CN111695222A - 基于成本限制下的成品油储备优化方法及辅助决策系统 - Google Patents
基于成本限制下的成品油储备优化方法及辅助决策系统 Download PDFInfo
- Publication number
- CN111695222A CN111695222A CN202010445575.XA CN202010445575A CN111695222A CN 111695222 A CN111695222 A CN 111695222A CN 202010445575 A CN202010445575 A CN 202010445575A CN 111695222 A CN111695222 A CN 111695222A
- Authority
- CN
- China
- Prior art keywords
- reserve
- module
- finished oil
- supply chain
- oil
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 3
- 239000003921 oil Substances 0.000 description 213
- 238000007726 management method Methods 0.000 description 7
- 238000005192 partition Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于成本限制下的成品油储备优化方法及辅助决策系统,所述基于成本限制下的成品油储备辅助决策系统包括成品油供应链网络模块、成品油储备指标模块、成品油储备优化模块和辅助决策模块,首选获取成品油供应消耗过程要素,建立供应链网络模型;然后获取成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度,并结合获取的成品油储备成本预算,建立储备优化模型;最后基于所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据,能够全面的对成品油储备进行评估。
Description
技术领域
本发明涉及军队成品油储备技术领域,尤其涉及一种基于成本限制下的成品油储备优化方法及辅助决策系统。
背景技术
石油作为现代战争的血液,是军队战斗力生成的不可或缺要素,由于军队是一个特殊的用户,其成品油需求量在平时、临时动员时期和战争时期相差很大,并随着战争规模、强度和时间的增加而剧增。另外,部分成品油品种属于军队专用。因此,世界各国军队都存储一定数量的成品油储备,以满足军事应急需求。目前我国军队实行按区域联勤保障,每个区域内都建立了一定数量的成品油储备油库和供应链体系,为成品油储备进行效能优化,能够发现成品油储备的薄弱环节、能定性定量的分析成品油储备的某个指标因素对整体储备可靠性及储备成本的影响程度。而且随着现代战争信息化不断加剧,要求后勤保障必须快速的根据实际情况作出调整。以往的油料储备优化大多着眼于具体的油料储存过程方面的研究,大多数的技术着重于成品油损耗控制、成品油防变质等单项效能的研发,忽视了油料储备过程中整体储备布局的影响,无法得出区域整体成品油储备的效能评估。并且已有的成品油储备管理方法不成系统,或单一的对某种油料、某个油库进行储存能效评估,无法全面的对成品油储备进行评估。
发明内容
本发明的目的在于提供一种基于成本限制下的成品油储备优化方法及辅助决策系统,能够全面的对成品油储备进行评估。
为实现上述目的,第一方面,本发明提供了一种基于成本限制下的成品油储备优化方法,包括:
获取成品油供应消耗过程要素,建立供应链网络模型;
获取成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度;
基于所述供应链网络可靠度和获取的成品油储备成本预算,建立储备优化模型;
基于所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据。
其中,所述获取成品油供应消耗过程要素,建立供应链网络模型,包括:
获取供应侧信息、油料运输信息、油料储备信息和需求信息,并进行数据整理后,建立对应的成品油供应链网络模型,并得到所述供应链网络模型的初始参数。
其中,所述获取成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度,包括:
根据获取的成品油供应量及各个单位需求量历史数据,得到对应的供应量指数分布参数和各个单位需求量指数分布参数,并利用可靠度评价指标函数计算出对应的供应链网络可靠度和成品油储备处重要性测度。
其中,基于所述供应链网络可靠度和获取的成品油储备成本预算,建立储备优化模型,包括:
获取成品油储备成本预算并进行数据整理,同时结合所述供应链网络可靠度,建立储备优化模型。
其中,基于所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据,包括:
基于所述供应链网络模型,将所述供应量指数分布参数、各个单位需求量指数分布参数和所述供应链网络可靠度代入所述储备优化模型并初始化,同时初始化迭代次数为零。
其中,基于所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据,还包括:
根据所述成品油储备处重要性测度将成品油储备处按降序排列后,对第一重要性测度的成品油储备处分配成品油储备,并计算整个所述供应链网络模型的储备库存数量,直至所述储备库存数量达到储备预算后,得到成品油储备策略数据。
