CN110245852B - 一种基于混合仿真的供应链物流网络效能评估分析方法 - Google Patents

一种基于混合仿真的供应链物流网络效能评估分析方法 Download PDF

Info

Publication number
CN110245852B
CN110245852B CN201910484932.0A CN201910484932A CN110245852B CN 110245852 B CN110245852 B CN 110245852B CN 201910484932 A CN201910484932 A CN 201910484932A CN 110245852 B CN110245852 B CN 110245852B
Authority
CN
China
Prior art keywords
simulation
node
model
analysis
transportation
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
CN201910484932.0A
Other languages
English (en)
Other versions
CN110245852A (zh
Inventor
王创剑
高晓芳
聂宇
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.)
Wuhan University of Science and Engineering WUSE
Original Assignee
Wuhan University of Science and Engineering WUSE
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 Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Priority to CN201910484932.0A priority Critical patent/CN110245852B/zh
Publication of CN110245852A publication Critical patent/CN110245852A/zh
Application granted granted Critical
Publication of CN110245852B publication Critical patent/CN110245852B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于软件应用技术领域，公开了一种基于混合仿真的供应链物流网络效能评估分析方法，基于节点间仿真模型进行节点间的仿真分析，并建立节点间仿真模型副本；其中节点间仿真分析在分析节点间物流行为过程中，不影响副本模型的相关数据，副本模型运行时获取的得到节点的订单数据信息将由数据库传递给相应的节点内仿真模型；当进行节点内物流仿真分析时，可以随时获取数据库中的数据，作为节点内仿真输入，进行独立分析；同时节点内仿真的部分效能数据也可以作为节点间仿真模型部分固定参数完善的参考。本发明可实现供应链物流系统效能提升的目标。

