陳光會(huì)　王瑞亭　蘇兵　李會(huì)聰

摘 要：本文針對(duì)已支付定金客戶取消訂單的情形，提出根據(jù)歷史訂單量和實(shí)際交易量利用線性回歸模型來(lái)預(yù)測(cè)訂單取消量。在此基礎(chǔ)上，本文構(gòu)建了以庫(kù)存總成本最小為目標(biāo)的訂單取消量可預(yù)測(cè)的制造商原材料庫(kù)存優(yōu)化模型，然后設(shè)計(jì)了時(shí)間復(fù)雜度為O（np）的近似算法GA求解模型（其中n為原材料的種類數(shù)，p為預(yù)測(cè)訂單取消量的時(shí)段數(shù)），并分析了算法GA的近似比。最后選取XAHL有限公司的庫(kù)存數(shù)據(jù)進(jìn)行實(shí)例分析，驗(yàn)證了模型和算法的有效性，根據(jù)模型計(jì)算結(jié)果給出公司原材料采購(gòu)和庫(kù)存優(yōu)化策略。本文旨在為制造商進(jìn)行原材料采購(gòu)及庫(kù)存決策提供理論依據(jù)。

關(guān)鍵詞：預(yù)測(cè);訂單取消量;原材料庫(kù)存;線性回歸;近似算法

中圖分類號(hào)：C934文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5192（2021）03-0069-07doi：10.11847/fj.40.3.69

Research on Material Inventory Optimization of Manufacturersunder Order Cancellations Predictable

CHEN Guang-hui， WANG Rui-ting， SU Bing， LI Hui-cong

（School of Economics and Management， Xian Technological University， Xian 710021， China）

Abstract：For the practical case that customers orders may cancel who have paid down deposit， the paper proposes to predict order cancellations based on linear regression model according to historical orders and actual transactions. Then the material inventory optimization model under order cancellations predicted with the objective of minimizing total inventory costs is established， and approximate algorithm GA with time complexity O（np） to solve the problem is designed（Where n denote categories of materials， p denote phases of order cancellation）， and the approximate ratio of GA is analyzed. Finally， take inventory data of XAHL Co.， Ltd. as an example to conform effectiveness of the model and algorithm，which help to optimize inventory strategies and material purchasing of XAHL Co.， Ltd.. All the conclusions are aim to provide theoretical basis for all material purchasing and inventory decision-makers of manufacturers.Key words：prediction; order cancellations; material inventory;? linear regression; approximate ratio

1 引言

制造商（本文特指面向訂單企業(yè)）在接到客戶訂單（均指產(chǎn)品訂單，后同）且客戶支付一定定金后進(jìn)行原材料采購(gòu)及生產(chǎn)。實(shí)際中，客戶支付定金后會(huì)由于銷售不景氣或發(fā)現(xiàn)性價(jià)比更有競(jìng)爭(zhēng)力的產(chǎn)品等原因取消部分或全部訂單，此時(shí)制造商已完成原材料采購(gòu)。為削弱客戶取消訂單帶來(lái)的庫(kù)存持有成本和管理成本增加，制造商會(huì)提前預(yù)測(cè)客戶訂單取消量。因此，研究客戶訂單取消量可預(yù)測(cè)的原材料庫(kù)存優(yōu)化對(duì)制造商的采購(gòu)、庫(kù)存決策具有重要的研究意義。

