基于多阶段差别规模效应的SMC供应链调度优化，本文主要内容关键词为：供应链论文,效应论文,差别论文,阶段论文,规模论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
DOI编码：10.3969/j.issn.1672-884x.2015.01.016 大规模定制(mass customization，MC)是21世纪的主流生产模式[1]。MC研究中一个关键问题是如何解决“规模效应”同“客户个性化需求”之间的矛盾问题[1]。在生产型MC研究中，人们常通过延迟策略[2，3]的思路解决该矛盾问题，其核心是通过调节客户订单分离点(customer order decoupling point，CODP)在生产过程中各阶段的位置，进而调节规模效应和个性化需求之间的矛盾，并以此实现供需双方的利益平衡。延迟策略的实现，需要实施MC的企业具有柔性的运营系统，而供应链网络是企业运营系统的核心架构[4]。供应链网络在提升企业运营灵活性、降低成本、提升附加价值、降低资源获取和利用风险、提升企业竞争优势等方面，都发挥着重要作用。该作用的实现需要供应链核心企业根据客户个性化需求的特征合理、灵活地对供应链资源进行调配与调度[5]，但MC模式独有的特征决定了MC模式下的供应链调度问题是一个典型的随机需求与随机资源约束的优化问题[5]，这使得该调度优化问题表现出较为复杂的特性。 与生产型定制需求不同的是，SMC中客户对服务的需求更容易表现出极强的多样化、个性化的特征，这无疑将导致不确定的服务需求信息在企业运营系统(包括企业的内、外部供应链网络)中传递，需要运营系统进一步加大自身的柔性力度加以应对。由此，SMC企业如何进行不确定和动态环境下的供应链调度优化问题具有重要的理论和现实意义。 目前，国内外相关文献中，涉及SMC模式下供应链调度优化问题的研究还比较少。而有关生产型MC模式下的供应链计划调度研究已较为丰富[5-9]。同时，在动态、随机调度、资源约束优化、多目标优化等方面已经有较多研究成果[10～12]，这些文献对深入研究SMC模式下的供应链调度优化问题具有重要的借鉴价值。在此基础上，本研究从SMC模式中特有的多阶段差别规模效应为分析切入点，提出调度优化数学模型，并建立了对应的求解算法。 1 服务定制的复杂性 在产品生产中，与一般的生产方式相比，定制具有多品种、小批量、交货期和质量需求差异大等特征[5]。实施定制生产的核心企业为了能够以大规模的效益实现这些个性化需求，往往需要通过调节CODP在生产阶段中的位置来进行复杂订单的分解，降低需求的不确定性。生产型定制中的CODP会把产品的零部件划分为通用零部件与定制零部件，进而决定生产的规模效应程度。同时，同一产品生产过程中往往只有一个CODP，将供应链划分为明显的两阶段。由于延迟策略的实施实际上依靠的是合理的订单分类，而订单分类的根据也就是基于不同订单是否具有同样的CODP。 生产型定制中较为明确的订单分类思路，在服务型定制中显得较为复杂，主要体现在两个方面：①客户所需服务流程的内涵多样化；②客户所需服务的时间多样化。服务内涵方面，与生产型定制相比，显然服务需求的多样性更加突出。例如，餐饮服务中，一家中餐馆某天的客户所点的菜品可能都不一样，即便是客户点的菜品种类相同，不同客户的口味要求也存在差异。除了菜品需求的差异，服务员迎客、上菜或后续服务过程中，客户所要求的“交互服务(服务提供者与服务对象的交互式活动)”也有较大的差异。服务时间方面，与生产型定制产品需求具有较长的提前期相比，服务定制需求的提前期一般长短不一、变化多样。如在餐馆，大部分顾客的期望服务时间实际上都是越快越好，但也有部分客户为了等待其他人可能订单的提前期稍长一些，但也不会超过一两个小时。某购物网站推出的“211”时限送达服务，其提前期可以控制在几个小时之内。