Description

一种基于混合仿真的供应链物流网络效能评估分析方法
技术领域
本发明属于软件应用技术领域，尤其涉及一种基于混合仿真的供应链物流网络效能评估分析方法。
背景技术
目前，业内常用的现有技术是这样的：
一般跨国公司的全球供应链物流系统的仿真分析，包括供应中心、港口、国家中心仓、站点/客户仓等关键角色和场景的效能评估优化，建立起供应链物流网络的仿真模型，以实现供应中心发货量与运输资源匹配、中心仓到发货与仓库产能瓶颈可模拟分析及预测，支撑产能预警、运输计划调整、仓库资源合理配置等功能
目前，业内针对这类系统常用的建模分析方法是这样的：
针对供应链整体网络进行抽象简化，使用某款适合物流网络仿真的工具，描述物流整体运作行为。其中对于供应链网络节点的建模方法，主要采用统计函数描述其吞吐行为，这种方法所分析的主要是供应链大网络的运作概况，仿真周期一般以月度、季度甚至年度为单位，仿真时钟步长较大，缺乏对物流操作的细节描述。
对于供应链网络节点内部的物流作业过程的建模分析，一般也是采用适合这类系统建模的仿真工具，针对物流作业行为进行细致刻画，能够分析详细的系统行为，仿真周期一般以天或周为单位，仿真时钟步长较小，但是这类建模方法难以针对大型的供应链网络进行分析，主要适合针对单个物流节点的运作效能进行独立分析。
导致这些不足的主要原因在于供应链运作是一个多层次的系统行为，不同层次的管理者所需要分析的对象粒度具有较大差异。例如供应链网络规划分析的对象是战略层面的，一般选取供应链节点之间的统计物流量为分析对象，忽略节点内的物流操作行为，从而降低问题复杂度，而在节点内的物流操作优化属于作业层面，一般也不考虑外部环境的影响。在企业数字化程度不够充分的条件下，不同层次的系统数据可能都没有打通，难以进行跨层次的全局考虑，因此所采用的建模方法也就根据不同层次的系统行为进行调整。当前新的制造业数字化环境为全局建模分析提供了数据基础，相应的也要求有新的全局建模技术与之适应。
综上所述，现有技术存在的问题是：
(1)现有供应链物流网络仿真分析方法，针对不同层次的系统行为难以建立全面的模型进行综合分析；而由于仿真试验速度限制，即使建立全面的仿真模型也会因为模型运行时间过长而缺乏实用价值。
(2)目前的供应链物流网络仿真分析方法，针对系统不同层次采用不同的工具进行分析，但分析过程中缺乏对不同层次模型的综合关联考虑，而实际供应链网络模型中，节点内与节点间的物流行为是强关联的，独立分析的方法无法准确描述和评估系统行为。
(3)目前的供应链物流网络仿真分析所针对的不同系统层次，其行为周期存在较大差异，导致不同层次的模型难以采用分布式仿真方法进行综合运行分析。
解决上述技术问题的难度：
现有方法和工具对于供应链物流网络的分析上，存在着精度和效率的矛盾：如果仿真细节太多，则分析效率太低，只能针对单个节点的小规模系统分析；如果仿真粒度比较粗，则速度提高，可以全网络分析，但丢失大量细节，系统精度下降。
解决上述技术问题的意义：
实现对供应链系统真正意义上的全局性精确建模分析，对于提升供应链系统相关运作效率指标具有重要价值。
在有效的时间内完成供应链全局系统模型的仿真试验分析，提高仿真运行速度，保证仿真分析的时效性和可用性，对于基于仿真分析的管理决策过程具有重要的实用价值。
发明内容
针对现有技术存在的问题，本发明提供了一种基于混合仿真的供应链物流网络效能评估分析方法。
本发明是这样实现的，一种基于混合仿真的供应链物流网络效能评估分析方法，所述基于混合仿真的供应链物流网络效能评估分析方法具体包括：
步骤一，梳理构建供应链物流网络系统流程；
步骤二，将供应链物流网络系统解构为仓储的节点内仿真模型与节点间的仿真模型两类，同时区分节点内和节点间模型之间的界限；
步骤三，针对不同的模型，采用不同的建模方法和工具进行混合解耦建模，形成不同的仿真分析评估框架；
步骤四，基于不同的仿真分析评估框架，将数据输入构建的节点内仿真模型与节点间仿真模型中进行混合仿真分析。
