基于MAS的五阶闭环供应链仿真及实现

许 良，赵立静

（燕山大学 经济管理学院，河北 秦皇岛 066000）

基于MAS的五阶闭环供应链仿真及实现

许 良，赵立静

（燕山大学 经济管理学院，河北 秦皇岛 066000）

建立了基于回收和退货的闭环供应链系统，运用MAS的方法构建了基于回收和退货的闭环供应链仿真模型，并建立仿真实验以及优化实验，找出顾客等待时间尽可能短的情况下供应链总成本最低最优库存控制策略，具有重要的理论研究价值和实践意义。

闭环供应链；MAS；库存策略；仿真

1 引言

近年来，随着环保意识和可持续发展意识的增强，越来越多的企业开始注重产品的回收利用。在此背景下，将正向供应链和逆向供应链相结合的闭环供应链应运而生。闭环供应链作为新兴的研究领域，主要涉及供应商、制造商、分销商、零售商、消费者、回收商等各类实体及与其相关的一系列业务活动，呈现出复杂的网络结构，是非常典型的复杂系统。2002年王丹力等提出了供应链是一个开放的复杂巨系统，并分析了供应链的复杂性。MAS理论和相关技术是一种对复杂系统进行分析、设计的有效的思想方法和工具，考虑到闭环供应链的复杂性，本文将MAS理论引入到闭环供应链的研究中。

伴随着回收和退货的出现，闭环供应链中各级企业要不断面临回收产品和退货产品，使得原本就比较复杂的库存问题变得更加难以控制，尤其是在多级供应链中愈发难以控制，如果处理不当，极有可能会对企业库存造成很大的影响，因此非常有必要对闭环供应链多级库存控制策略进行研究。

在库存管理中，涉及到了多种库存策略，库存策略是库存管理的重要部分，一个好的库存策略可以避免缺货或库存积压，加速资金周转，降低库存总费用。根据盘点方式的不同，可以分为t-循环策略、（r,Q）策略、（s,S）策略、（T,r,Q）策略以及（T,s,S）策略。本文采用的库存策略是（s,S）策略，即对库存进行连续盘点，一旦发现库存水平小于s，就马上发出订单进行订货，使得订货时刻库存水平达到S。

本文首先构建了基于回收和退货的闭环供应链系统。然后运用MAS方法对五阶供应链进行建模，模型的抽象粒度为供应链上的企业，并利用固定实体模拟企业，流动实体模拟企业之间的订单、配送，最后对MAS模型进行仿真实验以及优化实验，找出最优的（s,S）库存策略，为闭环供应链各级供应链成员合理制定库存控制策略提供了指导意见。

2 闭环供应链仿真模型的建立

2.1 五阶闭环供应链结构

本文所研究的闭环供应链是由供应商、制造商、分销商、零售商以及客户形成的闭环结构，同时包含回收和退货环节。客户退货分为无缺陷退货和缺陷退货两种情况，其中无缺陷退货产品不影响二次销售，直接退回给零售商进行销售；缺陷产品退回给分销商，由分销商退回给制造商进行再制造，并重新进入正向供应链。回收环节指的是客户手中超出产品生命周期的废弃物，由制造商进行回收再制造并重新进入正向供应链。本文研究的闭环供应链是基于回收和退货的闭环供应链系统，如图1所示。

图1 基于回收和退货的闭环供应链结构

2.2 基于MAS的闭环供应链仿真模型

本文把闭环供应链中能够独立完成任务的各实体抽象为两类，即功能Agent和结构Agent，因此整个系统可以划分为三个层次：MAS层、结构Agent层以及功能Agent层。其中MAS层是系统总体的层次，包括结构Agent和功能Agent；结构Agent层由供应链的各企业组成，它们之间通过订单、零部件以及产品的运输联系起来；功能Agent层是各结构Agent内部的运作流程的实现。本文所建立的基于MAS的闭环供应链仿真模型如图2所示。

