CN111597176A - 延迟供应链生成的教学仿真实训方法及系统 - Google Patents

延迟供应链生成的教学仿真实训方法及系统 Download PDF

Info

Publication number
CN111597176A
CN111597176A CN202010386728.8A CN202010386728A CN111597176A CN 111597176 A CN111597176 A CN 111597176A CN 202010386728 A CN202010386728 A CN 202010386728A CN 111597176 A CN111597176 A CN 111597176A
Authority
CN
China
Prior art keywords
supply chain
client
customer
module
library
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.)
Pending
Application number
CN202010386728.8A
Other languages
English (en)
Inventor
王睿
闻思源
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.)
Shandong University of Finance and Economics
Original Assignee
Shandong University of Finance and Economics
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 Shandong University of Finance and Economics filed Critical Shandong University of Finance and Economics
Priority to CN202010386728.8A priority Critical patent/CN111597176A/zh
Publication of CN111597176A publication Critical patent/CN111597176A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2468—Fuzzy queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes

Abstract

本公开公开了延迟供应链生成的教学仿真实训方法及系统，包括：获取订单数据，对订单数据进行数据清洗，对清洗后的订单数据进行客户属性特征提取；根据客户属性特征，对客户个体进行联合分析；基于联合分析结果对客户群进行聚类分析，将客户群体划分为若干类；针对每一类客户群体进行产品规划，结合产品规划进行产品构件配置，得到通用构件库和配选构件库；基于通用构建库，构造无延迟策略的供应链；根据客户群体的分类结果、通用构件库和配选构件库，生成基于COPD的有延迟供应链；对无延迟供应链和基于COPD的有延迟供应链，进行效果评估，输出无延迟供应链和基于COPD的有延迟供应链的问题以及风险分析。