进一步，步骤一中，所述供应链物流网络系统运作流程构建方法具体包括：
(1)发货计划订单下达，对应的箱单信息生成；读取发货计划表，每条记录为一个订单；
(2)拆箱单到单个/多个车，按照运单表，每条记录为一个货运单记录；
(3)发车到厂，按照预约到厂时间，提前4个小时发车；读提货预约表的提货路线字段的第一个路由节点，按照其节点名称匹配路由节点表，获取其经纬度；
(4)提货：入厂的车按照预约时间排队(如果车迟到，则把实际到达时间作为预约时间)，进入等待队列；提货的车占用一个发货口和固定时间片的作业体积，直到提货完成；部分提货车依次经过各个提货点后，前往起运港；同时，提货点所关联的仓储节点内部作业作为节点内模型单独建模，仅提供必要的数据信息给节点间仿真模型；
(5)货物到港完成发货运输模拟；一个订单下的所有箱单都成功提货并达到起运港，则该订单可以进入国际运输阶段；国际段运输根据海运或空运路由及运输时间，预测订单达到目的港时间，完成运输模拟；其中目的港的仓储节点接受节点间的到货信息后，作为节点内仿真的收入进行后续仿真分析。
进一步，步骤三中，所述针对不同的模型，采用不同的建模方法进行混合建模具体包括：
(1)节点内仿真模型：其仿真对象是各个物流作业，采用离散事件建模方法；
(2)节点间仿真模型：以运输模型为主，其仿真对象主要为各个运输实体，属于临时对象，采用agent建模方法。
进一步，步骤四中，所述节点间仿真分析方法具体包括：
(1)选择性调整节点间运输模型参数；
(2)将供应链运输系统相关运输数据(包括运输管理、配送管理、风险事件管理系统等数据)输入构建的节点间运输模型中，驱动仿真运行；所述将运输数据输入运输模型后可进行模型界面展示，若对模型界面展示不满意，则返回步骤(1)；
(3)通过数据仪表盘界面，获取运营管理分析的效能评估结果，包括总体指标、分项指标、预警分析等；
(4)基于管理分析的效能评估结果进行重新决策，若对重新决策结果不满意则让供应链网络层面的决策者对决策方案进行what-if分析，优化相关决策参数，包括优化设置约束条件，优化设置分析目标，返回步骤(1)；若对重新决策结果满意，则仿真分析结束。
进一步，步骤四中，所述节点内仿真分析方法具体包括：
(1)节点内仿真配置；
(2将节点前订单到达数据、节点内其他输入数据输入节点间内物流作业模型中，驱动仿真分析；
(3)获取节点吞吐能力数据以及节点内仿真结果。
进一步，步骤四中，所述混合仿真分析具体包括：
基于节点间仿真模型进行节点间的仿真分析，并建立节点间仿真模型副本；其中节点间仿真分析在分析节点间物流行为过程中，不影响副本模型的相关数据，副本模型运行时获取的得到节点的订单数据信息将由数据库传递给相应的节点内仿真模型；
当进行节点内物流仿真分析时，可以随时获取数据库中的数据，作为节点内仿真输入，进行独立分析；同时节点内仿真的部分效能数据也可以作为节点间仿真模型部分固定参数完善的参考。
综上所述，本发明的优点及积极效果为：
本发明可描述供应链网络系统整体行为，同时能仿真物流细节操作的方法；针对不同层次采用合适的仿真工具，开发仿真工具之间的交互集成接口，实现了对供应链物流网络系统的高效、细致的分析与评估，从而支持供应链物流管理决策的有效实施，实现供应链物流系统效能提升的目标。
本发明对节点内、节点间两类模型都进行了必要的解耦，避免模型过多的交互操作；本发明可以针对供应链物流效能分析的不同决策层次，基于一个综合的、兼顾细节的仿真模型，提供模拟运作决策支持。
同时本发明的供应链物流仿真模型全面覆盖了节点内和节点间的不同作业流程，提供比一般数学模型更加精确细致的解决方案；节点内的仓储物流仿真分析可以充分外部物流网络行为的影响，比常规统计分析提供了更加准确的输入数据，可以为实际运营管理提供可供执行的决策方案；基于实际运营管理数据的供应链物流仿真分析框架，不仅可以支撑供应链管理的日常运营管理决策优化支持，同时能够辅助进行供应链结构规划决策，如选址、供应商评价等需求的支持。本发明综合应用离散仿真和agent仿真在供应链物流网络不同层面，为大型复杂系统的建模仿真分析提供可以参考的解决方案。