第二方面,本发明提供一种基于成本限制下的成品油储备辅助决策系统,所述基于成本限制下的成品油储备辅助决策系统包括成品油供应链网络模块、成品油储备指标模块、成品油储备优化模块和辅助决策模块,所述成品油供应链网络模块、所述成品油储备指标模块、所述成品油储备优化模块和所述辅助决策模块依次连接;
所述成品油供应链网络模块,用于根据获取的成品油供应消耗过程要素,建立供应链网络模型;
所述成品油储备指标模块,用于根据获取的成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度和成品油储备处重要性测度;
所述成品油储备优化模块,用于根据获取的成品油储备成本预算并进行数据整理后,结合所述供应链网络可靠度,建立储备优化模型;
所述辅助决策模块,用于根据所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据。
其中,所述基于成本限制下的成品油储备辅助决策系统还包括算法模块、参数学习模块和数据采集模块,所述算法模块与所述成品油储备指标模块、所述成品油储备优化模块和所述辅助决策模块连接,所述参数学习模块与所述成品油供应链网络模块和所述算法模块连接,所述数据采集模块与所述参数学习模块连接;
所述算法模块,用于调用可靠度指标评价函数、优化函数和启发式算法对数据进行计算,并将计算结果对应的传输至所述成品油储备指标模块、所述成品油储备优化模块和所述辅助决策模块;
所述参数学习模块,用于对获取的数据进行整理分析、清除和统计;
所述数据采集模块,用于获取成品油供应消耗过程要素、成品油需求数据和成品油储备成本预算,并传输至所述参数学习模块。
本发明的一种基于成本限制下的成品油储备优化方法及辅助决策系统,所述基于成本限制下的成品油储备辅助决策系统包括成品油供应链网络模块、成品油储备指标模块、成品油储备优化模块和辅助决策模块,首选获取成品油供应消耗过程要素,建立供应链网络模型;然后获取成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度,并结合获取的成品油储备成本预算,建立储备优化模型;最后基于所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据,能够全面的对成品油储备进行评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的一种基于成本限制下的成品油储备优化方法的步骤示意图。
图2是本发明提供的一种辅助决策系统工作流程图。
图3是本发明提供的储备优化模型计算流程图。
图4是本发明提供基于成本限制下的成品油储备辅助决策系统的组成结构图。
图5是本发明提供的供应链网络模型图。
1-成品油供应链网络模块、2-成品油储备指标模块、3-成品油储备优化模块、4-辅助决策模块、5-算法模块、6-参数学习模块、7-数据采集模块。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
请参阅图1,本发明提供一种基于成本限制下的成品油储备优化方法,包括:
S101、获取成品油供应消耗过程要素,建立供应链网络模型。
具体的,获取供应侧信息、油料运输信息、油料储备信息和需求信息,并进行数据整理,删除无效数据后,建立对应的成品油供应链网络模型,并得到所述供应链网络模型的初始参数,所述供应侧信息包括炼油厂数量、炼油能力、石油供应情况等指标;所述油料运输信息包括运输方式、运输能力、运输距离等指标;所述油料储备信息包括区域内具备储备能力的油库,各个油库单位储备成本、各油库最大储备量等指标;所述需求信息包括需求对象、需求数量、需求时间指标;所述成品油供应链网络模型包括了成品油从生成加工、到产品运输、再到储存、最后到分配分发和消耗使用全部过程,实现成品油供应链全过程数据可视可控。
S102、获取成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度。
具体的,根据获取的成品油供应量及各个单位需求量历史数据,得到对应的供应量指数分布参数μ和各个单位需求量指数分布参数λ,并基于所述成品油供应链网络模型,利用可靠度评价指标函数计算出对应的供应链网络可靠度R和成品油储备处重要性测度,其中,所述供应链网络可靠度R是指成品油供应满足需求的概率,所述成品油供应链网络模型包括串联型供应链网络和并联型供应链网络,其中,对于串联型供应链网络,计算公式为:
对于并联型供应链网络,计算公式为:
其中,R为供应链可靠度、si成品油储备i处的成品油储备量、μi为i炼油厂成品油供应量的指数分布参数、λi为i单位成品油需求量的指数分布参数,ξi为成品油储备i处的重要性测度。
S103、基于所述供应链网络可靠度和获取的成品油储备成本预算,建立储备优化模型。
具体的,获取成品油储备成本预算并进行数据整理,并收集成品油储备相关基础数据,并进行数据整理分析、剔除无效数据,对有效数据进行统计计算;同时结合所述供应链网络可靠度,并以所述供应链网络可靠度最大化为优化目标,建立储备优化模型。其中,对于串联型供应链网络,优化模型为:
对于并联型供应链网络,优化模型为:
其中,为成品油储备i处的成品油单位储备成本,C为成品油储备的总库存成本限额,R为供应链可靠度、si成品油储备i处的成品油储备量、μi为i炼油厂成品油供应量的指数分布参数、λi为i单位成品油需求量的指数分布参数。
