案例场景
随着现代军机性能、实战化训练水平的提升,军机油料使用需求不确定性特点突出,消耗量显著增大。航空兵场站传统经验型油料库存控制已经难以适应战训使用的新要求新特点。
如何根据不同时段油料的需求,及时更新场站油料库存控制策略,成为稳固提高油料保障综合效益,支撑实战化训练、作战战备顺利遂行的关键,具有重要的理论指导意义和军事运用价值。
航空兵场站油料库存控制属于航空兵后勤保障的重要组成部分,是一个随机型库存控制问题。
模型简介
仿真方法能够有效处理各因素的随机性问题,能够通过定义简单更新规则,直接描述各影响因素之间的非线性关系。其中,蒙特卡罗仿真(Monte Carlo simulation,MCS)在随机库存问题求解中最为简便。
蒙特卡罗仿真,又称随机仿真或统计实验方法,其基本思想是将所求解事件的概率与某随机变量的数学期望或与数学期望有关的量建立函数关系,通过随机实验的方法,得出该事件发生的统计特征值,作为待解问题的数值解。
针对使用需求不确定性和订货周期的随机性特征,本模型使得总成本(=库存成本+缺货成本+订货成本)最小为原则,对需求量及订货周期为随机变量的库存系统进行仿真,求解最优(Q,R)随机库存控制策略。
库存仿真的步骤
根据蒙特卡洛仿真原理,提出进行该随机库存仿真的步骤:
步骤1:变量类型确定
在本模型中,我设立了4类变量和常量,分别填充不同的颜色用于区分,
不同变量或常量分别所对应的指标:
决策变量:再订货点R和订货量Q
随机变量:每日需求量和订货提前期
预测变量:也可以称之为计算变量,即不同设置下的计算所得到的值
状态变量:模型主体的计算值
常量:一些条件参数,比如订货提前期的分布概率,日需求量的上下限,每吨库存费,每吨缺货费,每次订货费。
步骤2:随机变量生成
针对每日需求量和订货提前期,分别使用了RANDBETWEEN函数和RAND函数匹配概率分布得到了随机值。
步骤3:决策变量初始化
根据已知或者预设数据,给出场站油料库存订货点、订货量、初始库存量的取值,初始值分别设置为4000t、1000t、4500t,在此种设置下,当油料库存小于等于4000t时,立即发出订购,每个订单订购1000t的量,期初库存预设为4500t。
步骤4:随机变量取值抽样
根据步骤2确定的随机变量生成方法,取得一次油料需求量和订货周期的抽样值。
步骤5:评价指标值计算
计算日初库存、日末库存、订货次数、缺货量等的值;
步骤6:完成仿真
返回步骤4,直至预设模拟次数结束,本模型是进行了200次模拟。
模型细节
这个模型包含两个部分,仿真与优化。
仿真
通过随机变量(日需求量和订货提前期)200次的变化,得到200个结果值,本模型关注的结果主要是总成本的变化。
总成本=库存成本+缺货成本+订货成本
需要说明的是,仿真的过程除了使用了函数之外,也用了Excel内置的What-If选项卡的模拟运算表(Data Table)功能:
优化
接着,需要找到两个决策变量
订货量(Order quantity,Q)
再订货点(Reorder point,R)
的相对最优解,这里就使用了Excel内置的What-If选项卡里的方案管理器(Scenario Manager),
通过设置不同的再订货点和订货量,Q取值1000t-1500t,仿真步长100t,R取值4000t-9000t,仿真步长为500t,一共是66个方案。
66个方案,每个方案进行200次的仿真,
来观察总成本和缺货率两个核心指标平均值的变化,
可以看出,当Q=1000,R=6000时,总成本最低,同时缺货率也相对较低。
如果我们追求缺货率的最低,那么则会导致总成本大幅上升,看下方3次模拟的结果,都是以寻找最低的缺货率为目标:
虽然缺货率下降明显,下降到5%左右,但是总成本也大幅上升。
小结
让读者清晰而全面地认识该库存决策模型的强大和实用,需要涉及库存管理、业务建模、数学、Excel高级技巧等多方面的内容,因而本篇写作有一定难度,如果阅读体验不够好,还请谅解。
总而言之,这个库存仿真和优化模型,解决了一个企业库存管理中长期困扰从业人员的疑难问题,也就是在需求和供给都存在不确定的情况下,如何设置最优的再订货点R和订货量Q,以实现企业在满足客户需要的同时尽可能成本最小化的管理目标。
关于作者
联系客服