（库存管理）基于随机库存系统的提前期需求分布推导.pdfVIP

（库存管理）基于随机库 存系统的提前期需求分布 推导 基于随机库存系统的提前期需求分布推导 摘要对研究提前期需求分布（distributionofleadtimedemand）的几种方法，本文关注的是 其中的复合分布法。为减少分析量，大部分已知的分析模型都运用复合分布法，并忽略一些 分量的复合性质。本文描述了一个理论检验，并阐明了分析模型时的假设，为研究人员和实 践者提供一些预防措施。 关键词存货提前期需求复合分布更新过程 1. 引言 提前期需求分布是设计存货管理系统的基本知识，这使提前期需求不断得到研究人员和 实践者的关注。在随机存货模型的作品中，关于LTD 的理论研究可被粗略的分为三组：第一 组运用多种理论分布表示 LTD ，包括泊松分布、伽玛分布、正态分布、截略正态分布、对数 正 态 分 布 、 威 布 尔 分 布 、 非 参 数 分 布 （ Poisson,Gamma ， Normal,TruncatedNormal,Lognormal,Weibull,Non-parametric ）等等。 第二组试图适应包含4个参数的分布中的一个，皮尔逊分布或SchmeiserDeutsch 。这组 的研究者包括Kottas和Lau(1980) ，Kumaran和Achary(1996) ，Lau和Lau(1993) ，Shore(1999) 等。第三组尝试从给定的需求分布和提前期得到LTD分布，包括Bagchi等人(1984) ， Carlson(1982) ，Girlich(1996) ，McFadden(1972) ，vanderHeijden和deKok(1998)等。 本文的重点在第三组方法，很明显它将LTD分布视为复合分布。如Bagchi等人提到的， 复合分布法有以下优势：（1）复合分布的分量能单独作为模型，可以估计参数；（2）由于 单个分量有更简单的结构，所以这比直接用复合分布建模更加可靠，而且这种方法可充分利 用数据。 以上研究中，期间需求和提前期被假定为随机变量，LTD分布被视为复合分布。Bagchi 等人提出了得到LTD分布的方法。OS-OI-LT法首先将订单强度（orderintensity）、订单大 小（ordersize）、交货提前期作为主要因素。然后，为减少LTD的分析任务，将其中的两个 合并为中间因素。 依据此法的研究是最让人满意的，这并不让人奇怪。因为即使只有两个随机因素，复合 分布的分析依然是具有挑战性的。一方面，对LTD分布建模会出现大量的计算困难，不易操 作。另一方面，即使用更简单的LTD分布法建模，也不足以代表真实值。 毫无疑问，我们会将用更简单的分布法得到的值作为近似值。然而，我们需要研究的是 在什么情况下更适合用更简单的方法。本文并不旨在评论复合分布法中最常用的 OS-OI-LT 法，而是通过阐明OS-OI-LT 法的假设和一些预防措施来帮助研究人员和实践者们在现实中 运用 OS-OI-LT 法。 首先，我们定义了所研究的问题的情形，将得到 LTD 的两种分布法OS-OI-LT 和 OS-IT-LT 视为复合分布法。然后从理论上对两种方法进行检验和比较。基于检验和比较的结 果，详细观察了 OS-OI-LT 法的特征，并指出在哪种情况下适合用OS-OI-LT 法。最后，我们 在不同情形下进行了对比实验。 2.LTD 的复合分布法 图 1 描述了我们关注的情况。顾客订单到达的时间是随机的，假定下订单的时间间隔是 随机的且相互独立，由单位的数量表示。假定订单大小也相互独立，那么LTD 就是在 LT 顾 客需要的总单位数量。如图 1 中的LTD 是 19 。 若将 0-t 之间的累积需求定义为 D （t），那么LTD 就是 D （LT）。在存货管理系统中，LT 或补充存货时间是装满一个订单与从供应商那里接到订单的时间（LT0）。 图2 描述了两种得到 LTD 的方法。左边的方法是由Bagchi 等人提出的 OS-OI-LT 法。它 首先通过订单强度（OI）、每个时期的订单量和订单大小（OS）得到每单位时间的需求 (DPUT) ，即一个时期的总需求。然后将DPUT 和 LT 结合在一起就得到了 LTD 。（Bagchi 等人 还提出过另外一种方法，此法运用了提前期订单饱和度、由 OI 和 LT 得到的提前期订单数量， 然而由于这种方法与 OS-OI-LT 法基本相同，且知道的人不