5-5 大规模制造网络安全库存管理.pdf

1、大规模制造网络安全库存管理杨超林 上海财经大学 教授杉数科技 科学家顾问|大规模网络库存管理：问题、难点与机遇-供应链会受到需求，采购，供应、制造、运输时间和运输成本等不确定性因素的影响现实的库存网络结构可能非常复杂节点之间是相互影响的全局优化方法可以降低成本，提高服务满足水平海量数据可以辅助库存决策-在哪些节点设置库存？-设置多少库存？-库存网络某产品的组装网络|数据驱动下大规模库存网络优化方案多维度特征数据承诺服务模型数据驱动的库存策略数据驱动的需求函数（DD-bound）函数分位数回归模型(FQRM)Proximal ADMM 算法大规模复杂库存网络优化算法数据驱动的网络库存管理模型（D

2、D-GSM）01数据驱动的网络库存管理模型02大规模复杂库存网络优化算法03库存网络仿真系统04某领先ICT企业的实践案例目录CONTENT|01数据驱动的网络库存管理模型-承诺服务模型-数据驱动的需求函数估计-收敛性与求解算法-基于某领先ICT企业真实数据的仿真验证|Huang D,Yang C,Zhang Y,Ai Y,Data-Driven Safety Stock Management in Inventory Network.|考虑网络结构和所有节点的加工/采购时间，在满足服务水平的同时最小化库存总成本min!#!(!)!s.t.!=!+!,!$0,(,)!,!,!,!0,非凸问题！

3、一般函数每个节点对其下游（需求）承诺在 时刻产生的需求，一定能在+!交货，!称为 承诺服务时间被服务时间!表示需求来临时从上游获得物资到开始加工的时间如果!+!,节点 需要自己持有一定库存覆盖需求,!=!+!称为 覆盖时间-:节点-:节点集合-:网络边的集合-:需求节点集合-!(!):需求上界函数 e.g.,!=!+!-!:需求均值-!:提前期-!:服务时间协议-!:单位持货成本库存网络优化基础模型：承诺服务模型基本承诺服务模型决策变量参数|经典承诺服务模型中的需求上界函数（N-bound）承诺服务模型假设每个节点都有一个关于时间的需求上界函数 每一个节点的安全库存量由该函数及覆盖时间决定，覆

4、盖时间表示该节点需要用自身库存覆盖需求的时长 文献中通常假设每个节点的需求服从正态分布且每一期是独立的 需求上界函数设置：-对于需求节点!()=!+%&()!.$()=$+!($,!)*$!(!)!+-$!表示生产一单位下游节点需要多少单位-是库存共享系数-对于非需求节点|N-bound 存在的问题N-bound的这两个假设在实际中很难被满足 假设每个节点的需求服从正态分布 且每一期是独立的N-bound 只用到历史销量数据，没有用到特征信息对于一些行业，这一比例可能高达60%或70%(Boylan and Syntetos 2021)估计这类需求通常会出现“高方差”的现象，因为要面临需求到达

5、时间和需求量两方面的不确定性在实践中，高比例节点面临“时间相关性需求|数据驱动的需求函数估计我们从数据中直接学习带有目标服务水平的需求函数!()=()+()-()=6,7 是回归系数函数-8=inf:=是给定 t 时的累计需求的-th分位数(0,1)-独立于 且-th分位数为0|函数分位数估计模型（FQRM）+=!,-&.!+,+,;=+;-th 分位数的需求函数可以被近似为我们使用B-spline来近似系数函数 =/,+01=/+2 2+=!+-/2!,-&.!+,+,;+为避免过度拟合，我们在相邻B-splines的系数上添加一个差异惩罚min!4-&514!6-&7146!+-/2!,-

6、&.!+,+,;46+!+-/2!,-89&.!8+,:min!+#矩阵形式|收敛性-定理 1 表明，期望风险的阶数为 9:;/:;=，随着的减少而减少。也就是说，我们的数据驱动方法可以做出渐进式的正确库存决策定理1 DDGSM的性能H?=?=:=9:;/:;=.推论2 时间相关性数据下N-bound的性能当 1时,存在 0 使得Jlim?AM +9 M B+=1,M 0.-推论2表明，在时间相关性数据下，使用N-bound作出的决策可能过于保守|FQRM模型的求解：Proximal ADMM算法min!+#s.t.=#$=argmin%+2 +&=Prox,$*+#$=argmin$+2+&