回收物流系统生产库存优化模型

为降低回收物流成本,提出了合理控制回收物流系统生产库存的方法.考虑到回收中心和处理工厂对废旧产品的供应与需求关系,建立了关于回收中心和处理工厂的二级生产库存优化模型.利用该模型可以得到回收中心在一个运作周期中的运输批次、每次运输量与首次运输量的最优比值和回收物流系统单位时间与生产库存有关的平均费用.由此,可以确定回收中心和处理工厂所需的最小仓储空间,以及它们在一个运作周期内的平均库存量和相应库存费用.为便于模型应用,探讨了最佳运输次数的上界确定方法,给出了模型的分解一比较算法.通过算例,验证了模型及其算法的有效性.     

基于CMI的废旧轮胎回收系统多周期LRIP

为提高废旧轮胎回收的效率和效益,针对废旧轮胎规范化回收系统优化问题,建立了一种基于回收商管理库存方式的多周期定位-路径-库存问题优化模型,并据此进行回收中心开设地点选择、收集车辆路径安排以及回收点与回收中心的两级库存控制的联合优化决策。设计了一种两阶段启发式算法:阶段1采用先定位-分配,后安排车辆路径和库存的方法,基于系统总成本最小求得初始解;阶段2采用改进启发式搜索方法搜寻更优解。示例分析结果表明了该模型和算法的有效性,并证明了回收商管理库存方式可以显著提高废旧轮胎回收系统的运营绩效。     

一类参数和时滞不确定的闭环供应链动态模型与鲁棒H∞控制

建立了一类参数与时滞不确定的闭环供应链动态系统模型,包括具有参数不确定的产品回收模型、具有时滞不确定的再制造模型、具有参数和时滞不确定的第三方逆向物流模型三种典型的闭环供应链模型。分析了闭环供应链动态系统的鲁棒运作问题。针对闭环供应链动态系统运作过程中参数与时滞不确定干扰的问题,给出了解决供应链动态模型的鲁棒H∞控制策略及其线性矩阵不等式算法。通过库存状态的静态反馈控制,抑制了供应链动态系统中的不确定性干扰,使供应链运作达到理想状态。最后,以结合国内钢铁行业废钢回收运作状况为背景,进行了仿真计算,并验证了鲁棒H∞控制结果。     

多资源概率约束下多品种变质产品库存优化

为降低多产品多资源概率约束下易腐产品库存系统的长期平均成本,首先得出了多品种多资源概率约束下易腐产品库存系统的几个有用的性质和定理;然后基于这些定理,给出了一种搜索多品种多资源概率约束下库存系统最优订货策略的多项式算法,在算法中运用系统动力学仿真方法代替传统算法的复杂过程,并证明了多品种多资源概率约束库存系统优化问题等价于一个单资源多品种概率约束库存系统优化问题;最后给出了一个计算实例,表明多资源约束下概率约束对线性约束的优越性和新算法的可行性.     

有固定需求底线的逆向供应链定价策略研究

为了解决逆向供应链中的定价策略问题,根据单一制造商和单一零售商构成的二级逆向供应链系统,应用博弈理论研究废旧产品回收数量超过或低于需求底线时,制造商和零售商的定价策略。得出了斯坦克尔伯格均衡和纳什均衡2个非合作博弈的均衡解,以及一个合作博弈的均衡解（联合定价）,同时给出了各定价策略下的最优回收量。对各种定价策略作了进一步的比较,并通过案例进行了分析。     

再制造系统中废旧产品回收策略

针对再制造系统中以整体再制造为主要利用方式的废旧产品,考虑废旧产品的质量和用户心理回收价格等因素,建立了无约束混合整数规划的单周期回收模型。该模型的目标是得到一个包括回收价格、回收数量和再制造成本阈值的最优回收策略,以达到周期内期望利润最大化。通过数值仿真方法分析了潜在待回收的废旧产品数量、质量、废弃处理成本以及用户心理回收价格对最优回收策略的影响。研究表明,稳定的回收来源能够促使回收价格和回收数量的提高;再制造商的期望利润是单位废弃处理成本的减函数,且随着待回收废旧产品的质量越好而越高;另外,单纯从经济效益出发,再制造商具有较高的再制造意愿,缺乏动力提供高回收价格来提高回收数量。     

市场规模变化条件下再制造产品最优定价策略

把两阶段再制造决策放在市场规模变化的环境中,研究了不同市场增长率下的再制造最优定价策略,并进一步分析了不同定价策略下再制造率与利润的变化规律.研究发现市场增长能够在增加制造商利润的同时,提高废旧品翻新比例;当市场增长较快,废旧品出现供应不足的情况时,企业必须通过扩大废旧品回收的投资来增加利润.最后,利用废旧品影子价格给出了单位投资成本,并通过算例验证了上述结论.     

考虑缓冲区库存的退化系统最优维修更换策略

为提高生产过程的连续性,在设备间设置缓冲区,假设上游设备不能修复如新的条件下,以缓冲区库存控制K和设备更换前故障次数N为决策变量,运用几何过程建立了退化系统维修更换模型。以最小化系统运行成本为目标,利用更新过程理论求得系统平均费用率C(N,K),并给出求解最优联合策略的演化算法。借助数值算例演示了本模型,通过灵敏度分析确定了最优策略和相关参数的关系。     

不完全信息下逆向供应链中制造商的最优合同

为解决不完全信息下制造商和回收商废旧产品回收的定价问题,基于单一制造商和单一回收商构成的逆向供应链系统,建立了委托-代理模型.该模型中,制造商在最大化自身利润的基础上建立了一种激励机制,该机制可使回收商真实地报出自己的运营成本的同时,其利润达到最优.通过对模型的分析、求解得到了不完全信息下制造商的最优合同,并通过案例进行了分析.     

基于状态观测器的电动助力转向系统研究

通过对电动助力转向系统机构的分析和简化,建立了状态方程形式的电动助力转向系统动力学模型。由于现实中质心侧偏角难于测量,所以对系统的状态方程进行了重构,通过状态观测器对侧偏角进行估计。通过对横摆角速度和质心侧偏角进行反馈控制,并运用最优控制理论设计了EPS控制器。通过仿真,对比分析了最优状态反馈控制策略与常规控制对车辆操纵稳定性的影响。通过试验,将仿真结果与试验结果对比,验证了该方法的正确性。     

可拆分ATO系统的最优、渐进最优和次优库存控制策略

求解面向订单装配(ATO)系统最优库存控制策略是库存控制领域内的重要问题,因为结构的复杂性,目前只在一些很特殊的情形下有明确的结论.针对一类范围广泛的ATO系统,求解其在不同条件下的最优和渐进最优库存控制策略,并将思路推广到具有一般物料清单结构的ATO系统中.以在ATO系统库存控制研究中比较常用的W型和M型系统为例进行...     

一种多周期随机需求生产/库存模型

为使存贮、生产和缺货等费用的总和最小，建立了一种多周期随机需求生产／库存模型，该模型采用（S，Q）策略对生产和库存进行控制，即当成品库存降至8时准备生产，生产量为Q。通过对该模型费用函数特性的分析，设计了一种迭代学习算法，根据该算法可以得出系统的最优生产准备点及最优生产量。将所提出的迭代学习算法与遗传算法进行了比较，结果显示，两者所得到的控制量是吻合的，且迭代学习算法的求解速度更快，从而证实所建立的模型和提出的迭代学习算法是正确有效的。     

Integrating dynamic acquisition pricing and remanufacturing decisions under random price-sensitive returns

As uncertainties increase in both the acquisition of used products and the demand of remanufactured products, balancing supply and demand has become more important for a remanufacturing firm. Therefore, the remanufacturing firm needs to combine acquisition management with remanufacturing planning. Used products are often collected from a large number of end users, and acquisition pricing is adopted to control the return quantity of the used product. In this paper, we study a multiperiod acquisition pricing and remanufacturing decision problem under random price-sensitive returns. First, the problem is formulated into a two-decision periodic review inventory model, the decomposition property of which is proved, and thus, the problem can be decomposed into two subproblems with single decision variable. Second, we acquire the solution structure of the optimal remanufacturing quantity, which is a basic inventory policy not influenced by random returns. Next, we analyze characteristics of the optimal acquisition price and derive a monotonic pricing policy depending on the starting level of the whole inventory in each period. Further, an algorithm is designed to calculate the optimal inventory level and acquisition price of each period, which holds a lower computational complexity. Finally, numerical examples are provided to show the effectiveness of the algorithm and to conduct managerial insights of main parameters.     

Optimal pricing and replenishment policies of an EOQ model for non-instantaneous deteriorating items with shortages

This paper discusses the optimal pricing and replenishment policies of an economic order quantity model for non-instantaneous deteriorating items with partial backlogging over an infinite time horizon. The model is studied under the replenishment policy starting with no shortages. The backlogging rate is any non-increasing function of the waiting time up to the next replenishment. The objective of this model is to maximize the total profit which includes the sales revenue, purchasing cost, set up cost, holding cost, shortage cost, and opportunity cost due to lost sales. Here, the selling price, replenishment quantity, replenishment cycle length, and the time duration of the positive inventory level are taken as decision variables to maximize the profit of the inventory system. The existence and the uniqueness of the solution of the proposed inventory system are examined. We suggest a solution procedure to find the optimal solution of the described model. Numerical examples are presented to determine the developed model and the solution procedure. Sensitivity analysis of the optimal solution with respect to major parameters is carried out and some useful managerial results are obtained.     

A multi-product multi-period inventory control problem under inflation and discount: a parameter-tuned particle swarm optimization algorithm

In this paper, a seasonal multi-product multi-period inventory control problem is modeled in which the inventory costs are obtained under inflation and all-unit discount policy. Furthermore, the products are delivered in boxes of known number of items, and in case of shortage, a fraction of demand is considered backorder and a fraction lost sale. Besides, the total storage space and total available budget are limited. The objective is to find the optimal number of boxes of the products in different periods to minimize the total inventory cost (including ordering, holding, shortage, and purchasing costs). Since the integer nonlinear model of the problem is hard to solve using exact methods, a particle swarm optimization (PSO) algorithm is proposed to find a near-optimal solution. Since there is no bench mark available in the literature to justify and validate the results, a genetic algorithm is presented as well. In order to compare the performances of the two algorithms in terms of the fitness function and the required CPU time, they are first tuned using the Taguchi approach, in which a metric called “smaller is better” is used to model the response variable. Then, some numerical examples are provided to demonstrate the application and to validate the results obtained. The results show that, while both algorithms have statistically similar performances, PSO tends to be the better algorithm in almost all problems.     

双零件族随机环境下可重构制造系统的生产能力设计

基于概率论、排队论与更新理论的方法,建立了双零件族随机市场需求模型与可重构制造系统的排队控制模型.以可重构制造系统的生产能力与开机数量为参数,基于重构成本、制造系统折旧成本与仓储成本,构建了平稳条件下可重构制造系统长期运行时,单位时间内所取得的平均利润优化模型,并提出了优化方法与步骤.通过求解该模型,得到了可重构制造系统的最优生产能力与最佳开机数量.基于求得的最优生产能力与最佳开机数量,给出了可重构制造系统的订单接受率与切换周期等性能指标.最后,用案例验证了所提方法的可行性.     

A single-period inventory model with inventory update decision: the newsboy problem extension

Inventory models use a set of parameters to establish their respected optimal policy. Such parameters are information items that have to be generated (obtained) and, therefore, there is a cost for obtaining them. Traditional inventory models simply ignore the existence of this cost and, therefore, the established optimal policies by these models may not be necessarily optimal in practice. In this paper, based on the requirements dictated by a real-world project, we analyze the impact of information update decisions for a specific class of inventory model (a single-period inventory model). The main difference between the presented model in this paper and newsboy problem is the presence of an inventory update decision and its effect on other inventory decisions. That is to decide when inventory-related information should be updated, how much should be ordered, and what is the maximum level of demand that can be promised to the customers. We formulate these decisions and develop mathematical methods to find the corresponding optimal policies.     

一种考虑延期交货及失去销售的库存模型

确定最优生产周期和生产时间,降低库存系统总成本,是企业库存管理的核心内容之一。在经典EPQ模型基础上,考虑延期交货及丢单损失,建立了相应的生产库存模型。数学分析及参数的灵敏度分析显示,延期交货系数对库存系统各项成本有不同程度的影响,是实际生产库存决策必须控制的重要因素。     

基于深度强化学习的锂电池快速充电控制策略

安全高效的锂电池充电控制策略对于电动汽车的发展具有重要推动作用。针对锂电池的快速充电问题,提出一种综合考虑锂电池充电速度、能量损耗、安全约束多目标优化充电控制策略。基于动作-评价网络框架,利用基于近端策略优化的深度强化学习算法,训练出使得充电目标对应的奖励函数最大的充电策略神经网络和策略评估神经网络。然后,利用训练完成的充电策略神经网络根据当前电价和电池SOC智能决策出最优的充电电流。该充电控制策略的优势在于能够在保证快速充电的同时,实现充电花费最小化。同时,充电策略神经网络在线运算量较小,与基于模型的在线优化算法相比更能满足充电控制的实时性要求。最后,仿真结果表明,该充电控制策略与传统恒流-恒压法相比,具有兼顾充电速度与电费支出的优势,满足快速充电任务需求的同时,最高可降低25%的充电成本。     

供应商产出随机下基于风险共享的供应链协同模型

为降低供应链上游的供应风险,研究了供应商随机产出下两供应商-单制造商系统在溢出库存惩罚下的风险共享协同模型。分析了集中决策下供应链系统最优批量决策,以及溢出库存惩罚下供应商和制造商各自的最优批量决策;证明了在存在溢出库存惩罚下,供应商和供应商、供应商和制造商之间存在纳什均衡,且纳什均衡下供应链利润不大于供应链系统的最优利润值。为达到供应链系统的最优利润,提出了溢出库存惩罚下基于风险共享的供应链协同模型。通过案例分析说明,制造商通过调整满足一定关系的订货量、制造商风险共享系数和供应商风险共享系数,能使得独立决策下供应链达到集中决策下的供应链利润。