CN105046364B - 一种基于供应链的多周期库存优化管理方法 - Google Patents

一种基于供应链的多周期库存优化管理方法 Download PDF

Info

Publication number
CN105046364B
CN105046364B CN201510448097.7A CN201510448097A CN105046364B CN 105046364 B CN105046364 B CN 105046364B CN 201510448097 A CN201510448097 A CN 201510448097A CN 105046364 B CN105046364 B CN 105046364B
Authority
CN
China
Prior art keywords
production
cost
inventory
period
product
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510448097.7A
Other languages
English (en)
Other versions
CN105046364A (zh
Inventor
张登银
冒玮
王雪梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Xianfeida Logistics Co., Ltd.
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201510448097.7A priority Critical patent/CN105046364B/zh
Publication of CN105046364A publication Critical patent/CN105046364A/zh
Application granted granted Critical
Publication of CN105046364B publication Critical patent/CN105046364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于供应链的多周期库存优化管理方法,该方法下游节点企业采用(s,Q)生产策略对生产和库存进行控制;同时也为中游节点企业建立了与之相对应的动态库存模型,上、下游节点企业通力协作,使得整条供应链上的库存费用的总和达到最低。该方法不同于在非合作的情况下各节点企业只追求自身的库存成本达到最低。该方法同时可以得出整条供应链上在一个生产周期内的最优生产准备期、最优生产期以及最佳生产量。