現(xiàn)有研究一類是考慮訂單不可取消情形下，要么考慮缺貨成本[1～7]研究制造商原材料庫(kù)存優(yōu)化，其中李毅鵬等[3]主要從供應(yīng)鏈上下游角度分析了制造商的訂單決策及期望利潤(rùn)。Wang[5]建立了包括采購(gòu)、持有和缺貨成本的多周期庫(kù)存優(yōu)化模型。許圣佳和蔣煒[7]通過(guò)點(diǎn)擊量和購(gòu)買量進(jìn)行需求預(yù)測(cè)建立了庫(kù)存優(yōu)化模型。要么考慮生產(chǎn)延誤成本[8～10]，Cohen等[8]結(jié)合丟失訂單的成本、最終并未簽訂的訂單丟失成本、產(chǎn)成品入庫(kù)而導(dǎo)致的持有成本以及因生產(chǎn)時(shí)間延遲引起的產(chǎn)品延誤成本研究了制造商庫(kù)存優(yōu)化。Li[9]引入決策風(fēng)險(xiǎn)偏好對(duì)制造商最佳開(kāi)始生產(chǎn)時(shí)間的決策進(jìn)行了研究。黃焜等[10]構(gòu)建了包含生產(chǎn)延誤成本的供應(yīng)商成本模型。要么考慮生產(chǎn)變動(dòng)成本，Khouja[11]，Darwish[12]探討了考慮生產(chǎn)變動(dòng)成本的制造商原材料庫(kù)存優(yōu)化。另一類考慮訂單可取消的情形，文獻(xiàn)[13，14]考慮訂單取消量為常數(shù)，其中Vlachos和Dekker[13]對(duì)固定退貨率的單周期存儲(chǔ)問(wèn)題展開(kāi)了探討，You和Wu[14]結(jié)合顧客在預(yù)售時(shí)段取消訂單且銷售時(shí)段的變質(zhì)率是常數(shù)構(gòu)建了以期望利潤(rùn)最大為目標(biāo)的目標(biāo)函數(shù)。文獻(xiàn)[15～17]考慮訂單取消量服從概率分布，其中Fleischmann等[15]提出了訂單取消量服從泊松分布的庫(kù)存模型，黃祖慶和達(dá)慶利[16]假定需求和訂單取消率服從泊松分布建立了帶時(shí)滯性的最優(yōu)訂貨模型并求解，范麗繁和陳旭[17]構(gòu)建了所有訂單取消量的概率相等并服從二項(xiàng)分布的顧客接受概率模型。上述兩種方式多考慮過(guò)程結(jié)果即最佳訂貨量和訂貨點(diǎn)，預(yù)測(cè)的結(jié)果有時(shí)與實(shí)際不符，且針對(duì)面向訂單企業(yè)的制造商庫(kù)存優(yōu)化研究的比較少，更缺少對(duì)基于訂單取消量可預(yù)測(cè)的制造商原材料庫(kù)存優(yōu)化進(jìn)行建模及求解經(jīng)濟(jì)結(jié)果的研究。

針對(duì)現(xiàn)有研究的不足，本文針對(duì)已支付定金客戶取消訂單情形下的原材料庫(kù)存優(yōu)化問(wèn)題進(jìn)行研究。首先構(gòu)建基于歷史訂單量和實(shí)際交易量的線性回歸模型對(duì)客戶訂單取消量進(jìn)行預(yù)測(cè)，在此基礎(chǔ)上以庫(kù)存總成本（訂貨成本+購(gòu)入成本+庫(kù)存持有成本+缺貨成本-定金）最小為目標(biāo)建立基于訂單取消量可預(yù)測(cè)的制造商原材料庫(kù)存優(yōu)化模型，設(shè)計(jì)算法求解，并分析算法的復(fù)雜性和近似比[18，19]。最后以XAHL有限公司的庫(kù)存數(shù)據(jù)為例驗(yàn)證了模型和算法的有效性，并計(jì)算和分析此情形下公司原材料庫(kù)存總成本，利用分析結(jié)果給出公司庫(kù)存優(yōu)化策略。

2 問(wèn)題描述與建模

制造商依據(jù)與客戶簽訂的訂單向原材料供應(yīng)商采購(gòu)原材料進(jìn)行生產(chǎn)或裝配，并在采購(gòu)原材料之前向客戶收取一定定金，同時(shí)制造商會(huì)依據(jù)訂單量給出價(jià)格折扣。原材料采購(gòu)?fù)瓿珊?，常出現(xiàn)已支付定金客戶取消訂單的情形，制造商如何預(yù)測(cè)客戶訂單取消量并決策原材料的采購(gòu)量Q，使得其庫(kù)存總成本最小從而盡可能減少由此帶來(lái)的損失。

2.1 基本假設(shè)