Description

延迟供应链生成的教学仿真实训方法及系统
技术领域
本公开涉及教学仿真技术领域，特别是涉及延迟供应链生成的教学仿真实训方法及系统。
背景技术
本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。
供应链的整合、优化、共赢和生态能力决定了供应链的创新发展正在成为中国经济新旧动能转换的一个新动能。如何在供应链创新的教学实践方面实现前沿科学成果反哺实验实践教学，让学生身临其境地感受创新供应链管理，触发学生对供应链管理的理解，帮助企业真正实现业务深度协同合作，端到端管理，实现全渠道客户互动和商户管理的数字化，正在成为高校管理科学与工程学科教学面临的重要挑战。
目前应用较多的供应链和物流仿真软件系统，如Flexsim、Witness、Arena、SimLab等，都是基于一定的数学模型进行仿真模型的部件化构建，从数学优化角度评估仿真效果，并未实现针对具体应用的专题化仿真。
基于供应链精细化管理目的，许多教学与企业单位都购买了“模拟供应链管理”软件进行业务仿真系统实训。这种方式主要是让受训者独自操作模拟系统，优化供应链管理的业务流程，从而深化对供应链管理知识的理解。但这种方式受传统模式的束缚，参与者缺乏对仿真系统的理性思考，按部就班的实验教学方法使部分受训者失去学习兴趣，创新能力的培养难以实现，对于培养管理者的综合素质、创新素质和知识的综合应用能力有所欠缺。
同时，供应链本身涉及企业多、节点关系复杂、业务流程复杂，实验成本高；企业的信息系统与数据既保密又不可逆，且不对学生开放，导致学生很难有机会参与供应链核心业务和企业的操作实践。学生在学习期间没有得到多角色和实践能力的训练，与创新型人才的培养要求相脱节，对学生就业产生了一定的影响。
发明内容
为了解决现有技术的不足，本公开提供了延迟供应链生成的教学仿真实训方法及系统；
第一方面，本公开提供了延迟供应链生成的教学仿真实训方法；
延迟供应链生成的教学仿真实训方法，包括：
获取订单数据，对订单数据进行数据清洗，对清洗后的订单数据进行客户属性特征提取；
根据客户属性特征，对客户个体进行联合分析；基于联合分析结果对客户群进行聚类分析，将客户群体划分为若干类；
针对每一类客户群体进行产品规划，结合产品规划进行产品构件配置，得到通用构件库和配选构件库；
基于通用构建库，构造无延迟策略的供应链；根据客户群体的分类结果、通用构件库和配选构件库，生成基于COPD的有延迟供应链；
对无延迟供应链和基于COPD的有延迟供应链，进行效果评估，输出无延迟供应链和基于COPD的有延迟供应链的问题以及风险分析。
第二方面，本公开提供了延迟供应链生成的教学仿真实训系统；
延迟供应链生成的教学仿真实训系统，包括：
获取模块，其被配置为：获取订单数据，对订单数据进行数据清洗，对清洗后的订单数据进行客户属性特征提取；
分类模块，其被配置为：根据客户属性特征，对客户个体进行联合分析；基于联合分析结果对客户群进行聚类分析，将客户群体划分为若干类；
产品规划模块，其被配置为：针对每一类客户群体进行产品规划，结合产品规划进行产品构件配置，得到通用构件库和配选构件库；
供应链构造模块，其被配置为：基于通用构建库，构造无延迟策略的供应链；根据客户群体的分类结果、通用构件库和配选构件库，生成基于COPD的有延迟供应链；
评估模块，其被配置为：对无延迟供应链和基于COPD的有延迟供应链，进行效果评估，输出无延迟供应链和基于COPD的有延迟供应链的问题以及风险分析。
第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本公开的有益效果是：
供应链管理相关教学中，案例化的解析与仿真是非常重要的教学思路，仿真系统也应围绕该思路进行系统组织，本公开以延迟供应链运作模式的虚拟仿真案例为基础，构建了一种直观、易操作、数据来源多样化、算法动态加载、部件模块化的供应链仿真方法和系统，从而可方便地构造不同的仿真案例用于教学和生产实践，调动实验者参与积极和主动性、提升实践能力和增强创新创造能力，从而提高教学和生产实践的运行效率，有效降低管理和运营风险。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为第一个实施例的方法流程图；
图2为第一个实施例的基于通用构建库，构造无延迟策略的供应链示意图；
图3为第一个实施例的根据客户群体的分类结果、通用构件库和配选构件库，生成基于COPD的有延迟供应链示意图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