图2 基于MAS的闭环供应链仿真模型

2.3 基于MAS的闭环供应链仿真流程

功能Agent层的各功能Agent使各个企业的内部运作流程得以实现。供应商、分销商、零售商内部运作流程类似，主要包括订单管理Agent、库存管理Agent、配送Agent、通讯Agent、成本管理Agent、退货管理Agent几个模块。制造商还包括生产Agent以及回收Agent这两个模块。因此以制造商为例说明企业内部运作流程：（1）通讯Agent首先接收来自分销商Agent的订单信息，将订单信息传递给订单管理Agent，订单管理Agent收到订单信息后与库存管理Agent进行交互。如果库存Agent的产成品满足订单需求，则配送Agent进行发货。库存Agent的产成品不能满足订单需求，则通知生产Agent，由生产Agent根据生产计划安排生产，并且将生产信息反馈给库存管理Agent，待生产完成后由配送Agent进行发货。库存管理Agent时刻检测库存水平，当零部件库存小于安全库存s时，向供应商Agent订货。（2）通讯Agent接收来自供应商Agent的送货信息，并向库存Agent下达更新零部件库存的指令。通讯Agent接收来自分销商Agent的退货信息，并将退货信息传递给退货管理Agent，退货管理Agent对退货产品进行处理，并将零部件数量信息传递给库存管理Agent，更新零部件库存信息。（3）通讯Agent接收来自客户Agent的回收信息，并将回收信息传递给回收管理Agent，回收管理Agent对回收产品进行处理，将可重新利用的零部件数量信息传递给库存管理Agent，更新零部件库存信息。制造商Agent的成本统计Agent存在于整个过程之中，随时对制造商Agent处的成本进行统计和更新。制造商内部逻辑图如图3所示。

图3 制造商内部逻辑图

3 基于MAS的闭环供应链仿真实现

3.1 仿真平台Anylogic

Anylogic仿真平台是近年来兴起的一种新兴的建模仿真软件，支持MAS系统的建模与仿真，利用活动对象类来对现实世界的不同事物进行模拟。活动对象可以用参数、变量来表示事物的属性，还可以通过编写函数、设置行为图、定时器来设定活动对象的行为。活动对象类通过端口进行交互，利用端口进行消息的传递，消息是用户编写的Java类。

3.2 Anylogic平台上闭环供应链仿真模型

客户需求由Main层触发，通过Event事件来实现，将其定义为事件demandGenerator。客户的需求服从随机分布Random Number（1,2,3,4,5,6），其概率分别为0.2、0.3、0.2、0.1、0.1、0.1，客户需求每天触发的次数为8。无理由退货由Main层触发，通过Event事件来实现，将其定义为事件sendbackGenerator，与客户需求服从相同的随机分布，每天的触发次数为2。缺陷退货由Main层触发，通过Event事件来实现，将其定义为事件sendbackGenerator1，与客户需求服从相同的随机分布，每天触发的次数为1。回收同样在Main层触发，通过事件Event事件来实现，将其定义为事件recycleGenerator，与客户需求服从相同的随机分布，每天的触发次数为3。除此之外，Main层还包括了模型开始的时间beginingofDay、各Agent的库存参数、顾客等待时间数据以及供应链的平均成本等。Main层模型如图4所示。

图4 Anylogic平台上闭环供应链仿真模型

其中，仿真参数的设置见表1。

表1 仿真参数设置

3.3 仿真模型中各功能Agent的描述及属性定义

（1）订单管理Agent。主要负责对订单进行处理，与库存Agent进行交互，判断库存能否满足订单需求，满足需求则向配送Agent发出送货指令，不能满足需求则向生产Agent发出生产指令，当订单得到满足后将订单移除。其相关属性为：