為了更好解決已支付定金客戶基于訂單取消量可預(yù)測(cè)的制造商原材料庫(kù)存優(yōu)化問(wèn)題，給出以下基本假設(shè)：

（1）在新訂單出現(xiàn)之前原材料采購(gòu)不能瞬時(shí)補(bǔ)貨。

（2）原材料采購(gòu)?fù)戤叢荒苎a(bǔ)貨。

（3）客戶取消訂單前制造商采購(gòu)的原材料價(jià)格不變。

（4）客戶取消訂單前制造商原材料已采購(gòu)?fù)戤叀?/p>

符號(hào)說(shuō)明：K為訂貨成本;Qi為第i種原材料采購(gòu)量;Pi為第i種原材料的單位購(gòu)買價(jià)格;bi為第i種原材料的單位缺貨成本;H為單位庫(kù)存持有成本;A為客戶預(yù)定的產(chǎn)品數(shù)量;α為制造商提供給客戶的定金率;β為制造商提供給客戶的價(jià)格折扣率;P0為制造商提供給客戶的單位產(chǎn)品銷售價(jià)格;D為預(yù)測(cè)的訂單取消量;γi為制造商生產(chǎn)單個(gè)產(chǎn)品A需要第i種原材料的比例系數(shù);c為采購(gòu)常量（c>0），為了保證制造商采購(gòu)量的非負(fù)性而設(shè)立。決策變量為Qi。

2.2 基于線性回歸的訂單取消量預(yù)測(cè)模型構(gòu)建

客戶訂單取消量受眾多因素影響，本文選取歷史訂單量和實(shí)際交易量（二者的差值正是訂單取消量）作為自變量，建立基于歷史訂單量和實(shí)際交易量的線性回歸模型對(duì)客戶訂單取消量進(jìn)行預(yù)測(cè)，進(jìn)而構(gòu)建了基于線性回歸的訂單取消量預(yù)測(cè)模型。以往研究通常假設(shè)第t時(shí)間段的訂單取消量為Dt，其訂單取消量預(yù)測(cè)模型為

Dt=μ1+σ1Z（1）

（1）式為一般訂單取消量預(yù)測(cè)模型服從正態(tài)分布時(shí)的線性回歸形式。其中μ1為正態(tài)分布的期望值，σ1為訂單取消量的標(biāo)準(zhǔn)差，Z為標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)。

本文根據(jù)t-1時(shí)間段的歷史訂單量Xt-1對(duì)第t時(shí)間段的訂單取消量進(jìn)行預(yù)測(cè)，模型轉(zhuǎn)變?yōu)椋?）式

Dt|Xt-1=θ0+θ1Xt-1+σ2Z（2）

其中σ22=Var[D2t]=（1-ρ2）σ21（3）

ρ是歷史訂單量和實(shí)際交易量之間的相關(guān)系數(shù)，θ0和θ1是參數(shù)，σ2表示訂單取消量的標(biāo)準(zhǔn)差。

可以看出，基于歷史訂單量與實(shí)際交易量間的相關(guān)性建立的訂單取消量預(yù)測(cè)模型比單純用訂單取消量進(jìn)行預(yù)測(cè)誤差更小。

2.3 訂單取消量可預(yù)測(cè)的庫(kù)存優(yōu)化模型構(gòu)建

本文在預(yù)測(cè)訂單取消量基礎(chǔ)上，建立訂單取消量可預(yù)測(cè)的制造商原材料庫(kù)存優(yōu)化模型并進(jìn)行求解。以制造商庫(kù)存總成本最小為目標(biāo)建立模型如下

min TC=K+∑ni=1QiPi+∑ni=1QiH2+

∑ni=1[γi（A-Dt）-Qi]bi-AαP0β（4）

s.t. Qi=-γi（A-Dt）+c（5）

∑nPi

A-Dt0（7）

0<β<1（8）

0<α<1（9）

0Qiγi（A-Dt）（10）

目標(biāo)函數(shù)（4）：制造商庫(kù)存總成本最小，依次為訂貨成本、購(gòu)入成本、庫(kù)存持有成本、缺貨成本、違約定金;約束條件（5）為原材料采購(gòu)量和預(yù)測(cè)的訂單取消量成線性函數(shù)的約束;約束條件（6）是價(jià)格約束，即制造商原材料的采購(gòu)價(jià)格小于產(chǎn)品的銷售價(jià)格;約束條件（7）是客戶訂單取消量的約束;約束條件（8）是制造商提供給客戶的價(jià)格折扣率約束;約束條件（9）是制造商提供給客戶定金率約束;約束條件（10）是原材料的采購(gòu)量約束。