专业术语解释：
延迟供应链:延迟是对供应链业务流程的一种创新,延迟实现了大规模生产和定制化生产的有机相结合。延迟策略的本质是将客户订单分离点往后推迟，增加前端通用化生产的过程，在接到客户确切订单后才进行差异化生产加工。当接到客户订单时，企业便能以最快的速度完成产品的差异化过程与交付过程，以不变应万变，从而缩短产品的交货提前期，并降低供应链运作的不确定性，提高企业竞争能力。
虚拟仿真实验：虚拟仿真是现代企业科学管理技术之一,是将对象系统模型化,把模型作为实验装置,用来分析已存在的或计划中系统的一种技术。虚拟仿真是工程师、经理和决策人对提出的相关操作、流程、或是动态系统的方案进行试验、评估、以及视觉化的工具。
实施例一，本实施例提供了延迟供应链生成的教学仿真实训方法；
延迟供应链生成的教学仿真实训方法，包括：
S100：获取订单数据，对订单数据进行数据清洗，对清洗后的订单数据进行客户属性特征提取；
S200：根据客户属性特征，对客户个体进行联合分析；基于联合分析结果对客户群进行聚类分析，将客户群体划分为若干类；
S300：针对每一类客户群体进行产品规划，结合产品规划进行产品构件配置，得到通用构件库和配选构件库；
S400：基于通用构建库，构造无延迟策略的供应链；根据客户群体的分类结果、通用构件库和配选构件库，生成基于COPD的有延迟供应链；
S500：对无延迟供应链和基于COPD的有延迟供应链，进行效果评估，输出无延迟供应链和基于COPD的有延迟供应链的问题以及风险分析。
作为一个或多个实施例，所述S100：获取订单数据，对订单数据进行数据清洗，对清洗后的订单数据进行客户属性特征提取；优选地，所述客户订单信息，包括：内部订单信息和外部订单信息；
内部订单来源于线下门店、批发业务；线上官网、APP、小程序和公众号。外部订单来源于天猫、淘宝、京东、苏宁等第三方平台。第三方平台与供应链核心企业的内部平台进行对接，将生成的订单导入到内部平台。
所述客户订单信息，包括：客户的基本属性维度、客户领域维度和客户社交维度。
客户的基本属性维度，通过用户注册信息和人口统计信息获得；客户领域维度可通过已有订单和问卷调查获得；客户社交维度可通过GPS、RFID获得。
进一步地，对订单进行数据清洗，具体步骤包括：
对订单数据进行完整性检验、合法性检验和数据一致性检验。由于采集的数据呈现多元化的方式，具有异构化和数据不规范问题。数据清洗步骤采用预处理技术进行数据的清洗和加工、处理，得到完整、一致性数据，结合特征感知与维护系统，为后续订单特征生成做数据支撑。
通过完整性检验补全记录的空项，保证数据的精确性和可靠性。包括通过其他信息补全、通过前后数据补全等。
通过对数据进行合法性检验，避免错误非法的数据进入系统，设定判定规则，根据数据规则对数据的合法性进行检测。
通过对数据一致性的检验，避免由于不同系统抽取数据造成的数据格式、类型或编码方式不同。通过对数据进行唯一性的检验，去除重复记录，避免不同来源的数据出现重复的情况。
进一步地，所述对清洗后的订单数据进行客户属性特征提取，是采用模糊层次分析法(Fuzzy Analytic Hierarchy Process,F-AHP)进行客户属性特征提取。
进一步地，采用模糊层次分析法(Fuzzy AnalyticHierarchy Process,F-AHP)进行客户属性特征提取，具体步骤包括：
确定评价指标：对客户属性若干个特征进行比较和排序，建立指标集合S＝{si，i＝1,2,…,m}；
确定权重：根据结构分析法，确定每一评价指标的权重，W＝(w1，w2，…wn)T。
确定隶属度：客户对第k种属性符合程度的隶属度集，Lk＝(l1,l2,…,ln)T
综合评价：根据权重和隶属度，对客户基本属性维度、客户领域维度和客户社交维度做出综合排序；
客户基本属性维度、客户领域维度和客户社交维度即为客户属性特征。
作为一个或多个实施例，所述S200：根据客户属性特征，对客户个体进行联合分析，对客户群进行聚类分析，将客户群体划分为若干类；具体步骤包括：
根据客户基本属性维度、客户领域维度和客户社交维度，通过联合分析估算客户个体水平的效用函数；客户个体水平的效用函数，用于反映每个客户对产品各属性的偏好程度；
将客户效用函数值作为客户聚类的特征数据，视每一个客户为效用空间的一个点，采用谱系聚类完成对具有相似需求效用的客户划分，得到具有不同需求的客户群。
作为一个或多个实施例，所述S300：针对每一类客户群体进行产品规划，结合产品规划进行产品构件配置；具体步骤包括：
S301：在产品规划阶段，产品规划矩阵行为顾客需求，列为产品技术需求，包含一个对主要竞争对手产品的竞争性分析、对于现有产品所需的改进、改进后可能增加的销售量。通过产品规划矩阵，将客户需求转换为产品的性能；
