1.04第三方逆向物流再制造網(wǎng)絡模型與算法設計

1、 第三方逆向物流再制造網(wǎng)絡模型與算法設計1 引言第三方逆向物流不同于企業(yè)自身的逆向物流，它是以服務制造企業(yè)、物流企業(yè)、分銷商等整個產(chǎn)品生命周期中出現(xiàn)的各種行業(yè)企業(yè)為目的的，包括倉儲、運輸、分揀等內(nèi)容的獨立機構1。采用這種合同化的方式為自己的企業(yè)服務，能夠?qū)崿F(xiàn)節(jié)約化、規(guī)?；I(yè)化等目的。盡管第三方物流在現(xiàn)代物流活動中起著相當重要的作用，并且得到了較好的發(fā)展，但是由于缺乏整體規(guī)劃和集成的供應鏈物流管理信息的支持，使其在運作過程中沒有發(fā)揮最佳的效果 2。尤其是在逆向物流的再制造網(wǎng)絡方面的不合理設計，直接對逆向物流的管理效率和效益產(chǎn)生重大影響。本文研究基于第三方的逆向物流管理網(wǎng)絡設計問題，給出了再制

2、造物流網(wǎng)絡的結構和功能。通過對再制造物流網(wǎng)絡中的回收產(chǎn)品數(shù)量和質(zhì)量不確定性的量化，提出將回收產(chǎn)品按質(zhì)量等級分為可用于再制造和需要報廢處理兩類，同時建立基于機會約束的隨機規(guī)劃模型。本文采用融合隨機模擬、神經(jīng)網(wǎng)絡和遺傳算法等關鍵技術的混合智能算法對模型進行優(yōu)化求解。最后用實例驗證的方式對模型的有效性進行了探討。實例分析結果表明本模型對于帶有隨機變量的物流設施服務能力的滿足概率為94%，完全能夠達到第三方逆向物流高效率、高可靠性的要求。2 第三方逆向物流再制造網(wǎng)絡模型設計收稿日期：2010-00-00；修訂日期：2010-00-00第三方逆向物流與企業(yè)自身的逆向物流的區(qū)別就在于前者將整個再制造過程都

3、由與生產(chǎn)實體存在合同及合作關系的獨立企業(yè)完成3。在產(chǎn)品的再制造物流網(wǎng)絡結構上的表現(xiàn)為正向物流有企業(yè)自身或其他第三方正向物流單位負責，而整個產(chǎn)品的逆向物流的從回收處理到再制造過程，甚至廢棄物處理都由第三方逆向物流企業(yè)負責。其結構圖為圖1所示。圖1 第三方再制造逆向物流網(wǎng)絡結構示意圖產(chǎn)品供應商產(chǎn)品制造商中間商消費者退貨及回收處理中心可再制造產(chǎn)品廢棄處理產(chǎn)品廢棄產(chǎn)品處理中心再制造物流網(wǎng)絡結構一般有三種構建方法：在正向物流的基礎上擴展構建逆向物流網(wǎng)絡；考慮正向物流和逆向物流設施的整合；建立正向和逆向物流相結合的集成物流網(wǎng)絡；構建獨立的逆向物流網(wǎng)絡4。在我們的設計中考慮一個三級的制造/再制造物流網(wǎng)絡，包

4、括回收中心、再制造廠和再分銷中心三種物流設施，以及再制造和廢棄物處理兩種方式。本第三方逆向物流網(wǎng)絡模型在設計之初需要對模型建立條件進行假設，具體為: 消費區(qū)域的劃分已知，每個消費區(qū)域既是廢舊品收集源，又是新生品的市場，產(chǎn)品需求為已知的常量，回收產(chǎn)品中兩類不同質(zhì)量的廢舊產(chǎn)品分別為相互獨立的隨機變量；再制造廠的數(shù)目、位置已知，生產(chǎn)能力已知；產(chǎn)品的運輸成本與運輸距離成正比，各種物流設施的固定投資已知；模型僅考慮單產(chǎn)品單周期的情況，即考慮運營期可計量的經(jīng)濟成本，不考慮時間成本和社會效益。依據(jù)這些假設，我們建立了基于第三方逆向物流的網(wǎng)絡模型。從圖1中可以看出第三方逆向物流主要與消費者、產(chǎn)品制造商、產(chǎn)品供

5、應商、廢棄產(chǎn)品處理中心有關，因此其模型的具體形式也將體現(xiàn)這幾個方面的內(nèi)容，第三方逆向物流的目標函數(shù)模型如式1所示。 (1)在上述模型中假設第三方逆向物流單位m承擔的與消費者n、與產(chǎn)品制造商i、與產(chǎn)品供應商j、垃圾處理站點的單位交易費用函數(shù)分別為式25，且它們均假設為對于交易量的連續(xù)可微凸函數(shù)。 （2） （3） （4） （5）第三方逆向物流單位的固定運營費用包括收購、運輸、倉儲、分類檢修、再加工等，其總費用函數(shù)如式6所示。第三方逆向物流單位的再制造網(wǎng)絡模型的固定假設如式711所示。 （6） （7） （8） （9） （10） （11）3第三方逆向物流再制造網(wǎng)絡模型算法設計第三方逆向物流再制造網(wǎng)絡模