而时下流行的“定制公交服务”，由于在人员预约、车辆准备、线路规划等环节需要一些时间，因此服务的提前期相对较长，可能有几周等。 由于服务定制具有明显的特殊性，因此，生产型定制中的延迟策略思路不一定能够完全适应。同样，基于延迟策略思路的CODP也不一定完全与生产型定制一致，至少在服务定制流程中，CODP往往并非是单一的。即服务定制流程中的规模效应可能在多个环节出现而并非CODP之前或之后。由此，需要考察服务定制流程中各阶段的特性及规模效应的特殊性。 2 服务定制中的多阶段差别规模效应 2.1 服务活动的基本阶段 一般而言，不论是何种性质的服务，都可将其中的活动归类为图1的3个阶段，即服务交互阶段、交互前准备阶段和交互后处理阶段。
图1 服务过程中的基本阶段 服务交互阶段是服务主体通过一定的介质物(如服务人员、信息交互窗口、服务设施等)向客户提供交互性服务活动的阶段，客户可以从该阶段直接感受出服务的价值。 交互前准备阶段是为服务交互阶段准备和调配人、财、物等各种所需资源的阶段。尽管在该阶段的活动不会直接和客户产生接触，但该阶段的活动计划和所需资源的配置、调度等都必须和客户的服务交互阶段相关联，保证在服务交互阶段能够给客户提供满意或超值的价值服务。 交互后处理阶段是处理服务交互阶段遗留工作的阶段。该阶段的活动也不会直接和客户产生接触，但该阶段的活动安排是否合理，不仅对下一次服务交互阶段的效率与效果产生重要影响，而且对服务企业的资源利用水平、运营收益以及客户整体感知价值都会产生重要影响。 当然，从服务流程的角度讲，不论是哪一阶段的服务活动，都应该在活动质量、成本以及活动时间上满足下一活动对该阶段活动的要求，这样才能最终在服务交互阶段满足客户的个性化服务要求。但是，对提供服务的企业而言，在满足各服务交互阶段基本起讫时间要求的前提下，如果能够在各阶段活动中找到相同或类似的活动，显然能够提升企业整体的规模效应，实现其SMC的理念。 2.2 规模效应的多阶段差别性 前文指出，生产型定制中，基于延迟策略[3]的CODP调节技术的是企业平衡其规模效应与客户个性化需求的重要手段。CODP之前的阶段是企业获取规模效应的重要阶段，而CODP之后的阶段则是体现客户需求差异化的重要环节。由此，为了提升生产效率、降低成本，生产型定制企业往往通过延迟策略的思想进行客户订单的划分，进而进行生产的计划与调度。 与之有一定差异的是，服务型定制一般来讲所涉及阶段较多，而且从图1的阶段划分来看，一个服务的完成，将包括若干交互服务阶段，而交互服务阶段往往是较难体现出规模效应的阶段。但与之相比，在交互前准备阶段以及交互后处理阶段都相对较容易体现出规模效应。比如，在提供餐饮服务的连锁火锅店，交互前服务阶段中的采购、配菜、加工等阶段都可以通过连锁中心统一实施，以提升整个连锁企业的规模效应。而交互服务阶段则需要服务员有针对性地对客人进行服务。交互服务后处理阶段中的卫生处理、厨余物资回收等过程又可以实现统一处理，提升规模效应。 需注意的是，尽管服务定制过程的多样性与灵活性决定了在其中多个阶段可以实现规模效应，但与生产型定制中的批量生产规模效应(如某一台设备一次处理若干相同零部件)不同，不同服务订单中，活动完全相同的阶段实际并不多，而即便活动的内容相同，也会因为活动的起讫时间要求不同而产生差异。 3 服务定制中的规模效应关系分析 3.1 不同活动间的规模效应 为了将服务定制过程中的规模效应引入调度优化过程，对其进行量化表示如下： 设某服务企业提供的某项服务由N个阶段组成；设该服务企业为每个阶段设计的标准服务活动为
(i=1，2，…，N)；设该服务企业可接受的每个阶段的非标准服务活动为
(i=1，2，…，N；j=1，2，…，M)，M为所有服务阶段中非标准活动种类最多的种类数(见表1)。
