòng)生成供應(yīng)商配送計(jì)劃(supplier-DP)和制造商內(nèi)部配送計(jì)劃(manufacturing-DP)，實(shí)現(xiàn)供應(yīng)商和制造商內(nèi)部兩級(jí)供應(yīng)鏈物流的縱向與橫向協(xié)同，并通過DP信息實(shí)時(shí)共享，確保物料配送的準(zhǔn)時(shí)、準(zhǔn)量和準(zhǔn)確地點(diǎn)交付。

(3)DPC智能決策 供應(yīng)商和制造商內(nèi)部兩階段物料配送過程中，通過物聯(lián)網(wǎng)(Internet of Things, IoT)、GPS和制造執(zhí)行系統(tǒng)(Manufacturing Execution System, MES)等技術(shù)手段，實(shí)現(xiàn)配送過程信息自動(dòng)采集、跟蹤追溯、信息共享、防錯(cuò)預(yù)警與智能控制，防止缺料停線、錯(cuò)裝漏裝或庫存過大現(xiàn)象發(fā)生。

基于以上3階段智能決策，形成供應(yīng)鏈物流信息數(shù)據(jù)庫，實(shí)行信息共享，實(shí)現(xiàn)核心制造商內(nèi)外兩階段供應(yīng)鏈縱橫協(xié)同且快速精準(zhǔn)響應(yīng)混流生產(chǎn)的物流協(xié)同策略。依據(jù)精益生產(chǎn)與協(xié)同理論，其中與混流生產(chǎn)順序計(jì)劃自適應(yīng)的供應(yīng)鏈各節(jié)點(diǎn)物料配送期標(biāo)準(zhǔn)優(yōu)化模型及其智能算法是物流協(xié)同的關(guān)鍵，下面將進(jìn)行深入研究。

3 兩階段物料配送期量標(biāo)準(zhǔn)協(xié)同優(yōu)化模型

3.1 問題描述

農(nóng)機(jī)制造企業(yè)屬于典型的多品種小批量混流生產(chǎn)，產(chǎn)品機(jī)型配置多(設(shè)為Pi，i∈n)、物料(含零部件)品種多(設(shè)為Mj，j∈m)。混流生產(chǎn)順序計(jì)劃為(Pi,Qi,Ti)，其中Qi為Pi機(jī)型的產(chǎn)量，Ti為其生產(chǎn)時(shí)序。采購或自制物料由企業(yè)內(nèi)外多供應(yīng)商/協(xié)作商(設(shè)為Sk，k∈K)按照主機(jī)裝配廠提供的準(zhǔn)時(shí)化配送計(jì)劃供貨至裝配廠倉庫。企業(yè)內(nèi)部零部件廠和毛坯生產(chǎn)廠均視為外部供應(yīng)商。為減少風(fēng)險(xiǎn)，同種物料采用多供應(yīng)商按比例供貨(設(shè)為αjk，j∈m，k∈K)。再由裝配廠倉庫(WH)按照混流生產(chǎn)順序進(jìn)行物料分揀排序，準(zhǔn)時(shí)化配送至生產(chǎn)線邊工位(設(shè)為Ul，l∈L)。

因此，從主機(jī)裝配廠智能制造視角，滿足混流裝配生產(chǎn)的供應(yīng)鏈物流分為外部供應(yīng)商配送和內(nèi)部倉庫配送兩個(gè)階段。依據(jù)精益生產(chǎn)與協(xié)同學(xué)原理，兩階段物料配送需要齊套、協(xié)同、準(zhǔn)時(shí)地響應(yīng)混流生產(chǎn)順序計(jì)劃需求，避免缺料停線現(xiàn)象發(fā)生。因此，自動(dòng)優(yōu)化決策與混流生產(chǎn)計(jì)劃動(dòng)態(tài)自適應(yīng)的兩階段配送期量標(biāo)準(zhǔn)是核心。問題決策為D[V(r),t(r)]，其中決策變量V(r)和t(r)分別為與混流生產(chǎn)節(jié)拍r動(dòng)態(tài)適應(yīng)的配送批量、配送間隔期。兩階段配送問題模型如圖3所示。