3 模型分析與求解

庫(kù)存問(wèn)題是一個(gè)NP難問(wèn)題，因此本文設(shè)計(jì)近似算法GA對(duì)所建模型進(jìn)行求解[18，19]。假設(shè)Dt為預(yù)測(cè)的第t時(shí)間段的客戶訂單取消量;m為實(shí)際中客戶歷史訂單取消量最小值;M為訂單取消量最大值。

3.1 算法GA思想與步驟

3.1.1 算法GA思想

第一，制造商接到客戶訂單量A，根據(jù)產(chǎn)品的物料清單計(jì)算出原材料的需求量qi=γiA（i=1，2，…，n），即求出構(gòu)成產(chǎn)品的n種原材料的需求量。而企業(yè)預(yù)測(cè)第t時(shí)間段的客戶訂單取消量為Dt，結(jié)合歷史訂單取消量所處區(qū)間[m，M]，將預(yù)測(cè)的訂單取消量與實(shí)際中歷史訂單取消量的極值進(jìn)行比較，會(huì)得到不同情形，再針對(duì)不同情形進(jìn)行具體分析并給出制造商原材料采購(gòu)策略。

第二，將預(yù)測(cè)的訂單取消量同實(shí)際中歷史訂單取消量進(jìn)行比較，分為三種情形，如圖1所示。

圖1 情形分析

（1）若Dt

（2）若Dt∈[m，M]，即預(yù)測(cè)的訂單取消量處在實(shí)際中歷史訂單取消量區(qū)間內(nèi)。那么，當(dāng)Dt=m時(shí)，按歷史訂單取消量最小值m計(jì)算;當(dāng)

Dt∈[m，M]時(shí)，按Dt=mM計(jì)算;當(dāng)Dt=M時(shí)，按歷史訂單取消量最大值M計(jì)算。

（3）若Dt>M，即預(yù)測(cè)的訂單取消量大于實(shí)際中歷史訂單取消量最大值，則按歷史訂單取消量最大值M計(jì)算。

第三，按照y=γi（A-Dt）進(jìn)行n種原材料采購(gòu)。

第四，根據(jù)原材料采購(gòu)數(shù)量，輸出對(duì)應(yīng)的Qi及min TC。

3.1.2 算法GA步驟

第1步 計(jì)算Dt|Xt-1=θ0+θ1Xt-1+σ2Z（t=1，2，…，p），令D={Dt}。

第2步 令τ=1。

第3步 如果Dt

第4步 如果mDtM，轉(zhuǎn)第6步;否則Dt>M，轉(zhuǎn)第10步。

第5步 令D*=D，轉(zhuǎn)第14步。

第6步 如果Dt=m，轉(zhuǎn)下一步;否則轉(zhuǎn)第8步。

第7步 令D*=m，轉(zhuǎn)第14步。

第8步 如果Dt∈（m，M），轉(zhuǎn)下一步;否則轉(zhuǎn)第10步。

第9步 計(jì)算mM，且令D*=mM，轉(zhuǎn)第14步。

第10步 如果DtM，轉(zhuǎn)下一步;否則轉(zhuǎn)第4步。

第11步 令D*=M，轉(zhuǎn)第14步。

第12步 如果τ

第13步 令k=1。

第14步 計(jì)算yk=γi（A-D*），若k

第15步 計(jì)算min TCi，輸出對(duì)應(yīng)的yi。

3.2 算法GA的時(shí)間復(fù)雜度分析

算法第1步的計(jì)算次數(shù)為O（p）;第3～4步需要循環(huán)n次;第6步需要循環(huán)n次;第8步需要進(jìn)行n次循環(huán);第9步需要計(jì)算O（n）次;第10～12步需要進(jìn)行n次循環(huán);第14步需要計(jì)算n次，因而算法的復(fù)雜性為O（np），進(jìn)而得到定理1。

定理1 訂單取消量可預(yù)測(cè)的庫(kù)存優(yōu)化模型的算法GA的時(shí)間復(fù)雜度為O（np）。其中n為原材料種類數(shù)，p為預(yù)測(cè)訂單取消量時(shí)段數(shù)。

由于算法GA是一個(gè)近似算法，因此需要對(duì)算法的性能好壞進(jìn)行分析，算法性能的好壞通常用算法的近似比來(lái)度量[18，19]，以下是算法GA的近似比分析。