附图说明
图1是本发明实施例提供的基于混合仿真的供应链物流网络效能评估分析方法流程图。
图2是本发明实施例提供的供应链物流网络流程解耦建模原理图。
图3是本发明实施例提供的供应链物流网络系统运作流程构建方法流程图。
图4是本发明实施例提供的节点间仿真分析方法流程图。
图5是本发明实施例提供的节点间仿真分析评估框架图。
图6是本发明实施例提供的节点内仿真分析方法流程图。
图7是本发明实施例提供的节点内与节点间混合仿真分析框架图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理做详细描述。
如图1-图2所示，本发明实施例提供的基于混合仿真的供应链物流网络效能评估分析方法具体包括：
S101，梳理构建供应链物流网络系统流程；
S102，将供应链物流网络系统解构为仓储的节点内仿真模型与节点间的仿真模型两类，同时区分节点内和节点间模型之间的界限；
S103，针对不同的模型，采用不同的建模方法和工具进行混合解耦建模，形成不同的仿真分析评估框架；
S104，基于不同的仿真分析评估框架，将数据输入构建的节点内仿真模型与节点间仿真模型中进行混合仿真分析。
如图3所示，步骤S101中，本发明实施例提供的供应链物流网络系统运作流程构建方法具体包括：
S201，发货计划订单下达，对应的箱单信息生成；读取发货计划表，每条记录为一个订单；
S202，拆箱单到单个/多个车，按照运单表，每条记录为一个货运单记录；
S203，发车到厂，按照预约到厂时间，提前4个小时发车；读提货预约表的提货路线字段的第一个路由节点，按照其节点名称匹配路由节点表，获取其经纬度；
S204，提货：入厂的车按照预约时间排队(如果车迟到，则把实际到达时间作为预约时间)，进入等待队列；提货的车占用一个发货口和固定时间片的作业体积，直到提货完成；部分提货车依次经过各个提货点后，前往起运港；同时，提货点所关联的仓储节点内部作业作为节点内模型单独建模，仅提供必要的数据信息给节点间仿真模型；
S205，货物到港完成发货运输模拟；一个订单下的所有箱单都成功提货并达到起运港，则该订单可以进入国际运输阶段；国际段运输根据海运或空运路由及运输时间，预测订单达到目的港时间，完成运输模拟；其中目的港的仓储节点接受节点间的到货信息后，作为节点内仿真的收入进行后续仿真分析。
步骤S103中，本发明实施例提供的针对不同的模型，采用不同的建模方法进行混合建模具体包括：
(1)节点内仿真模型：其仿真对象是各个物流作业，采用离散事件建模方法；
(2)节点间仿真模型：以运输模型为主，其仿真对象主要为各个运输实体，属于临时对象，采用agent建模方法。
如图4-图5所示，步骤S104中，本发明实施例提供的节点间仿真分析方法具体包括：
S401，选择性调整节点间运输模型参数；
S402，将供应链运输系统相关运输数据(包括运输管理、配送管理、风险事件管理系统等数据)输入构建的节点间运输模型中，驱动仿真运行；所述将运输数据输入运输模型后可进行模型界面展示，若对模型界面展示不满意，则返回步骤S401；
S403，通过数据仪表盘界面，获取运营管理分析的效能评估结果，包括总体指标、分项指标、预警分析等；
S404，基于管理分析的效能评估结果进行重新决策，若对重新决策结果不满意则让供应链网络层面的决策者对决策方案进行what-if分析，优化相关决策参数，包括优化设置约束条件，优化设置分析目标，返回步骤S401；若对重新决策结果满意，则仿真分析结束。
如图6所示，步骤S104中，本发明实施例提供的节点内仿真分析方法具体包括：
S601，节点内仿真配置；
S602，将节点前订单到达数据、节点内其他输入数据输入节点间内物流作业模型中，驱动仿真分析；
S603，获取节点吞吐能力数据以及节点内仿真结果。
如图7所示，步骤S104中，本发明实施例提供的混合仿真分析具体包括：