S302：在构件配置阶段，构件配置矩阵包含产品性能、关键构件特征、产品性能与关键构件特征的相关关系、关键构件的目标值。通过构件配置矩阵将产品的生产特征转换为构件特征；
S303：在工艺规划阶段：工艺规划矩阵根据每个工艺特征的重要度和经验选择需要配置的关键工艺特征。通过工艺规划矩阵，确定实现生产特征和构件特征所对应的工艺特征；
S304：生产控制阶段：生产控制矩阵的行为工艺规划矩阵的列，列是各种生产操作和控制。通过生产计划矩阵，将构件特征和与生产控制方法一一对应，将工艺特征转换为通用构件库和配选构件库，从而满足顾客需求。
应理解的，所述构件特征，由待配置的产品性能和设计经验决定。
应理解的，所述关键工艺特征，关键构件特征和经验确定，保证构件满足其需求而在制造过程中必须加以控制的要素。
应理解的，所述通用构件库，是指前期根据市场预测生产的通用构件，包括零部件、元器件、原材料或制品等。
应理解的，所述配选构件库，是指前期根据订单数据分析和用户群体分析，需配选的构件，按照订单进行组装。
进一步地，S301中，采用质量功能展开QFD(Quality Function Deployment)进行客户需求的生产特征转化。
作为一个或多个实施例，所述S400：基于通用构建库，构造无延迟策略的供应链，如图2所示，具体步骤包括：
S401：使用Flexsim的实体库中发生器(Source)模块、处理器(Processor)模块和暂存区(Queue)模块构建上游供应商采购、运输和原材料库存；
S402：使用Flexsim的实体库中处理器(Processor)模块、暂存区(Queue)模块和合成器(Combiner)模块构建制造商模块的运输、原材料库存、加工和产成品库存；
S403：使用Flexsim的实体库中合成器(Combiner)模块、处理器(Processor)模块和吸收器(Combiner)模块构建零售商模块的订单处理、运输、顾客。
客户订单完成的过程中供应链上定制活动与标准化活动分离的点就称为顾客需求切入点(Customer Order Decoupling Point,CODP)。同一个供应链中的位置不是固定不变的，会随着市场环境的变化、企业生产技术的提高，而发生向前或者向后的漂移。
作为一个或多个实施例，所述S400：根据客户群体的分类结果、通用构件库和配选构件库，生成基于COPD的有延迟供应链，如图3所示，具体步骤包括：
S411：使用Flexsim的实体库中发生器(Source)模块、处理器(Processor)模块和暂存区(Queue)模块构建上游供应商采购、运输和原材料库存。
S412：使用Flexsim的实体库中处理器(Processor)模块、暂存区(Queue)模块和合成器(Combiner)模块构建制造商模块的运输、原材料库存、加工、订单处理、半成品库存和产成品库存。
在顾客订单到达之前，生产出通用的两种半成品X、Y；在顾客订单到达之后，制造商将两种半成品X、Y根据顾客订单需求生产出两种个性化的产成品A、B。
S413：使用Flexsim的实体库中合成器(Combiner)模块、处理器(Processor)模块和吸收器(Combiner)模块构建零售商模块的销售、运输、顾客。
作为一个或多个实施例，所述S500：对无延迟策略的供应链和基于COPD的有延迟供应链，进行效果评估；具体步骤包括：
对各节点库存水平进行评估、对各节点的设备利用率进行评估和对订单完成情况进行评估。
优选地，对各节点库存水平进行评估，是比较延迟策略前模型和有延迟策略的模型的原材料仓库、产成品仓库和零售商仓库的运行数据，比较平均存放时间、平均库存量和最大存货量，评估结果在采取延迟策略以后整体上降低了供应链各节点的库存水平，达到了规模效应。
优选地，对各节点的设备利用率进行评估，在施行延迟策略后，原材料处理器的利用率有所提升，达到了采购和运输的规模效应；且半成品处理器的利用率得到提高，达到了生产加工的规模效应；运输处理器利用率大幅提升，是因为按照顾客订单需求来加工生产因此不再需要复杂的分拣工作，这也说明采用延迟策略可以提高对顾客订单的响应性。在延迟点后才用的是订单驱动的拉式供应链。
优选地，对订单完成情况进行评估，采取延迟策略的模型通过半成品的不同组装方式产生更多样的产品从而能够更好地满足顾客的多样化需求。从而进一步验证延迟策略满足顾客多样化的需求。
有两种供应链仿真运行系统：
一种是常规的供应链按订单销售，客户订单分离点位于分销节点,从而保证了采购、制造、装配环节的一贯性和稳定性。