3.2 假設(shè)條件

(1)在一個(gè)計(jì)劃期內(nèi)，制造商生產(chǎn)計(jì)劃及產(chǎn)品裝配順序確定，裝配線按節(jié)拍生產(chǎn)，中間不允許發(fā)生停線。

(2)供應(yīng)商在制造商周邊或制造商內(nèi)設(shè)有庫存，供應(yīng)商配送車輛確定，配送能力僅考慮車輛的載貨

數(shù)量約束，按照基于期量標(biāo)準(zhǔn)的配送計(jì)劃(時(shí)間、數(shù)量等)將物料送至制造商倉庫。

(3)制造商車間內(nèi)物料配送包括倉庫內(nèi)分揀以及倉庫向生產(chǎn)線各工位的配送，根據(jù)配送人員配送能力以及運(yùn)載工具將線邊工位分成工位組，記為Ul,l=1,2,3，…，L。每個(gè)工位組的物料由1名配送人員按配送要求進(jìn)行分揀配送，且每個(gè)工位組物料配送相互獨(dú)立。

(4)物流成本計(jì)算以配送頻次、物流量等相關(guān)的變動(dòng)成本為依據(jù)，不考慮固定成本。

3.3 優(yōu)化目標(biāo)及約束條件分析

以精益生產(chǎn)為理論依據(jù)，從供應(yīng)鏈系統(tǒng)視角，克服效益悖反現(xiàn)象，以企業(yè)內(nèi)外兩級(jí)供應(yīng)鏈物流總成本最小化為優(yōu)化目標(biāo)，包括外部供應(yīng)鏈物料配送成本、制造商庫存成本和倉庫物料配送成本(含倉庫配送成本和工位組線邊庫存成本)。同時(shí)考慮以下約束條件：

(1)準(zhǔn)時(shí)化約束 以生產(chǎn)順序計(jì)劃的物料使用需求時(shí)間為約束，設(shè)置供應(yīng)商及倉庫的配送達(dá)到時(shí)間及提前期。

(2)齊套性約束 供應(yīng)商及倉庫配送的物料必須按照機(jī)型齊套滿足生產(chǎn)時(shí)序使用需求。

(3)配送量約束 供應(yīng)商單次配送批量小于等于車輛總最大運(yùn)載量以及制造商倉庫存放該供應(yīng)商配送物料的最大存儲(chǔ)量；倉庫對(duì)工位組單次配送量滿足兩次配送間隔期內(nèi)生產(chǎn)需求，且小于等于工位組最大存放量。

(4)配送時(shí)間約束 供應(yīng)商單次配送間隔期大于等于供應(yīng)商完成一次運(yùn)輸和裝卸時(shí)間之和；倉庫對(duì)工位組兩次配送間隔期必須大于等于工位組單次配送分揀時(shí)間和配送時(shí)間之和。

(5)配送能力約束 供應(yīng)商及倉庫單次配送量不超過最大配送能力。

3.4 期量標(biāo)準(zhǔn)優(yōu)化模型構(gòu)建

3.4.1 參數(shù)設(shè)定

r為制造商在某計(jì)劃期內(nèi)的生產(chǎn)節(jié)拍；

αjk為供應(yīng)商Sk供應(yīng)物料Mj比例；

aij為機(jī)型Pi所需物料j的單機(jī)裝配量；

Qi為某計(jì)劃期內(nèi)Pi機(jī)型產(chǎn)量；

Vk(r)為制造商節(jié)拍為r時(shí)，供應(yīng)商Sk單次配送量；

βk為制造商倉庫存放供應(yīng)商Sk配送物料安全庫存系數(shù)；

T為每天單位工作時(shí)間；

tl(r)為節(jié)拍為r時(shí)，倉庫至工位組Ul配送間隔期；

tk(r)為制造商節(jié)拍為r時(shí)，供應(yīng)商Sk配送間隔期；

3.4.2 外部供應(yīng)商配送期量優(yōu)化模型

外部供應(yīng)商配送指供應(yīng)商與制造商倉庫之間的配送。為解決供應(yīng)商配送與制造商倉庫存儲(chǔ)之間的成本效益悖反問題，尋求最優(yōu)配送期量以實(shí)現(xiàn)物流成本最優(yōu)化。外部物流總成本W(wǎng)C包括多供應(yīng)商配送成本W(wǎng)C1和制造商倉庫接收多供應(yīng)商所送物料的庫存成本即制造商倉庫庫存成本W(wǎng)C2。