Description

一种基于供应链的多周期库存优化管理方法
技术领域
本发明涉及的一种基于供应链的多周期库存优化管理方法,属于物流工程、供应链管理的技术领域。
背景技术
供应链是围绕核心企业,通过对信息流、物流、资金流的控制,从采购原料开始,制成中间产品以及最终产品,最后通过销售网络把产品送到消费者手中,同时也将供应商、制造商、分销商、零售商、和最终用户连成一个整体的功能网状链式结构。从供应链的定义可以看出,一个企业是网状模型中的一个节点,节点企业与节点企业之间是一种需求与供应的关系。供应链的复杂性又体现在成员企业数量较多,规模和能力不尽相同;企业之间存在竞争、合作与协同关系;动态演化以及环境的变化。
库存管理是供应链管理的重要内容之一,它是以控制库存为目的的方法、手段、技术和操作过程的集合,是对企业的库存进行计划、协调和控制的工作。供应链库存管理就是依据企业生产计划的要求和库存状况制定采购计划,并负责制定库存控制策略及计划的执行与反馈修改,以达到合理地确定库存量以及合理地运用资金,提高资金利用率,提高劳动生产率或增加销售额的目的。库存管理的目标有四个:一是降低库存成本,获取规模经济;二是提供平衡供给与需求的途径;三是改善物料搬运活动,实现作业的安定化;四是为不确定需求提供保障,提高客户的服务水平。从整体上来讲,对供应链的库存的研究仍然缺乏定量和深入的研究,尤其是在对多周期库存的优化与管理方面。而本发明能够很好地解决上面的问题。
发明内容
本发明的目的在于提出了一种基于供应链的多周期库存优化管理方法,该方法上、下游节点企业采用相同的生产周期,适合应用于对供应链的库存进行管理,从而使供应链的库存达到最低。
本发明解决其技术问题所采取的技术方案是:一种基于供应链的多周期库存优化管理方法,该方法包括如下步骤:
步骤1:计算下游节点企业的各项成本总和Cd。计算方法如下:总成本是由缺货损失、进货成本,库存成本构成,产品P在一个生产周期Tk内,da表示生产休息期的时间长度,db表示生产准备期时间长度,dc表示生产期时间长度,下游企业i的产品P在所有时段的期望总需求量为E(Xi),故在整个时间段内的期望总周期数为E(Xi)/Qi,单位产品P的缺货损失费为Qi为每周期内产品P的生产量;pm为产品P在周期Tk内的需求为m的概率,下游节点企业i的缺货损失费表示为:
在整条供应链的最优的生产条件下,对于下游厂商而言,每个周期Tk的产量可以近似为期望需求量,且每个单位时间内的产品需求量服从独立同分布,下游厂商生产休息期,生产准备期,和生产期内的产品P需求量与其时间成正比,在全部生产周期内,下游厂商i的期望库存成本为:
整个时间段内的生产单位产品P的进货成本为σi,故下游厂商i在整个时间段的总期望进货成本为:E(τi)=σiE(Xi)
步骤2:计算中游节点企业的各项成本总和Cm。计算方法如下:中游节点企业的生产周期与下游企业的订购提前期能达到同步,在下游企业的前一个生产周期内完成产品所需原料的生产,中游企业节点在周期Tk订购原料并把生产加工后的产品销售给下游各节点厂商,在每一周期Tk的初期,中游节点企业的库存水平为y1,随之以单位生产价格r来生产产品来补充库存,满足下游的订购需求,在Tk周期的期末,中游厂商在生产数量为qk的产品,满足下游厂商Dk的需求后,k周期期末的库存更新为yk+qk-Dk,在k周期内,中游厂商的库存费用函数为:
式中:
hk为Tk周期内的单位产品的库存持有成本,gk为Tk周期内下游厂商需求未得到满足时的单位库存损失成本;订单的积压意味着库存为负值,即:本周期的需求未得到满足可以在下一周期得到满足,但是须付出一定的惩罚成本;lk为Tk周期内的中游节点企业向上游企业的固定的订货成本,在整个周期时段内,中游节点企业的总的库存成本为:
步骤3:将中游节点企业的成本与下游节点的成本相加,在规定的约束条件下取其最小值,得出在一个生产周期内整条供应链上的最优生产准备期、最优生产期以及最佳生产量。
本发明是采用(s,Qi)的生产策略对下游企业i进行生产控制,当成品库存降至s时准备生产,生产量为Qi;生产时原材料无缺货,原材料存贮费不计算在本系统费用之内;在整个Tn时段内,用户对下游厂商i每个时间段的产品P的需求量分别为下游节点企业的成本总和Cd构成因素为:库存成本、缺货损失、进货成本。
本发明在下游企业的前一个生产周期内完成产品所需原料的生产;中游企业节点在周期Tk订购原料并把生产加工后的产品销售给下游各节点厂商;在每一周期Tk的初期,中游节点企业的库存水平为y1,随之以单位生产价格r来生产qk产品来补充库存,满足下游订购需求;在Tk周期的期末,中游厂商生产数量为qk的产品、满足下游厂商产品数量为Dk的需求后,k周期期末的库存更新为yk+qk-Dk,在k周期内,中游厂商的库存费用函数为:
式中:
hk为Tk周期内的单位产品的库存持有成本,gk为Tk周期内下游厂商需求未得到满足时的单位库存损失成本;订单的积压意味着库存为负值,即:本周期的需求未得到满足,在下一周期得到满足,但是须付出一定的惩罚成本;lk为Tk周期内的中游节点企业向上游企业的固定的订货成本;在整个周期时段内,中游节点企业的总的库存成本为:
本发明把整个复杂供应链看成是一个完整系统,订购策略的目标是促使整条供应链的库存成本达到最低,即:
min=Cm+Cd
供应链中游节点企业与下游节点企业之间应不允许缺货,中游节点企业在Tk周期内供应给下游节点企业的需求量Dk应不小于所有下游节点企业Tk周期内的产量求出下游节点企业的最优产量和一个周期内的最佳生产准备时间和生产时间。
本发明主要应用在供应链的多周期库存管理与优化。
有益效果:
1、本发明将各个节点企业的库存成本相加,并考虑在约束条件下取其最小值,能够得出在不确定需求的情况下,一个生产周期内整条供应链上的最优生产准备期、最优生产期以及最佳生产量,实现整条供应链的库存成本达到最低。
2、本发明上、下游节点企业采用相同的生产周期,适合应用于对供应链的库存进行管理。
附图说明
图1为本发明的下游厂商i产品P的库存示意图。
图2中游节点企业多周期库存模型示意图。
图3为本发明的方法流程图。
具体实施方式
下面结合说明书附图对本发明创造作进一步的详细说明。
1.下游厂商的成本Cd构成:
图1为下游厂商i产品P的库存示意图,以供应链下游厂商i的订购周期作为基准进行分析,采用(s,Qi)的生产策略对下游企业i进行生产控制,当成品库存降至s时准备生产,生产量为Qi;生产时原材料无缺货,原材料存贮费不计算在本系统费用之内。在整个Tn时段内,用户对下游厂商i每个时间段的产品P的需求量为
A.下游节点企业i的缺货损失E(ηi):
图1中,产品P在一个生产周期Tk内,da表示生产休息期的时间长度,db表示生产准备期时间长度,dc表示生产期时间长度。下游企业i的产品P在所有时段的期望总需求量为E(Xi),故在整个时间段内的期望总周期数为E(Xi)/Qi,单位产品P的缺货损失费为Qi为每周期内产品P的生产量;pm为产品P在周期Tk内的需求为m的概率,下游节点企业i的缺货损失费可以表示为:
B.下游节点企业i的库存成本E(λi):
在整条供应链的最优的生产条件下,对于下游厂商而言,每个周期Tk的产量可以近似为期望需求量,且每个单位时间内的产品需求量服从独立同分布。下游厂商生产休息期,生产准备期,和生产期内的产品P需求量与其时间成正比。在全部生产周期内,下游厂商i的期望库存成本为:
在式(2)中,对于下游厂商i来说,zi是单位产品P的库存费用;在Tn周期内,为生产休息内的期望平均库存量,为生产准备期内的期望平均库存量,为生产期内的期望平均库存量。每个生产准备期的初始库存为s。每个周期Tk的生产准备期结束时的库存取决于生产准备期内的产品P的需求量由图2可知,当时,生产准备期内的库存量为梯形面积a5t4t5a6,即为时,即产品P发生缺货时,生产准备期内的库存量可以用Δa1t1a2的面积来表示。根据条件假设,在下游生产商i的生产初始时刻的库存量为0,且如果在最优的生产条件下缺货量不会很大,为了简化分析,我们可以用Δa1t1t2的面积替代Δa1t1a2的面积,即略多算了生产准备期的库存量。可得出生产准备期的平均库存量为:
所以生产准备期内的期望平均库存量为:
同理,我们可以得出生产期的平均库存量为:
生产期内的期望平均库存量为:
生产休息期的库存量是:
生产休息期的期望平均库存量是:
从而可得到下游厂商i在Tn周期内的期望库存量为:
C.下游节点企业的进货成本:
整个时间段内的生产单位产品P的进货成本为σi,故下游厂商i在整个时间段的总期望进货成本为:
E(τi)=σiE(iX) (10)
D.下游厂商的总成本:
对于供应链中所有下游节点企业的进货成本,库存成本,缺货损失为:
本发明可由式(1)、(9)、(10)(11)得出下游厂商的成本Cd
2.中游厂商的成本构成Cm
本发明考虑中游节点企业的生产周期与下游企业的订购提前期能达到同步,在下游企业的前一个生产周期内完成产品所需原料的生产。中游企业节点在周期Tk订购原料并把生产加工后的产品销售给下游各节点厂商。在每一周期Tk的初期,中游节点企业的库存水平为y1,随之以单位生产价格r来生产qk产品来补充库存,在Tk周期的期末,满足下游厂商的订购需求Dk,中游厂商在生产数量为qk的产品,满足下游厂商Dk的需求后,k周期期末的库存更新为yk+qk-Dk,中游厂商的多周期库存状态运作模式如图2所示:
中游节点企业的库存状态方程为:yk+qk-Dk,k=1,2,....,n,;也可等价描述成:
在k周期内,中游厂商的库存费用函数为:
式中:
θk(qk,Dk)为中游厂商在Tk周期花费的库存费用,rk为Tk周期内的单位产品的生产价格,hk为Tk周期内的单位产品的库存持有成本,gk为Tk周期内下游厂商需求未得到满足时的单位库存损失成本。订单的积压意味着库存为负值,即本周期的需求未得到满足可以在下一周期得到满足,但是须付出一定的惩罚成本。lk为Tk周期内的中游节点企业向上游企业的固定的订货成本。在整个周期时段内,中游节点企业的总的库存成本为:
3.约束条件
本发明把整个复杂供应链看成是一个完整系统,订购策略的目标是促使整条供应链的库存成本达到最低,即:
min=Cm+Cd (15)
为了使供应链的库存成本达到最低,供应链中游节点企业与下游节点企业之间应不允许缺货,中游节点企业在Tk周期内供应给下游节点企业的需求量Dk应不小于所有下游节点企业Tk周期内的产量求出下游节点企业的最优产量和一个周期内的最佳生产准备时间和生产时间。