6、型涉及到的因素非常多，因此其結構也異常復雜，傳統(tǒng)的精確算法對這種模型的應用效果并不明顯，我們采用一種混合式智能算法來對上一部分中確定的網(wǎng)絡模型進 行求解。這種混合式算法融合了當前流行的隨機模擬、神經(jīng)網(wǎng)絡及遺傳算法等主流技術的關鍵部分。本文設計神經(jīng)網(wǎng)絡最基本的三層結構，該結構由輸入層、一個隱含層和輸出層以前向的方式連接而成。算法設計主要包括編碼、適應度計算與評價及選擇、交叉、變異等操作步驟。假定回收產(chǎn)品中可再利用的產(chǎn)品和報廢產(chǎn)品數(shù)量分別服從U(a ,b)均勻分布，且這兩個變量是相互獨立的。設包括設施選址和各設施之間的物流量的所有決策變量向量Y，則可以得到一訓練神經(jīng)網(wǎng)絡不確定函數(shù)。針對該不確定函數(shù)

7、可以進行上述的編碼、適應度計算等算法設計。針對式1中的模型，決策變量Y決定了變量x的取值，即只有當Y為1時x才有可能不全是0。反映到具體的模型上就是當?shù)谌侥嫦蛭锪鞯哪硞€備選地址被選中時，才有對產(chǎn)品進行回收的可能。在我們的算法中采用三個消費區(qū)和三個備選地址的編碼方案，其中Y為二進制編碼，其他變量為浮點數(shù)編碼，且只能取0，1值。具體的編碼格式如表1所示。表1 第三方逆向物流再制造網(wǎng)絡模型算法編碼方式示意圖123123101第三方逆向物流再制造網(wǎng)絡模型算法的個體適應度計算通過神經(jīng)網(wǎng)絡來完成。將任意個體染色體的編碼作為神經(jīng)網(wǎng)絡的輸入，可以得到2個輸出。定義適應度函數(shù)，即若是當前第k個個體，則適應值，

8、其中由U (Y)即可確定，當個體對應的方案不可行時，M大于1，否則等于1，若值越小，則適應度越高。在選擇、交叉和變異的選擇操作上我們采用比例選擇法來選擇各個個體向下一代進行遺傳的概率值，這是一種回放式隨機采用方法。4 實例分析基于第三方逆向物流的網(wǎng)絡模型與算法確定后要對其有效性進行驗證，仿真和實例驗證都是一種非完全實際環(huán)境下的驗證手段，但相對于仿真的純模擬性實例驗證具有一定的半實物實驗的特點，因此其有效性比完全簡化的仿真要可靠得多，因此我們采用實例分析的方法對模型與算法進行驗證。該實例描述情況如下：針對某種產(chǎn)品有再制造中心一個，廢棄物品處理中心一個，消費區(qū)域三個，建立回收處理中心的備選地址有四

9、個，以整個處理過程耗費費用最小為最終目標。從不同的處理中心到達不同的區(qū)域所用的單位運費設定如表2所示，其中路線1為從分銷中心到消費區(qū)域的單位距離的運費，路線2為從制造中心到回收處理中心的單位距離運費，路線3為從回收處理中心到再制造中心的單位運費。表2 區(qū)域間的運費設定情況表項目路線1路線2路線3新產(chǎn)品0.0020.015無再生品0.0030.0120.004再制造中心的生產(chǎn)能力為5000臺套，3個消費區(qū)有的逆向物流產(chǎn)品均在第三方逆向物流企業(yè)中進行處理，這些廢棄產(chǎn)品的單位處理費用為1.2元，各消費區(qū)域的回收回收產(chǎn)品中可再制造的產(chǎn)品都服從為均勻分布U(360,500)，報廢產(chǎn)品數(shù)量服從均勻分布U(200,360)。取置信度為0.6，為0.8，混合智能算法隨機模擬200次，得到200組樣本數(shù)據(jù)，訓練神經(jīng)網(wǎng)絡，得到合適的權重，種群規(guī)模為180，遺傳算法交叉概率為0.8，變異概率為0.2，迭代90次，便可以得到最優(yōu)的方案。第三方逆向物流再制造網(wǎng)絡模型與算法的驗證通過這種實例方式可以得到較為準確的結果。本方案對帶有隨機變量的約束條件即物流設施服務能力滿足的概率進行驗算，建立回收處理中心地址的服務能力滿足的概率為94%，這足以說明所得到的方案是能滿足