計(jì)劃期內(nèi)供應(yīng)商配送成本為單次配送成本與配送頻次的乘積，則考慮多供應(yīng)商供貨比例αjk后，多供應(yīng)商Sk(k∈K)的配送總成本

(1)

其中xjk∈{0,1}，當(dāng)物料Mj由供應(yīng)商Sk配送供應(yīng)時(shí)，xjk=1，否則xjk=0。

制造商倉庫庫存成本是考慮與庫存量有關(guān)的變動(dòng)成本，為制造商倉庫單位庫存成本與庫存量的乘積，則

(2)

以均衡供應(yīng)商和制造商成本的外部物流總成本最小為目標(biāo)函數(shù)，建立期量優(yōu)化模型：

minWC=WC1+WC2=

(3)

(4)

(5)

(6)

(7)

P*=「tk(r)/r?，

P′=「tl(r)/r?。

目標(biāo)函數(shù)式(3)中動(dòng)態(tài)決策變量Vk(r)隨制造商生產(chǎn)計(jì)劃節(jié)拍r而改變，節(jié)拍不同即制造商一個(gè)生產(chǎn)計(jì)劃周期內(nèi)產(chǎn)品產(chǎn)量不同，物料需求量不同，則物料配送批量不同。式(4)為供應(yīng)商Sk配送間隔期表達(dá)式；約束條件中：式(5)為配送量約束，表示供應(yīng)商單次配送批量小于車輛總最大運(yùn)載量以及制造商倉庫存放該供應(yīng)商配送物料的最大存儲(chǔ)量；式(6)為配送時(shí)間約束，表示供應(yīng)商單次配送間隔期大于等于供應(yīng)商完成一次運(yùn)輸和裝卸時(shí)間之和；式(7)為物料齊套性約束，表示多供應(yīng)商單次配送量滿足配送間隔期內(nèi)制造商物料的使用需求。

3.4.3 內(nèi)部倉庫配送期量優(yōu)化模型

內(nèi)部倉庫配送指裝配廠內(nèi)倉庫至裝配線工位組的配送。在滿足生產(chǎn)需求和實(shí)現(xiàn)準(zhǔn)時(shí)化配送前提下，尋求最優(yōu)配送期量，實(shí)現(xiàn)內(nèi)部物流成本最優(yōu)化。內(nèi)部物流總成本VC包括裝配廠內(nèi)配送總成本VC1和工位組線邊庫存總成本VC2。

裝配廠內(nèi)配送總成本由各工位組配送成本之和構(gòu)成，配送總成本為單次配送成本與配送頻次的乘積，則

(8)

其中xlj∈{0,1}，當(dāng)物料Mj屬于工位組Ul線邊物料時(shí)xlj=1，否則xlj=0。

混流生產(chǎn)每種物料的消耗量等于工位裝配各機(jī)型單機(jī)裝配量累加，工位線邊庫存等于物料配送量減去消耗量，因此工位組Ul線邊庫存

P=。

(9)

其中xpi∈{0,1}，工位組Ul裝配第p輛車屬于i機(jī)型時(shí)xpi=1，否則xpi=0。

工位組線邊庫存總成本由各工位組線邊庫存成本之和構(gòu)成，與工位組線邊庫存量有關(guān)，為單位庫存成本與庫存量的乘積，則工位組線邊庫存總成本

(10)

以內(nèi)部物流成本最小為目標(biāo)函數(shù)，建立期量優(yōu)化模型：

minVC=VC1+VC2

(11)

(12)

s.t.

(13)

(14)

(15)

3.4.4 內(nèi)外兩階段配送期量協(xié)同優(yōu)化模型

綜合考慮內(nèi)部、外部兩階段各環(huán)節(jié)約束條件及其協(xié)同性與準(zhǔn)時(shí)性，采用組合優(yōu)化的方法，以供應(yīng)鏈物流總成本最小為目標(biāo)，從組合問題的可行解中求解各供應(yīng)商至裝配廠以及裝配廠倉庫至各工位組的最優(yōu)配送期量標(biāo)準(zhǔn)，建立內(nèi)外兩階段供應(yīng)鏈協(xié)同的配送期量優(yōu)化模型：

minTC=WC+VC。

(16)

