CN114862333B - 智能产品服务系统与供应商协同配置方法 - Google Patents

智能产品服务系统与供应商协同配置方法 Download PDF

Info

Publication number
CN114862333B
CN114862333B CN202210227233.XA CN202210227233A CN114862333B CN 114862333 B CN114862333 B CN 114862333B CN 202210227233 A CN202210227233 A CN 202210227233A CN 114862333 B CN114862333 B CN 114862333B
Authority
CN
China
Prior art keywords
module
service system
product service
intelligent product
cost
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
CN202210227233.XA
Other languages
English (en)
Other versions
CN114862333A (zh
Inventor
宋文燕
刘羚迪
朱玥
周才博
郑嘉宁
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN202210227233.XA priority Critical patent/CN114862333B/zh
Publication of CN114862333A publication Critical patent/CN114862333A/zh
Application granted granted Critical
Publication of CN114862333B publication Critical patent/CN114862333B/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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • 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
    • Y02P90/80—Management or planning
    • Y02P90/84—Greenhouse gas [GHG] management systems

Abstract

本发明公开了一种智能产品服务系统与供应商协同配置方法，包括：分析智能产品服务系统包含的每一模块的类型，根据模块类型对每一模块实例进行模块性能评分；以模块实例和模块实例的供应商为决策变量，以智能产品服务系统方案的性价比最高为目标函数，建立上层优化配置模型，以供应商方案的经济成本、环境成本和社会损耗最低为目标函数，建立下层优化配置模型；采用嵌套序贯式遗传算法对上层优化配置模型和下层优化配置模型求解，得到最优的智能产品服务系统配置方案和供应商配置方案。本发明解决了现有方法不能处理智能产品服务系统及其供应商协同配置，及缺少对于智能产品服务系统的性能分析和供应商可持续度分析的问题。

Description

智能产品服务系统与供应商协同配置方法
技术领域
本发明涉及产品服务和供应商管理领域。更具体地说，本发明涉及一种智能产品服务系统与供应商协同配置方法。
背景技术
在数字化时代，一方面，信息技术和数字技术的发展提高了供应链的效率；另一方面，数字化的运营和交互方式，使得供应链上的各个环节需要协同发展，以持续不断地为用户提供优质的产品和服务。让供应商尽早地参与到系统的研发和配置，对于核心企业的可持续发展具有重要意义。选择合适的供应商和分配合适的订货批量，可以有效减少采购、运输和存储过程中的碳排放。在产品/服务设计时，将供应商的可持续性纳入考虑范围，可以提高配置智能产品服务系统(smart product service systems，Smart PSS)方案和配置供应商方案的效率，符合市场对于可持续性的预期。
配置智能产品服务系统方案和配置供应商方案是供应链管理的前后环节，目标和约束条件不同，一般通过建立双层规划模型完成两类方案的协同配置。在配置产品/服务方案环节，可以将产品服务系统的构成部分划分为通用模块、必选模块和可选模块，以服务性能和产品性能最大化为目标，获取能够使得顾客满意度最大化且同时保证主制造商效益的产品服务系统方案。在下层选择供应商方案，以供应商提供的模块实例成本最低为目标，获得近似最优的供应商配置。但是以往的方法没有区分不同类别产品服务系统的结构差异并且缺少对模块实例的可持续性的衡量。
例如：在申请号为201410211357.4的专利中公开了一种产品服务需求预测和资源优选配置方法，包括步骤：步骤1：基于信息组合和方法组合对产品服务需求进行预测；步骤2：按照不同的产品服务需求对产品服务资源的要求，基于ProA方法(activity andprocess方法)优选配置产品服务资源。本发明充分发挥不同的预测模型在提取需求趋势信息上的优势，能够充分利用存在于不同产品服务需求层次中的需求趋势变化信息，从而提高需求预测的精度；准确获取产品服务需求之后，采用基于ProA的产品服务资源优选配置方法既可以确保所有产品服务都有必要的服务资源支撑,还可以优化产品服务资源配置方案，从而提高客户满意度，降低产品服务成本。
该方法基于ProA理论设计满足客户潜在需求的产品服务，考虑了客户需求的变化趋势和制造企业的产品服务成本。但是，该方法从需求端出发，忽视了在供应端供应商所提供的模块实例的特性，使得制造企业不能获得完整的产品服务配置决策。并且，该方法没有考虑在制造商能力不同的情况下，如何配置最优的PSS方案，不能很好地表达不同类型PSS在功能实现上的差异。因而，有必要提出新的方法，辅助制造企业针对不同类型的PSS，制定完整的配置决策。
又如：在申请号为201410131352.0的专利中公开了一种产品服务供应链优化设计方法包括步骤：步骤1：基于产品服务需求频次的产品服务供应链战略设计；步骤2：产品服务设施动态选址；步骤3：产品服务供应商选择；步骤4：产品服务供应链流程设计。本发明针对产品服务供应链的基本特性优化产品服务网络结构,选择最佳的合作伙伴和建立标准化的产品服务供应链流程,进而建立系统性优化设计基础上的产品服务供应链。同时,本发明通过技术方法避免和减小人为因素在产品服务设施选址、产品服务供应商选择中的影响,使设计的产品服务供应链更加符合特定客观需求。
该发明从供应链角度，研究了产品服务设施选址和产品服务供应商选择的问题。但是，该发明忽视了产品服务结构与供应商提供的模块实例之间互相影响的关系，容易忽视客户端的实际需求。因而，有必要研究产品服务系统配置和供应商选择的衔接环节，开发能够同时得到PSS设计和供应商选择决策的方法，辅助制造企业在产品服务设计和供应链配置的衔接环节制定更加客观高效的决策
发明内容
本发明的目的是解决至少上述问题，并提供至少后面将说明的优点。
为了实现根据本发明的这些目的和其它优点，提供了一种智能产品服务系统与供应商协同配置方法，包括：
分析智能产品服务系统包含的每一模块的类型，所述智能产品服务系统的每一模块至少有一个满足模块需求的模块实例，该模块实例由至少一个供应商提供，根据模块类型再基于工程价值评估方法对每一模块实例进行模块性能评分；
以模块实例和模块实例的供应商为决策变量，在模块配置约束条件下，以智能产品服务系统方案的性价比最高为目标函数，建立上层优化配置模型，在供应商约束条件下，以供应商方案的经济成本、环境成本和社会损耗最低为目标函数，建立下层优化配置模型；
采用嵌套序贯式遗传算法对上层优化配置模型和下层优化配置模型求解，得到最优的智能产品服务系统配置方案和供应商配置方案。
优选的是，采用嵌套序贯式遗传算法对上层优化配置模型和下层优化配置模型求解的过程包括：
c1、采用遗传算法对上层优化配置模型求解，得到满足模块配置约束条件的智能产品服务系统配置方案的一个第一可行解；
c2、将该第一可行解传递给下层优化配置模型，得到基于该第一可行解的下层优化配置模型，采用序贯式遗传算法对基于该第一可行解的下层优化配置模型求解，得到满足供应商约束条件的供应商配置方案的一个第二可行解；
c3、基于该第一可行解和第二可行解计算供应商方案的经济成本、环境成本和社会损耗，以及智能产品服务系统的性价比；
c4、判断基于该第一可行解和第二可行解的智能产品服务系统的性价比是否为最高且基于该第一可行解和第二可行解的供应商方案的经济成本、环境成本和社会损耗是否为最低，若是，则输出该第一可行解和第二可行解，以作为最优的智能产品服务系统配置方案和供应商配置方案，否则，重复步骤c1～c3。
优选的是，所述模块配置约束条件包括：a1、单一约束，即每一模块只选择一个模块实例；a2、性能约束，即智能产品服务系统总性能评分不低于用户预期，其中智能产品服务系统总性能评分是将智能产品服务系统中每一模块选用的模块实例的模块性能评分采用多属性效用函数求得；
所述供应商约束条件包括：b1、单一约束，即每一模块实例只选择一个供应商；b2、成本约束，即智能产品服务系统总成本不高于用户预算，其中智能产品服务系统总成本是供应商的经济成本与环境成本总和。
优选的是，所述模块的类型包括：产品导向型、使用导向型和结果导向型；
所述模块由至少一个构件组成，所述构件包括实体产品构件、服务构件和软件构件三种类型；
分析智能产品服务系统包含的每一模块的类型的方法包括：
分别统计每一模块中包含的实体产品构件数量np、服务构件数量ns、软件构件数量nsw和总构件数量n，n＝np+ns+nsw；
若该模块中，
Figure BDA0003536438220000031
ns≥0且nsw＝0，则该模块为产品导向型；
若该模块中，np≥0、
Figure BDA0003536438220000041
且nsw<ns，则该模块为使用导向型；
若该模块中，np＝0且nsw>ns≥0，则该模块为结果导向型。
优选的是，产品导向型模块的性能评价指标包括：响应时间、需求满足程度、服务预测和推荐效果；
使用导向型模块的性能评价指标包括：响应时间、需求满足程度、服务预测和推荐效果、产品和/或服务的可用性、服务便捷性；
结果导向型模块的性能评价指标包括：响应时间、服务预测和推荐效果、任务匹配度、自动化程度、可访问性。
优选的是，对于具有实体产品构件的智能产品服务系统，其供应商方案的经济成本
Figure BDA0003536438220000042
其中，xij为第i个模块的第j个模块实例，yijk为第i个模块的第j个模块实例的第k个供应商，
Figure BDA0003536438220000043
为第k个供应商对第i个模块的第j个模块实例的报价，
Figure BDA0003536438220000044
为第i个模块的第j个模块实例从第k个供应商运输到主制造商的运输成本，cassemble为智能产品服务系统从主制造商运输到用户的运输和组装成本，cR为回收智能产品服务系统的固定成本；
对于没有实体产品构件的智能产品服务系统，其供应商方案的经济成本
Figure BDA0003536438220000045
其中，xij为第i个模块的第j个模块实例，yijk为第i个模块的第j个模块实例的第k个供应商，Lifespan为主制造商和用户签订合约时约定的服务期限，
Figure BDA0003536438220000046
为由第k个供应商提供的第i个模块的第j个模块实例在智能产品服务系统服务期限中单位使用频次的花费。
优选的是，对于具有实体产品构件的智能产品服务系统，其供应商方案的环境成本
Figure BDA0003536438220000047
其中，
Figure BDA0003536438220000048
为第i个模块的第j个模块实例从第k个供应商运输到主制造商过程中的碳排放成本。
优选的是，供应商方案的社会损耗采用供应商方案产生的社会效益的负值-fsociety表示；
Figure BDA0003536438220000051
其中，uk为第k个供应商所在地的失业率，uQ1和uQ2分别是所有失业率数据的第一分位数和第二分位数，umax是所有失业率数据中的最大值。
优选的是，采用遗传算法对上层优化配置模型求解过程中的适应度为P/(feconomy+fenvironment)。
优选的是，采用序贯式遗传算法对基于该第一可行解的下层优化配置模型求解过程中的适应度为二元数组(feconomy+fenvironment，fsociety)。
本发明至少包括以下有益效果：
(1)针对不同类型的智能产品服务系统，提出了从不同模块资源池提取模块进行配置的双层规划模型，反映了智能产品服务系统方案和供应商方案的交互影响，提高了主制造商的决策完整性，更符合实际需要；
(2)在智能产品服务系统与供应商协同配置双层规划中，给出了评价智能产品服务系统模块性能的方法，考虑了可持续性指标，从多维度分析了智能产品服务系统方案与可持续供应商方案的性能测算方式和成本计算方法；
(3)针对所提出的双层规划模型包含多目标、变量规模较大的特点，改进了嵌套遗传算法，在有效时间复杂度内实现上下层目标的协同优化。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明所述由供应商、主制造商和用户构成的两级供应链系统的结构示意图；
图2为本发明所述智能产品服务系统中每一模块对应的供应链的结构示意图；
图3为本发明所述智能产品服务系统与供应商协同配置方法的流程示意图；
图4为本发明所述采用嵌套序贯式遗传算法对上层优化配置模型和下层优化配置模型求解的流程示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得；在本发明的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
按照三基线准则，可持续性可以从经济、环保和社会三个方面进行考量。对供应商选择的经济可持续性研究非常多，包括经典的报童模型，即使得制造商成本最低的供应商库存选择的最优模型。越来越多的供应商选择模型将交通模式、选址等因素纳入模型并研究了相应的供应商选择策略。对供应商选择的环保可持续性研究集中在碳政策对供应链成本的影响。也有越来越多的研究开始关注供应商的社会可持续性。例如，可以将供应商所在地的GDP水平和失业率作为衡量供应商的社会可持续性的标准，供应商在低GDP、高失业率地区选址的社会可持续性更高。可以看出，可持续供应商选择问题由两部分构成。一方面是供应商的可持续性评估，通过建立评价指标体系，对供应商提供的产品、服务、软件的可持续性进行定量的衡量；另一方面，将评估结果引入多目标优化模型，在多个目标间达成平衡，得到综合效益最优的配置方案。
又主制造商在配置智能产品服务系统时，需要兼顾两方面的目标：(1)使用者的需求和满意度；(2)系统的可持续性。用户的满意度表现为系统的性能和花费的是否符合预期，如果符合预期甚至超出预期则能达到较高的满意度。因而主制造商需要在系统性能和供应商的可持续性之间做出权衡，通过求解优化模型，可以得到智能产品服务系统的产品/服务构件的配置组合，以及优选的供应商集合。
主制造商在配置智能产品服务系统的过程中包含如下三类参与者：供应商、主制造商和用户。这三类参与者构成一个两级的供应链(如图1所示)。其中，供应商包括提供用于生产实体产品的原材料的厂商，和为智能产品服务系统提供网络连接等支持性服务的服务供应商。主制造商负责核心产品的研发设计，以及智能产品服务系统的架构和维护。用户包括直接用户和延伸用户，直接用户指自身使用产品和接受服务，延伸用户指与直接用户接触的一类用户，他们可能不直接使用系统提供的智能服务，但是接受直接用户利用系统的功能提供的服务以满足自身需求。
如图2所示，智能产品服务系统构件复杂，供应商网络交错，采用模块化的生产服务方式使得智能产品服务系统的设计和供应商的选择可以同时进行，可以提高设计过程的效率。因而，我们开发了一种集成的设计建模方法，通过建立和求解双层规划模型，同时得到最优的智能产品服务系统方案和对应的供应商方案，以达到系统性能的最优和供应链的可持续性。
在主制造商进行智能产品服务系统和供应商的协同配置时，其目标是在配置符合要求的智能产品服务系统时，同时通过选择合适的供应商保持供应链的可持续性。智能产品服务系统的架构会影响对供应商的选择，供应商方案也会影响系统的总体配置成本，这两个问题在解决时具有序贯性。针对现有技术中的缺陷，本发明提供一种考虑可持续性的智能产品服务系统与供应商协同配置方法，来解决产品服务管理中系统需求多样化、可持续目标复杂、协同配置方法缺乏的问题。
如图3所示，所述智能产品服务系统与供应商协同配置方法，包括以下步骤：
S1、分析智能产品服务系统包含的每一模块的类型，所述智能产品服务系统的每一模块至少有一个满足模块需求的模块实例，该模块实例由至少一个供应商提供，根据模块类型再基于工程价值评估方法对每一模块实例进行模块性能评分；
具体的，所述模块的类型可分为：产品导向型、使用导向型和结果导向型；
所述模块由至少一个构件组成，所述构件包括实体产品构件、服务构件和软件构件三种类型；
分析智能产品服务系统包含的每一模块的类型的方法包括：
分别统计每一模块中包含的实体产品构件数量np、服务构件数量ns、软件构件数量nsw和总构件数量n，n＝np+ns+nsw；
若该模块中，
Figure BDA0003536438220000071
ns≥0且nsw＝0，则该模块为产品导向型；
若该模块中，np≥0、
Figure BDA0003536438220000072
且nsw<ns，则该模块为使用导向型；
若该模块中，np＝0且nsw>ns≥0，则该模块为结果导向型。
如自动导引车智能产品服务系统的模块1包含P1电池、P2滚轮、P3滚轮条、P5上盖、P6底盖、P7防护栏、P16电源接口、P17充电桩、P18紧急停止按钮和P20背负组件，该模块内所有构件都是实体产品构件，因而模块1属于产品导向型的模块。
在配置智能产品服务系统时，智能产品服务系统的每一模块至少有一个满足模块需求的模块实例，该模块实例由至少一个供应商提供，因此，针对不同供应商提供的模块实例，需要进一步的评估。
具体的，可根据模块类型再基于工程价值评估方法(engineering valueassessment，EVA)对每一模块实例进行模块性能评分。
EVA方法的评价规则如下：对于每一个模块，将其在某个属性上的表现与基准值对比，然后分别用“1”、“0”、“-1”代表“超出基准值”、“与基准值不相上下”、以及“达不到基准水平”，一个模块的性能即为其在所有指标上的性能得分之和。例如在评价智能呼吸机PSS时，对于“服务响应时间”这个评价指标，其基准为8分钟，那么模块A的某实例需要10分钟的响应时间，则该实例在“服务响应时间”这一项的得分为“-1”。
产品导向型、使用导向型和结果导向型的智能产品服务系统模块的性能评价指标分别如表1、2和3所示。
表1产品导向型智能产品服务系统模块性能评价指标
Figure BDA0003536438220000081
表2使用导向型智能产品服务系统模块性能评价指标
Figure BDA0003536438220000082
Figure BDA0003536438220000091
表3结果导向的智能产品服务系统模块性能指标
Figure BDA0003536438220000092
对某一模块实例在各个性能指标进行评分后，再将各个性能指标的评分综合，就可得到该模块实例的模块性能评分：
Figure BDA0003536438220000093
当第i个模块采用了该模块实例，则Pi为第i个模块的模块性能评分，
Figure BDA0003536438220000094
是智能产品服务系统第i个模块的第τ个性能指标的评分，τ＝1，2，…,t。
S2、以模块实例和模块实例的供应商为决策变量，在模块配置约束条件下，以智能产品服务系统方案的性价比最高为目标函数，建立上层优化配置模型，在供应商约束条件下，以供应商方案的经济成本、环境成本和社会损耗最低为目标函数，建立下层优化配置模型；
具体的，对于用户和主制造商来说，最优的智能产品服务系统能保证客户效用和企业利益的极大化，因此，上层优化配置模型的目标函数可表示为：
max F(xij,yijk)＝P/C   (2)
其中，决策变量xij为第i个模块的第j个模块实例，决策变量yijk为第i个模块的第j个模块实例的第k个供应商，P为智能产品服务系统总性能评分，C为智能产品服务系统方案的全生命周期成本。
智能产品服务系统总性能评分的表达形式采用多属性效用函数的表达形式：
Figure BDA0003536438220000101
其中，λ为计算模块性能时的归一化指数，由专家提前制定，wi为第i个模块的性能对整个智能产品服务系统的性能的影响度。
所述模块配置约束条件包括：
a1、单一约束，即每一模块最多只选择一个模块实例；
Figure BDA0003536438220000102
a2、性能约束，即智能产品服务系统总性能评分不低于用户预期；
P≥E(P)   (5)
其中，E(P)是用户对系统性能的预期。
由于上层模型的目标函数(性价比)已经考虑了供应商对模块的报价，即经济效益方面的可持续性，下层模型着重衡量供应商方案的环境和社会可持续性，因此，下层模型的目标函数可表示为：
min C(xij,yijk)＝(feconomy,fenvironment,-fsociety)   (6)
feconomy是供应商方案的经济成本；fenvironment是供应商方案的环境成本，例如运输途中排出温室气体等；fsociety代表社会效益，例如选择欠发达地区的供应商可以增加当地就业机会，因而在极小化目标中使用社会效益的相反数，-fsociety。
对智能产品服务系统的成本衡量是评价其性价比的重要内容。由于智能产品服务系统注重产品的全生命周期管理和用户的使用体验，采用全生命周期成本更符合其产品和服务特色。智能产品服务系统的全生命周期成本又分为设计成本、装配成本、使用成本和回收成本四个部分：
C＝Cd+Ca+Cu+Cr   (7)
上式中，字母下标d,a,u,r分别对应设计(Design)、装配(Assemble)、使用(Use)和回收(Recycle)。将经济成本、环境成本和社会损耗均分解成其生命周期各个阶段的成本，最后进行加权，即能得到供应商方案的经济成本、环境成本和社会损耗。
具体的，对于具有实体产品构件的智能产品服务系统，其供应商方案的经济成本可用下式计算：
Figure BDA0003536438220000111
其中，xij为第i个模块的第j个模块实例，yijk为第i个模块的第j个模块实例的第k个供应商，
Figure BDA0003536438220000112
为第k个供应商对第i个模块的第j个模块实例的报价，
Figure BDA0003536438220000113
为第i个模块的第j个模块实例从第k个供应商运输到主制造商的运输成本，cassemble为智能产品服务系统从主制造商运输到用户的运输和组装成本，cR为回收智能产品服务系统的固定成本；
而cassemble＝lM→C·cμ，其中lM→C是主制造商到用户的距离，cμ是采取{陆运，海运，空运}中的一种运输方式时的单位运输价格。
对于没有实体产品构件的智能产品服务系统，其供应商方案的经济成本可用下式计算：
Figure BDA0003536438220000114
其中，xij为第i个模块的第j个模块实例，yijk为第i个模块的第j个模块实例的第k个供应商，Lifespan为主制造商和用户签订合约时约定的服务期限，
Figure BDA0003536438220000115
为由第k个供应商提供的第i个模块的第j个模块实例在智能产品服务系统服务期限中单位使用频次的花费。例如某智能机床智能产品服务系统，主制造商与用户签订了10年的租赁使用协议，检修模块的使用频次为1次/年，某供应商的报价为每次检修2000元，那么
Figure BDA0003536438220000116
万元/次/年。
对于具有实体产品构件的智能产品服务系统，其供应商方案的环境成本
Figure BDA0003536438220000117
其中，
Figure BDA0003536438220000121
为第i个模块的第j个模块实例从第k个供应商运输到主制造商过程中的碳排放成本。
而
Figure BDA0003536438220000122
lk为第i个模块的第j个模块实例从第k个供应商到主制造商的距离，μ为可选的运输方式，运输方式为{陆运，海运，空运}中的一种，
Figure BDA0003536438220000123
为对应运输方式μ的单位距离碳排放量，ccarbon price为单位碳排放量的碳价。
而供应商方案的社会损耗则采用供应商方案产生的社会效益的负值-fsociety表示；
Figure BDA0003536438220000124
其中，uk为第k个供应商所在地的失业率，uQ1和uQ2分别是所有失业率数据的第一分位数和第二分位数，umax是所有失业率数据中的最大值。
将社会效益转化成为可以比较的数值形式，方便利用启发式算法对模型求解。例如，根据2019年中国统计局发布的数据显示，全国(除港澳台)各地区登记失业率为1.3％～4.2％，三分位数分别为uQ1＝2.7％和uQ2＝3.3％。那么如果供应商位于上海，其所在地区的登记失业率为3.6％，落在区间[uQ2,umax]内，那么选择该供应商的社会效益为1，即通过向该供应商订货，可以带动较高失业率地区就业。
由于衡量智能产品服务系统的性价比考虑的是智能产品服务系统方案的全生命周期成本，而智能产品服务系统的全生命周期成本又分解到了供应商方案的经济成本、环境成本和社会损耗其生命周期各个阶段的成本，因此，智能产品服务系统方案的全生命周期成本可看做供应商方案的经济成本、环境成本和社会损耗的综合，而供应商方案的社会损耗-fsociety为示性函数，与供应商方案的经济成本feconomy和供应商方案的环境成本fenvironment不能进行加和计算，故在序贯式遗传算法中，先考察feconomy+fenvironment，再考察-fsociety。
所述供应商约束条件包括：
b1、单一约束，即每一模块实例最多只选择一个供应商；
Figure BDA0003536438220000125
当选用了模块i的第j个模块实例时，即xij＝1，必须从对应的供应商集合中选择且只选择一个供应商；当xij＝0时，提供该模块实例的供应商可都不选择。
b2、成本约束，即智能产品服务系统总成本不高于用户预算：
C≤E(C)   (13)
其中，E(C)是用户给出的金钱预算，这里由于用户仅承担金钱转化成的价格成本，因此在考察成本约束时，仅采用供应商方案的经济成本与环境成本总和来计算智能产品服务系统总成本。
综合式(13)和式(5)，可以将成本约束和性能约束改写为如下性价比约束：
Figure BDA0003536438220000131
S3、采用嵌套序贯式遗传算法对上层优化配置模型和下层优化配置模型求解，得到最优的智能产品服务系统配置方案和供应商配置方案。
具体的，如图4所示，采用嵌套序贯式遗传算法对上层优化配置模型和下层优化配置模型求解的过程包括：
c1、采用遗传算法对上层优化配置模型求解，得到满足模块配置约束条件的智能产品服务系统配置方案的一个第一可行解；
c2、将该第一可行解传递给下层优化配置模型，得到基于该第一可行解的下层优化配置模型，采用序贯式遗传算法对基于该第一可行解的下层优化配置模型求解，得到满足供应商约束条件的供应商配置方案的一个第二可行解；
c3、基于该第一可行解和第二可行解计算供应商的经济成本、环境成本和社会损耗，以及智能产品服务系统的性价比；
c4、判断基于该第一可行解和第二可行解的智能产品服务系统的性价比是否为最高且基于该第一可行解和第二可行解的供应商的经济成本、环境成本和社会损耗是否为最低，若是，则输出该第一可行解和第二可行解，以作为最优的智能产品服务系统配置方案和供应商配置方案，否则，重复步骤c1～c3。
这里采用遗传算法对上层优化配置模型求解过程中的适应度为P/(feconomy+fenvironment)，采用序贯式遗传算法对基于该第一可行解的下层优化配置模型求解过程中的适应度为二元数组(feconomy+fenvironment，fsociety)。
较为理想的是，在另一些实施例中，在采用上述智能产品服务系统与供应商协同配置方法前，先根据历史数据和专家知识构建智能产品服务系统的应用情境，分析智能产品服务系统的典型任务和作业完成方式。
如：一般情况下，我们对智能产品服务系统的典型任务和作业完成方式做如下假设：
(1)由于订单频率和批次量不同，不同供应商可能给同样的构件不同的折扣价格。本发明关注产品/服务设计初期选择构件对系统性能的影响，因而不考虑实际运营中订购批次和数量对构件价格的影响，仅考虑初始报价下单个(单位)产品服务系统的构件购买成本；
(2)在实际生产过程中存在主制造商按订单装配(assemble-to-order,ATO)、按订单生产(make-to-order,MTO)、或者两者混合的生产方式(即部分构件自产、部分构件外包给供应商生产)。本发明不考虑主制造商在以上生产方式中进行选择的过程，仅考虑主制造商完全购买外部供应商生产的构件或模块，再进行组装的生产方式。因而，由不同供应商提供的构件/模块实例的性能直接决定了智能产品服务系统的性能；
(3)由于市场规模和产品同质化等因素的影响，不同供应商可能提供相同性能的构件。因而，在备选方案集合中，可能出现多个供应商提供同一模块实例的情况。本发明的目的是在选择使得系统性能最大化的情况下，选择最优的供应商使得总体性价比最优，因而在设计智能产品服务系统的架构时，允许一个智能产品服务系统方案对应多个备选供应商的情况；进一步地，在优选供应商方案时，将供应商选择限制到一个模块实例仅由一个供应商提供；
(4)智能产品服务系统方案与供应商方案的协同配置需要处理三类关系，即模块与模块之间的组合关系，供应商与模块之间的供应关系，以及供应商与供应商之间的合作竞争关系。本发明不考虑供应商与供应商之间的关系，仅关注智能产品架构与供应商选择之间的协同配置问题。由于当前仅有部分头部制造企业可以实行服务转型的战略规划，他们在市场上的话语权更充分、对供应商的控制力更高。因而，本发明仅关注主制造商占绝对领导地位的情况，不考虑供应商与主制造商存在博弈的情况。
(5)由于应用场景的不同，在智能产品服务系统中可能有多种智能互联产品一起发挥作用，例如通过移动智能控制端(也叫个人掌上电脑，personal digital assistant,PDA)实现智能无人管理小车(automatic guided vehicle,AGV)的调度和实时监护。本发明不考虑智能产品服务系统中需要同时配置多款智能产品的情况，仅考虑对单一核心智能产品及其相关的电子服务和软件进行配置。例如在上文PDA与AGV协作的智能产品服务系统中，仅考虑如何配置AGV的模块以满足用户需求，达到性价比的最大化，将AGV的调度和监控作为服务和软件进行配置，不考虑PDA的配置。
(6)由于主制造商和供应商生产能力的不同，在构件/模块的设计环节可能存在由主制造商主导设计、由供应商主导设计、或者由两者合作设计等多种情况，不同的设计模式对主制造商的生产运营成本有影响。本研究更关注智能产品服务系统架构与制造商选择的衔接环节，所以假设备选构件/模块实例都能充分满足主制造商的后续生产需求，不考虑主制造商和供应商在不同合作模式下的协同配置问题；
(7)由于用户偏好的不同和产品性能的不同，产品与产品之间存在同类替代的关系，所以很多协同配置模型会考虑市场规模和用户的选择概率。但是智能产品服务系统更偏向于通过高质量的个性化服务提升用户体验，因而本研究假设针对个性化的用户需求(例如报价、服务响应速度、系统升级能力等)进行智能产品服务系统的配置，不考虑市场规模和顾客选择概率对配置模型的影响。
下面以应用于仓储场景的自动导引车智能产品服务系统(automatic guidedvehicle Smart PSS,AGV-Smart PSS)为例，对所述智能产品服务系统与供应商协同配置方法进行讨论与分析。
已知AGV-Smart PSS的部分模块及其实例如表4所示：
表4 AGV-Smart PSS的模块实例
Figure BDA0003536438220000151
Figure BDA0003536438220000161
根据AGV-Smart PSS的特性，可以得到模块性能评估表如表5：
表5 AGV-Smart PSS模块性能价值评估表
Figure BDA0003536438220000162
Figure BDA0003536438220000171
构建双层协同配置模型，代入所需参数并生成可行的AGV-Smart PSS配置方案
具体包括：
(1)产品导向的AGV-Smart PSS方案配置
第一类配置方案以售卖AGV产品为主，主制造商将AGV一次性交付给用付，因而需要考虑在用户预算内提供最高产品性价比的方案。根据第三章提出的配置框架，x8，j～x11，j均为0，只考虑x1，j～x7，j是否取值为1。双层模型在这种情境下表达为：
max F(xij，yijk)＝P/C
Figure BDA0003536438220000172
Figure BDA0003536438220000173
Figure BDA0003536438220000174
P≥E(P)；
min C(xij，yijk)＝(feconomy，fenvironment，-fsociety)
s.t.C≤E(C)；
Figure BDA0003536438220000175
Figure BDA0003536438220000176
Figure BDA0003536438220000177
Figure BDA0003536438220000178
如(15)所示，产品导向的AGV-Smart PSS只考虑纯产品模块和与产品构件紧密相关的服务的性能，因而整个AGV-Smart PSS的性能表现为模块M1～模块M7的性能的加权。另外，在下层模型的成本度量方面，也仅考虑了产品相关模块。由于这些模块都有实体，所以也需要考虑所有这些模块的运输费用。
(2)使用导向的AGV-Smart PSS方案配置
第二类配置方案以提高AGV的使用率为目的，主制造商将AGV交付给用户，当租赁合约到期时，用户需要归还AGV，或者续约。这种模式下用户可以以较低的预算获得同样的服务效果。根据第三章提出的配置框架，x11,j为0，只考虑x1,j～x10,j是否取值为1。因此，上层目标函数中的性能函数表达为如下形式：
Figure BDA0003536438220000181
在使用导向的AGV-Smart PSS中，有很多服务模块，即模块中不包含任何实体构件，这些模块的运输费用为0。因而，下层模型中的经济成本表达为：
Figure BDA0003536438220000182
(3)结果导向的AGV-Smart PSS方案配置
第三类配置方案以提高AGV的任务完成效果为目的，主制造商负责为用户提供全套的解决方案，而不是单纯地交付AGV。这种模式下用户虽然需要付出一些额外的成本购买主制造商提供的服务，但是可以获得更加高效的工作流，从而实现综合利益的提高。根据第三章提出的配置框架，此时需要考虑所有模块，即考虑x1,j～x11,j是否取值为1。因此，面向结果配置的智能产品服务系统，上层目标函数表达为如下形式：
Figure BDA0003536438220000183
同时，下层模型中的经济成本为：
Figure BDA0003536438220000184
设定用户预算25(万元)，初始迭代种群规模为50，交叉和变异概率都为0.8，迭代次数为200。计算结果如表6所示：
表6预算为25(万元)时的模块和供应商配置方案
Figure BDA0003536438220000185
Figure BDA0003536438220000191
当只有25万元预算时，面向产品的AGV-Smart PSS方案包含M1,1磁带导航小车和M7,1液晶显示屏，构件报价为6.0135万元。面向使用的AGV-Smart PSS方案包含M1,2视觉导航小车，…，M7,1液晶显示屏，M8,2产品专家在线对话和M10,1客服话务专线，构件报价为24.0135万元。面向结果的AGV-Smart PSS方案包含M1,2视觉导航小车，…，M7,1液晶显示屏，M8,2产品专家在线对话，…，和M11,1自研任务指派系统，构件报价为24.018万元。计算结果能够反映本研究提出的模型是合理的。首先，当构件性能一样时，供应商的可持续度会影响主制造商的选择。例如M2,1模块实例可以由A,B,C三个供应商提供，供应商B距离主制造商更近，且当地失业率更高，因而选择供应商B有更高的环境、社会效益。其次，面向使用和面向结果的AGV-Smart PSS配置结果能够在给定预算内发挥最大效用。三类智能产品服务系统的性价比分别为1.4966，1.8323和1.8320，面向使用和面向结果的AGV-Smart PSS虽然价格更高，但是整体性价比显著高于面向产品的智能产品服务系统。如果将预算限制为10万元，则只能放弃主制造商及其供应商提供的部分高级服务，选择以产品为导向的智能产品服务系统。这与现实情况类似，通常只有资金充裕的用户会选择一体化的解决方案，利用主制造商提供的产品服务组合高效地完成任务。
下面将本申请中用到的符号进行解释，如下表7所示：
Figure BDA0003536438220000192
Figure BDA0003536438220000201
Figure BDA0003536438220000211
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (8)

1.一种智能产品服务系统与供应商协同配置方法，其特征在于，包括：
分析智能产品服务系统包含的每一模块的类型，所述智能产品服务系统的每一模块至少有一个满足模块需求的模块实例，该模块实例由至少一个供应商提供，根据模块类型再基于工程价值评估方法对每一模块实例进行模块性能评分；
以模块实例和模块实例的供应商为决策变量，在模块配置约束条件下，以智能产品服务系统方案的性价比最高为目标函数，建立上层优化配置模型，在供应商约束条件下，以供应商方案的经济成本、环境成本和社会损耗最低为目标函数，建立下层优化配置模型；
采用嵌套序贯式遗传算法对上层优化配置模型和下层优化配置模型求解，得到最优的智能产品服务系统配置方案和供应商配置方案；
其中，所述模块配置约束条件包括：a1、单一约束，即每一模块只选择一个模块实例；a2、性能约束，即智能产品服务系统总性能评分不低于用户预期，其中智能产品服务系统总性能评分是将智能产品服务系统中每一模块选用的模块实例的模块性能评分采用多属性效用函数求得；
所述供应商约束条件包括：b1、单一约束，即每一模块实例只选择一个供应商；b2、成本约束，即智能产品服务系统总成本不高于用户预算，其中智能产品服务系统总成本是供应商的经济成本与环境成本总和；
所述模块的类型包括：产品导向型、使用导向型和结果导向型；
所述模块由至少一个构件组成，所述构件包括实体产品构件、服务构件和软件构件三种类型；
分析智能产品服务系统包含的每一模块的类型的方法包括：
分别统计每一模块中包含的实体产品构件数量np、服务构件数量ns、软件构件数量nsw和总构件数量n，n＝np+ns+nsw；
若该模块中，
Figure FDA0004039362660000011
ns≥0且nsw＝0，则该模块为产品导向型；
若该模块中，np≥0、
Figure FDA0004039362660000012
且nsw<ns，则该模块为使用导向型；
若该模块中，np＝0且nsw>ns≥0，则该模块为结果导向型。
2.如权利要求1所述的智能产品服务系统与供应商协同配置方法，其特征在于，采用嵌套序贯式遗传算法对上层优化配置模型和下层优化配置模型求解的过程包括：
c1、采用遗传算法对上层优化配置模型求解，得到满足模块配置约束条件的智能产品服务系统配置方案的一个第一可行解；
c2、将该第一可行解传递给下层优化配置模型，得到基于该第一可行解的下层优化配置模型，采用序贯式遗传算法对基于该第一可行解的下层优化配置模型求解，得到满足供应商约束条件的供应商配置方案的一个第二可行解；
c3、基于该第一可行解和第二可行解计算供应商方案的经济成本、环境成本和社会损耗，以及智能产品服务系统的性价比；
c4、判断基于该第一可行解和第二可行解的智能产品服务系统的性价比是否为最高且基于该第一可行解和第二可行解的供应商方案的经济成本、环境成本和社会损耗是否为最低，若是，则输出该第一可行解和第二可行解，以作为最优的智能产品服务系统配置方案和供应商配置方案，否则，重复步骤c1～c3。
3.如权利要求1所述的智能产品服务系统与供应商协同配置方法，其特征在于，产品导向型模块的性能评价指标包括：响应时间、需求满足程度、服务预测和推荐效果；
使用导向型模块的性能评价指标包括：响应时间、需求满足程度、服务预测和推荐效果、产品和/或服务的可用性、服务便捷性；
结果导向型模块的性能评价指标包括：响应时间、服务预测和推荐效果、任务匹配度、自动化程度、可访问性。
4.如权利要求2所述的智能产品服务系统与供应商协同配置方法，其特征在于，对于具有实体产品构件的智能产品服务系统，其供应商方案的经济成本
Figure FDA0004039362660000021
其中，xij为第i个模块的第j个模块实例，yijk为第i个模块的第j个模块实例的第k个供应商，
Figure FDA0004039362660000022
为第k个供应商对第i个模块的第j个模块实例的报价，
Figure FDA0004039362660000023
为第i个模块的第j个模块实例从第k个供应商运输到主制造商的运输成本，cassemble为智能产品服务系统从主制造商运输到用户的运输和组装成本，cR为回收智能产品服务系统的固定成本；
对于没有实体产品构件的智能产品服务系统，其供应商方案的经济成本
Figure FDA0004039362660000031
其中，xij为第i个模块的第j个模块实例，yijk为第i个模块的第j个模块实例的第k个供应商，Lifespan为主制造商和用户签订合约时约定的服务期限，
Figure FDA0004039362660000032
为由第k个供应商提供的第i个模块的第j个模块实例在智能产品服务系统服务期限中单位使用频次的花费；
i＝1,2,…,I，i指智能产品服务系统中包含的模块；j＝1,2,…,Ji，j指智能产品服务系统第i个模块的备选模块实例；k＝1,2,…,K，k指智能产品服务系统第i个模块选用的第j个模块实例的备选供应商。
5.如权利要求4所述的智能产品服务系统与供应商协同配置方法，其特征在于，对于具有实体产品构件的智能产品服务系统，其供应商方案的环境成本
Figure FDA0004039362660000033
其中，
Figure FDA0004039362660000034
为第i个模块的第j个模块实例从第k个供应商运输到主制造商过程中的碳排放成本。
6.如权利要求5所述的智能产品服务系统与供应商协同配置方法，其特征在于，供应商方案的社会损耗采用供应商方案产生的社会效益的负值-fsociety表示；
Figure FDA0004039362660000035
其中，uk为第k个供应商所在地的失业率，uQ1和uQ2分别是所有失业率数据的第
一分位数和第二分位数，umax是所有失业率数据中的最大值。
7.如权利要求6所述的智能产品服务系统与供应商协同配置方法，其特征在于，采用遗传算法对上层优化配置模型求解过程中的适应度为P/(feconomy+fenvironment)；P为智能产品服务系统总性能评分，其表达形式采用多属性效用函数的表达形式：
Figure FDA0004039362660000036
其中，λ为计算模块性能时的归一化指数，由专家提前制定，wi为第i个模块的性能对整个智能产品服务系统的性能的影响度，Pi为第i个模块的性能评分，
Figure FDA0004039362660000041
Figure FDA0004039362660000042
是智能产品服务系统第i个模块的第τ个性能指标的评分，τ是性能指标的种类，τ＝1，2，…,t。
8.如权利要求6所述的智能产品服务系统与供应商协同配置方法，其特征在于，采用序贯式遗传算法对基于该第一可行解的下层优化配置模型求解过程中的适应度为二元数组(feconomy+fenvironment，fsociety)。
CN202210227233.XA 2022-03-08 2022-03-08 智能产品服务系统与供应商协同配置方法 Active CN114862333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210227233.XA CN114862333B (zh) 2022-03-08 2022-03-08 智能产品服务系统与供应商协同配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210227233.XA CN114862333B (zh) 2022-03-08 2022-03-08 智能产品服务系统与供应商协同配置方法