S104、基于所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据。
具体的,基于所述供应链网络模型,将所述供应量指数分布参数μ、各个单位需求量指数分布参数λ和所述供应链网络可靠度R代入所述储备优化模型,采用启发式算法进行分析计算,得到成品油储备的最优策略数据,提供给决策者以供决策。具体计算过程如图3所提供的储备优化模型计算流程图所示:
将所述供应量指数分布参数μ、各个单位需求量指数分布参数λ和所述供应链网络可靠度R初始化,并结合成品油储备处的成品油储备si,i=1,2,......n;同时初始化迭代次数为零,即设置迭代次数计数器c=0;然后,根据所述成品油储备处重要性测度,将成品油储备处i,i=1,2,......n按降序排列,并设置c=c+1,对第一重要性测度或者最高重要性测度的成品油储备处分配成品油储备si=s+A,其中A为成品油储备的最小单位,可根据实际的要求填写,A越小计算量越大。并计算整个所述供应链网络模型的储备库存数量,若库存总量没有达到储备预算,则重新获取需求数据,直至所述储备库存数量达到储备预算后,得到成品油储备策略数据,所述成品油储备策略数据包括在最高可靠度下成品油储备规模和储备布局,给决策者提供决策建议。
采用先建立成品油供应链网络模型,提取影响储备可靠度及效能的指标因素,把成品油供应链网络可靠度为优化目标,以成品油储备布局为决策变量,设计了一种成品油供应链网络的建模优化方法,对成品油供应链过程进行研究,充分考虑了影响成品油供应可靠度的各个方面问题,弥补了成品油储备管理过程中储备布局管理不完善的问题。
如图2所提供的辅助决策系统工作流程图所示,首先收集油料需求数据、油料保障关系数据、油料供应链数据和油料存储数据,然后结合获取的油料储备成本预算,构建油料存储指标参数,然后对成品油储备相关基础数据进行分析整理,带人分析函数对所述油料存储指标参数进行优化,判断优化后的数据是否满足保障条件,若不满足,则重新构建油料存储指标参数,直至满足保障条件,输出优化数据,充分考虑了影响成品油供应可靠度的各个方面问题,弥补了成品油储备管理过程中储备布局管理不完善的问题。
请参阅图4,本发明提供一种基于成本限制下的成品油储备辅助决策系统,所述基于成本限制下的成品油储备辅助决策系统包括成品油供应链网络模块1、成品油储备指标模块2、成品油储备优化模块3和辅助决策模块4,所述成品油供应链网络模块1、所述成品油储备指标模块2、所述成品油储备优化模块3和所述辅助决策模块4依次连接;
所述成品油供应链网络模块1,用于根据获取的成品油供应消耗过程要素,建立供应链网络模型;
所述成品油储备指标模块2,用于根据获取的成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度和成品油储备处重要性测度;
所述成品油储备优化模块3,用于根据获取的成品油储备成本预算并进行数据整理后,结合所述供应链网络可靠度,建立储备优化模型;
所述辅助决策模块4,用于根据所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据。
在本实施方式中,首先根据获取当前成品油供应消耗过程构成要素,在所述成品油供应链网络模块1中提取出关键节点要素,确定成品油供应方式,实现从油料加工、油料运输、油料储存、油料分发、油料消耗全过程供应链网络模型,然后根据获取的成品油需求数据,利用可靠度评价指标函数在所述成品油储备指标模块2中计算出对应的供应链网络可靠度和成品油储备处重要性测度;然后基于所述供应链网络可靠度,结合获取的成品油储备成本预算,通过所述成品油储备优化模块3中建立储备优化模型,最后根据所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据,根据成品油储备优化方法和指标体系,建立了成品油储备的各种基础数据模型、建立了可靠度预测模型、成品油储备重要性测度模型,并针对不用的动态环境建立了储备优化模型。通过数据学习的方法对动态环境变化下储备效能进行评估,同时可以通过辅助决策方法给出具有最佳储备效能的储备布局,能够自主实现以下两方面内容:一是已知供应量、储备量及消耗量情况下,能够评估当前储备的可靠度,并能够评估各个储备节点的重要性测度;二是在给定的储备限额,通过优化算法法,实现最大可靠度下的储备布局建议,从而制订有效的储备方案,为决策制定提供数据支持。
进一步的,所述基于成本限制下的成品油储备辅助决策系统还包括算法模块5、参数学习模块6和数据采集模块7,所述算法模块5与所述成品油储备指标模块2、所述成品油储备优化模块3和所述辅助决策模块4连接,所述参数学习模块6与所述成品油供应链网络模块1和所述算法模块5连接,所述数据采集模块7与所述参数学习模块6连接;
所述算法模块5,用于调用可靠度指标评价函数、优化函数和启发式算法对数据进行计算,并将计算结果对应的传输至所述成品油储备指标模块2、所述成品油储备优化模块3和所述辅助决策模块4;
所述参数学习模块6,用于对获取的数据进行整理分析、清除和统计;
所述数据采集模块7,用于获取成品油供应消耗过程要素、成品油需求数据和成品油储备成本预算,并传输至所述参数学习模块6。