(17)

(18)

4 基于改進(jìn)GA的模型智能算法

供應(yīng)鏈協(xié)同配送期量優(yōu)化模型在求解過程中，因?yàn)槠浞蔷€性、多約束、高離散和多變量等特點(diǎn)，使得常規(guī)優(yōu)化算法在計(jì)算過程中難以取得良好求解效果，例如：標(biāo)準(zhǔn)遺傳算法(Simple Genetic Algorithm, SGA)在計(jì)算過程中易受種群規(guī)模和迭代次數(shù)的影響，計(jì)算過程波動(dòng)性較大，易陷入局部最優(yōu)或造成未成熟收斂。因此，本文利用改進(jìn)遺傳算法——多種群遺傳算法(Multiple Populations Genetic Algorithm, MPGA)對(duì)模型進(jìn)行求解，通過由不同控制參數(shù)控制的多個(gè)種群并行進(jìn)化求解最優(yōu)值，同時(shí)引入移民算子和人工選擇算子保證計(jì)算過程的穩(wěn)定性以及收斂性?；诟倪M(jìn)GA的模型智能算法操作流程如下：

步驟1導(dǎo)入混流生產(chǎn)順序計(jì)劃(Pi,Qi,Ti)，確定其生產(chǎn)節(jié)拍r。

步驟2設(shè)置初始參數(shù)，包括種群大小NIND、最優(yōu)種群保持代數(shù)MP、交叉概率pc和變異概率pm，

Pc=Pco+c·rand(MP,1)；

Pm=Pmo+m·rand(MP,1)。

其中：Pco和Pmo分別為初始交叉概率與變異概率；c和m分別為交叉與變異操作的區(qū)間長度；MP為種群數(shù)目；rand為隨機(jī)函數(shù)。

步驟3計(jì)算適應(yīng)度值。針對(duì)模型的特點(diǎn)，采用反應(yīng)物料配送信息的實(shí)值分段編碼的方式表征個(gè)體染色體，染色體編碼如圖4所示?？紤]兩級(jí)供應(yīng)鏈物流總成本最小，將適應(yīng)度函數(shù)設(shè)置為：fi=1/TC。根據(jù)問題規(guī)模設(shè)定1個(gè)主種群以及多個(gè)子種群，計(jì)算主種群個(gè)體適應(yīng)度值。

步驟4各種群根據(jù)進(jìn)化策略進(jìn)行相應(yīng)染色體操作。采用最優(yōu)個(gè)體保留策略和輪盤賭相結(jié)合的方法進(jìn)行選擇操作，以交叉概率pc進(jìn)行兩點(diǎn)交叉操作，以變異概率pm進(jìn)行變異操作。

步驟6移民操作。各子種群根據(jù)移民策略選擇最優(yōu)個(gè)體，并將最優(yōu)個(gè)體代替目標(biāo)種群最差個(gè)體，參與種群進(jìn)化，實(shí)現(xiàn)種群信息交換。

步驟7人工選擇操作。從每代子種群中選出最優(yōu)個(gè)體放入精華種群中，保持精華種群不破壞。

步驟8判斷是否達(dá)到規(guī)定保持代數(shù)，若未達(dá)到返回步驟3繼續(xù)執(zhí)行；若達(dá)到規(guī)定保持代數(shù)，判斷生產(chǎn)順序計(jì)劃以及生產(chǎn)節(jié)拍是否需要變化，若需發(fā)生變化，返回步驟1重新執(zhí)行，若不發(fā)生變化，輸出與生產(chǎn)節(jié)拍自適應(yīng)的最優(yōu)配送期量標(biāo)準(zhǔn)D[V(r),t(r)]。

基于改進(jìn)GA的模型智能算法具體操作流程如圖5所示。

5 實(shí)例驗(yàn)證

5.1 實(shí)例數(shù)據(jù)