3.3 算法GA的近似比分析

令OPT（I）表示任一實(shí)例I的最優(yōu)解，A（I）表示應(yīng)用算法GA求出的實(shí)例I的解。首先分析最優(yōu)解并給出引理1。

引理1 對(duì)于任一實(shí)例I，該庫(kù)存優(yōu)化問(wèn)題最優(yōu)解OPT（I）的下界為

K-AαP0β+（nPi+H2-nbi）min Qi+nγibimin（A-Dt）

證明 ??????TC=K+∑ni=1QiPi+∑ni=1QiH2+∑ni=1[γi（A-Dt-Qi）]bi-AαP0β

=K-AαP0β+∑ni=1QiPi+H2∑ni=1Qi+

∑ni=1γibi（A-Dt）-∑ni=1biQi

K-AαP0β+（nPi+H2-nbi）minQi+nγibimin（A-Dt）

意味著對(duì)任一實(shí)例I，其最優(yōu)解OPT（I）下界為K-AαP0β+（nPi+H2-nbi）minQi+nγibimin（A-Dt），證畢。

運(yùn)用算法GA對(duì)I進(jìn)行求解，解為

A（I）=K+∑ni=1QiPi+∑ni=1QiH2+

∑ni=1[γi（A-Dt）-Qi]bi-AαP0β

=K-AαP0β+∑ni=1QiPi+H2∑ni=1Qi+

∑ni=1γibi（A-Dt）-∑ni=1biQi

K-AαP0β+（nPi+H2-nbi）·

max Qi+nγibimax（A-Dt）

綜上，給出定理2。

定理2 訂單取消量可預(yù)測(cè)的庫(kù)存優(yōu)化模型的算法GA的近似比為

η=K-AαP0β+（nPi+H2-nbi）max Qi+nγibimax（A-Dt）

K-AαP0β+（nPi+H2-nbi）min Qi+nγibimin（A-Dt）

近似比與max Qi、max（A-Dt）成正比，與min Qi、min（A-Dt）成反比，其變化如圖2所示。

根據(jù)近似比變化圖，可進(jìn)一步討論近似比的取值范圍。

η=1+（nPi+H2-nbi）max Qi+nγibimax（A-Dt）-

（nPi+H2-nbi）min Qi-nγibimin（A-Dt）K-AαP0β+（nPi+H2-nbi）min Qi+nγibimin（A-Dt）

=1+（nPi+H2-nbi）（max Qi-minQi）+nγibi{max（A-Dt）-min（A-Dt）}

K-AαP0β+（nPi+H2-nbi）min Qi+nγibimin（A-Dt）

當(dāng)K-AαP0β=0時(shí)，算法GA的近似比為

η1+（nPi+H2-nbi）（max Qi-minQi）+nγibi{max（A-Dt）-min（A-Dt）}

（nPi+H2-nbi）min Qi+nγibimin（A-Dt）

因而得到推論1。

推論1 訂單取消量可預(yù)測(cè)的庫(kù)存優(yōu)化模型的算法GA的近似比η上界為

1+（nPi+H2-nbi）（max Qi-minQi）+nγibi{max（A-Dt）-min（A-Dt）}

（nPi+H2-nbi）min Qi+nγibimin（A-Dt）

由于K-AαP0βmax{K}，即當(dāng)制造商的采購(gòu)成本最大、固定訂貨成本最大時(shí)，得到算法GA的近似比為

η1+（nPi+H2-nbi）（max Qi-minQi）+nγibi{max（A-Dt）-min（A-Dt）}

（nPi+H2-nbi）min Qi+nγibimin（A-Dt）+max{K}

由此得到推論2。

推論2 訂單取消量可預(yù)測(cè)的庫(kù)存優(yōu)化模型的算法GA的近似比η下界為

1+（nPi+H2-nbi）（max Qi-minQi）+nγibi{max（A-Dt）-min（A-Dt）}

（nPi+H2-nbi）min Qi+nγibimin（A-Dt）+max（K）

因?yàn)榻票圈堑娜≈等Q于max Qi、min Qi及max（A-Dt）、min（A-Dt），如果預(yù)測(cè)的訂單取消量的最大值與最小值相差不大時(shí)，則η的上界和下界都趨近于1。因此從近似比η可知，預(yù)測(cè)的訂單取消量之間誤差越小算法GA得出的值越接近最優(yōu)值。

