[发明专利]多级供应链下维修器材选址和库存方法及系统及库存仓库

说明书

本发明属于维修器材库存数据处理技术领域，公开了一种多级供应链下维修器材选址和库存方法及库存仓库，利用混合果蝇优化算法对构建的多级供应链下维修器材的仓库选址与库存协同优化系统进行寻优更新，确定基层仓库的开设位置、维修点到基层仓库的指派以及库存控制决策，使基层仓库选址成本、订购成本和存储成本之和最小。本发明可以确定基层仓库的开设位置、维修点到基层仓库的指派以及库存控制决策使得选址成本、订购成本和存储成本之和最小。本发明重新推导并整理了基于RAND近似算法的JRD模型结构，以此设计了HFOA算法很适合求解本发明模型，该算法不易陷入局部最优且收敛稳定，对大规模选址库存问题有着更高效求解效率。

技术领域

本发明属于维修器材库存数据处理技术领域，尤其涉及一种多级供应链下维修器材选址和库存方法及系统及库存仓库。

背景技术

目前，装备维修保障的物力资源主要包括装备维修保障的器材、设备、设施等物质资源，是装备维修保障活动顺利开展的物质保证。据不完全统计，器材消耗经费占到装备保障总经费的1/3左右，开展器材配置的优化研究很有意义。器材配置的研究主要体现在三个方面：(1)器材种类与数量需求预测；(2)资源储备点数量及点位部署；(3)器材库存调控。

目前，维修器材的库存控制策略模型的研究主要有两类，一类是METRIC系列模型，适合关键程度高、价值高且库存量少的库存管理，其主要修理方式为零件修复与换件修理两种。另一类是EOQ系列模型，适合关键程度一般、价值较低且需求量较多的库存管理，其主要修理方式为换件修理。EOQ系列模型的改进形式已被广泛应用于维修器材的库存调控优化问题中。从已有的研究成果来看，其改进形式大致分为三类。

一类是多产品的联合补给问题(JRP)。Balintfy et al(1964)首先提出(S,c,s)策略，标志着多品种联合订购问题的研究的开始，但由于模型参数较多且难以求解，不利于实际应用。如今对JRP问题已有了更多深入的研究，包括定期检查策略下的多类物品联合订购策略和连续检查策略下的多类物品统一订购策略。第二类是联合补货与配送问题(JRD)。Moon et al(2011)在Kaspi和Rosenblatt(1991)开发的RAND算法的基础上，提出了改进的RAND算法用于求解基本JRD模型，改进的RAND算法显示出了非常良好的效果，无论是效率还是精度都远优于遗传算法与差分进化算法。还有一类是资源储备点选址与库存问题。在市场采购和供应链的发展中，配送中心之间的选址和库存决策也已经有了强有力的整合。

然而现有的模型更多假设了产品数和储备点的数量相同，且每个储备点只能销售一类产品，这一假设显然不现实。Carvajal,Jimmy et al(2020)的所提出多产品多零售商的联合补给与配送问题弥补了这一缺陷，但是该问题属于确定型的联合补货与配送问题，未考虑需求随机和仓库开设位置不确定这些因素。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有技术对于多品种维修器材联合补货与配送效率低。对于仓库选址和库存控制协同优化效果差，且运营总成本高。

(2)现有技术对于联合补货与配送问题模型建立缺少实际应用。对于装备维修保障该类重要的实际应用工程，仓库选址和库存控制决策意义重大，但研究尚少。

(3)现有技术缺少对随机型库存系统的研究。较少针对维修器材的需求随机因素设置安全库存水平的研究，可导致实际应用出现缺货的风险较高。

(4)现有技术对果蝇优化算法改进较少。但果蝇算法寻优机制简单明了、易于理解、编程容易实现等优点，存在容易陷入局部最优的缺陷。

解决以上问题及缺陷的难度为：仓库选址和库存控制协同优化模型的需要根据装备维修保障实际工程特点建立，对相关背景和文献资料详细的查阅与了解是建立合适模型的主要方法。仓库选址和库存控制协同优化模型较为复杂，设计合适的算法有效求解模型是解决该类协同优化研究得关键。同样，针对需求随机的联合补货与配送问题的求解，一直都是随机型库存模型较难突破的一个难点。