以某拖拉機(jī)裝配車間為例，驗(yàn)證模型與算法的有效性。拖拉機(jī)物料種類有上萬種，涉及供應(yīng)商500多家，每種物料由多供應(yīng)商按比例供貨。企業(yè)正在實(shí)施智能制造。該裝配車間總裝線屬于混流生產(chǎn)線，共有17個(gè)工位組，具有MES和ANDON系統(tǒng)，進(jìn)行物料全過程數(shù)據(jù)采集、跟蹤、監(jiān)控與防錯(cuò)。物料倉儲(chǔ)具有倉庫管理系統(tǒng)(Warehouse Management System, WMS)和RFID識(shí)別系統(tǒng)，進(jìn)行物料出入庫智能化管理。本文選取部分物料和供應(yīng)商進(jìn)行驗(yàn)證研究，供應(yīng)商配送信息及參數(shù)設(shè)置如表1所示，工位組配送信息如表2所示。決策參數(shù)為混流生產(chǎn)不同節(jié)拍情況下的兩階段供應(yīng)鏈(供應(yīng)商和制造商倉庫)最優(yōu)配送期量D[V(r),t(r)]。

表1 供應(yīng)商配送信息及參數(shù)設(shè)置

表2 工位組配送信息

5.2 模型算法應(yīng)用

本例采用MATLAB仿真對(duì)多種群遺傳算法進(jìn)行編程。基本參數(shù)設(shè)置如下：種群規(guī)模NIND=40，最優(yōu)個(gè)體保持代數(shù)MP=80，各種群交叉概率Pc為0.7～0.9隨機(jī)數(shù)，變異概率Pm為0.01～0.05隨機(jī)數(shù)。當(dāng)日生產(chǎn)計(jì)劃裝配總量為240臺(tái)、節(jié)拍r=2 min/臺(tái)時(shí)，通過MPGA運(yùn)行5次，得到配送期量結(jié)果如表3所示，每次進(jìn)化過程種群在第20代左右收斂至最優(yōu)解，得到最優(yōu)解進(jìn)化過程如圖6所示。

表3 r=2 min/臺(tái)時(shí)供應(yīng)商和制造商倉庫配送期量優(yōu)化前后對(duì)比

續(xù)表3

5.3 有效性分析

為驗(yàn)證MPGA的有效性，在上述參數(shù)條件相同的情況下，采用SGA進(jìn)行計(jì)算，SGA運(yùn)行5次的進(jìn)化過程如圖7所示。從圖7中可以看出，SGA在不同計(jì)算過程中，收斂速度以及波動(dòng)性相差較大，每次計(jì)算種群一般在50代以后收斂至最優(yōu)值。比較MPGA進(jìn)化過程(如圖6)和SGA進(jìn)化過程(如圖7)，曲線的下降趨勢即從開始點(diǎn)到收斂點(diǎn)連線的，MPGA的斜率明顯大于SGA的斜率，即MPGA收斂速度較快，求解過程平穩(wěn)，顯然MPGA優(yōu)于SGA。

為進(jìn)一步驗(yàn)證模型對(duì)動(dòng)態(tài)生產(chǎn)節(jié)拍的自適應(yīng)性和有效性，保持算法其他參數(shù)不變，分別對(duì)日生產(chǎn)計(jì)劃裝配總量為200臺(tái)、160臺(tái)、120臺(tái)，其節(jié)拍r分別為2.4 min/臺(tái)、3 min/臺(tái)、4 min/臺(tái)等相關(guān)數(shù)據(jù)進(jìn)行仿真分析。通過MPGA，獲得不同節(jié)拍下的兩階段供應(yīng)鏈(供應(yīng)商和制造商倉庫)配送期量如表4～表6所示。通過尋找與生產(chǎn)節(jié)拍自適應(yīng)的供應(yīng)商以及制造商倉庫最優(yōu)配送間隔期和單次配送量，實(shí)現(xiàn)配送成本及庫存成本的最優(yōu)化。配送間隔期和配送量與生產(chǎn)節(jié)拍關(guān)系曲線如圖8與圖9所示，供應(yīng)鏈物流成本對(duì)比分析如表7所示。通過改進(jìn)遺傳算法在滿足約束條件下求得優(yōu)化后外部物流成本、內(nèi)部物流成本以及供應(yīng)鏈物流總成本均比優(yōu)化前成本降低，成本節(jié)約范圍在4.2%～13.5%之間，從而驗(yàn)證了優(yōu)化模型的有效性。