一种是基于延迟的供应链按订单设计和制造，CODP推移到产品规划阶段。
两种供应链仿真运行系统都存在同样的节点，同样的客户，同样的产品，即同样的基础数据，但是两种系统的效果不同。
最终效果评估决策产生全局最优方案。
下面结合具体操作列出其中一个具体实施案例。
延迟供应链运作模式虚拟仿真实验系统使用时，按照下述步骤进行：
第一步，虚拟仿真实验系统以“生鲜云厨”为案例背景。“生鲜云厨”采用“基地种植采摘+中央厨房加工+冷链车队配送+社区门店或线上销售”模式，打造出一条包含产、采、供、销一体化的供应链体系，将免洗、免切、免调料的生鲜产品直接送到家中。引导实验者分析生鲜供应链的实际需求。结合图1中的订单特征感知模块，以大数据环境为研究基础，对客户订单和外部订单数据清洗和预处理，通过特征感知模块感知订单数据业务特征和社会特征，进一步分析订单特征。
第二步，根据第一步订单特征分析，结合图1的客户群体自学习分类模块，引导实验者利用分类算法构造出客户分类模型，利用优化FCM算法聚类出客户属性原型，最终构建出客户画像原型：简约型、实用型、文艺型、小资型。
第三步，产品特征配置系统对产品的便利性(地域因素、配送方式)、实惠性(价格、促销)、推介性(品牌影响、广告作用、他人推介)、新奇性(新品种、进口产品)等四个特征因素进行提取和配置。产品族配置系统提取产品特征配置系统的信息，根据第二步客户群体自学习分类模块的信息分析，结合对未来需求的预测，通过相似性分析，以产品特征模块为基础，将特征相似的产品归为同一族。
第四步，根据第二步被动式的客户群体画像和第三步产品规划模块主动式的产品特征的配置这两部分基础数据，进入供应链规划模块。分析产品的需求特性、客户满意度要求、生产特性及存储特性，结合实施产品/流程再造所需的成本以及生产物流系统服务目标确定客户订单分离点的定位。
第五步，根据第四步供应链规划模块的细化供应链流程图，建立基于订单销售的供应链仿真运行系统、基于COPD的延迟供应链仿真运行系统两种供应链仿真模型。监测系统运行过程中的状态，多次运行系统得出可靠的实验结果，
最后针对各节点库存水平、各节点的设备利用率、订单完成情况三个实验结果指标对供应链运作进行分析，对两个模型的标准统计报告和每个实体的运作状态进行分析。发现该供应链系统中存在的问题，预测可能出现的风险以及为典型电商供应链企业流程设计优化及实施应用提供解决问题的可能和建议。
本公开主要解决以下技术问题：
(1)为解决供应链仿真中案例针对性弱的问题，本公开围绕供应链仿真相关主题，在系统结构上以案例化为基础进行构建，通过案例累积达成资源积累，方便使用者进行以案例为基础的聚向化实训；
(2)为解决仿真数据来源问题，本公开提供开放式通用数据接口可方便对接外部数据源，同时提供模拟数据生成子系统，用户可通过参数和算法配置随机批量生成模拟数据，从而有效解决供应链仿真中的数据来源问题；
(3)为解决供应链订单特征提取的准确性不足问题，本公开提供以模块和外接数据源为数据基础、以自学习算法为方法基础的特征感知子系统，配合数据清洗子系统，从而可以准确全面地自动生成供应链订单的主要特征，为后续准确仿真提供全结构化订单数据基础；
(4)为解决供应链客户类型区分中人为定义所带来的分类准确性和动态适应性不足问题，本公开基于客户订单标化数据，通过数据挖掘的聚类、分类和关联算法改进，提供了一种优化FCM(模糊C—均值聚类)算法，从而可以准确地进行客户分类，并且具备良好的时间动态性。
(5)为解决传统仿真系统中参数配置复杂的问题，本公开基于以案例化为基础的系统结构性优势，提供了通用参数配置模块，并且可以对不同配置进行套系化管理，从而达成在不同配置套系情况下可快速构建仿真系统，快速观察效果。
本公开的益处如下：
(1)高仿真：虚拟仿真教学设计真实，仿真度高；
本虚拟仿真实验设置了5大实验步骤，按照学生知识、能力的训练要求由浅入深，循序渐进。既包括实验背景知识的了解，也涉及参数调整下模型和算法设计，不仅为学生专业基本知识的掌握提供了有效工具，而且能够支持学生进行参数变化、方案调整的设计优化，并通过虚拟仿真进行可视化表达。对于学生创新能力提供了很好的手段和工具。
(2)互动性：教学方法先进，互动学习，引导学生自主性设计；
采用观察法、探究法、比较法等教学方法相结合，使学生通过虚拟仿真实验掌握“理论基础知识、实验过程探究、实验结果分析与讨论”三个递进的知识层级。其中，采用自主学习法教学方法可以引导学生自主、开放性提出延迟化供应链运作的总体要求，并采用探究法对上述各种相关参数的改变，采用讨论方式提高了学生的沟通能力和团队配合能力，可以获得供应链运作的最优方案。