图2 服务活动之间的规模效应关系 根据上述分析可知，服务过程中的规模效应来源于同时对多个相同或不同活动的处理。显然，不同服务主体在提供这些服务活动时必然表现出不同的规模效应，因此，作为调度主体的核心企业在调度之前应该充分获取相关信息。据表1和图2，需了解的规模效应信息主要有：①各服务提供主体处理相同服务活动时表现出的规模效应，图2中类别所示；②各服务提供主体处理两种不同服务活动时表现出的规模效应，图2中类别2所示；③各服务提供主体处理两种以上不同服务活动时表现出的规模效应，图2中类别3所示。实际上，上述所有情况下的规模折扣效益可以统一表示为：
3.2 基于规模效应的供应链调度目标权衡 在企业运营中，由于规模效应主要表现为服务成本的降低，因此，图2中的规模效应关系将直接以规模折扣成本参数体现在调度优化中。换言之，在SMC模式下的供应链调度优化中，作为调度主体的核心企业需要和调度对象——协作成员进行协作目标的权衡：核心企业协作时主要考虑如何提升客户服务满意水平、如何降低服务活动总成本、如何提升服务协作收益和降低风险以及如何提升供应链整体收益和降低风险等问题。而协作成员协作时则主要看中如何降低单位服务活动成本、如何提升规模效益成本折扣、如何优化服务活动时间窗以及如何提升服务协作收益、降低风险等方面(见图3)。
图3 服务供应链运作中不同成员的协作目标差异 从图3可知，对于任意一个供应链协作成员而言，获取收益、降低风险是其参与协作的基础，因此，当其在与某供应链网络中的核心企业1协作(图中协作关系①)的同时，也可能与另一供应链网络中的核心企业2进行协作(图中关系②)。然而，每个协作成员在一定时点上其服务能力是有限的，因此它必须衡量同时参与供应链协作的任务量，才能在保证获取满意收益的同时，规避由于服务能力不足带来的协作风险。由于有这一能力关系的制约，将导致协作成员在不同时间参与协作时，其服务成本、服务时间窗以及规模效应等参数关系上的明显变化。 例如，图3中某服务能力有限的协作成员A在与核心企业1协作的同时，如果还想接受核心企业2的协作服务任务，可以通过如下两种途径实现： (1)通过压缩核心企业1服务任务的时间来换取更多的空余服务能力 但这样一来，核心企业1在该阶段服务活动的起讫时间必然要受到影响。而为了保证下游服务交互阶段活动的起讫时间能够和客户要求时间相一致，协作成员A可能需要在其下游设置调节缓存(见图3)，这样必然要额外支出服务的缓存成本。尽管服务缓存会带来企业A服务成本的增加，但却可以给其带来更多的空余服务能力从其他协作任务中获取收益，因此，这是协作成员需要权衡的一个方面。 (2)通过减少核心企业1的协作任务量来获取更多的空余服务能力，进而获取更多的其他协作任务收益 但是，从规模效应角度讲，显然同期处理任务越多，其可能带来的规模效应越大，单位处理成本越低。由此，对于协作成员而言，仍然存在如何在规模效应与空余服务能力之间权衡的问题。 上述问题的存在是由供应链复杂协作关系的特点决定的，尽管增加了分析问题的复杂程度，但反映了现实供应链运作的特征。在SMC供应链调度优化中，首要考虑的就是上述几方面的优化与权衡问题。 4 调度优化模型 4.1 参数和变量设定 根据表1，设服务定制企业提供的某类别服务需要由N个阶段的过程来完成，每个阶段的索引为i(i=1，2，…N)。其中各阶段的服务任务既有标准活动，也有非标准活动。不同客户订单的服务任务在各阶段可能不同也可能相同或相似。N个阶段中，核心企业除了完成定制服务的设计开发外，还可能参与N个阶段中的第i个阶段的服务过程。 设核心企业设计的每个阶段中的标准服务活动索引为ai；非标准服务活动索引为
(i=1，2，…N；j=1，2，…M)。 设核心企业在调度时刻某时间阈值期内接到客户服务订单K个，每个订单索引为k。设每个订单的每个阶段索引为(ki)，其中k=1，2，…K；i=1，2，…N。 由于是动态调度，故设调度时刻为t。
设调度时刻t，N个服务阶段中，每个阶段有
