提前期不确定条件下的预防性维修备件存储模型研究

在考虑预防性维修周期和提前期不确定的条件下,分别研究备件存储与其相关的维修费用、缺货费用、库存费用以及订购费用等四种费用之间的关系,明确了备件存储量对各项费用的影响.以各项费用总和最小化为目标,构建了提前期不确定条件下的预防性维修备件存储模型.通过备件存储模型的构建,对备件存储过程中的各项成本进行分析,以期对备件库存策略的确定给出一种解决方案.     

需求变化的多阶段EOQ订购策略

多阶段库存管理是供应链研究的重要课题,其中独立需求的订购策略问题,现有文献一般设定计划期内各阶段需求且计划执行过程中需求不再变化,给出了相应的算法.本文选择EOQ模型作为基本订购策略,研究下面一类需求变化的多阶段订购策略问题：给定费用参数（物资单价、一次订货费用、单位库存保管费用）的情况下,在订购计划执行过程中,在阶段i（1＜i＜m）需要调整阶段m的需求,而其它阶段的需求不变,订购策略如何调整,使得库存总费用最低.     

考虑随机模糊缺陷率且允许缺货的EOQ模型

针对实际库存管理中的产品缺陷问题,研究了含随机模糊缺陷率且允许缺货的经济订购批量(EOQ)模型,并运用随机模糊理论将其转化为确定模型,设计了随机模糊模拟仿真算法进而确定了其最优订购策略.数值算例分析了缺陷率对最优订货量和最优利润的影响.     

一类过程需求存贮系统的策略研究及其费用弹性分析

本文首先讨论了需求到达为复合泊松随机过程的库存管理问题,给出了在单位时间内期望总成本费用最小的条件下的确定性的最优订货策略(Q,T).然后分析了在订购量和订购周期为随机变量,其联合分布已知的条件下,基于随机局部弹性理论,分析了总费用关于订购量和订购周期的局部弹性的联合分布,为订购策略的制定提供了合理的依据.     

一类最优EOQ模型的进一步扩展

对一类经济批量订购模型作如下进一步扩展:第一,允许短缺,短缺量部分拖后供给,且短缺期间损失率与实际缺货量成正比;第二,订购费用是可变的,且线性依赖于订购量.在此假定下,研究了有限计划时间水平及常数变质率下,部分短缺量拖后的变质性物品多阶段库存问题,给出了寻找最优订购策略的算法,证明了所给最优策略的存在唯一性及在该策略下费用函数取得最小值.最后给出应用实例.     

需求依赖于展示区库存水平的易腐品订购和转运策略

本文主要研究易腐品零售商的订货和转运策略。零售商的库存分为两部分,即展示区/货架库存和仓库库存。零售商定期向供应商订货,零售商收到订购的商品首先将其中一部分商品存放在展示区中,余下的部分储存在仓库。展示区的空间是有限的,并且需求依赖于展示区商品的库存量。本文首先建立了以平均利润最大化为目标的库存优化模型并对模型最优解的存在性进行了分析,然后得到了求解最优订购量、转运量、转运时间间隔以及再订购点的算法,最后给出了不同参数条件下的算例。     

基于系统动力学的供应链库存策略仿真研究

针对一个动态、多级的供应链库存系统,应用系统动力学的方法,建立了供应链(s,S)库存策略下的物流成本模型,并通过动态仿真,分析了库存策略的变动对于供应链库存系统各级成员间库存供需的动态行为,提出了(s,S)策略下的供应链库存系统的有效管理方法.     

多供应商多零售商下经济批量问题的多项式时间算法研究

基于多供应商和多零售商构成的经济批量问题,通过构建优化模型,分析了订购费用为全部单位数量折扣和增加数量折扣两种情形模型最优解的相关性质。将这些性质应用到动态规划算法设计中,对订购费用为全部单位数量折扣时的一种特殊情形及增加数量折扣的一般情形分别设计了求解问题最优解的多项式时间算法,并用算例说明了算法的执行过程和有效性。     

基于机群完好率的航材库存优化模型

针对航空兵部队航材配置不合理导致装备完好率不高的问题,分析了机群完好率与单机使用可用度之间的关系,建立了单机使用可用度及航材库存费用计算模型.以机群完好率为约束,以航材库存费用最低为目标,建立了基于机群完好率的航材库存优化模型,并给出了运用边际分析方法求解模型最优解的具体步骤.最后结合算例验证了模型的有效性.     

选址-库存-路径问题模型及其集成优化算法

设施选址、库存控制和车辆路径安排是物流系统优化中的三个关键问题,三者之间存在相互依赖的关系,应该根据这种关系来相应地进行综合优化与管理物流活动。以典型的单一生产基地、单一产品、采用不断审查的(Q, r)库存策略的供应链二级分销网络为研究对象,建立了一个随机型选址-库存-路径问题优化模型;在将非线性混合整数规划转化为线性整数集合覆盖模型的基础上,采用列生成算法来获得一个近似最优解,再用分支定价法对初始解进行改进,以实现对整个问题“完全集成”的优化。最后,用随机生成的方式,产生了10至160个客户的计算实例,分析了运输费用和库存费用对总成本的影响,算法运算时间表明本文给出的算法能较快地求解这一复杂问题。