姜燕寧，郝書池

（1.廣州大學(xué) 地理科學(xué)學(xué)院，廣州 510006；2.廣州城市職業(yè)學(xué)院 商貿(mào)系，廣州 510405）

0 引言

隨著庫存對訂貨成本、運輸成本、庫存持有成本、缺貨成本及客戶滿意度的影響越來越大，庫存控制越來越被引起重視，出現(xiàn)了（Q，R）等一些適用于獨立庫存點的庫存控制方法；后來有學(xué)者研究發(fā)現(xiàn)可以通過集中存儲或橫向轉(zhuǎn)運等方式調(diào)配同級多個庫存點間的庫存，相比各庫存點獨立存儲庫存，更有助于降低系統(tǒng)整體庫存。而多級配送網(wǎng)絡(luò)的出現(xiàn)，供應(yīng)商、配送中心和零售商之間的庫存決策相互影響，多級配送網(wǎng)絡(luò)的庫存控制被納入研究范疇，基于供應(yīng)鏈管理的思想出現(xiàn)了供應(yīng)商管理庫存、聯(lián)合庫存管理和協(xié)同式庫存管理等中心化庫存控制策略。但是，傳統(tǒng)多級配送網(wǎng)絡(luò)庫存系統(tǒng)中，各個庫存點都是在從自身的角度出發(fā)或者僅考慮配送網(wǎng)絡(luò)的局部利益制定庫存管理決策，無法實現(xiàn)全局性的資源配置和成本降低；隨著云服務(wù)思想的出現(xiàn)，有學(xué)者將其引入到多級配送網(wǎng)絡(luò)的庫存控制決策過程中，開始探討云服務(wù)模式下的多級配送網(wǎng)絡(luò)庫存控制策略，以實現(xiàn)庫存信息的多方向聚集和庫存資源的網(wǎng)絡(luò)化控制。此外，配送需求預(yù)測與庫存配置決策相互影響，傳統(tǒng)的決策思路是首先基于預(yù)測偏差最小得到配送需求預(yù)測結(jié)果，然后根據(jù)預(yù)測值制訂庫存決策，其決策效果受預(yù)測方法的影響較大，無法實現(xiàn)總成本最小和預(yù)測誤差最小的共同目標(biāo)。因此，亟待探討云服務(wù)模式下配送需求預(yù)測與庫存配置聯(lián)合決策模型。

1 傳統(tǒng)多級庫存控制策略回顧

庫存控制是一個系統(tǒng)問題，供應(yīng)商、生產(chǎn)商、零售商在制定庫存策略時，不僅僅考慮內(nèi)部因素和自身利益，還需保證信息共享、真實、透明和及時的前提下，兼顧供應(yīng)鏈各主體利益，從供應(yīng)鏈整體優(yōu)化的角度出發(fā)尋求庫存控制方法，這就是多級庫存控制問題。秦緒偉，范玉順，尹朝萬[1]假設(shè)分銷點和分撥中心分別采用（R，s，Q）、（s，S）庫存控制策略，構(gòu)建包括庫存成本、運輸成本和設(shè)施成本的選址——庫存模型。呂飛，李延暉[2]假設(shè)生產(chǎn)基地、備選配送中心和零售點的位置已經(jīng)確定，零售點采用單周期隨機存儲策略，以庫存費用、選址費用、運輸費用之和最小為目標(biāo)建立庫存和選址聯(lián)合優(yōu)化模型。Oded Berman[3]分別構(gòu)建相同庫存檢查周期和不同庫存檢查周期情況下的選址——庫存聯(lián)合決策模型。馬宇紅，張浩慶，姚婷婷[4]假設(shè)分銷中心和分銷點均采用（Q，R）庫存控制策略，備選分銷中心地址和庫存能力已知，以服務(wù)水平和庫存容量為約束條件，以設(shè)施成本、運輸成本、庫存成本之和最小為目標(biāo)，構(gòu)建隨機需求分銷網(wǎng)絡(luò)的選址庫存聯(lián)合優(yōu)化模型。多級庫存系統(tǒng)主要包括中心化和非中心化兩種模式：

1）非中心化管理系統(tǒng)與模型

圖1 非中心化多級庫存管理模式[5]