在本实施方式中,利用所述数据采集模块7采集所述成品油供应链网络模块1、所述成品油储备指标模块2、所述成品油储备优化模块3和所述辅助决策模块4所需的成品油供应消耗过程要素、成品油需求数据和成品油储备成本预算,并传输至所述参数学习模块6中对获取的数据进行整理分析、清除和统计,通过数据学习的方法对动态环境变化下储备效能进行评估,然后调用可靠度指标评价函数计算出供应链网络可靠度;优化函数计算出优化数据和启发式算法计算出成品油储备策略数据,并将计算结果对应的传输至所述成品油储备指标模块2、所述成品油储备优化模块3和所述辅助决策模块4生成对应的模型,形成了包括数据收集、数据学习、过程建模、可靠度评估、辅助决策为一体的综合辅助决策系统,弥补了成品油储备管理过程中储备布局管理不完善的问题。
举例来说,某地方对成品油供应链网络进行储备优化布局,首先收集相关信息:已知该地方拥有11个成品油使用单位,每个单位配置1个成品油储备处,提供成品油供应的炼油厂1家。该地方划分为3个保障区域:
区域A、B和C,这三个区域需要同时完成保障任务,整个区域的成品油供应链网络才能完成保障任务。
对于区域A,当分区A1或A2能够完成保障任务时,区域A即完成保障任务。分区A1内的1号和2号单位的需求同时得到满足时,分区A1完成保障任务。同样,分区A2内的3、4、5号单位测序曲同时得到满足时,分区A2才能完成保障任务。
区域B中有6、7、8号单位,这三个单位任意两个需求得到满足,区域B即能完成保障任务。
对于区域C,需要9、10、11号单位的需求都得到满足,才能满足保障任务。
根据上述信息,建立成品油供应链网络模型,如图5所提供的供应链网络模型图所示,然后根据采集到的信息,确定供应链网络中的初始参数,如表1所示:
表1初始参数
其次,根据确定的总储备成本预算C为1.2亿元。把上述参数代入到储备优化模型求解。得到模型优化结果,如表2所示,计算出了实现最大保障可靠度情况下的储备布局数据,提供给决策者制订有效的储备计划方案。
表2模型优化结果
本发明的一种基于成本限制下的成品油储备优化方法及辅助决策系统,所述基于成本限制下的成品油储备辅助决策系统包括成品油供应链网络模块1、成品油储备指标模块2、成品油储备优化模块3和辅助决策模块4,首选获取成品油供应消耗过程要素,建立供应链网络模型;然后获取成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度,并结合获取的成品油储备成本预算,建立储备优化模型;最后基于所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据,能够全面的对成品油储备进行评估。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (8)
1.一种基于成本限制下的成品油储备优化方法,其特征在于,包括:
获取成品油供应消耗过程要素,建立供应链网络模型;
获取成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度;
基于所述供应链网络可靠度和获取的成品油储备成本预算,建立储备优化模型;
基于所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据。
2.如权利要求1所述的一种基于成本限制下的成品油储备优化方法,其特征在于,所述获取成品油供应消耗过程要素,建立供应链网络模型,包括:
获取供应侧信息、油料运输信息、油料储备信息和需求信息,并进行数据整理后,建立对应的成品油供应链网络模型,并得到所述供应链网络模型的初始参数。
3.如权利要求2所述的一种基于成本限制下的成品油储备优化方法,其特征在于,所述获取成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度,包括:
根据获取的成品油供应量及各个单位需求量历史数据,得到对应的供应量指数分布参数和各个单位需求量指数分布参数,并利用可靠度评价指标函数计算出对应的供应链网络可靠度和成品油储备处重要性测度。
4.如权利要求3所述的一种基于成本限制下的成品油储备优化方法,其特征在于,基于所述供应链网络可靠度和获取的成品油储备成本预算,建立储备优化模型,包括:
获取成品油储备成本预算并进行数据整理,同时结合所述供应链网络可靠度,建立储备优化模型。
5.如权利要求4所述的一种基于成本限制下的成品油储备优化方法,其特征在于,基于所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据,包括:
基于所述供应链网络模型,将所述供应量指数分布参数、各个单位需求量指数分布参数和所述供应链网络可靠度代入所述储备优化模型并初始化,同时初始化迭代次数为零。
6.如权利要求5所述的一种基于成本限制下的成品油储备优化方法,其特征在于,基于所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据,还包括:
根据所述成品油储备处重要性测度将成品油储备处按降序排列后,对第一重要性测度的成品油储备处分配成品油储备,并计算整个所述供应链网络模型的储备库存数量,直至所述储备库存数量达到储备预算后,得到成品油储备策略数据。
7.一种基于成本限制下的成品油储备辅助决策系统,其特征在于,所述基于成本限制下的成品油储备辅助决策系统包括成品油供应链网络模块、成品油储备指标模块、成品油储备优化模块和辅助决策模块,所述成品油供应链网络模块、所述成品油储备指标模块、所述成品油储备优化模块和所述辅助决策模块依次连接;
所述成品油供应链网络模块,用于根据获取的成品油供应消耗过程要素,建立供应链网络模型;
所述成品油储备指标模块,用于根据获取的成品油需求数据,利用可靠度评价指标函数计算出对应的供应链网络可靠度和成品油储备处重要性测度;
所述成品油储备优化模块,用于根据获取的成品油储备成本预算并进行数据整理后,结合所述供应链网络可靠度,建立储备优化模型;