(3)虚实结合：延伸与拓展设计教学，通过虚拟仿真使理论教学与实践教学有机统一；
传统教学方法难以形象直观地满足延迟供应链规划设计教学的需要，使得课堂理论教学与实践教学脱节，造成学生知识理解上的困难。本实验采用虚拟仿真的方式开展实验教学，可弥补实际供应链运作实验条件的不足，提升学生对于供应链运作规划全过程的识和理，为《供应链管理》、《供应链设计与分析》等课程提供丰富的实验素材，全方位提高相关课程实验和实践教学的水平。
在虚拟仿真实验教学过程中，通过虚实结合的方式，实验者进行订单数据分析、产品规划、客户画像、供应链规划、建模仿真、优化及评估。通过该过程，实验者在虚拟环境中自主进行实际的供应链运作模式的分析、设计、评估及决策过程，实验的结果可以被存储、处理和再现，增加实验者对真实环境的认识，提高实验效率和减少不必要的损失。
实施例二，本实施例提供了延迟供应链生成的教学仿真实训系统；
延迟供应链生成的教学仿真实训系统，包括：
获取模块，其被配置为：获取订单数据，对订单数据进行数据清洗，对清洗后的订单数据进行客户属性特征提取；
分类模块，其被配置为：根据客户属性特征，对客户个体进行联合分析；基于联合分析结果对客户群进行聚类分析，将客户群体划分为若干类；
产品规划模块，其被配置为：针对每一类客户群体进行产品规划，结合产品规划进行产品构件配置，得到通用构件库和配选构件库；
供应链构造模块，其被配置为：基于通用构建库，构造无延迟策略的供应链；根据客户群体的分类结果、通用构件库和配选构件库，生成基于COPD的有延迟供应链；
评估模块，其被配置为：对无延迟供应链和基于COPD的有延迟供应链，进行效果评估，输出无延迟供应链和基于COPD的有延迟供应链的问题以及风险分析。
此处需要说明的是，上述获取模块、分类模块、产品规划模块、供应链构造模块和评估模块对应于实施例一中的步骤S100至S500，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统，可以通过其他的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如上述模块的划分，仅仅为一种逻辑功能划分，实际实现时，可以有另外的划分方式，例如多个模块可以结合或者可以集成到另外一个系统，或一些特征可以忽略，或不执行。
供应链规划模块的供应链设计部分围绕核心企业,通过对信息流、物流、资金流的控制,将供应商系统、制造商系统、分销商系统、零售商系统直到最终客户连成一个整体的功能网链。供应链测试部分包括COPD测算与配置系统、供应链规划测试系统。测算与配置CODP(Customer Order Postponement Decoupling Point，顾客需求切入点)是指在延迟供应链策略中，推式流程与拉式流程的分界点，它是供应链中产品的生产从基于预测转向响应客户需求的转折点。
供应链规划模块有助于提高供应链管理水平，能够提高企业资源利用的效率，降低企业的与供应链相关的成本，并且能够帮助企业进行计划和决策，进而影响企业的战略决策。
供应链仿真模块包括仿真参数配置单元、基于订单销售的供应链仿真运行单元、基于COPD的延迟供应链仿真运行单元、效果评估与决策系单元。供应链仿真模块可以迅速评估各种可选方案，产生全局最优方案，利于对复杂的具有随机活动特征的供应链系统进行动态分析。
实施例三，本实施例还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例一所述的方法。
实施例四，本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.延迟供应链生成的教学仿真实训方法，其特征是，包括：
获取订单数据，对订单数据进行数据清洗，对清洗后的订单数据进行客户属性特征提取；
根据客户属性特征，对客户个体进行联合分析；基于联合分析结果对客户群进行聚类分析，将客户群体划分为若干类；
针对每一类客户群体进行产品规划，结合产品规划进行产品构件配置，得到通用构件库和配选构件库；
基于通用构建库，构造无延迟策略的供应链；根据客户群体的分类结果、通用构件库和配选构件库，生成基于COPD的有延迟供应链；
对无延迟供应链和基于COPD的有延迟供应链，进行效果评估，输出无延迟供应链和基于COPD的有延迟供应链的问题以及风险分析。
2.如权利要求1所述的方法，其特征是，对订单进行数据清洗，具体步骤包括：对订单数据进行完整性检验、合法性检验和数据一致性检验；
所述对清洗后的订单数据进行客户属性特征提取，是采用模糊层次分析法进行客户属性特征提取。
3.如权利要求2所述的方法，其特征是，采用模糊层次分析法进行客户属性特征提取，具体步骤包括：