非中心化庫存控制策略下，各庫存主體基于本位主義思想制定庫存策略，有利于發(fā)揮各個庫存點的自主性和靈活性。但是，由于各主體信息共享程度低，造成各級需求逐漸的變異放大，產(chǎn)生“牛鞭”效應(yīng)，并不能帶來供應(yīng)鏈整體庫存優(yōu)化。

2）中心化庫存管理系統(tǒng)與模型

（1）供應(yīng)商管理庫存模式（VMI）

圖2 VMI庫存控制模式[6]

（2）聯(lián)合庫存管理模式（JMI）

圖3 聯(lián)合庫存控制模式[7]

圖4 CPRF庫存管理[7]

（4）集中存儲和橫向轉(zhuǎn)運相結(jié)合的庫存管理模式[8]

圖5 存在集中存儲與橫向轉(zhuǎn)運的配送網(wǎng)絡(luò)

中心化庫存控制策略下，各庫存主體信息完全共享，庫存控制策略是基于供應(yīng)鏈整體庫存優(yōu)化的前提由供應(yīng)鏈各方主體共同協(xié)商制定。但是，中心化庫存控制策略需要兼顧各方利益，管理協(xié)調(diào)工作難度大，特別是系統(tǒng)層次比較多時更難；另外，誰是供應(yīng)鏈的核心，由誰來主導(dǎo)協(xié)調(diào)也是關(guān)鍵問題。

2 云服務(wù)模式下的多級庫存控制策略探討

在傳統(tǒng)的物流配送網(wǎng)絡(luò)中，各個庫存點都在依靠自己的資源來提供能夠提供的服務(wù)，資源和服務(wù)之間的關(guān)系是強耦合性。另外，受傳統(tǒng)管理模式的影響，各個庫存點都是在從自己角度出發(fā)制定庫存管理決策，無法達到全局性的資源配置和成本降低。云服務(wù)模式就是要打破實體企業(yè)的邊界，讓能力和資源進行虛擬空間的整合，形成虛擬資源平臺；供應(yīng)鏈成員共同享用這些資源，并在供應(yīng)鏈成員之間合理配置，實現(xiàn)資源的一體化集成和調(diào)度，如圖6[9]所示。

圖6 云庫存控制模式

云服務(wù)模式下的庫存控制就是要通過庫存信息的多方向聚集和庫存資源的網(wǎng)絡(luò)化控制，實現(xiàn)供應(yīng)鏈多級、多庫存點的庫存優(yōu)化，各種庫存控制策略的區(qū)別如表1所示。

表1 五種庫存策略比較[8]

3 云服務(wù)模式下配送需求預(yù)測與庫存配置聯(lián)合決策模型構(gòu)建

在獨立決策思路下，首先基于需求預(yù)測誤差最小得到需求預(yù)測結(jié)果，然后根據(jù)預(yù)測值作庫存決策，此時無法判定T期總成本是否最小?？紤]到傳統(tǒng)決策方法的不足，提出以T期總成本最小和預(yù)測偏差最小為決策目標(biāo)，構(gòu)建需求預(yù)測和庫存配置聯(lián)合決策模型。

3.1 問題假設(shè)

1）考慮多配送中心、多零售商的配送網(wǎng)絡(luò)，配送中心備選點和零售商位置已知；

2）每個零售商的需求可以由多個配送中心協(xié)同完成，且零售商的需求要求全部得到滿足；

3）配送中心有容量約束。

3.2 參數(shù)定義

I：備選配送中心集合，某一個配送中心用i表示

J：零售商集合，某一個零售商為j

T：計劃周期t的集合

z：一定服務(wù)水平下的安全系數(shù)

Dt,j：第t期零售商j需求實際值（噸）

(Dt,j：第t期零售商j需求預(yù)測值（噸）

ut,j：需求點j第t期需求均值（噸），ut,j=(Dt,j

σut,j：需求點j 第t 期需求標(biāo)準(zhǔn)差（噸），σut,j=1.25MADt,j（其中MADt,j=αMAD（t-1）,j+（1-α）(t-1)j-D(t-1)j|；

