基于MAS供应链管理的研究，本文主要内容关键词为：供应链管理论文,MAS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。
一、引言
供应链中各环节的复杂性、异构性以及市场的瞬息万变，使得供应链的业务过程很难按计划进行。MAS理论[1]为分布式系统提供了一种抽象的分析方法，它把网络中的人、组织和机器间的交互合作、共同完成工作任务的各种活动描述为Agent间的自主作业活动。供应链是典型的分布式系统，可视作由协作的多个Agent组成的网络，每个Agent具有一定的功能，并可与其他Agent进行协作[2]。从供应链的结构要素出发可以将其自主或半自主的实体抽象成Agent，抽象时应粒度适中，这样的Agent便于开发和重用。根据这些实体在供应链中特定的角色来定制不同粒度的Agent。Multi- Agent System，简称MAS，源自于人工智能中的分布式问题求解，它可看成是一种由问题求解器松散组合而成的网络，这个网络通过各个问题求解器的协调工作，能够解决超越单个问题求解器能力和知识范围的问题。
二、基于MAS的供应链管理业务过程的模型构建
订单履约是供应链管理的重要流程[3]。正是客户下的订单使整个供应链动起来。订单履约包括生成、执行、交付客户的订单并提供相关的服务。多数情况下，客户只能通过该流程来与公司接触。因此，订单履约流程可以决定客户整个订货经历[4]。
（一）基于MAS的供应链订单履约模型
本文研究的供应链是典型的4级供应链结构，一个以订单信息流为中心，带动物流和资金流运动的供应链，其中物流方向为单向，即不考虑退货的情况，信息沟通为双向，资金流在本研究中不予考虑。
该供应链实行统一采购，统一销售，统一运输。供应链MAS系统模型见图1（实线为物流，虚线为信息流，→表示向所有的代理发消息）。对该供应链来说，订单驱动了设计、采购、制造、配送整个流程。
在最初的原型模型中，我们将整个订单供应链系统抽象为图1所示，系统主要由供应商Agent类、第三方物流Agent类、库存Agent类、分销商Agent类和零售商Agent，订单Agent构成；它们都是自治的实体。在这里，将供应链系统的每个成员分别映射成为一个Agent，并形成相应的Agent类。
图1 基于Multi- Agent的供应链模型
执行Agent的功能有如下几个方面：
1.订单Agent，负责处理来自生产企业的订单有关任务。包括记录订单到期日、检查库存可用性等。
2.制造商Agent，代表了将物流服务外包给第三方物流服务商的生产企业，可以通过请求库存服务的不同Agent反馈来改变物流服务提供商内部的决策，安排生产计划，执行生产运作。
3.库存Agent，负责处理与库存有关的任务。包括记录库存、确定再订货点、响应其他Agent对库存可用量的询问。
4.第三方物流Agent，负责确定库存补货策略，预测顾客需求；生成配送计划订单，设计最佳的配送路线，配送产品，提高企业对市场的快速响应能力。
5.供应商Agent，负责同上游供应商交互信息，生成采购计划，订购原材料，提供原材料库存状态信息。
6.零售商Agent，对市场进行预测分析，然后根据预测结果向分销商Agent发订单。每个零售商Agent采用的市场预测方法是静态方法[5]，其需求过程表达式为
7.分销商Agent，负责统一销售，整理每天到来的订单（retail order），并进行整合。同时和制造商Agent进行联系，查看其产品库存是否能满足当前订单的生产要求，若是能满足，接下来一是向制造商Agent发出订单；二是给零售商Agent回复消息。若是不能满足，则驳回订单，通知零售商Agent再订购。
8.NewDay（时间控制Agent），这一Agent的建立使得在做仿真模拟实验的时候时间便于掌握。触发一次表示时间过了一天。
（二）Agent的决策模型
1.零售商Agent的决策模型
订单Agent发布订单之后，为了满足其需求
，零售商需要对订单需求进行预测，零售商在t时刻依据其库存水平向
则有
则式（15）即为第t周期的制造商Agent的生产决策模型。
4.第三方物流Agent的决策模型