确定评价指标：对客户属性若干个特征进行比较和排序，建立指标集合S＝{si，i＝1,2,…,m}；
确定权重：根据结构分析法，确定每一评价指标的权重，W＝(w1，w2，…wn)T；
确定隶属度：客户对第k种属性符合程度的隶属度集，Lk＝(l1,l2,…,ln)T
综合评价：根据权重和隶属度，对客户基本属性维度、客户领域维度和客户社交维度做出综合排序；
客户基本属性维度、客户领域维度和客户社交维度即为客户属性特征。
4.如权利要求1所述的方法，其特征是，根据客户属性特征，对客户个体进行联合分析，对客户群进行聚类分析，将客户群体划分为若干类；具体步骤包括：
根据客户基本属性维度、客户领域维度和客户社交维度，通过联合分析估算客户个体水平的效用函数；客户个体水平的效用函数，用于反映每个客户对产品各属性的偏好程度；
将客户效用函数值作为客户聚类的特征数据，视每一个客户为效用空间的一个点，采用谱系聚类完成对具有相似需求效用的客户划分，得到具有不同需求的客户群。
5.如权利要求1所述的方法，其特征是，针对每一类客户群体进行产品规划，结合产品规划进行产品构件配置；具体步骤包括：
在产品规划阶段，通过产品规划矩阵，将客户需求转换为产品的生产特征；
在构件配置阶段，利用产品规划阶段定义的产品的生产特征，通过构件配置矩阵将产品的生产特征转换为构件特征；
通过工艺规划矩阵，确定实现生产特征和构件特征所对应的工艺参数；
工艺控制阶段：通过工艺控制矩阵，将构件特征和工艺参数转换为通用构件库和配选构件库。
6.如权利要求1所述的方法，其特征是，基于通用构建库，构造无延迟策略的供应链，具体步骤包括：
使用Flexsim的实体库中发生器Source模块、处理器Processor模块和暂存区Queue模块构建上游供应商采购、运输和原材料库存；
使用Flexsim的实体库中处理器Processor模块、暂存区Queue模块和合成器Combiner模块构建制造商模块的运输、原材料库存、加工和产成品库存；
使用Flexsim的实体库中合成器Combiner模块、处理器Processor模块和吸收器Combiner模块构建零售商模块的订单处理、运输、顾客。
7.如权利要求1所述的方法，其特征是，根据客户群体的分类结果、通用构件库和配选构件库，生成基于COPD的有延迟供应链，具体步骤包括：
使用Flexsim的实体库中发生器Source模块、处理器Processor模块和暂存区Queue模块构建上游供应商采购、运输和原材料库存；
使用Flexsim的实体库中处理器Processor模块、暂存区Queue模块和合成器Combiner模块构建制造商模块的运输、原材料库存、加工、订单处理、半成品库存和产成品库存；
使用Flexsim的实体库中合成器Combiner模块、处理器Processor模块和吸收器Combiner模块构建零售商模块的销售、运输、顾客。
8.延迟供应链生成的教学仿真实训系统，其特征是，包括：
获取模块，其被配置为：获取订单数据，对订单数据进行数据清洗，对清洗后的订单数据进行客户属性特征提取；
分类模块，其被配置为：根据客户属性特征，对客户个体进行联合分析；基于联合分析结果对客户群进行聚类分析，将客户群体划分为若干类；
产品规划模块，其被配置为：针对每一类客户群体进行产品规划，结合产品规划进行产品构件配置，得到通用构件库和配选构件库；
供应链构造模块，其被配置为：基于通用构建库，构造无延迟策略的供应链；根据客户群体的分类结果、通用构件库和配选构件库，生成基于COPD的有延迟供应链；
评估模块，其被配置为：对无延迟供应链和基于COPD的有延迟供应链，进行效果评估，输出无延迟供应链和基于COPD的有延迟供应链的问题以及风险分析。
9.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。
CN202010386728.8A 2020-05-09 2020-05-09 延迟供应链生成的教学仿真实训方法及系统 Pending CN111597176A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010386728.8A CN111597176A (zh) 2020-05-09 2020-05-09 延迟供应链生成的教学仿真实训方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010386728.8A CN111597176A (zh) 2020-05-09 2020-05-09 延迟供应链生成的教学仿真实训方法及系统

