面向多尺度箱式时间窗与路径库存整合的入厂物流协同优化调度模型与算法研究

Inbound logistics is the key phrase for manufacturer to satisfy their customers. Collaborative optimization plays an important factor in improving the operational level of inbound logistics. By analyzing the real requirements for inbound logistics, the proposal presents a so called collaborative optimization scheduling problem with multiple scaling bin time windows and inventory routines. Modeling methodologies including mathematical programming will be studied based on the systematic description of decision process. In order to build efficient models and design high performance algorithms, optimal conditions of solutions, mathematical indices of properties and computational intractability of problems will be first investigated. Then exact and approximation algorithms will be given with performance analysis from both theoretical and practical aspects. By cooperation with a 3PL company, a robust systematic solution will be provided. Our studies belong to the fundamental applied theoretical research for logistics and supply chain, and research methodologies adopted in the proposal are feasible and innovative. The expected results have strong theoretical values. It is significant to implement the project for the development of management science, logistics engineering, scheduling, combinatorial optimization and etc. The proposal is motivated by practical consultation, and therefore expected results will have much practical significance in logistics practices, and logistics technologies developments.

入厂物流是制造企业的重要物流环节, 协同优化是决定出厂物流运作水平的关键因素。通过深入分析入厂物流的实际运作问题及需求,本项目提出研究一类新的考虑多尺度箱式时间窗协同与路径库存协同优化调度问题。在对该协同决策过程进行系统分析的基础上，研究协同调度的系统模型与数学规划模型的建模方法。基于物流与供应链、调度、组合优化与计算复杂性理论，从建立协同优化调度模型与设计高效优化算法的角度出发，研究问题解的最优性条件以及时间窗协同与路径库存协同的数学特征量。分析问题的计算难解性,并设计精确及启发式算法,从理论及数值上研究模型及算法性能。通过合作企业进行实证研究，提出高效鲁棒的系统解决方案。研究内容属于物流与供应链管理的应用基础研究，研究方法具有可行性和探索性，研究成果有较强的理论价值。项目完成对促进管理科学、物流工程、调度理论与组合优优化等学科的发展有较强的科学价值。

汽车制造是我国的战略性产业，产值占我国GDP的8%。汽车物流成本占汽车制造成本的35%，而入厂物流成本占汽车物流成本的40%。入厂物流决策的协同性是影响汽车物流成本的重要因素。信息化与智能化的进步，必将促进汽车入厂物流向协同化趋势发展。本项目旨在探索与解决我国汽车制造协同物流发展中的管理实践问题。. 通过对上汽通用及安吉物流在生产计划系统(PPS)、运输管理系统(TMS)、仓库管理系统(WMS)等子系统的深入调研，创建了汽车入厂物流的数据协同与决策协同模型、协同系统框架，并开展近似与精确算法研究。. 项目提出了量协同、量协同度、相对量协同利润、协同影响因子、时间窗外领域、时间窗集合协同集等协同新概念。提出了尺寸协同装箱问题、时间窗协同装箱问题、时间窗协同旅行售货商问题、时间窗协同车辆路径问题等基础理论科学问题。提出了汽车入厂物流集货协同问题(AILCP)、汽车入厂物流订单量协同(AILQP)、汽车入厂物流订单量和时间窗协同 (AILQTWP)、供应商园区化在线喂料的调度配送 (S2PPDP)等基础应用科学问题。建立了4类混合整数线性规划模型MILP AILCP，MILP AILQP，MILP AILQTWP，MILP S2PPDP，提出了6类启发式算法(Heu AILCP, Heu AILQP, Heu-AILQTWP, S2PPDP-GM, GB-RMP-LP-CG-S2PPDPIP,Round RMP-LP-CG-S2PPDPIP， 以及3类基于列生成的分支定界(定价)算法BB AILCP, BB-AILQP, BB-AILQTWP。设计了合理的实验数据，展开系统性数值实验，结论验证了算法的高效性。项目获取了丰富的企业数据，实证分析论证了问题的应用性与模型的有效性。.项目成果已经在上汽通用汽车的大数据物流决策管理系统上发挥重要作用，在广州风神物流的智能调度计划系统研发上起到重要指导作用。目前，实现了成果初步转化与推广应用。. 项目在汽车物流协同上所形成新的思想、概念、理论、模型与算法，不仅丰富与发展了汽车入厂物流的协同运作理论体系，也将推动汽车入厂物流协同的应用发展。