Claims (4)

1.一种基于供应链的多周期库存优化管理方法,其特征在于所述方法的上、下游节点企业采用相同的生产周期,包括以下步骤:
步骤1:计算下游节点企业的各项成本总和Cd;所述计算方法包括:总成本是由缺货损失、进货成本,库存成本构成,产品P在一个生产周期Tk内,da表示生产休息期的时间长度,db表示生产准备期时间长度,dc表示生产期时间长度,下游企业i的产品P在所有时段的期望总需求量为E(Xi),故在整个时间段内的期望总周期数为E(Xi)/Qi,单位产品P的缺货损失费为Qi为每周期内产品P的生产量;pm为产品P在周期Tk内的需求为m的概率,下游节点企业i的缺货损失费表示为:
在整条供应链的最优的生产条件下,对于下游厂商而言,每个周期Tk的产量可以近似为期望需求量,且每个单位时间内的产品需求量服从独立同分布,下游厂商生产休息期,生产准备期,和生产期内的产品P需求量与其时间成正比,在全部生产周期内,下游厂商i的期望库存成本为:
整个时间段内的生产单位产品P的进货成本为σi,故下游厂商i在整个时间段的总期望进货成本为:E(τi)=σiE(Xi);
步骤2:计算中游节点企业的各项成本总和Cm;所述计算方法包括:中游节点企业的生产周期与下游企业的订购提前期能达到同步,在下游企业的前一个生产周期内完成产品所需原料的生产,中游企业节点在周期Tk订购原料并把生产加工后的产品销售给下游各节点厂商,在每一周期Tk的初期,中游节点企业的库存水平为y1,随之以单位生产价格r来生产产品来补充库存,满足下游的订购需求,在Tk周期的期末,中游厂商在生产数量为qk的产品,满足下游厂商Dk的需求后,k周期期末的库存更新为yk+qk-Dk,在k周期内,中游厂商的库存费用函数为:
式中:
hk为Tk周期内的单位产品的库存持有成本,gk为Tk周期内下游厂商需求未得到满足时的单位库存损失成本;订单的积压意味着库存为负值,即:本周期的需求未得到满足可以在下一周期得到满足,但是须付出一定的惩罚成本;lk为Tk周期内的中游节点企业向上游企业的固定的订货成本,在整个周期时段内,中游节点企业的总的库存成本为:
步骤3:将中游节点企业的成本与下游节点的成本相加,在规定的约束条件下取其最小值,得出在一个生产周期内整条供应链上的最优生产准备期、最优生产期以及最佳生产量。
2.根据权利要求1所述的一种基于供应链的多周期库存优化管理方法,其特征在于,所述方法包括:采用(s,Qi)的生产策略对下游企业i进行生产控制,当成品库存降至s时准备生产,生产量为Qi;生产时原材料无缺货,原材料存贮费不计算在本系统费用之内;在整个Tn时段内,用户对下游厂商i每个时间段的产品P的需求量分别为下游节点企业的成本总和Cd构成因素为:库存成本、缺货损失、进货成本。
3.根据权利要求1所述的一种基于供应链的多周期库存优化管理方法,其特征在于,所述方法包括:把整个复杂供应链看成是一个完整系统,订购策略的目标是促使整条供应链的库存成本达到最低,即:
min=Cm+Cd
供应链中游节点企业与下游节点企业之间应不允许缺货,中游节点企业在Tk周期内供应给下游节点企业的需求量Dk应不小于所有下游节点企业Tk周期内的产量求出下游节点企业的最优产量和一个周期内的最佳生产准备时间和生产时间。
4.根据权利要求1所述的一种基于供应链的多周期库存优化管理方法,其特征在于:所述方法应用于供应链的多周期库存管理与优化。
CN201510448097.7A 2015-07-27 2015-07-27 一种基于供应链的多周期库存优化管理方法 Active CN105046364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510448097.7A CN105046364B (zh) 2015-07-27 2015-07-27 一种基于供应链的多周期库存优化管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510448097.7A CN105046364B (zh) 2015-07-27 2015-07-27 一种基于供应链的多周期库存优化管理方法

Publications (2)

Publication Number Publication Date
CN105046364A CN105046364A (zh) 2015-11-11
CN105046364B true CN105046364B (zh) 2018-08-17

Family

ID=54452891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510448097.7A Active CN105046364B (zh) 2015-07-27 2015-07-27 一种基于供应链的多周期库存优化管理方法

Country Status (1)

