多期決策下鋼鐵企業(yè)采購與生產(chǎn)庫存優(yōu)化研究.pdf

1、2008年末全球經(jīng)濟危機及2009年歐債危機爆發(fā)，世界鋼鐵工業(yè)受到較大沖擊，中國大中型鋼鐵企業(yè)普遍出現(xiàn)了利潤下滑或虧損。國內(nèi)鋼鐵企業(yè)歷來“重生產(chǎn)輕流通”，然而冶煉技術(shù)改革投入巨大成本，帶來的效益往往也要多年后才能得到體現(xiàn)，越來越多的鋼鐵企業(yè)管理者開始從物流領(lǐng)域要“利潤”。鋼鐵企業(yè)采購和庫存成本占總生產(chǎn)成本的比例達到60％以上，對其進行優(yōu)化研究不僅能夠豐富采購庫存理論，而且具有降低鋼鐵企業(yè)物流成本、擴大利潤空間的現(xiàn)實意義。論文主要內(nèi)容如下

2、:
　　 鋼鐵企業(yè)原材料采購種類多、數(shù)量大，不同物資具有不同的采購環(huán)境，管理難度較大，需要對物資進行合理的分類。論文提出采用Kraljic模型從利潤影響和供應(yīng)風(fēng)險兩個屬性角度對物資進行分類管理，建立了較為完整的屬性指標(biāo)體系，提出了一種基于DEA的線性規(guī)劃模型進行綜合指標(biāo)值的確定，得出鋼鐵企業(yè)物資在Kraljic矩陣中的位置，將原材料物資分為戰(zhàn)略物資、瓶頸物資、杠桿物資和一般物資，并為每類物資提出相應(yīng)的采購策略。
　　 在

3、進行原材料采購優(yōu)化之前，鋼鐵企業(yè)管理者需要對原材料未來價格走向進行把握。論文以采購環(huán)境最為復(fù)雜且采購成本最大的鐵礦石為例進行了研究。分析了鐵礦石價格形成機制及鐵礦石價格的影響因素。對于影響因素中不能直接量化的因素采用結(jié)合專家系統(tǒng)和事件數(shù)據(jù)分析法的方法進行量化，并應(yīng)用偏相關(guān)系數(shù)與序列灰色關(guān)聯(lián)度進行影響強度分析，并為鋼鐵企業(yè)提出相應(yīng)的對策和建議。為了克服一般回歸模型擬合度差的缺點，提出采用非線性半?yún)?shù)模型進行鐵礦石價格的預(yù)測。雖然擬合精度有

4、了較大的提高，但非線性半?yún)?shù)模型預(yù)測結(jié)果不是很理想。故又從時間序列角度，把各因素的影響作為一個整體來進行研究，論文采用基于粒子群參數(shù)優(yōu)化的支持向量機(PSO-SVM)方法進行預(yù)測，并與差分自回歸移動平均模型和BP神經(jīng)網(wǎng)絡(luò)方法進行比較，PSO-SVM方法預(yù)測精度更高，且更符合實際情況。
　　 面對波動的原材料價格、隨機采購提前期，論文建立了適合小型鋼鐵企業(yè)的平穩(wěn)需求下的采購庫存優(yōu)化模型;若需求也為隨機，則建立了適合大中型企業(yè)的隨機

5、需求下的采購庫存優(yōu)化模型。這兩個模型從多期聯(lián)合優(yōu)化的角度來考慮原材料價格波動的影響。模型中考慮了采購成本、運輸成本和倉儲成本三個方面，以采購決策期內(nèi)多期決策下的單位原材料采購成本最低為優(yōu)化目標(biāo)。由于模型的非線性特征，論文提出在價格和鋼材需求預(yù)測的基礎(chǔ)上采用改進的粒子群算法進行求解。以鋼鐵企業(yè)L為案例得出:多期聯(lián)合優(yōu)化下的單位原材料采購成本比單期經(jīng)濟訂購批量下及延續(xù)企業(yè)L以補充庫存為主的采購策略下都要低，驗證了模型及算法的有效性。按照多期

6、聯(lián)合優(yōu)化下的采購決策表進行采購，能夠為企業(yè)節(jié)省大量采購成本。
　　 原材料價格波動對鋼材生產(chǎn)的影響表現(xiàn)為單位變動成本的波動，論文建立了隨機需求下的鋼材動態(tài)生產(chǎn)優(yōu)化模型，以鋼材多期生產(chǎn)決策來應(yīng)對單位變動成本的波動。由于模型變量較多，采用粒子群算法容易陷入局部最優(yōu)，故提出采用模擬退火與粒子群相結(jié)合的算法進行求解。同樣也以鋼鐵企業(yè)L為例，驗證了模型的有效性和算法的收斂性。
　　 考慮到原材料采購優(yōu)化與鋼材生產(chǎn)優(yōu)化之間的不斷相互