(i=1，2，…N)个供应链协作成员(协作服务提供者，对于核心企业参与的阶段而言，则设其划分为
个服务组或业务组)。每个协作成员(或服务组/业务组，以下同)的索引为(il)，(l=1，2，…
)。
设调度时刻t，协作成员(il)对订单阶段(ki)处理的可能起始时间为
；可能服务结束时间为
。 设调度时刻t，协作成员(il)对订单阶段(ki)处理的可能起讫时间与期望起讫时间之误差的绝对值之和为
。 设调度时刻t，基于客户定制需求(特别是服务交互阶段的时间要求)和服务各阶段衔接的要求，所确定的各阶段服务时间误差绝对值的上限为
。 设调度时刻t某订单的某阶段(ki)对相关服务活动的空余服务能力需求为
，而该阶段中协作成员(il)对(ki)对应活动的空余服务能力供给为
。 设调度时刻t某订单的某阶段(ki)对相关服务活动的服务质量需求为
，而该服务阶段中协作成员(il)对(ki)对应活动的服务质量为
。
约束条件：
模型中，式(2)～式(5)为调度优化目标。 式(2)为总服务成本最小化优化函数，包括考虑了规模效应前与规模效应后的两部分成本。服务定制的复杂性决定了参与供应链调度的协作成员需要在服务成本、规模效应、服务时间之间进行权衡，因此单纯追求规模效应得到的成本缩减不一定能够真实反映现实情况。 式(3)为服务不同阶段时间窗的准时性优化函数。优化的目的在于能够在服务交互阶段尽量满足客户的时间性要求，进而提升客户服务满意度。从式(3)构成来看，作为一个供应链系统而言，核心企业对某服务任务在供应链体系的对应阶段处理时，均有其相对满意的期望处理时间。协作成员对该服务任务的实际处理时间与期望处理时间越接近，越能保证服务交互阶段对客户的准时要求，同时越能保证各阶段活动的有效衔接，增强供应链体系运作过程的稳定性，使供应链体系获得较大的综合收益。 式(4)、式(5)为服务定制的规模效应优化函数。对于供应链中任意一个协作成员而言，式(4)的值越小，其对某一类完全相同或具有较强相似性的订单集合在该阶段处理的同期批量越大，规模效应实现的可能性越高；式(5)为最大化服务规模效应的优化函数。其中，
的值需要根据图2显示各种关系，基于式(1)进行确定。 式(6)～式(10)为调度优化模型的约束条件。式(6)为动态空余服务能力约束关系，保证不会出现服务能力不足的现象。式(7)为服务的质量约束关系，这是达到客户服务满意水平的基本要求。式(8)为服务阶段的承接性时间约束关系，保证了同一服务在供应链不同阶段处理时，各阶段的接续顺畅。同时，该约束条件也间接反映了在供应链运作体系中，由于是作为一个系统来运行，各协作成员在对其自身利益进行决策时，必须充分考虑系统中其他成员的利益要求，才能达成合理的协作关系，实现服务任务的顺利完成。式(9)为服务处理的阶段性约束，保证接到的所有订单必须经过所有的服务阶段(当然，实际上某些订单在某些阶段可能不参加处理，即经过某些虚拟处理阶段)。式(10)为服务处理的归属唯一性约束，保证了每一服务任务都由其对应的协作成员完成，不会出现重复处理的现象。 5 求解算法 由于本研究所讨论的优化问题涉及服务成本、服务时间以及服务的规模效应3个基本目标之间的权衡及多个约束条件的制约，同时需要考虑的是服务过程中多阶段的差别规模效应问题，因此，需要考虑算法属性特征携带的便利性。选取具有良好性能(如快速收敛到全局近似最优解，方便携带多属性特征等)的蚁群算法[13，14]作为求解方法。 算法中，每个供应链协作成员是一个独立的服务单元，该单元在服务过程中每一时刻都拥有相对确定的运作参数。设某一调度时刻的供应链网络由源点、宿点及二者之间的协作成员节点构成。网络中的阶段划分根据调度时刻服务订单的实际要求动态确定。算法进行中，蚂蚁从源点通过网络移动到宿点，随后死亡。由于蚂蚁不返回，因而不同路径上的信息素含量将根据不同协作成员的服务参数智能确定。蚂蚁类别用
