[论文解读] Efficient Inventory Optimization of Multi Product, Multiple Suppliers with Lead Time using PSO

S. Narmadha, V. Selladurai+1 more|arXiv (Cornell University)|Feb 10, 2010

Supply Chain and Inventory Management参考文献 10被引用 4

一句话总结

本文提出一种基于粒子群优化（PSO）的方法，用于优化具有动态交货期的多产品、多供应商库存系统。通过最小化总供应链库存成本——平衡持有成本与缺货风险——该方法动态确定最优订货量和安全库存，实现在交货期波动情况下的成本高效库存水平。

ABSTRACT

With information revolution, increased globalization and competition, supply chain has become longer and more complicated than ever before. These developments bring supply chain management to the forefront of the managements attention. Inventories are very important in a supply chain. The total investment in inventories is enormous, and the management of inventory is crucial to avoid shortages or delivery delays for the customers and serious drain on a companys financial resources. The supply chain cost increases because of the influence of lead times for supplying the stocks as well as the raw materials. Practically, the lead times will not be same through out all the periods. Maintaining abundant stocks in order to avoid the impact of high lead time increases the holding cost. Similarly, maintaining fewer stocks because of ballpark lead time may lead to shortage of stocks. This also happens in the case of lead time involved in supplying raw materials. A better optimization methodology that utilizes the Particle Swarm Optimization algorithm, one of the best optimization algorithms, is proposed to overcome the impasse in maintaining the optimal stock levels in each member of the supply chain. Taking into account the stock levels thus obtained from the proposed methodology, an appropriate stock levels to be maintained in the approaching periods that will minimize the supply chain inventory cost can be arrived at.

研究动机与目标

• 解决管理具有可变交货期的复杂多产品、多供应商供应链的挑战。
• 通过最小化持有成本与缺货风险之间的权衡，降低总库存成本。
• 开发一种可扩展的优化框架，能够适应供应链成员之间交货期的变化。
• 基于动态交货期数据，优化未来期间的库存水平。
• 为现实世界供应链库存管理提供一种实用且计算高效的解决方案。

提出的方法

• 将库存优化问题表述为涉及持有成本与缺货成本的多目标成本最小化问题。
• 建立包含多个产品和供应商的系统模型，为每对产品-供应商组合引入随时间变化的交货期。
• 应用粒子群优化（PSO）算法，以搜索最优订货量与安全库存水平。
• 定义适应度函数，包含总库存成本，对过量持有和缺货事件施加惩罚。
• 通过迭代的粒子群更新机制探索解空间，其中粒子代表潜在的库存策略。
• 将交货期波动性整合到优化过程中，以确保在不确定供应条件下的鲁棒性。

实验结果

研究问题

• RQ1 在具有可变交货期的多产品、多供应商供应链中，如何最小化库存成本？
• RQ2 在动态交货期条件下，持有成本与缺货风险之间应如何实现最优平衡？
• RQ3 PSO能否有效处理具有随时间变化交货期的多产品、多供应商库存优化的复杂性？
• RQ4 与传统库存模型相比，所提出的基于PSO的方法在成本效率方面表现如何？
• RQ5 在交货期不确定的情况下，为最小化总供应链成本，未来期间应维持何种库存水平？

主要发现

• 基于PSO的方法通过平衡持有成本与缺货风险，成功最小化了总供应链库存成本。
• 针对每种产品-供应商组合，动态确定了最优订货量与安全库存水平。
• 该方法在处理不同期间及供应链成员之间可变交货期方面表现出良好的鲁棒性。
• 与假设固定或平均交货期的传统方法相比，该方法显著降低了库存成本。
• PSO算法高效收敛至近优解，表明其在实时或周期性计划中的计算可行性。
• 研究证实，将交货期波动性整合到优化过程中，可显著改善库存成本结果。