orders：集合类型，主要用来收集order消息。

backlog：主要是对未完成订单总量的一个统计功能。

checkOrders：这是一个行为图（actionchart），订单处理的功能主要体现在这个行为图中。

（2）需求管理Agent。主要负责对客户需求进行处理，与库存Agent进行交互，判断库存能否满足需求，当需求得到满足后将需求移除。其相关属性为：

demands：集合类型，主要用来收集demand消息。

backlog：这是一个功能函数，主要是对未完成订单总量的一个统计功能。

checkDemands：这是一个行为图（actionchart），客户需求处理的功能主要体现在这个行为图中。

orderFromFactory：行为图，主要功能是向制造商发起订货。

（3）库存管理Agent。库存管理Agent主要负责对零部件及成品进行库存管理，其相关属性为：

I：表示当前成品库存水平。

I1：表示当前零部件库存水平。

（4）生产Agent。生产Agent负责零部件及成品的生产，当接到库存管理Agent的指令时即被触发，其相关属性为：

Manufacturing：主要属性为生产数量amount，可以自动触发。

（5）配送Agent。主要负责零部件及成品的配送，当接到订单管理Agent的送货指令后开始配送。其相关属性为：

Delivery：主要属性为Shipment和destination，表示向下游配送零部件及成品，数量由Shipment实例的属性值决定。

（6）成本管理Agent。主要负责统计各项成本，并设定相关的成本参数，其相关属性为：

manufacturingCost：Statistic类型，对生产成本进行统计。

holdingCost：Statistic类型，对产成品库存持有成本进行统计。

holdingCost1：Statistic类型，对零部件库存持有成本进行统计。

shortageCost：Statistic类型，对缺货惩罚成本进行统计。

orderingCost：Statistic类型，对订货成本进行统计。

sendbackCost：Statistic类型，对退货成本进行统计。

recycleCost：Statistic类型，对回收成本进行统计。

（7）通讯Agent。主要通过端口与外界进行通讯。

（8）退货管理Agent。主要负责对退货进行处理，并向库存管理Agent发出更新零部件库存指令。其相关属性为：

sendbacks：集合类型，主要用来收集sendback消息。

checkSendbacks：这是一个行为图（actionchart），退货处理的功能主要体现在这个行为图中。

（9）回收管理Agent。主要负责对回收产品进行处理，向库存管理Agent发出更新零部件库存指令。其相关属性为：

recycles：集合类型，主要用来收集recycle消息。

p：回收产品的再制造率。

checkRecycles：这是一个行为图（actionchart），客户回收处理的功能主要体现在这个行为图中。

4 构建仿真实验、优化实验及结果分析

根据仿真目标，本文设计了三种情形下的仿真实验，研究在库存策略确定的情况下每天的退货概率和回收概率对供应链总成本及顾客等待时间的影响，并且结合三种情形找出共同的规律，以期为找到供应链总成本最低的库存策略提供一定指导。仿真实验方案设计：（1）无理由退货概率、缺陷品退货概率以及回收概率均为0。（2）无理由退货概率、缺陷品退货概率以及回收概率均为上文设定的仿真实验参数中的一半，即无理由退货概率为一天一次，缺陷品退货概率为两天一次，回收概率为一天两次。（3）无理由退货概率、缺陷品退货率以及回收概率仍为上文设定的仿真参数，即无理由退货概率为一天两次，缺陷品退货概率为一天一次，回收概率为一天四次。仿真实验运行十次，然后取平均值为最终结果，仿真实验结果见表2。

表2 仿真实验结果

通过表2可以看出方案三总成本最小且顾客等待时间最短，方案一总成本最大且顾客等待时间最长，即无理由退货概率为一天两次、缺陷退货率为一天一次且回收概率为一天四次的情形下供应链总成本最小，顾客等待时间最短；无理由退货概率、缺陷退货概率且回收概率为0的情形下供应链总成本最大，顾客等待时间最长。由此可得：在各企业库存策略确定的情况下，无理由退货概率、缺陷退货概率及回收概率在一定的范围内概率越大，供应链总成本越小，顾客等待时间越短。因此本文建立优化实验时，为了找到使供应链总成本最小的库存策略，应在方案三的基础上建立优化实验，各参数值的设置同方案三。