所述辅助决策模块,用于根据所述供应链网络模型,利用启发式算法对所述储备优化模型进行优化,得到成品油储备策略数据。
8.如权利要求7所述的一种基于成本限制下的成品油储备辅助决策系统,其特征在于,所述基于成本限制下的成品油储备辅助决策系统还包括算法模块、参数学习模块和数据采集模块,所述算法模块与所述成品油储备指标模块、所述成品油储备优化模块和所述辅助决策模块连接,所述参数学习模块与所述成品油供应链网络模块和所述算法模块连接,所述数据采集模块与所述参数学习模块连接;
所述算法模块,用于调用可靠度指标评价函数、优化函数和启发式算法对数据进行计算,并将计算结果对应的传输至所述成品油储备指标模块、所述成品油储备优化模块和所述辅助决策模块;
所述参数学习模块,用于对获取的数据进行整理分析、清除和统计;
所述数据采集模块,用于获取成品油供应消耗过程要素、成品油需求数据和成品油储备成本预算,并传输至所述参数学习模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010445575.XA CN111695222B (zh) | 2020-05-25 | 2020-05-25 | 基于成本限制下的成品油储备优化方法及辅助决策系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010445575.XA CN111695222B (zh) | 2020-05-25 | 2020-05-25 | 基于成本限制下的成品油储备优化方法及辅助决策系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111695222A true CN111695222A (zh) | 2020-09-22 |
CN111695222B CN111695222B (zh) | 2023-08-04 |
Family
ID=72477593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010445575.XA Active CN111695222B (zh) | 2020-05-25 | 2020-05-25 | 基于成本限制下的成品油储备优化方法及辅助决策系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111695222B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060053063A1 (en) * | 2004-09-07 | 2006-03-09 | Sap Aktiengesellschaft | System and method for evaluating supplier performance in a supply chain |
US20060235557A1 (en) * | 2002-10-11 | 2006-10-19 | Thomas Knight | Associated systems and methods for improving planning, scheduling, and supply chain management |
CN101387495A (zh) * | 2008-10-23 | 2009-03-18 | 天津大学 | 气缸套智能检测装置 |
RU2353037C1 (ru) * | 2008-05-12 | 2009-04-20 | Юрий Петрович Баталин | Способ электроэнергоснабжения потребителя |
US20130231962A1 (en) * | 2012-03-01 | 2013-09-05 | Su-Cc Corporation Limited | System and method for financial interactive management |
CN105046364A (zh) * | 2015-07-27 | 2015-11-11 | 南京邮电大学 | 一种基于供应链的多周期库存优化管理方法 |
WO2016040774A1 (en) * | 2014-09-11 | 2016-03-17 | Sheble Gerald B | Resource control by probability tree convolution production cost valuation by iterative equivalent demand duration curve expansion (aka. tree convolution) |
CN105825004A (zh) * | 2016-03-15 | 2016-08-03 | 万毅 | 一种汽车电子设备的储备并联方法 |
CN107480344A (zh) * | 2017-07-21 | 2017-12-15 | 武汉大学 | 一种串联结构系统可靠度自适应评估方法 |
CN108090601A (zh) * | 2016-11-22 | 2018-05-29 | 浙江科技学院 | 食品冷链运输服务网络鲁棒优化方法 |
CN109167716A (zh) * | 2018-10-22 | 2019-01-08 | 智强通达科技(北京)有限公司 | 一种基于bgp的二层虚拟专用网络系统及使用方法 |
-
2020
- 2020-05-25 CN CN202010445575.XA patent/CN111695222B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060235557A1 (en) * | 2002-10-11 | 2006-10-19 | Thomas Knight | Associated systems and methods for improving planning, scheduling, and supply chain management |
US20060053063A1 (en) * | 2004-09-07 | 2006-03-09 | Sap Aktiengesellschaft | System and method for evaluating supplier performance in a supply chain |
RU2353037C1 (ru) * | 2008-05-12 | 2009-04-20 | Юрий Петрович Баталин | Способ электроэнергоснабжения потребителя |
CN101387495A (zh) * | 2008-10-23 | 2009-03-18 | 天津大学 | 气缸套智能检测装置 |
US20130231962A1 (en) * | 2012-03-01 | 2013-09-05 | Su-Cc Corporation Limited | System and method for financial interactive management |
WO2016040774A1 (en) * | 2014-09-11 | 2016-03-17 | Sheble Gerald B | Resource control by probability tree convolution production cost valuation by iterative equivalent demand duration curve expansion (aka. tree convolution) |
CN105046364A (zh) * | 2015-07-27 | 2015-11-11 | 南京邮电大学 | 一种基于供应链的多周期库存优化管理方法 |
CN105825004A (zh) * | 2016-03-15 | 2016-08-03 | 万毅 | 一种汽车电子设备的储备并联方法 |
CN108090601A (zh) * | 2016-11-22 | 2018-05-29 | 浙江科技学院 | 食品冷链运输服务网络鲁棒优化方法 |
CN107480344A (zh) * | 2017-07-21 | 2017-12-15 | 武汉大学 | 一种串联结构系统可靠度自适应评估方法 |
CN109167716A (zh) * | 2018-10-22 | 2019-01-08 | 智强通达科技(北京)有限公司 | 一种基于bgp的二层虚拟专用网络系统及使用方法 |
Non-Patent Citations (13)
Title |
---|
LUKINSKIY, V. LUKINSKIY, V: "Evaluation of Stock Management Strategies Reliability at Dependent Demand", 《16TH INTERNATIONAL SCIENTIFIC CONFERENCE ON RELIABILITY AND STATISTICS IN TRANSPORTATION AND COMMUNICATION (RELSTAT》 * |
LUKINSKIY, V. LUKINSKIY, V: "Evaluation of Stock Management Strategies Reliability at Dependent Demand", 《16TH INTERNATIONAL SCIENTIFIC CONFERENCE ON RELIABILITY AND STATISTICS IN TRANSPORTATION AND COMMUNICATION (RELSTAT》, 22 October 2016 (2016-10-22), pages 53 - 56 * |
李妍: "食品冷链物流的库存控制订货策略研究", 《中国优秀硕士学位论文全文数据库 (经济与管理科学辑) 》 * |
李妍: "食品冷链物流的库存控制订货策略研究", 《中国优秀硕士学位论文全文数据库 (经济与管理科学辑) 》, no. 2, 15 February 2017 (2017-02-15) * |
王政: "长三角地区成品油应急储备及布局规划研究", 《中国优秀硕士学位论文全文数据库 (经济与管理科学辑)》 * |
王政: "长三角地区成品油应急储备及布局规划研究", 《中国优秀硕士学位论文全文数据库 (经济与管理科学辑)》, no. 2, 15 February 2017 (2017-02-15) * |
葛金玲,朱子明,刘颖 中国石油管道局大港工程建设有限公司: "加强企业物资管理降低材料费支出的探讨", 《企业导报》 * |
葛金玲,朱子明,刘颖 中国石油管道局大港工程建设有限公司: "加强企业物资管理降低材料费支出的探讨", 《企业导报》, no. 12, 30 June 2011 (2011-06-30), pages 88 * |
谢志远 国网浙江电力有限公司物资分公司: "电力应急物资储备工作及优化分析", 《中国设备工程》 * |
谢志远 国网浙江电力有限公司物资分公司: "电力应急物资储备工作及优化分析", 《中国设备工程》, no. 1, 10 January 2020 (2020-01-10), pages 104 - 105 * |
邵广秋: "基于可靠性预测的备件资源配置仿真研究及应用", 《中国优秀硕士学位论文全文数据库 (经济与管理科学辑) 》 * |
邵广秋: "基于可靠性预测的备件资源配置仿真研究及应用", 《中国优秀硕士学位论文全文数据库 (经济与管理科学辑) 》, no. 6, 15 June 2018 (2018-06-15) * |
陈佳: "柴油机燃油供给系统多状态可靠性及敏感性分析", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 5 * |
Also Published As
Publication number | Publication date |
---|---|
CN111695222B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491969B (zh) | 基于大数据的空间负荷预测模型构建方法 | |
Rommelfanger | Fuzzy linear programming and applications | |
Zhao et al. | Evaluating the performance of thermal power enterprises using sustainability balanced scorecard, fuzzy Delphic and hybrid multi-criteria decision making approaches for sustainability | |
Lu | Integrating heuristic time series with modified grey forecasting for renewable energy in Taiwan | |
CN110443359A (zh) | 基于自适应联合剪枝-量化的神经网络压缩算法 | |
CN107480889A (zh) | 一种湿地生态安全预警等级评定方法 | |
CN112885462B (zh) | 一种面向多源信息融合的智慧健康关联分析方法 | |
CN109360625A (zh) | 用于互联网中短期用药咨询业务量的预测系统及预测方法 | |
CN105809277A (zh) | 一种电力营销稽查精益化管控主题大数据预测方法 | |
CN115099543A (zh) | 电池更换的路径规划方法、装置、设备及存储介质 | |
CN108241900A (zh) | 工程项目建设周期预测方法、装置和系统 | |
Zhang et al. | Load prediction based on hybrid model of VMD-mRMR-BPNN-LSSVM | |
CN101976301A (zh) | 逐年负荷预测中历史数据预处理的方法与装置 | |
CN115828755A (zh) | 微网群参与电网服务的评估方法、装置及可读存储介质 | |
CN114997488A (zh) | 一种综合能源系统负荷预测方法及装置 | |
CN111695222A (zh) | 基于成本限制下的成品油储备优化方法及辅助决策系统 | |
Angiz et al. | Ranking alternatives in a preferential voting system using fuzzy concepts and data envelopment analysis | |
Wang et al. | A compound cloud model for harmoniousness assessment of water allocation | |
Wang et al. | A fuzzy intelligent system for land consolidation–a case study in Shunde, China | |
Tuo et al. | Multimanned disassembly line balancing optimization considering walking workers and task evaluation indicators | |
Ng et al. | An algebraic approach for supply network synthesis | |
CN107256342A (zh) | 用于电子病历知识约简效能评估的多种群协同熵级联方法 | |
Takama et al. | Multi-level, multi-objective optimization in process engineering | |
Li et al. | Assessment of product resilience towards the changing customer requirements | |
CN109508900A (zh) | 一种基于可变模糊法的水资源承载状态评价方法 |
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 |