基于润滑油供应链的双目标库存控制应用研究

李英英 王丽娟

摘 要：文章构建了关于润滑油供应链整体库存成本最小化和客户需求平均满足率最大化的双目标库存控制模型，并设计了遗传算法进行求解，最后通过实证研究为目标企业做出采购、生产、销售等决策提供依据。

关键词：润滑油供应链；双目标；库存控制

中图分类号：F273.7 文献标识码：A

Abstract： The author builds a double-objectives model about minimizing inventory cost and maximizing the average satisfaction rate of customer demand， and designs the intelligent genetic algorithm（GA）to solve the model. In the end， the author makes an empirical analysis， and making decisions for these enterprises in the lubricating oil supply chain by applying the model and the solution.

Key words： lubricating oil supply chain； double objectives； inventory control

现在润滑油供应链市场上供大于需的现象比较突出，所以在进行润滑油供应链库存控制时，客户的地位越来越被重视，只考虑供应链成本这一单一目标最优化的研究对于润滑油供应链而言相对比较片面，所以本文从供应链成本最小化以及客户平均需求满足率最大化两个目标出发，寻找使得两目标同时满足情况下的库存控制策略。

1 双目标函数模型建立

1.1 建模假设

（1）本研究假设润滑油供应链有N个供油商、1个核心制油商、N个销油商等组成的网状供应链；

（2）本文根据润滑油供应链的实际情况假设制油商和销油商采用的是Q，R策略；

（3）该润滑油供应链的缺货成本只存在于核心制油商的缺货中；

（4）客户不可跨越核心制油商直接向上游的供油商订货；

（5）时间假设是在一个生产周期，即T=1。

1.2 模型参数

C：总的订油成本；C：核心制油企业向供油商订油的订油成本；C：销油商向核心制油企业订油的总成本；S：根据参数是否选择相应的供油商；C：核心制油企业向供油商i订油的订油成本；FC：核心制油商向供油商i订油的固定成本；Q：核心制油商向供油商i订油的数量；EC：核心制油商向供油商i订油的单位成本；

C： 销油商j向核心制油企业订油的总成本；FC：销油商j向核心制油商订油的固定成本；Q：销油商j向核心制油商订油的数量；EC：销油商j向核心制油商订油的单位成本；C：总的储油成本；C：供油商的储油成本；

C：制造商的储油成本；C：销油商的储油成本；I：供油商i期初库存数量；I：核心制油商期初库存数量；

D：销油商j对核心制油商的需求；I：销油商j的期初库存数量；D：市场对销油商j的需求；EC：销油商j的单位库存成本；C：制造商缺油成本；C：销油商缺油成本；C：供油商i对核心制油商的运输总成本；C：核心制油商向销油商j的运输总成本；D：供油商i到核心制油商的运输距离；EC：供油商i对核心制油商的运输的单位成本；D：核心制油商到销油商j的运输距离；EC：核心制油商向销油商j的运输单位成本。

1.3 目标函数一：润滑油供应链整体库存成本最小化

1.4 目标函数二：润滑油的库存控制程度即润滑油需求的平均满足率最大化

1.5 多目标函数模型建立

将上述公式（1）和公式（2）结合，同时以公式（3）为约束条件即构建了供应链条件下的多目标库存控制型。

2 实证分析

2.1 背景资料

根据所了解的润滑油供应链的实际情况，所研究的润滑油供应链涉及五家供应商，主要分布在杭州、苏州等地；一家核心制油企业，为无锡新区一家专业加工润滑油企业；五家销油商，主要分布在常州、昆山等地。目标润滑油供应链各节点数据资料见表1。

根据所收集的数据可以粗略的假设核心制油商对相应供应商、分销商对核心制油商的需求都服从正太分布（见表2）。

2.2 实证数据分析

将上述数据带入公式，通过MATLAB结合遗传算法对其进行运算，可得到较小的库存成本，为供应链企业节约费用。

2.3 目标公司决策

目标函数fx的值经过多次迭代之后得出函数的最优解为1.0682。目标参数分别为42.7623、5.00027、36.1259、36.4731、13.0319、41.3334、5.00018、5.00163、5.00036、5.00072，从而可使得该润滑油供应链同时满足库存成本最小化以及客户平均需求满足率最大化两目标的问题。

3 结束语

本文基于库存成本最小化和客户满意度最大化双目标对供应链库存控制展开的应用研究，为该供应链节点企业做出决策提供很好帮助，未来供应链视角下不同多目标的结合研究仍是库存研究主要方向。

参考文献：

[1] Zhang Y， song S， Wu C， et al. Stochastic optimization of two-stage multi-item inventory system with hybrid genetic algorithm[J]. Life Syst Model Intell Comput， 2010，6329：484-492.

[2] 范志强，乐美龙. 最小化最大完工时间与等待时间的岸桥作业调度双目标优化及其遗传算法[J]. 系统管理学报，2013，22（1）：120-127.

[3] 李洪波，徐哲，于静. 基于DSM的研发项目流程多目标仿真优化[J]. 系统工程理论与实践，2015，35（1）：142-149.

[4] 李双琳，马祖军，邹坤. 危险品物流中的多目标定位—路径问题[J]. 运筹与管理，2014，23（3）：8-15.

[5] 王林，顿彩霞，杨锐. 基于混合差分进化算法和熵权TOPSIS的多目标Q，r库存模型[J]. 控制与决策，2011，26（12）：1913-1920.

[6] 朱金艳，魏晓平，彭红军. 大型煤炭供应链多目标多阶段优化模型[J]. 决策参考，2010（6）：72-75.