基于节点间仿真模型进行节点间的仿真分析，并建立节点间仿真模型副本；其中节点间仿真分析在分析节点间物流行为过程中，不影响副本模型的相关数据，副本模型运行时获取的得到节点的订单数据信息将由数据库传递给相应的节点内仿真模型；
当进行节点内物流仿真分析时，可以随时获取数据库中的数据，作为节点内仿真输入，进行独立分析；同时节点内仿真的部分效能数据也可以作为节点间仿真模型部分固定参数完善的参考。
下面结合具体实施例对本发明的应用原理做进一步描述。
实施例1：
供应链物流网络系统是由多个仓储节点以及运输路径组成，因此将系统解构给两类模型，一类是仓储的节点内仿真模型，一类是节点间的运输模型，分别对两类模型采用不同的建模方法和工具进行混合建模和仿真分析。两类模型需要进行必要的解耦，避免模型过多的交互操作。解耦的关键在于对系统运作流程的合理构建，区分节点内和节点间模型之间的界限。具体构建流程如图2所示。
流程1：发货计划订单下达，对应的箱单信息生成。读发货计划表，每条记录为一个订单。
流程2：拆箱单到单个/多个车，按照运单表，每条记录为一个货运单记录。
流程3：发车到厂，按照预约到厂时间，提前4个小时发车。读提货预约表的提货路线字段的第一个路由节点，按照其节点名称匹配路由节点表，获取其经纬度。
流程4：提货。入厂的车按照预约时间排队(如果车迟到，则把实际到达时间作为预约时间)，进入等待队列。提货的车占用一个发货口和固定时间片的作业体积，直到提货完成。部分提货车依次经过各个提货点后，前往起运港。在该流程中，提货点所关联的仓储节点内部作业作为节点内模型单独建模，仅提供必要的数据信息给节点间仿真模型；
流程5：货物到港完成发货运输模拟。一个订单下的所有箱单都成功提货并达到起运港，则该订单可以进入国际运输阶段。国际段运输根据海运或空运路由及运输时间，预测订单达到目的港时间，完成运输模拟。其中目的港的仓储节点接受节点间的到货信息后，作为节点内仿真的收入进行后续仿真分析。
通过对供应链物流网络系统的流程梳理构建，形成仿真分析评估框架，如图5所示。导入供应链运输系统相关的运营数据，包括运输管理、配送管理、风险事件管理系统等数据，驱动仿真运行，通过数据仪表盘界面，获取运营管理分析的效能评估结果，包括总体指标、分项指标、预警分析等，让供应链网络层面的决策者对决策方案进行what-if分析，优化相关决策参数，实现供应链物流系统效能提升的目标。
对于供应链网络中各个节点内部的仓储管理决策来说，还需要进一步分析节点内仿真提供的评估结果，如图7所示。
对于节点间仿真模型来说，以运输模型为主，其仿真对象主要为各个运输实体，属于临时对象，采用agent建模方法更加合适；而对于节点内仓储模型来说，主要是各个物流作业，适合使用离散事件建模方法。在节点间仿真分析框架中，主要分析和决策对象为大的物流网络行为，无须过多关注节点内的细节操作，因此仅需节点内模型提供必要的输出数据和状态数据。而对于节点内的作业模型来说，外部输入数据则完全依赖节点间的物流行为。本发明对节点间的仿真建立模型副本，在分析节点间物流行为过程中，不影响副本模型的相关数据，副本模型运行时获取的得到节点的订单数据信息将由数据库传递给相应的节点内仿真模型。当进行节点内物流仿真分析时，可以随时获取数据库中的数据，作为节点内仿真输入，进行独立分析。并且节点内仿真的部分效能数据也可以作为节点间仿真模型部分固定参数完善的参考。
通过以上混合建模的方式，可以针对供应链物流效能分析的不同决策层次，基于一个综合的、兼顾细节的仿真模型，提供模拟运作决策支持。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于混合仿真的供应链物流网络效能评估分析方法，其特征在于，所述基于混合仿真的供应链物流网络效能评估分析方法具体包括：
步骤一，梳理构建供应链物流网络系统流程；
步骤二，将供应链物流网络系统解构为仓储的节点内仿真模型与节点间的仿真模型两类，同时区分节点内和节点间模型之间的界限；
步骤三，针对不同的模型，采用不同的建模方法和工具进行混合解耦建模，形成不同的仿真分析评估框架；