4 實(shí)例分析

XAHL有限公司，其產(chǎn)品一體化噴嘴（按客戶訂單進(jìn)行原材料采購(gòu)后生產(chǎn)）對(duì)各原材料需求狀況如表1所示。

第一，XAHL有限公司接到一體化噴嘴訂單量A=200件后，根據(jù)物料清單構(gòu)成計(jì)算各原材料的需求量為qi，各原材料名稱及價(jià)格如表1所示。其中xi（i=1，2，…，12）表示一體化噴嘴由12種原材料構(gòu)成，qi（i=1，2，…，12）表示客戶訂單對(duì)原材料的需求量，ai（i=1，2，…，12）表示單位產(chǎn)品原材料的需求量，Pi（i=1，2，…，12）表示原材料的單價(jià)。

第二， 由XAHL有限公司庫(kù)存數(shù)據(jù)知，公司實(shí)際中歷史訂單取消量最大值為76，最小值為13。當(dāng)公司接到客戶訂單A=200件時(shí)，首先根據(jù)前一時(shí)段末的訂單取消量計(jì)算訂單取消量預(yù)測(cè)值Dt（t=1，2，…，12），并與歷史訂單取消量實(shí)際值[13，76]進(jìn)行比較，分三種不同情形。若D<13，即預(yù)測(cè)的訂單取消量小于實(shí)際中歷史訂單取消量最小值，按預(yù)測(cè)的訂單取消量D計(jì)算;若13D<76，即預(yù)測(cè)的訂單取消量處在實(shí)際的歷史訂單取消量區(qū)間內(nèi)時(shí)，若D=13當(dāng)時(shí)，按D=13計(jì)算，當(dāng)D∈[13，76]時(shí)，按D=13×76=31.43計(jì)算，實(shí)際以32計(jì)算;若D76，即預(yù)測(cè)的訂單取消量大于實(shí)際的歷史訂單取消量最大值，按D=76計(jì)算。不同時(shí)間段一體化噴嘴的實(shí)際訂單取消量及基于線性回歸預(yù)測(cè)的訂單取消量如表2所示。

第三，按照y=γi（A-D）進(jìn)行12種原材料采購(gòu)。

第四，計(jì)算采購(gòu)量Qi。

第五，由于Pi

第六，計(jì)算庫(kù)存總成本：min TC=3520015.48元。

由上述分析可得XAHL有限公司庫(kù)存優(yōu)化策略：當(dāng)公司預(yù)測(cè)的訂單取消量與實(shí)際的歷史訂單取消量誤差不大時(shí)，根據(jù)預(yù)測(cè)的訂單取消量來(lái)決策原材料的采購(gòu)量，此時(shí)其庫(kù)存總成本最小。

5 結(jié)論與啟示

本文在考慮已支付定金客戶取消訂單情形下，首先根據(jù)制造商的歷史訂單量和實(shí)際交易量建立基于線性回歸的訂單取消量預(yù)測(cè)模型;然后以制造商庫(kù)存總成本最小為目標(biāo)構(gòu)建訂單取消量可預(yù)測(cè)的制造商原材料庫(kù)存優(yōu)化模型，對(duì)模型設(shè)計(jì)近似算法GA進(jìn)行求解分析，得到GA的時(shí)間復(fù)雜度是O（np）;接著進(jìn)行近似比分析。由求解結(jié)果可知，如果預(yù)測(cè)出的訂單取消量最大值與最小值相差不大時(shí)，近似比η的上界和下界都會(huì)趨近于1，此時(shí)算法GA得出的值越接近于最優(yōu)值。

綜上所述，制造商在進(jìn)行原材料采購(gòu)前，可以先預(yù)測(cè)已支付定金客戶的訂單取消量。若預(yù)測(cè)的訂單取消量小于實(shí)際中歷史訂單取消量最小值，按照預(yù)測(cè)的訂單取消量進(jìn)行計(jì)算;若預(yù)測(cè)的訂單取消量處在歷史訂單取消量變化區(qū)間內(nèi)，以預(yù)測(cè)值D=最大值×最小值（指實(shí)際歷史訂單取消量）進(jìn)行計(jì)算;若預(yù)測(cè)的訂單取消量大于歷史訂單取消量最大值，則按歷史訂單取消量最大值計(jì)算。由此可知，根據(jù)訂單取消量預(yù)測(cè)值，結(jié)合制造商原材料庫(kù)存優(yōu)化模型，對(duì)原材料進(jìn)行采購(gòu)，從而達(dá)到庫(kù)存總成本最小。上述結(jié)論可為制造商進(jìn)行原材料采購(gòu)及庫(kù)存決策提供理論依據(jù)。

