模糊环境下可控提前期供应链库存优化的Stackelberg模型研究

为了有效地缩短提前期与降低库存成本,研究了模糊环境下可控提前期的供应链库存优化问题.利用三角形模糊数描述需求的不确定性,建立了一类模糊需求条件下可控提前期供应链库存优化的Stackelberg模型.利用三角形模糊数描述成本系数的不确定性,建立了模糊成本系数条件下可控提前期供应链库存优化的Stackelberg模型,并提出利用均值面积度量法来解模糊化.通过数值分析来验证两类模型的优化效果.     

弹性需求下可控提前期供应链库存优化的信用期机制

研究了弹性需求下可控提前期供应链库存优化的信用期机制,在一个固定订货间隔期模型中,假设需求与价格相依,且提前期可以通过额外的赶工成本进行压缩的情况下,分别考虑了买卖双方合作和不合作情形下的最优定价、订货和信用期决策.最后通过数值分析进行验证,并建立Nash协商模型进行利益分配.     

随机弹性需求下供应链销售价格与提前期联合决策及协调机制

研究了市场需求随机且对销售价格及提前期敏感的条件下,供应链如何制定最优的销售价格、提前期以及库存因子使得利润最大化。首先,分析了集中决策与分散决策供应链的最优决策,发现集中决策与分散决策模式下的提前期与库存因子是相同的,但分散决策下的销售价格更高、期望利润更低,且分散决策与集中决策供应链的利润之比随着需求对价格的敏感程度的增大而增大。然后建立了收入共享与成本分担的协调机制,并分析了其最优决策。研究发现,协调决策机制可以有效地压缩提前期,并能同时使供应链达到帕累托改进,但不能达到完美协调,而且还发现协调决策下制定的最优销售价格比分散决策要低。最后通过数值计算对三种供应链决策模式下的绩效进行了比较分析,结果表明供应链利润随着需求方差增大而减小,提前期压缩程度随着材料成本承担比例增大而增大。上述结论可以为企业制定销售价格与提前期决策以及企业间的协调提供有益的指导。     

温度变化对近红外光谱预测木材含水率的影响

为实现温度不稳定环境下木材含水率的近红外光谱检测,探究了不同温度下木材近红外光谱的变化规律及温度变化对近红外预测木材含水率的影响。对从林场采集的樟子松、水曲柳、大青杨和红松原木木块试样各75块,共计300块试样,进行了不同温度和含水率条件下的近红外光谱采集。采用单一温度下的校正集分别与各个温度下的验证集建立偏最小二乘含水率预测模型,探究温度变化对木材含水率模型预测准确性的影响。比较了不同光谱预处理的木材含水率预测温度全局模型。采集相同含水率下不同温度的近红外光谱数据,对光谱进行光谱平均、一次微分、主成分分析和偏最小二乘判别分析,以探究温度变化时,木材近红外光谱的变化规律。结果显示：（1）温度对木材样品光谱存在显著影响;主成分分析和判别分析表明不同温度下的样品有明显聚类趋势,温度判别准确率为96.1%。温度会影响木材的近红外光谱在特定波长吸收峰的位置及吸光度,在含水率相同的情况下,随着温度的升高,特定位置吸收峰有逐渐向高频波段转移的趋势且在零下低温时波峰移动变化更明显。（2）不同温度下的PLS含水率预测模型对温度变动的适应能力有差异,木材含水率预测模型更适应于检测与建模样本相同温度的样品。与单一温度模型相比,PLS温度全局模型对于温度变化具有很好的适应性和应用潜力,RMSEP低于大部分单一温度模型。基于SG平滑+多元散射校正+一次微分预处理联用的PLS含水率温度全局模型有较好的预测效果和温度适应性,RMSEP降为0.074。可见,温度变动是近红外法检测木材含水率的过程中不可忽视的扰动因素;基于光谱预处理的温度全局模型可以显著提高温度适用性。该研究可进一步促进近红外光谱技术在木材生产、加工过程中的应用。