步骤四，基于不同的仿真分析评估框架，将数据输入构建的节点内仿真模型与节点间仿真模型中进行混合仿真分析；所述混合仿真分析具体包括：
基于节点间仿真模型进行节点间的仿真分析，并建立节点间仿真模型副本；其中节点间仿真分析在分析节点间物流行为过程中，不影响副本模型的相关数据，副本模型运行时获取的得到节点的订单数据信息将由数据库传递给相应的节点内仿真模型；
当进行节点内物流仿真分析时，随时获取数据库中的数据，作为节点内仿真输入，进行独立分析；同时节点内仿真的部分效能数据作为节点间仿真模型部分固定参数完善的参考；
步骤一中，所述供应链物流网络系统流程构建方法具体包括：
(1.1)发货计划订单下达，对应的箱单信息生成；读取发货计划表，每条记录为一个订单；
(1.2)拆箱单到单个/多个车，按照运单表，每条记录为一个货运单记录；
(1.3)发车到厂，按照预约到厂时间，提前4个小时发车；读提货预约表的提货路线字段的第一个路由节点，按照其节点名称匹配路由节点表，获取其经纬度；
(1.4)提货：入厂的车按照预约时间排队，如果车迟到，则把实际到达时间作为预约时间，进入等待队列；提货的车占用一个发货口和固定时间片的作业体积，直到提货完成；部分提货车依次经过各个提货点后，前往起运港；同时，提货点所关联的仓储节点内部作业作为节点内模型单独建模；
(1.5)货物到港完成发货运输模拟；一个订单下的所有箱单都成功提货并达到起运港，则该订单可以进入国际运输阶段；国际段运输根据海运或空运路由及运输时间，预测订单达到目的港时间，完成运输模拟；其中目的港的仓储节点接受节点间的到货信息后，作为节点内仿真的输入进行后续仿真分析；
步骤三中，所述针对不同的模型，采用不同的建模方法进行混合解耦建模具体包括：
(3.1)节点内仿真模型：其仿真对象是各个物流作业，采用离散事件建模方法；
(3.2)节点间仿真模型：以运输模型为主，其仿真对象为各个运输实体，属于临时对象，采用agent建模方法。
2.如权利要求1所述基于混合仿真的供应链物流网络效能评估分析方法，其特征在于，步骤四中，所述节点间仿真分析方法具体包括：
(4.1.1)选择性调整节点间运输模型参数；
(4.1.2)将供应链运输系统相关运输数据输入构建的节点间运输模型中，驱动仿真运行；所述将运输数据输入运输模型后进行模型界面展示，若对模型界面展示不满意，则返回步骤(4.1.1)；
(4.1.3)通过数据仪表盘界面，获取运营管理分析的效能评估结果，包括总体指标、分项指标、预警分析；
(4.1.4)基于管理分析的效能评估结果进行重新决策，若对重新决策结果不满意则让供应链网络层面的决策者对决策方案进行what-if分析，优化相关决策参数，包括优化设置约束条件，优化设置分析目标，返回步骤(4.1.1)；若对重新决策结果满意，则仿真分析结束。
3.如权利要求1所述基于混合仿真的供应链物流网络效能评估分析方法，其特征在于，步骤四中，所述节点内仿真分析方法具体包括：
(4.2.1)节点内仿真配置；
(4.2.2)将节点前订单到达数据、节点内其他输入数据输入节点内物流作业模型中，驱动仿真分析；
(4.2.3)获取节点吞吐能力数据以及节点内仿真结果。
CN201910484932.0A 2019-06-05 2019-06-05 一种基于混合仿真的供应链物流网络效能评估分析方法 Active CN110245852B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910484932.0A CN110245852B (zh) 2019-06-05 2019-06-05 一种基于混合仿真的供应链物流网络效能评估分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910484932.0A CN110245852B (zh) 2019-06-05 2019-06-05 一种基于混合仿真的供应链物流网络效能评估分析方法