表5 r=3 min/臺(tái)時(shí)供應(yīng)商和制造商倉庫配送期量優(yōu)化前后對(duì)比

表6 r=4 min/臺(tái)時(shí)供應(yīng)商和制造商倉庫配送期量優(yōu)化前后對(duì)比

表7 不同節(jié)拍下供應(yīng)鏈物流成本對(duì)比分析

通過以上實(shí)例應(yīng)用，確定了與混流生產(chǎn)自適應(yīng)(不同節(jié)拍)的兩階段供應(yīng)鏈(供應(yīng)商和制造商倉庫)最優(yōu)配送期量。圖8和圖9直觀反映了配送間隔期和配送量與生產(chǎn)節(jié)拍之間的動(dòng)態(tài)關(guān)系，即生產(chǎn)節(jié)拍越快，配送間隔期越短，單次配送量越大，反之亦然。通過實(shí)例驗(yàn)證，所提模型和算法有效地解決了供應(yīng)商以及制造商倉庫配送與動(dòng)態(tài)生產(chǎn)節(jié)拍自適應(yīng)的物料配送期量標(biāo)準(zhǔn)智能決策問題，實(shí)現(xiàn)了提高供應(yīng)商與制造商兩階段配送精準(zhǔn)協(xié)同性和降低物流成本的預(yù)期目標(biāo)。

6 結(jié)束語

本文以農(nóng)機(jī)制造企業(yè)為研究對(duì)象，針對(duì)核心制造商內(nèi)外供應(yīng)鏈物流難以協(xié)同并快速響應(yīng)智能制造混流生產(chǎn)需求的問題，分析智能制造與混流生產(chǎn)特征及其精準(zhǔn)物流需求，依據(jù)精益生產(chǎn)與協(xié)同學(xué)理論，提出由混流生產(chǎn)計(jì)劃驅(qū)動(dòng)的、由物料配送期量標(biāo)準(zhǔn)及其計(jì)劃與控制智能決策構(gòu)成的兩階段供應(yīng)鏈物流協(xié)同策略，實(shí)現(xiàn)了核心制造商內(nèi)外兩階段供應(yīng)鏈縱橫協(xié)同且快速精準(zhǔn)響應(yīng)智能制造混流生產(chǎn)的目標(biāo)。鑒于物料配送期量標(biāo)準(zhǔn)是配送計(jì)劃與控制智能決策的核心基礎(chǔ)，側(cè)重研究與混流生產(chǎn)動(dòng)態(tài)自適應(yīng)的、兩階段物料配送期量標(biāo)準(zhǔn)協(xié)同優(yōu)化模型和智能算法?？朔б驺７船F(xiàn)象，均衡供應(yīng)商和制造商成本，以供應(yīng)鏈物流總成本最小為優(yōu)化目標(biāo)，以準(zhǔn)時(shí)與齊套配送等為約束條件，考慮多供應(yīng)商按比例供貨的復(fù)雜性，構(gòu)建了與混流生產(chǎn)計(jì)劃自適應(yīng)的多供應(yīng)商至單制造商、制造商倉庫至生產(chǎn)線邊兩個(gè)階段的物料配送期量協(xié)同優(yōu)化模型。針對(duì)標(biāo)準(zhǔn)遺傳算法(SGA)存在收斂速度慢以及穩(wěn)定性差等問題，采用改進(jìn)的多種群遺傳算法(MPGA)，引入移民算子和人工選擇算子實(shí)現(xiàn)算法的并行操作，自動(dòng)獲得與動(dòng)態(tài)生產(chǎn)節(jié)拍自適應(yīng)的最佳物料配送期量標(biāo)準(zhǔn)，提高了模型求解的穩(wěn)定性和高效性。通過實(shí)例應(yīng)用，分析了配送期量與生產(chǎn)節(jié)拍之間的動(dòng)態(tài)適應(yīng)關(guān)系，驗(yàn)證了模型算法的可行性和有效性，實(shí)現(xiàn)了兩階段供應(yīng)鏈物流準(zhǔn)時(shí)化協(xié)同配送期量標(biāo)準(zhǔn)(DIBS)的智能決策，為智能制造混流生產(chǎn)環(huán)境下供應(yīng)鏈物流協(xié)同化、信息化與智能化奠定了理論基礎(chǔ)。智能制造混流生產(chǎn)環(huán)境下的配送計(jì)劃和配送過程智能決策問題，還有待進(jìn)一步深入研究。