Publications (1)

Publication Number Publication Date
CN111597176A true CN111597176A (zh) 2020-08-28

Family

ID=72191123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010386728.8A Pending CN111597176A (zh) 2020-05-09 2020-05-09 延迟供应链生成的教学仿真实训方法及系统

Country Status (1)

Country Link
CN (1) CN111597176A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112580258A (zh) * 2020-12-15 2021-03-30 北京动力机械研究所 基于数据驱动的发动机设计仿真人工智能分析方法及装置
CN113343556A (zh) * 2021-05-07 2021-09-03 青岛蓝智现代服务业数字工程技术研究中心 一种供应链优化系统
CN115311027A (zh) * 2022-10-11 2022-11-08 工业云制造(四川)创新中心有限公司 一种基于数字孪生的供应链管理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331783A (zh) * 2014-11-25 2015-02-04 南京工程学院 延迟定制装配型供应链网络联合经济批量模型及求解方法
CN108122157A (zh) * 2017-12-19 2018-06-05 广州众赢资讯科技有限公司 一种动态定制电商交互平台
CN109960826A (zh) * 2017-12-22 2019-07-02 北京京东尚科信息技术有限公司 供应链仿真方法和装置
CN110751462A (zh) * 2019-10-17 2020-02-04 中国葛洲坝集团装备工业有限公司 一种基于工业互联网的供应链管理系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331783A (zh) * 2014-11-25 2015-02-04 南京工程学院 延迟定制装配型供应链网络联合经济批量模型及求解方法
CN108122157A (zh) * 2017-12-19 2018-06-05 广州众赢资讯科技有限公司 一种动态定制电商交互平台
CN109960826A (zh) * 2017-12-22 2019-07-02 北京京东尚科信息技术有限公司 供应链仿真方法和装置
CN110751462A (zh) * 2019-10-17 2020-02-04 中国葛洲坝集团装备工业有限公司 一种基于工业互联网的供应链管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曾梦杰: "基于Flexsim 的供应链制造商延迟策略仿真研究" *
许文超等: "基于延迟策略供应链管理的改善" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112580258A (zh) * 2020-12-15 2021-03-30 北京动力机械研究所 基于数据驱动的发动机设计仿真人工智能分析方法及装置
CN113343556A (zh) * 2021-05-07 2021-09-03 青岛蓝智现代服务业数字工程技术研究中心 一种供应链优化系统
CN115311027A (zh) * 2022-10-11 2022-11-08 工业云制造(四川)创新中心有限公司 一种基于数字孪生的供应链管理方法及系统

Similar Documents

Publication Publication Date Title
Yang et al. Social media data analytics for business decision making system to competitive analysis
Manosuthi et al. Impact of distance on the arrivals, behaviours and attitudes of international tourists in Hong Kong: A longitudinal approach
Kangas et al. Multiple criteria decision support in forest management—the approach, methods applied, and experiences gained
Ayag* An integrated approach to evaluating conceptual design alternatives in a new product development environment
US7280977B2 (en) System and model for performance value based collaborative relationships
CN111597176A (zh) 延迟供应链生成的教学仿真实训方法及系统
Menold et al. The Prototype for X (PFX) framework: assessing the impact of PFX on desirability, feasibility, and viability of end Designs
Shafiei-Monfared et al. A novel approach for complexity measure analysis in design projects
Hyers Big data-driven decision-making processes, Industry 4.0 wireless networks, and digitized mass production in cyber-physical system-based smart factories
CN111079001A (zh) 装修推荐信息生成方法、装置、存储介质及电子设备
Kamrani et al. A framework for simulation-based optimization of business process models
Ereshko et al. Digital platforms clustering model
Zhang et al. An innovation service system and personalized recommendation for customer-product interaction life cycle in smart product service system
CN116862211A (zh) 一种业务流程柔性重构与协同优化方法
Chang et al. Knowledge-enabled digital twin for smart designing of aircraft assembly line
Nelson et al. The prototyping behaviors of startups: Exploring the relationship between prototyping behavior and the financial success of startups
Haque et al. Organisational analysis: A process‐based model for concurrent engineering environments
Racioppi et al. Modelling a sustainable requalification problem by analytic hierarchy process
Chen et al. Simulation modeling and analysis for stitching line of footwear industry
Wang Impact of Brand Marketing Strategies Based on Consumer Purchase Intention Mining
Pawar et al. Establishing concordance within concurrent engineering teams
Lo Storto A four-stage framework for the identification of information flow inefficiencies in the manufacturing environment
Shimomura et al. Fan Out of Japanese Service Engineering-the State of the Art
Bernedo et al. The Unified Enterprise Architecture (AEU) as a strategic tool organizational modeling for the funtional competitiveness of universities
Dushanbe Design a Model to Assess CRM Maturity in the Organization Using AHP

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