(k=1，2，…K；i=1，2，…N)表示，根据不同服务订单的不同阶段进行划分。规则如下： (1)由于调度的优化目标之一为服务成本最小化，故设
类蚂蚁经过协作成员(il)后遗留信息素量(由
表示)同单位服务成本成反比，则协作成员(il)对
的第Ⅰ类吸引概率为
(6)由于蚂蚁具有单向运动性，因而对协作成员节点信息素的更新由算法自动完成。由Q统一代表上述各类信息素，更新规则为
算法在每次调度时执行一次。由于供应链复杂的协作与竞争关系，找到完全最优解较困难，因此可以提出主观期望满意水平，当算法收敛到使各指标达到该水平即可停止。基于上述规则，算法步骤见图4。 6 算例分析 某家提供预约定制体验式购物服务的网购企业D想通过合理的供应链调度提升规模效应、降低服务成本。设其服务流程主要由4个阶段组成：D企业与客户的预约交互阶段、供应商备货阶段、第三方物流配送阶段以及体验服务交互阶段。为了满足体验服务交互阶段不同客户的服务起讫时间要求，需要在其他阶段对服务所需资源进行合理调配，同时尽量提升各阶段的规模效应。这里以第三方物流企业(3PL)和供应商(SUP)为例进行算法验证。设调度时刻，拟参与备货的供应商有5家(SUP1、SUP2、SUP3、SUP4、SUP5)拟参与送货的3PL有4家(3PL1、3PL2、3PL3、3PL4)。各SUP和3PL的服务运作参数见表2(所有数据已经过单位同一化及归一化处理)。 设调度时刻t需进行资源备货阶段处理的订单对应蚂蚁类型为A类，需进行资源配送阶段处理的类型为B类。由于供应商的资源备货阶段对于体验服务的实现至关重要，同时较多的供应商提升了核心企业的选择范围和议价能力。而从供应链系统角度，提升服务各阶段的规模效益可以有效提升系统的综合收益。由此，核心企业在算法的系数选择上，将偏重于单位服务成本和规模效益指标，而对服务准时性指标的关注次之，为保证服务交互阶段的时间窗准时，可以通过3PL配送阶段进行调节。而恰恰是可调节的配送时间窗会给3PL带来实现规模效应的基础。
图4 算法步骤简要描述
图5 A类蚂蚁的收敛趋势
图6 B类蚂蚁的收敛趋势 由图5分析可知，对于A类蚂蚁对应服务任务，经若干批次运算后达到稳定状态。所有蚂蚁选择了SUP4。从表2参数值可知，SUP4在服务成本、准时性以及规模效应等方面具有明显优势。而SUP3在服务成本以及规模效应方面较有优势，因此可以吸引蚂蚁向其方向运动，但最终没有成为服务任务的配给对象。由图6分析可知，对于B类蚂蚁对应任务达到稳定状态时，所有蚂蚁选择了3PL2。从表2参数值可知，3PL2在服务准时性方面具有明显优势。可以看出，算法在反映调度多目标的灵活性与均衡性方面较有优势。考虑规模效应后，A、B类蚂蚁对应服务任务的成本变动趋势见图7和图8。通过仿真实践还表明，根据选择优化目标的实际情况适当调整各参数的值可以得到较佳的收敛时间和效果。 7 结语 本研究的意义在于：①在对SMC特征分析基础上，重点对服务阶段的划分及界进行了分析，研究了服务定制过程中多阶段不确定规模效应的特性及差异，探讨了不同阶段服务成本、服务时间、服务能力以及规模效应之间的内在关系。这些是实现SMC模式下供应链调度优化的基础；②在此基础上，搭建了SMC模式下供应链调度优化模型，综合权衡了不同服务阶段中服务成本、服务时间、服务规模效应之间的平衡关系。为了对多目标调度优化问题进行求解，引入具有多属性特征携带便利性的蚂蚁算法并对其进行了特定改进。 今后的研究中，定制服务不同阶段的柔性规模效应表征与量化处理仍是研究的重点，特别应针对服务交互阶段的规模效应进行深入分析，以做到服务资源的充分利用，提升客户服务满意水平。
图7 A类蚂蚁服务任务的成本趋势
图8 B类蚂蚁服务任务的成本趋势
标签：规模效应论文; 供应链系统论文; smc论文; 客户分析论文; 过程能力论文; 供应链服务论文; 企业协作论文;
基于多阶段微分规模效应的SMC供应链调度优化_规模效应论文
下载Doc文档