本文建立优化实验，试图通过最优化搜寻（OPtQuest）技术找到上文构建的仿真模型的最优库存参数（s,S）。最优化搜寻（OPtQuest）是Anylogic仿真平台中提供的一种优化技术，能够在整个仿真过程中搜寻最佳解。最优化搜寻技术的实施流程为：

（1）模完成后进行模拟，设定优化实验的目标函数 f(x)。

（2）模拟从一基础起始解开始，得到目标函数 f(x)，f(x)中的x是该次模拟中所用的参数，并将该初始解设定为最优解X*。

（3）x作为优化搜寻时的输入参数，在搜寻过程中若产生一新试验解时，若当时的x能够使目标函数值 f(x)优于之前的f(x*)，则由该x成为新的X*。

（4）若目标函数中有过滤规则，在模拟过程中还应检验解是否符合所要求的目标解，不符合的应该舍去。

在本仿真中，目标函数为顾客等待时间尽可能短的情况下（顾客等待时间小于等于0.05），整个供应链每天的平均成本最低，所以目标函数设置为：

经过仿真及最优化搜寻得到的仿真结果为：零售商（s,S）=（59,146）分销商（s,S）=（102,143），供应商（s,S）=（52,95），在该情况下日均成本为1 063.523。仿真结果如图5所示。

5 结论

本文从供应链各成员的行为特征出发，研究了五阶供应链的仿真与实现，借助Anylogic仿真软件，研究了基于回收与退货的闭环供应链的无理由退货概率、缺陷退货概率以及回收概率与整个供应链总成本之间的关系，结论表明，无理由退货概率、缺陷退货概率及回收概率在一定的范围内随着参数的增大，整个供应链总成本越来越小且顾客等待时间越来越短，在此基础上构建了优化实验，找到了在顾客等待时间小于0.05天的约束条件下使整个供应链成本最小的最优库存策略，为闭环供应链多级库存控制与决策提供理论依据。

[1]张维勇,梅勃,钱军,许磊.基于多智能代理的供应链仿真模型的构建[J].计算机应用,2007,(27):99-101.

[2]桂寿平,吴冬玲.基于Anylogic的五阶供应链仿真建模与分析[J].改革与战略,2009,25(1):159-162.

[3]范英.基于MAS的汽车供应链信息共享协同模式仿真研究[D].哈尔滨:东北林业大学,2013.

[4]赵晓敏,再制造不确定的MR闭环供应链系统建模与仿真研究[J].管理科学,2012,25(6):23-34.

[5]白睿涵,贾红雨,左鹏.多级库存策略模拟建模[J].物流科技,2008,(6): 113-116.

[6]Guilherme Ernani Vieira.Ideas for Modeling and Simulation of Supply Chains with Arena[A].Proceedings of the 2004 Winter Simulation Conference[C].2004.

[7]Yuan K F,Gao Y.Inventory decision-making models for a closed-loop supply chain system[J].International Journal of Production Research, 2010,48(20):6 155-6 187.

Simulation and Realization of 5-stage Closed-loop Supply Chain Based on MAS

Xu Liang,Zhao Lijing
(School of Economics&Management,Yanshan University,Qinhuangdao 066000,China)

In this paper,we built the closed-loop supply chain system based on recycling and product return,and then used the MAS method to establish the closed-loop supply chain simulation model as well as the optimization experiment to identify the optimal inventory control strategy to minimize the waiting time of the customer and the total cost of the supply chain.

closed-loop supply chain;MAS;inventory strategy;simulation

F274

A

1005-152X(2015)10-0172-04

2015-08-25

河北省科技计划项目“减排降霾目标下河北省钢铁绿色供应链优化及对策研究”（15457627D）

许良（1975-），男，山西朔州人，燕山大学经济管理学院副教授，北京交通大学博士研究生，研究方向：城市交通网络优化、物流与供应链优化、企业信息化；赵立静（1989-），女，河北邢台人，燕山大学经济管理学院硕士，研究方向：物流与供应链管理。

10.3969/j.issn.1005-152X.2015.10.047