物联网环境下面向闭环供应链的库存管理问题研究

摘要

闭环供应链是指企业从产品运输到材料回收形成完整的物质循环，以减少运作过程中产生的环境污染与资源浪费为目标，科学经济地为社会提供产品和服务。新兴信息技术，尤其是物联网技术的发展带来了传统产品向智能互联产品的转变，也带来了闭环供应链在信息收集、处理和利用方式上的巨大的变化。之前对于闭环供应链中的一些关键信息只可以通过模糊分析、概率统计等方法进行预测，而物联网等技术提供了实时准确的覆盖产品全生命周期的追踪和监控信息，使供应链管理者可以准确地掌握当前的系统状态，同时也催生了闭环供应链在运作管理模式上的巨大变革。对于闭环供应链库存管理问题而言，物联网技术提供了库存水平、用户使用和回收品状态等关键信息，然而在传统库存管理工具中没有对于这些信息的利用方法，缺乏库存与物流在闭环物流中的协同控制，没有充分挖掘这些信息为闭环供应链带来的价值。设计针对闭环供应链的信息处理方法，建立考虑回收品和产品状态信息的新型库存管理模型和相关算法，可以帮助企业建立先进的库存管理系统，提升企业的竞争力并为社会注入可持续发展的动力。因此，本文以闭环供应链为背景，研究了物联网环境下的库存管理问题。
　　本文围绕着闭环供应链中带有嵌入式传感器的库存管理系统，在物联网环境下研究了信息的结构特点，提出了基于复杂事件的智能互联产品信息处理方法。系统分析了多种情况下的库存管理问题，分别从考虑容器回收信息的库存管理和考虑用户使用信息的备用品库存管理两方面建立了相应的模型;由于这两个问题都属于随机动态规划，在大规模案例中会遇到计算量大幅增加的“维度灾难”问题，因此提出了高性能的启发式策略以减少求解难度。考虑了闭环供应链中同时进行产品递送和材料回收的库存与物流联合优化问题，建立了大规模混合整数规划模型;由于该问题是NP难的，本文设计了一个基于大规模邻域搜索的智能算法进行求解。本文对物联网环境下面向闭环供应链的库存问题的研究工作概括如下。
　　(1)研究了智能互联产品信息处理方法，将传感器数据通过一定逻辑结构组成复杂事件，提出了一种基于监督学习的复杂事件检测系统。本文设计了一个处理传感器错误与噪声的检测算法，考虑了传感器数据在收集和传输中受到的干扰以满足实时信息处理的需求;同时提出了一个基于禁忌搜索的可靠度计算算法，通过最小化训练集误差来提高复杂事件检测系统的准确性;以一个基于实际案例的仿真分析来说明检测算法的效率，将所提出的检测算法与隐马尔科夫模型中Viterbi算法进行对比，说明了检测算法的准确性和在不同噪声水平下的鲁棒性。
　　(2)研究了物联网环境下带有容器回收信息的闭环供应链库存管理问题，基于马尔科夫决策过程提出了库存管理模型和两种启发式策略。本文考虑制造商通过可重复使用的容器为顾客供应产品，并通过物联网技术收集容器回收信息;在物联网技术所提供的不同信息水平下，以最小化期望运作成本为目标建立可回收容器的订货与生产决策模型，提出了启发式的库存管理短视和远视策略;将模型推广到具有可选择抛弃行为和平均分布回收周期的情况，在数值实验中分析了两种策略在不同利用率下的性能与特性，并在仿真实验中分析了所提出的策略性能和物联网技术所带来的信息价值。
　　(3)研究了物联网环境下带有产品使用信息的产品服务系统备用品库存管理问题，提出了基于马尔科夫决策过程库存管理模型和高性能的启发式策略。本文考虑产品服务系统这种以提供服务获取收益的新型商业模式，以最大化服务净收益为目标建立了备用品库存管理模型;根据多顾客系统的特点，提出了启发式替换策略与备用品订购策略;在数值实验中与最优策略进行对比，启发式策略在相同顾客和不同顾客的情况下的平均偏差为3.27％和5.66％;最后，在敏感度分析中研究了参数变动对于启发式策略的影响。
　　(4)研究了物联网环境下闭环供应链库存与物流联合优化问题，建立了相应的混合整数规划模型，并提出了元启发式算法进行求解。本文考虑供应链管理者利用物联网技术监控分布式库存系统的状态，以最小化库存与物流总成本为目标建立了同时考虑了产品和材料运输过程的混合整数规划模型;所建立的模型是库存路径问题的一般化，也是一个NP难问题，提出了一个改进的基于大规模邻域搜索的元启发式算法和针对递送与回收子问题的动态规划算法，来求解该模型;将所提出的算法应用于一个标准算例库中，验证了算法的性能和模型的有效性，通过两个敏感度实验分析了所提出算法的鲁棒性。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景