Country Link
CN (1) CN105046364B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108022061B (zh) * 2016-10-31 2023-04-07 株式会社日立制作所 库存管理系统和方法
CN109102221B (zh) * 2018-07-23 2021-03-26 华中科技大学 一种适用于磁性产品生产车间的粉料库存控制方法
CN109740793B (zh) * 2018-11-29 2020-08-11 杭州览众数据科技有限公司 一种基于概率需求分布的库存优化方法
CN110110926A (zh) * 2019-05-06 2019-08-09 武汉轻工大学 粮食加工环节的优化方法、设备、存储介质及装置
CN111695222B (zh) * 2020-05-25 2023-08-04 智强通达科技(北京)有限公司 基于成本限制下的成品油储备优化方法及辅助决策系统
CN112396374A (zh) * 2020-11-17 2021-02-23 山东财经大学 不确定环境下乳制品供应链系统库存优化管理系统及方法
CN114792220A (zh) * 2022-04-19 2022-07-26 佛山科学技术学院 基于上下游企业个性定制家具的多信息融合库存管理方法
CN115564497B (zh) * 2022-11-09 2023-08-15 深圳市鼎山科技有限公司 一种基于大数据的芯片供应管理系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2733124A1 (en) * 2006-07-07 2008-01-10 Factory Physics, Inc. Methods and systems for employing dynamic risk-based scheduling to optimize and integrate production with a supply chain
CN101470868A (zh) * 2008-05-27 2009-07-01 北京奥腾讯达科技有限公司 企业库存优化管理系统
CN101882254A (zh) * 2009-05-08 2010-11-10 北京正辰科技发展有限责任公司 物料分析预测系统
CN103106547A (zh) * 2013-02-21 2013-05-15 广州宝钢南方贸易有限公司 一种钢材采购需求预测装置及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2733124A1 (en) * 2006-07-07 2008-01-10 Factory Physics, Inc. Methods and systems for employing dynamic risk-based scheduling to optimize and integrate production with a supply chain
CN101470868A (zh) * 2008-05-27 2009-07-01 北京奥腾讯达科技有限公司 企业库存优化管理系统
CN101882254A (zh) * 2009-05-08 2010-11-10 北京正辰科技发展有限责任公司 物料分析预测系统
CN103106547A (zh) * 2013-02-21 2013-05-15 广州宝钢南方贸易有限公司 一种钢材采购需求预测装置及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HD机械制造公司存货管理研究;刘莹莹;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;20140315(第3期);第J152-741页 *
供应链管理下的库存优化研究;郑九龙;《中国优秀博硕士学位论文全文数据库 (硕士) 社会科学Ⅰ辑(经济政治与法律)》;20040915(第3期);第J152-309页 *
基于协同供应链的多级多周期库存管理优化模型研究;许波;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;20120315(第3期);第J145-548页 *
物流中的库存控制理论应用;刘健;《中国优秀博硕士学位论文全文数据库(硕士) 社会科学Ⅰ辑(经济政治与法律)》;20041215(第4期);第J145-353页 *

Also Published As

Publication number Publication date
CN105046364A (zh) 2015-11-11

Similar Documents

Publication Publication Date Title
CN105046364B (zh) 一种基于供应链的多周期库存优化管理方法
Mohammaditabar et al. A game theoretic analysis in capacity-constrained supplier-selection and cooperation by considering the total supply chain inventory costs
Dong et al. Two-period pricing and quick response with strategic customers
CN101261695A (zh) 一种流程工业生产调度系统的实时动态再调度方法
CN105205701A (zh) 一种网络动态定价方法和系统
JP4185970B2 (ja) ヴァーチャルファブ向け生産スケジュール生成方法
CN111582650A (zh) 一种物料需求计划计算方法
CN103106547A (zh) 一种钢材采购需求预测装置及方法
Egri et al. Channel coordination with the newsvendor model using asymmetric information
Glock et al. A coordination mechanism for supply chains with capacity expansions and order-dependent lead times
KR20190140528A (ko) 딥 러닝을 이용한 화훼 경매가 예측 시스템
Mishra Inventory model for deteriorating items with revenue sharing on preservation technology investment under price sensitive stock dependent demand
Ajupov et al. Optimization of interaction of industrial enterprises and marketing network
JP2007272853A (ja) 農産物生産・流通システム
Yang et al. Fuzzy TOPSIS-based supply chain optimization of fresh agricultural products
CN111882169A (zh) 一种基于pert核心erp(mrpii)业务模型
Cai et al. Safety stock management based on lead time optimization
Dean et al. Improvements to the quarterly productivity measures
Lo et al. Optimization of contractor’s S-curve
Guirong et al. Study on Auto Enterprise Inventory Management
Wang et al. Carbon trading supply chain management based on constrained deep reinforcement learning
Liu et al. Collaborative optimal pricing model of dual-channel supply Chain
Badakhshan et al. Simulation-based system dynamics optimization modelling of supply chain working capital management under lead time uncertainty
Li et al. Emergency decision model for supply chain distribution in emergency response
Luo et al. Supply chain coordination and revenue-sharing contract with backlogs for a perishable product

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20190604

Address after: 530000 Room 602, 6th Floor, Building A, Building 15, Phase II, Software Park, 68 Keyuan Avenue, Xixiangtang District, Nanning City, Guangxi Zhuang Autonomous Region

Patentee after: Guangxi Xianfeida Logistics Co., Ltd.

Address before: 210003 new model road 66, Gulou District, Nanjing, Jiangsu

Patentee before: Nanjing Post & Telecommunication Univ.

TR01 Transfer of patent right