第三方物流Agent的作用是根据委托方的要求承运相应数量的产品，其主要的决策行为是为相关数量的产品安排运输工具，决定卸货和装载。在本研究中，为了简化，不考虑运载工具的容量限制、配载、运输障碍等问题。每批次的产品用一个运载工具（程序中用一个对象表示）来运输，并经过交货期后该运载工具卸货。
5.供应商Agent决策模型
则式（16）即为第t周期的供应商Agent的供货决策模型。
三、仿真分析
（一）仿真参数设置与成本分析
本文研究的是典型的分布式四级供应链，主要考察零售商（Retailer）、分销商（Distributor）、制造商（Manufactor），供应商（Supplier）的库存与订单情况。其中：零售商Agent（Retailer）、分销商Agent（Distributor）、制造商Agent（Manufactor）、供应商（Supplier）使用的库存以及销售预测策略均采用上节的决策模型。
从制造商到分销商以及从分销商到零售商的交货时间都有确定的值（分别为L和l）。分销商和零售商的库存成本也为线性（分别为H和h，每单位）。为了便于计算，假定分销商和零售商发生缺货时，它们将承担相应的惩罚性成本（分别为P和p，每单位）。由于零售商处客户需求信息的共享与否，会给供应链中成员企业（制造商、运输商和分销商）的决策带来影响，进而影响系统的成本，所以本文主要研究的是制造商的生产成本、分销商的库存成本。在这里，各参数的初始值设为d＝100、ρ＝0.7、σ＝50、L＝10、l＝5、P＝25、H＝1、p＝50、h＝2、M＝5，并设零售商和分销商的初始库存均为1 500个单位。以下给出了各成员的成本计算函数。
制造商成本计算函数：
（二）仿真图形分析
仿真图形分析有如下两种情况：
1.非信息共享下的仿真图形分析
首先预测100周内的库存，根据订单变化的情况，下列图表横坐标单位是时间／周，纵坐标单位是订货量数额。如图2在第10周库存量零售商为750，而12～13周制造商的库存量就被放大到6000，在第27周，供应商的订单量也达到了6 000，相比于零售商Agent的订单变化高达8倍之多。同时库存的仿真图形也接近上述情况。这和许多学者如Towill[8]研究的结果近似，需求信息的变化幅度每经过一个环节就会增加1倍，即制造商从分销商获得订单后对市场需求变化的预测幅度几乎是初始波动的8倍甚至还多。
图2 各企业库存变化仿真
当市场上消费需求发生细微变动时，这种波动会沿着零售商、分销商、制造商逆流而上，并逐级扩大，在达到最终源头供应商时，其获得的需求信息和实际消费市场中的顾客需求信息发生很大的偏差，需求信息严重扭曲或失真，需求变异系数比分销商和零售商的需求变异系数大很多，这就是牛鞭效应。“牛鞭效应（Bullwhip Effect）”，也称需求放大效应，是美国著名的供应链管理专家Hau L.Lee教授对需求的信息扭曲（information distortion）在供应链中传递的一种形象描述[8，9]。由于这种需求放大效应的影响，供应商往往维持比制造商更高的库存水平[10，11]。
显而易见，这种现象将会给企业带来严重后果：产品的库存水平提高、服务水平下降、供应链的总成本过高以及供应链效率低下等问题，这必然降低供应链企业的整体竞争力，最终使供应链上每一个节点企业成员蒙受损失。
2.信息共享下的仿真图形分析
我们把REPAST模型参数调整使用信息共享策略下的参数。其仿真后的图形见图3。
从图3可以看出供应链上各个节点Agent信息共享后，即使零售商的库存发生剧烈变化，制造商与供应商的库存变化也没有因此剧烈变化，这表明在信息共享的策略下，牛鞭效应得到较大的抑制。
图3 各企业库存变化仿真
四、结论
在供应链中，供应链各节点企业之间的需求预测、库存状态、生产计划等都是供应链管理的重要数据，这些数据分布在不同的供应链组织之间，要做到有效地快速响应用户需求，必须实时地传递，为此需要对供应链的信息系统模型作相应的改变。本文利用MAS理论对供应链订单过程进行建模，通过Agent的自身交互与协商机制以及供应链信息系统的集成，使供应链中的库存数据能够实时、共享、快速地传递。为探讨解决统一采购，统一销售，统一运输的供应链成员企业间的协调问题提供一种新的研究方法。
标签：供应链系统论文; 采购与供应链管理论文; 市场营销论文; 供应链物流论文; 系统仿真论文; 库存周期论文; 决策能力论文;