Publications (2)

Publication Number Publication Date
CN110245852A CN110245852A (zh) 2019-09-17
CN110245852B true CN110245852B (zh) 2023-05-12

Family

ID=67886160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910484932.0A Active CN110245852B (zh) 2019-06-05 2019-06-05 一种基于混合仿真的供应链物流网络效能评估分析方法

Country Status (1)

Country Link
CN (1) CN110245852B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112529347B (zh) * 2019-09-19 2023-11-28 菜鸟智能物流控股有限公司 物流数据仿真方法、装置、电子设备和存储介质
CN112990633B (zh) * 2019-12-18 2024-04-05 菜鸟智能物流控股有限公司 指标数据生成方法、物流成本仿真方法、设备、存储介质
CN111401804B (zh) * 2020-02-28 2023-07-11 雅砻江流域水电开发有限公司 一种基于仿真的工程物资供应链网络规划方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105701273A (zh) * 2015-12-31 2016-06-22 北京华如科技股份有限公司 一种基于主体的组件化物流系统仿真计算方法
CN108491997A (zh) * 2018-02-09 2018-09-04 中国科学院空间应用工程与技术中心 一种复杂任务的规划方法及系统
CN109324523A (zh) * 2018-10-12 2019-02-12 西南交通大学 一种多虚拟服务节点统一建模方法及仿真方法
CN109472522A (zh) * 2019-01-13 2019-03-15 大连理工大学 生态型客货滚装码头系统多智能体微观仿真建模方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105701273A (zh) * 2015-12-31 2016-06-22 北京华如科技股份有限公司 一种基于主体的组件化物流系统仿真计算方法
CN108491997A (zh) * 2018-02-09 2018-09-04 中国科学院空间应用工程与技术中心 一种复杂任务的规划方法及系统
CN109324523A (zh) * 2018-10-12 2019-02-12 西南交通大学 一种多虚拟服务节点统一建模方法及仿真方法
CN109472522A (zh) * 2019-01-13 2019-03-15 大连理工大学 生态型客货滚装码头系统多智能体微观仿真建模方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于Multi-Agent物流业务流程组合化建模仿真研究;杨开宇;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;20110915;第36-60页 *
汽车供应链网络的混合建模仿真及其网络特性分析;姚丹;《万方数据》;20160129;第6-7，27-37页 *

Also Published As

Publication number Publication date
CN110245852A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
Schuijbroek et al. Inventory rebalancing and vehicle routing in bike sharing systems
CN110245852B (zh) 一种基于混合仿真的供应链物流网络效能评估分析方法
CN105512747B (zh) 物流智能优化调度系统
CN112686439A (zh) 一种智能的自动化集装箱码头节能综合调度方法
CN109784686A (zh) 产品全生命周期管理系统及方法
Jadrić et al. Process Mining Contributions to Discreteevent Simulation Modelling
Bayram et al. Hub network design problem with capacity, congestion, and stochastic demand considerations
Guraksin et al. ACO-based approach for integrating product lifecycle management with MRO services in aviation industry
Revetria et al. A generalized simulation framework to manage logistics systems: a case study in waste management and environmental protection
EP2220601A1 (en) Technology enterprise management apparatus and method therefor
Ruiz et al. Relational time-space data structure to enable strategic de-confliction with a global scope in the presence of a large number of 4d trajectories
Amiama et al. Spatial decision support system for the route management for milk collection from dairy farms
Young et al. An automated online tool to forecast demand for new railway stations and analyse potential abstraction effects
Sun et al. An automated warehouse sorting system for small manufacturing enterprise applying discrete event simulation
Burke Jr et al. Modelling force deployments from army installations using the transportation system capability (TRANSCAP) model: A standardized approach
Wieland et al. Fast and Efficient Aviation Analysis with Metrosim and the Predictive Query Language
Lin et al. Joint green dynamic order batching and picker routing problem using PSO with global worst experience
Zhang Lifting the Efficiency of Food Delivery with Drone Resupply
Wall A federated simulation approach to modeling port and roadway operations
van Ganzewinkel Optimizing the baggage handling process for flight handling at Schiphol Airport
Marunich et al. Passenger transportation: reliable information support
Hild A Modular Approach to Compare Optimization Methods for Bike Sharing Systems
CN116976069A (zh) 一种物流园区与仓储决策支持软件平台系统
Dendle Reactive mine optimisation with grade engineering
Letnik et al. Impact of Logistics Trends on Freight Transport Development in Urban Areas. Sustainability 2022, 14, 16551

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant