论文部分内容阅读
供应链中多级库存系统优化问题一直是理论研究和实际应用的热点问题。随着市场竞争日益激烈,顾客对不同商品的需求多样性和不稳定性日趋明显,在满足不确定性需求的前提下如何降低整条供应链的库存水平就显得尤为重要。为了提高供应链多级库存系统的稳定性,提高企业的综合竞争力,有必要在随机需求的前提下对供应链中进销存系统的输入、输出进行有效的控制。本篇论文在同领域研究探索的基础上,对过去供应链多级库存系统存在的缺陷,运用自动控制理论构建了一个在随机需求情况下,基于非线性自回归神经网络的带信息扭曲补偿器的供应链多级库存反馈控制体系。本文还对该系统在Matlab平台中进行了仿真分析和对比研究。本文在动态企业生产环境和随机市场需求下,首先对单级结点企业系统进行了逻辑模型的分析,明确了单级结点企业的进销存运营过程。第一,根据单级库存系统的逻辑模型和一定的合理假设,利用前向差分近似微分和泰勒级数展开,建立了一个动态的库存系统数学模型。第二,根据拉布拉斯变换将动态库存函数转换为一个双输入含扰动的反馈控制模型,此时扰动设定为市场随机需求,在此基础上,构建了一个供应链单级库存系统的反馈控制模型。第三,在对单级库存系统的SIMULINK仿真过程中,利用非线性自回归神经网络替代普通指数平滑预测,将预测精度提高,并做了对比分析。同样是在随机市场需求的前提下,本文在对单级结点企业分析建模的基础上,分析了供应链多级结点企业间的物流、信息流和资金流的流动过程。第一,根据多级库存系统的逻辑模型和对供应链结点企业间进销存的合理假设,建立了一组动态数学模型。第二,将数学模型转变成控制模型,并在SIMULINK平台上对其进行了仿真,并分析了仿真结果,提出了系统存在的问题。第三,针对多级库存系统的需求信息放大效应,即牛鞭效应,首先采取信息共享策略,取得了一定成果,随后又针对不确定需求采用非线性自回归神经网络对系统的期望库存设定进行优化,最后,又构建了一个现实可行的信息扭曲补偿器,这使得订单信息传递时在保持均值不变的情况下缩小了波动程度,大大减小了多级库存系统的牛鞭效应。第四,本文对基于不同优化策略的多级库存控制系统分别进行了仿真对比研究,对比项目包括平均剩余库存量、缺货次数、平均缺货量、订货量牛鞭效应、库存量牛鞭效应。研究结果表明,本文设计的随机需求下基于非线性自回归神经网络的带信息扭曲补偿器的多级库存反馈控制系统在复杂供应链多级进销存问题中有显著优化作用。其中,信息共享策略可以确保供应链多级库存系统在信息传递过程中真实有效,非线性自回归神经网络可以提高供应链多级库存系统对市场随机需求的预测精度,信息扭曲补偿器可以有针对性地在不改变订货量均值的情况下降低信息传递的波动,弱化牛鞭效应对系统的影响。随机需求下基于非线性自回归神经网络的带信息扭曲补偿器的多级库存反馈控制系统可以帮助供应链多级库存系统解决库存优化问题,弱化并缓解供应链普遍存在的牛鞭效应,降低整体库存水平,对动态环境中随机需求下的多级库存控制问题有一定的理论指导和借鉴意义。