1．2 研究意义

1．3 系统框架

1．4 研究内容与论文结构安排

1．4．1 论文研究内容

1．4．2 论文结构安排

第二章 文献综述

2．1 物联网中信息处理方法综述

2．1．1 数据清洗

2．1．2 物联网中的复杂事件检测

2．2 闭环供应链库存管理问题综述

2．2．1 闭环供应链产品库存问题研究

2．2．2 闭环供应链可回收容器库存问题研究

2．2．3 备用品库存管理问题研究

2．3 库存与物流联合优化问题综述

2．3．1 车辆路径问题研究

2．3．2 库存与物流联合优化问题研究

2．3．3 闭环供应链中的库存与物流联合优化问题研究

2．3．4 大规模邻域搜索算法的应用

2．4 本章小结

第三章 基于复杂事件的智能互联产品信息处理方法

3．1 引言

3．2 检测过程

3．2．1 符号

3．2．2 定义

3．2．3 加权不确定有限自动机

3．2．4 检测算法

3．3 监督学习模型

3．3．1 非线性处理过程

3．3．2 选择过程

3．3．3 学习过程

3．3．4 系统框架

3．4 可靠度计算算法

3．4．1 算法的基本结构

3．4．2 局部搜索

3．4．3 摄动机制

3．5 仿真实验

3．5．1 检测算法的检测速度性能

3．5．2 可靠度计算算法的性能

3．5．3 系统的检测准确性能

3．6 本章小结

第四章 物联网环境下带有容器回收信息的闭环供应链库存管理问题

4．1 引言

4．2 模型描述

4．2．1 符号

4．2．2 假设

4．2．3 决策过程建模

4．3 短视策略

4．3．1 完全信息情况下的短视策略

4．3．2 部分信息情况下的短视策略

4．3．3 无信息条件下短视策略

4．4 短视策略的最优性和性能分析

4．4．1 单周期分析

4．4．2 多阶段分析

4．4．3 利用选择性抛弃行为扩展模型

4．5 仿真实验

4．5．1 信息价值的结果

4．5．2 不准确信息的影响

4．5．3 具有平均分布使用时间的信息价值

4．6 本章小结

第五章 物联网环境下带有产品使用信息的产品服务系统备用品库存管理问题

5．1 引言

5．2 模型描述

5．2．1 符号

5．2．2 模型描述

5．2．3 马尔科夫决策过程模型

5．3 启发式解法

5．3．1 针对单顾客的替换策略模型

5．3．2 多顾客系统的启发式替换策略

5．3．3 多顾客系统的启发式库存策略

5．4 数值实验

5．4．1 基本案例

5．4．2 最优控制策略

5．4．4 启发式策略与参考策略的偏差

5．4．5 成本分析

5．5 敏感度分析

5．5．1 单位库存成本的影响

5．5．2 替换成本的作用

5．5．3 单位服务收益的影响

5．5．4 衰退率的影响

5．6 本章小结

第六章 物联网环境下闭环供应链库存与物流联合优化问题

6．1 引言

6．2 模型描述

6．2．1 混合整数规划模型

6．2．2 模型的数学表达式

6．3 求解算法

6．3．1 算法的基本结构

6．3．2 构建初始解

6．3．3 改进邻域结构

6．3．4 改进的摄动算法

6．3．5 自适应选择机制

6．3．6 递送和回收子问题

6．3．7 接受和终止条件

6．4 仿真实验

6．4．1 构建案例

6．4．2 算法设定

6．4．3 下界

6．4．4 上界

6．4．5 最优解与下界和上界的计算结果

6．4．6 递送和回收子问题的启发式算法的性能

6．4．7 新型邻域结构的作用

6．4．8 对于车辆运载能力的敏感度分析

6．4．9 对惩罚成本和采购成本敏感度分析

6．5 本章小结

第七章 结论与展望

7．1 本文结论

7．2 未来研究的展望

参考文献

附录

攻读博士学位期间的学术活动及成果情况