Publications (2)

Publication Number Publication Date
CN114862333A CN114862333A (zh) 2022-08-05
CN114862333B true CN114862333B (zh) 2023-04-28

Family

ID=82627259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210227233.XA Active CN114862333B (zh) 2022-03-08 2022-03-08 智能产品服务系统与供应商协同配置方法

Country Status (1)

Country Link
CN (1) CN114862333B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116796202A (zh) * 2023-07-17 2023-09-22 上海朗晖慧科技术有限公司 一种基于大数据的设备数据匹配方法及异常数据处理系统
CN117332993B (zh) * 2023-11-29 2024-03-22 深圳市北辰德科技股份有限公司 基于物联网的金融机具控制管理方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163551A (zh) * 2019-05-30 2019-08-23 郑州中兴奥拓电子工程有限公司 一种基于互联网的农副产品追溯系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102651102A (zh) * 2012-04-09 2012-08-29 北京航空航天大学 一种基于产品全生命周期的协同环境下产品信息建模方法
AU2017202491A1 (en) * 2016-04-21 2017-11-09 Nsa Investments (Aust) Pty Ltd System, Method and Process for Event Management and Services Related Thereto
AU2020379834A1 (en) * 2019-11-05 2022-06-09 Strong Force Vcn Portfolio 2019, Llc Control tower and enterprise management platform for value chain networks
CN111641710A (zh) * 2020-05-29 2020-09-08 深圳壹账通智能科技有限公司 基于微服务的数据处理方法、装置、终端及存储介质
CN113112143B (zh) * 2021-04-08 2024-04-23 杭州电子科技大学 云制造环境下多级别制造商协同生产任务分配方法及系统
CN113822635A (zh) * 2021-09-27 2021-12-21 上海东普信息科技有限公司 供应商入库管理方法、装置、设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163551A (zh) * 2019-05-30 2019-08-23 郑州中兴奥拓电子工程有限公司 一种基于互联网的农副产品追溯系统

Also Published As

Publication number Publication date
CN114862333A (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
CN114862333B (zh) 智能产品服务系统与供应商协同配置方法
Liu et al. A multi-attribute personalized recommendation method for manufacturing service composition with combining collaborative filtering and genetic algorithm
Arntzen et al. Global supply chain management at Digital Equipment Corporation
US20100217650A1 (en) System and method for providing market simulation/optimization
Jiao Product platform flexibility planning by hybrid real options analysis
WO2021041061A1 (en) System and method for recruitment candidate equity modeling
Afflerbach et al. Design it like Darwin-A value-based application of evolutionary algorithms for proper and unambiguous business process redesign
Chien et al. Smart semiconductor manufacturing for pricing, demand planning, capacity portfolio and cost for sustainable supply chain management
Yao et al. Evaluation of informatization performance of construction industrialization EPC enterprises in China
Liu Internal economic management and performance evaluation method of enterprise based on balanced scorecard
Huang et al. Dynamic performance assessment system for Green tourism supply chain
Liu et al. The antagonism and cohesion of the upstream supply chain under information asymmetry
Feng Optimal control strategy model of marketing management based on consumer psychology
Cao et al. Integration of the social welfare function and TOPSIS algorithm for 3PL selection
Yang et al. Application of data mining in the evaluation of enterprise lean management effect
Renold et al. Methodological framework for a deeper understanding of airline profit cycles in the context of disruptive exogenous impacts
Houseman et al. A methodology for the selection of new technologies in the aviation industry
Sun A hybrid performance evaluation system for notebook computer ODM companies
Kumar et al. A tactical three-phase implementation model for agile manufacturing
Latifian et al. A Bi-objective Model of Research and Development in Battery Manufacturing Industry to Improve Customer Satisfaction
Gong et al. Task derivation and decomposition in crowdsourced manufacturing by bilevel coordinated optimization of product family planning and manufacturer load balancing
Li et al. Current Situation and Strategy of Sports Equipment Procurement Based on Improved Ant Colony Optimization Algorithm
Wang Optimization and Governance of Reverse Supply Chain for E-waste Treatment
王俊涛 Optimization and Governance of Reverse Supply Chain for E-waste Treatment
Cahyono et al. Implementation of Erp-based Automated Inventory Management System at Sabana Fried Chicken Franchise Company

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