本文研究的不足之處在于提出的假設(shè)為客戶取消訂單之前制造商采購(gòu)的原材料價(jià)格一直不變，并不完全符合現(xiàn)實(shí)市場(chǎng)發(fā)展規(guī)律，也沒(méi)有針對(duì)多級(jí)庫(kù)存進(jìn)行研究。

參 考 文 獻(xiàn)：

[1]Huang W， Kulkami V G， Swaminathan J M. Optimal EOQ for announced price increases in infinite horizon[J]. Operations Research， 2003， 51（2）： 336-339.

[2]李毅鵬，馬士華.基于安全多方計(jì)算的產(chǎn)能約束供應(yīng)商協(xié)同供貨[J].控制與決策，2013，28（11）：1623-1630.

[3]李毅鵬，馬士華，袁開(kāi)福.供應(yīng)不確定下基于預(yù)售策略的ATO供應(yīng)鏈優(yōu)化研究[J].預(yù)測(cè)，2017，36（2）：64-68.

[4]Singh L P， Challa R T.? Integrated forecasting using the discrete wavelet theory and artificial intelligence techniques to reduce the bullwhip effect in a supply Chain[J]. Global Journal of Flexible Systems Management， 2016， 17（2）： 157-169.

[5]Wang Y. The optimality of myopic stocking policies for systems with decreasing purchasing prices[J]. European Journal of Operational Research， 2001， 133（1）： 153-159.

[6]陳杰，陳志祥.具有多元馬氏需求的多產(chǎn)品多階段庫(kù)存優(yōu)化模型[J].中國(guó)管理科學(xué)，2015，23（5）：151-160.

[7]許圣佳，蔣煒.電子商務(wù)環(huán)境下基于點(diǎn)擊流的需求預(yù)測(cè)模型和企業(yè)庫(kù)存優(yōu)化[J].上海管理科學(xué)，2016，38（2）：18-28.

[8]Cohen M A， Ho T H， Terwiesch R C. Measuring imputed cost in the semiconductor equipment supply chain[J]. Management Science， 2003， 49（12）： 1653-1670.

[9]Li Q. Risk aversion and the optimal time to produce[J]. IIE Transactions， 2007， 39： 145-158.

[10]黃焜，馬士華，冷凱君，等.訂單不確定條件下的供應(yīng)鏈協(xié)同決策研究[J].中國(guó)管理科學(xué)，2011，19（1）：62-69.

[11]Khouja M. The economic production lot size model under volume flexibility[J]. Computers Operation Research， 1995， 22（5）： 515-523.

[12]Darwish M A. EPQ models with varying setup cost[J]. International Journal of Production Economics， 2008， 113： 297-306.

[13]Vlachos D， Dekker R. Return handling options and order quantities for single period products[J]. European Journal of Operational Research， 2003， 151： 38-52.

[14]You P S， Wu M T. Optimal ordering and pricing policy for an inventory system with order cancellation[J]. OR Spectrum， 2007， 29： 661-679.

[15]Fleischmann M， Kuik R， Dekker R. Controlling inventories with stochastic item returns： a basic model[J]. European Journal of Operational Research， 2002， 138（1）： 63-75.

[16]黃祖慶，達(dá)慶利.一個(gè)允許退貨的庫(kù)存控制策略模型[J].東南大學(xué)學(xué)報(bào)（自然科學(xué)版），2003，33（6）：792-796.

[17]范麗繁，陳旭.顧客可能取消訂單的MTO企業(yè)訂單定價(jià)策略[J].管理學(xué)報(bào)，2012，9（5）：729-735.

[18]陳光會(huì)，趙議，蘇兵.價(jià)格隨機(jī)變化的面向訂單企業(yè)原材料庫(kù)存優(yōu)化模型[J].統(tǒng)計(jì)與決策，2019，35（6）：173-177.

[19]蘇兵，張萌，姬浩.應(yīng)急救援物資緊缺的配送車輛路徑選擇研究[J].運(yùn)籌與管理，2013，22（6）：57-64.