α為平滑系數(shù)，一般取值0.1到0.2之間）Cq：單位缺貨成本，取15元/噸

Ch：單位庫存持有成本，取12元/天·噸

dij：配送中心i到零售商j距離（Km）

Ct,i：第t期配送中心i最大容量，取值1000噸

Cyij：從配送中心i到零售商j的單位運輸成本（元/噸·Km），取值0.3元

Xt,ij：第t期配送中心i對零售商j的覆蓋比例，且0≤Xt,ij≤1。

3.3 模型構(gòu)建

云服務(wù)模式下的配送需求預(yù)測與庫存配置聯(lián)合決策模型：

式(5)表示總成本最低，式(6)表示需求預(yù)測誤差最小，式(7)表示配送中心和零售商的協(xié)同服務(wù)關(guān)系，式(8)表示零售商j的所有需求要被滿足，式(9)表示第t期配送中心i的最大容量限制。

4 算例實驗

4.1 算例參數(shù)

現(xiàn)有1個供應(yīng)商、5個備選配送中心（i=1，2，3，4，5）、20個零售商（j=1，2…20）構(gòu)成的配送網(wǎng)絡(luò)，配送中心的坐標(biāo)為（99，79）、（6，48）、（10，28）、（46，15）、（15，83）。其他數(shù)據(jù)如下：

4.2 模型求解

利用前3期配送需求數(shù)據(jù)，采用文獻[10]中基于遺傳算法改進的灰色Elman神經(jīng)網(wǎng)絡(luò)預(yù)測方法得到零售商j的第4、5期需求預(yù)測值如表4所示。此外，在MATLAB中調(diào)用GAOT遺傳算法工具箱來對模型進行求解，軟色體編碼及初始種群的生成方法如下：

表2 零售商j的坐標(biāo)值

表3 零售商j的需求實際值（單位：噸）

表4 零售商j的第4～5期需求預(yù)測值（單位：噸）

（續(xù)表4）

設(shè)I個配送中心，J個零售商，分T期

1）隨機變量設(shè)為TJ個，取值范圍為1～（2T-1）。

2）再增加隨機變量TJI個，取值范圍為0～1，組成T*J覆蓋比例矩陣，即每個配送中心與每個零售商都有一個隨機覆蓋比例，與狀態(tài)矩陣對應(yīng)。

3）對1）中的隨機變量取整后轉(zhuǎn)換為二進制數(shù)，使一個零售商可以與多個配送中心進行對應(yīng)，最少一個、最多I個。

4）對T期中的配送中心與零售商的配送關(guān)系賦值，形成狀態(tài)矩陣。

5）狀態(tài)矩陣與覆蓋比例矩陣進行點乘，從而獲得與狀態(tài)矩陣所對應(yīng)的覆蓋比例原始矩陣。即配送中心與零售商有對應(yīng)關(guān)系才取值，否則覆蓋比例為0。

6）對覆蓋比例原始矩陣進行歸一化計算，即確保一個零售商的所有覆蓋比例和為1，從而獲得歸一化后的覆蓋比例矩陣。

第5期配送需求服務(wù)分配方案如表5所示。

表5 第5期覆蓋比例Xt,j矩陣

4.3 模型的穩(wěn)定性分析

取三組不同規(guī)模的隨機算例分別運算云服務(wù)模式獨立決策（模型中去掉目標(biāo)函數(shù)和云服務(wù)模式聯(lián)合決策模型，不同問題規(guī)模、不同模型的計算結(jié)果如表6所示，由結(jié)果可知云服務(wù)模式聯(lián)合決策模型在不同問題規(guī)模下的穩(wěn)定性較好，且依然保持著成本優(yōu)勢。

表6 兩種模型總成本對比（元）

5 結(jié)語

VMI、JMI和CPFR等庫存控制策略僅能實現(xiàn)多級配送網(wǎng)絡(luò)的局部庫存資源優(yōu)化配置；集中存儲和橫向轉(zhuǎn)運等庫存控制策略也僅僅考慮到多級配送網(wǎng)絡(luò)中同級庫存點間的庫存資源共享，而沒有解決縱向各節(jié)點間的庫存資源優(yōu)化配置問題。云服務(wù)模式借助云的思想構(gòu)建云庫存資源池，注重分散資源集中管理、集中資源分散服務(wù)，能實現(xiàn)多級配送網(wǎng)絡(luò)的全局優(yōu)化。在聯(lián)合決策模型中，可以避免因預(yù)測方法不當(dāng)而造成的庫存成本上升，有助于實現(xiàn)總成本最小和預(yù)測誤差最小的雙重目標(biāo)。