裝備制造企業(yè)關鍵物資供應不確定下采購計劃研究.pdf

1、裝備制造企業(yè)產品結構復雜，需要采購、外包和制造大量的原材料、零部件和成品配套件等生產物資。其中一些裝備產品的關鍵原材料、面向訂單生產(Make to Order，MTO)裝備產品的系列件以及面向訂單設計(Engineering to Order)裝備產品的定制件等物資，具有客戶化程度高、質量和可靠性要求嚴格、生產工藝復雜、供應渠道和能力有限、交貨提前期緊張以及供應不確定程度高等特點，企業(yè)通常采用多源采購方式。這些物資延遲供應或缺貨對產品

2、生產和訂單交貨影響巨大，傳統(tǒng)庫存減輕、后備供應或從現(xiàn)貨市場應急采購等不確定應對策略在其采購應用中存在較大局限，是企業(yè)采購管理的重點和難點，本文統(tǒng)一將這些物資稱為關鍵物資?？茖W合理地制定關鍵物資供應不確定條件下的采購計劃，并與生產計劃協(xié)調一致，對裝備制造企業(yè)降低運營成本、提高生產管理效率、提升供應不確定響應性及增強綜合競爭能力具有重要的現(xiàn)實意義，同時也豐富了供應不確定下多源采購計劃相關理論研究。
　　本文立足于裝備制造企業(yè)實際生產背

3、景，針對不同關鍵物資采購經常面臨的供應不確定情形:供應中斷、供應數(shù)量不確定和交貨時間不確定，從裝備產品生產方式、關鍵物資采購業(yè)務特點、裝備產品（或部件）生產對關鍵物資的供應要求以及供應不確定環(huán)境下采購計劃與生產計劃之間的內在聯(lián)系等方面，對裝備制造企業(yè)一些關鍵物資供應不確定條件下的采購計劃問題進行細分和提煉，系統(tǒng)地研究了關鍵原材料供應中斷下的采購計劃、MTO裝備系列件供應數(shù)量不確定下的采購計劃和ETO裝備定制件交貨時間不確定下的采購計劃，

4、分別建立了相應的數(shù)學規(guī)劃模型并提出了智能算法進行求解。本研究開展了以下工作:
　　(1)面向裝備制造企業(yè)一類性能要求高、采購周期長、生產難度大的關鍵原材料，針對其容易發(fā)生供應隨機中斷而導致缺貨的問題，考慮初始供應商數(shù)量要求和最小訂貨批量等多重約束，提出了常規(guī)訂貨和緊急補貨的兩階段多源采購計劃整數(shù)規(guī)劃模型;針對模型可行解空間巨大，決策變量維度很高，傳統(tǒng)數(shù)學規(guī)劃方法難以求得滿意可行解的問題，以標準粒子群優(yōu)化(Particle Swar

5、m Optimization，PSO)算法為基礎，通過改進種群初始化和更新操作，設計自適應鄰域長度的局部搜索機制，提出了基于改進粒子群優(yōu)化算法的模型求解策略;通過應用算例驗證了所提算法能夠有效求解復雜的兩階段多源采購計劃問題;與實際決策方案對比，驗證了提出的兩階段采購計劃可以有效響應潛在的供應中斷風險，并能夠顯著降低總采購成本;最后對模型參數(shù)進行了敏感性分析。
　　(2)面向按單生產模式下多系列、多品種、小批量生產的裝備產品及其系

6、列件、針對由于供應商交貨數(shù)量不確定造成生產物料不配套、生產計劃不能正常執(zhí)行，從而導致訂單拖期的問題，考慮供應商拖期補貨情形以及物料齊套和不同系列產品生產組合要求等多重約束，提出了采購與生產計劃聯(lián)合優(yōu)化的多目標整數(shù)規(guī)劃模型;針對模型可行解空間巨大，傳統(tǒng)數(shù)學規(guī)劃方法難以求得滿意可行解的問題，以標準粒子群優(yōu)化算法(Standard PSO，SPSO)為基礎，通過引入基于經驗規(guī)則的初始化策略，設計基于DS算子的自適應鄰域搜索(Adaptive

7、Neighborhood Search，ANS)策略和隨機變異與整體重構結合的種群多樣化策略，同時輔以概率控制的模擬退火(Simulated Annealing，SA)算法，提出了求解該模型的混合粒子群優(yōu)化算法;通過應用算例驗證了所提算法的有效性;相比于獨立決策方案，得到的采購與生產計劃聯(lián)合優(yōu)化方案不僅能保證總采購價值和客戶服務水平最優(yōu)，還能顯著降低固定訂貨成本和訂單拖期懲罰;最后對模型參數(shù)進行了敏感性分析。
　　(3)面向按單設

8、計的大型成套裝備產品及其定制件、針對由于供應商隨機延期交貨造成原訂單排序不可行，需要重新調整和優(yōu)化的問題，考慮成套訂單生產的時序性約束和關鍵設備能力限制等多重約束，從采購計劃與成套訂單計劃相互制約和影響的角度出發(fā)，提出了多周期采購計劃與成套訂單排序協(xié)調優(yōu)化的離散雙層規(guī)劃模型;針對模型目標和約束非凸不可微和下層規(guī)劃難以保證最優(yōu)解唯一的問題，從多目標規(guī)劃非支配排序的思想出發(fā)，提出了基于改進粒子群優(yōu)化算法和改進遺傳算法(Genetic Alg