104第三方逆向物流再制造网络模型与算法设计.docVIP

第三方逆向物流再制造网络模型与算法设计 1 引言 第三方逆向物流不同于企业自身的逆向物流，它是以服务制造企业、物流企业、分销商等整个产品生命周期中出现的各种行业企业为目的的，包括仓储、运输、分拣等内容的独立机构[1]。采用这种合同化的方式为自己的企业服务，能够实现节约化、规模化、专业化等目的。尽管第三方物流在现代物流活动中起着相当重要的作用，并且得到了较好的发展，但是由于缺乏整体规划和集成的供应链物流管理信息的支持，使其在运作过程中没有发挥最佳的效果 [2]。尤其是在逆向物流的再制造网络方面的不合理设计，直接对逆向物流的管理效率和效益产生重大影响。 本文研究基于第三方的逆向物流管理网络设计问题，给出了再制造物流网络的结构和功能。通过对再制造物流网络中的回收产品数量和质量不确定性的量化，提出将回收产品按质量等级分为可用于再制造和需要报废处理两类，同时建立基于机会约束的随机规划模型。本文采用融合随机模拟、神经网络和遗传算法等关键技术的混合智能算法对模型进行优化求解。最后用实例验证的方式对模型的有效性进行了探讨。实例分析结果表明本模型对于带有随机变量的物流设施服务能力的满足概率为94%，完全能够达到第三方逆向物流高效率、高可靠性的要求。 2 第三方逆向物流再制造网络模型设计 第三方逆向物流与企业自身的逆向物流的区别就在于前者将整个再制造过程都由与生产实体存在合同及合作关系的独立企业完成[3]。在产品的再制造物流网络结构上的表现为正向物流有企业自身或其他第三方正向物流单位负责，而整个产品的逆向物流的从回收处理到再制造过程，甚至废弃物处理都由第三方逆向物流企业负责。其结构图为图1所示。 再制造物流网络结构一般有三种构建方法：在正向物流的基础上扩展构建逆向物流网络；考虑正向物流和逆向物流设施的整合；建立正向和逆向物流相结合的集成物流网络；构建独立的逆向物流网络[4]。在我们的设计中考虑一个三级的制造/再制造物流网络，包括回收中心、再制造厂和再分销中心三种物流设施，以及再制造和废弃物处理两种方式。本第三方逆向物流网络模型在设计之初需要对模型建立条件进行假设，具体为: 消费区域的划分已知，每个消费区域既是废旧品收集源，又是新生品的市场，产品需求为已知的常量，回收产品中两类不同质量的废旧产品分别为相互独立的随机变量；再制造厂的数目、位置已知，生产能力已知；产品的运输成本与运输距离成正比，各种物流设施的固定投资已知；模型仅考虑单产品单周期的情况，即考虑运营期可计量的经济成本，不考虑时间成本和社会效益。依据这些假设，我们建立了基于第三方逆向物流的网络模型。从图1中可以看出第三方逆向物流主要与消费者、产品制造商、产品供应商、废弃产品处理中心有关，因此其模型的具体形式也将体现这几个方面的内容，第三方逆向物流的目标函数模型如式1所示。 (1) 在上述模型中假设第三方逆向物流单位m承担的与消费者n、与产品制造商i、与产品供应商j、垃圾处理站点的单位交易费用函数分别为式2～5，且它们均假设为对于交易量的连续可微凸函数。 （2） （3） （4） （5） 第三方逆向物流单位的固定运营费用包括收购、运输、仓储、分类检修、再加工等，其总费用函数如式6所示。第三方逆向物流单位的再制造网络模型的固定假设如式7～11所示。 （6） （7） （8） （9） （10） （11） 3第三方逆向物流再制造网络模型算法设计 第三方逆向物流再制造网络模型涉及到的因素非常多，因此其结构也异常复杂，传统的精确算法对这种模型的应用效果并不明显，我们采用一种混合式智能算法来对上一部分中确定的网络模型进 行求解。这种混合式算法融合了当前流行的随机模拟、神经网络及遗传算法等主流技术的关键部分。本文设计神经网络最基本的三层结构，该结构由输入层、一个隐含层和输出层以前向的方式连接而成。算法设计主要包括编码、适应度计算与评价及选择、交叉、变异等操作步骤。假定回收产品中可再利用的产品和报废产品数量分别服从U(a ,b)均匀分布，且这两个变量是相互独立的。设包括设施选址和各设施之间的物流量的所有决策变量向量Y，则可以得到一训练神经网络不确定函数。针对该不确定函数可以进