3.2 简单优化模型建模与案例分析

工厂定期订购原料,存入仓库供生产之用;车间一次加工出一批零件,供装配线每天生产之需;水库在雨季蓄水,用于旱季的灌溉和发电.显然,这些情况下都有一个存贮量多大才合适的问题.存贮量过大,存贮费用太高;存贮量太小,会导致一次性订购费用增加,或不能及时满足需求.

这里,讨论两个简单的存贮模型:不允许缺货模型和允许缺货模型.

1.不允许缺货模型

先考察这样一个问题:配件厂为装配线生产若干种部件,轮换生产不同的部件时因更换设备要付生产准备费(与生产数量无关),同一部件的产量大于需求时因积压资金、占用仓库要付贮存费.

已知某一部件的日需求量为100件,生产准备费5000元,贮存费每日每件1元.如果生产能力远大于需求,并且不允许出现缺货,试安排该产品的生产计划,即多少天生产一次(称为生产周期),每次产量多少,可使总费用最小.

(1)分析

生产周期短、产量少,会使周期内总贮存费小,而每天的准备费大;而周期长、产量多,会使周期内总贮存费大,每天的准备费小.所以,必然存在一个最佳周期,使得总费用最小.要使总费用最小,也就是使得周期内每天的平均费用最低.

(2)模型假设

为了处理的方便,考虑连续模型,即设生产周期T 和产量Q 均为连续量.根据问题性质作如下假设:

①产品每天的需求量为常数r ;

②每次生产准备费为c 1 ,每天每件产品贮存费为c 2

③生产能力为无限大(相对于需求量),当贮存量降到零时,Q 件产品立即生产出来供给需求,即不允许缺货.

(3)模型建立

将贮存量表示为时间t 的函数q (t ),t =0生产Q 件,贮存量q (0)=Q,q (t )以需求速率r 递减,直到q (t )=0,如图3.1,显然有

3.2 简单优化模型建模与案例分析 - 图1

图3.1 不允许缺货模型的贮存量q (t )

3.2 简单优化模型建模与案例分析 - 图2

一个周期内的贮存费是3.2 简单优化模型建模与案例分析 - 图3 ,其中积分恰等于图3.1中三角形A 的面积3.2 简单优化模型建模与案例分析 - 图4 .因为一个周期的准备费是c 1 ,再注意到(3.2.1)式,得到一周期的总费用为

3.2 简单优化模型建模与案例分析 - 图5

于是每天的平均费用是

3.2 简单优化模型建模与案例分析 - 图6

(3.2.3)式为这个优化模型的目标函数.

(4)模型求解

求T 使(3.2.3)式的C 最小.容易得到

3.2 简单优化模型建模与案例分析 - 图7

代入(3.2.1)式可得

3.2 简单优化模型建模与案例分析 - 图8

由(3.2.3)式算出最小的总费用为

3.2 简单优化模型建模与案例分析 - 图9

(3.2.4)、(3.2.5)式是经济学中著名的经济订货批量公式(EOQ公式).

(5)结果解释

由(3.2.4)、(3.2.5)式可以看到,当准备费c 1 增加时,生产周期和产量都变大;当贮存费c 2 增加时,生产周期和产量都变小;当需求量r 增加时,生产周期变小而产量变大.这些定性结果都是符合常识的,当然,(3.2.4)、(3.2.5)式的定量关系(如平方根、系数2等)凭常识是无法猜出的,只能由数学建模得到.

用得到的模型计算本节开始的问题:以c 1 =5000,c 2 =1,r =100代入(3.2.4),(3.2.6)式可得到T =10天,C =1000元.

(6)敏感性分析

讨论参数c 1 ,c 2 ,r 有微小变化时对生产周期T的影响.用相对该变量衡量结果对参数的敏感程度,T 对c 1 的敏感度记作S (t,c 1 ),定义为

3.2 简单优化模型建模与案例分析 - 图10

由(3.2.4)式容易得到S (T,c 1 )=1/2,即c 1 增加1%,T增加0.5%.作类似的定义并可得到S (t,c 2 )=-1/2,S (t,r )=-1/2,即c 2 或r 增加1%,T 减少0.5%.c 1 ,c 2 ,r有微小变化时对生产周期T 的影响是很小的.

考察用户向供方订货的情况:如果订货时要付一笔订货费(与订货量无关),贮存费和用户需求量的假设与上面模型一样,并且当贮存量降到零时所订货物立即到达,那么只需将订货费类比于生产准备费,就会得到完全相同的模型,实际上,EOQ公式原本就是针对这种订货情况的.

2.允许缺货模型

在某些情况下用户允许短时间的缺货,虽然会造成一定的损失,但是如果损失费不超过缺货导致的准备费和贮存费的话,允许缺货就应该是可以采取的策略.

(1)模型假设

下面讨论一种简单的允许缺货模型:不允许缺货模型的假设1,2不变,假设3改为:

生产能力为无限大(相对于需求量),允许缺货,每天每件产品缺货损失费为c 3 ,但缺货数量需在下次生产(或订货)时补足.

(2)模型建立

因贮存量不足造成缺货时,可认为贮存量函数q (t )为负值,如图3.2周期仍记作T ,每周期初的贮存量为Q ,当t =T 1 时,q (t )=0,于是有

3.2 简单优化模型建模与案例分析 - 图11

图3.2 允许缺货模型的贮存量q (t )

3.2 简单优化模型建模与案例分析 - 图12

在T 1 到T 这段缺货时段内需求率r 不变,q (t )按原斜率继续下降.由于规定缺货量需补足,所以在t =T 时,数量为R 的产品立即到达,使下周期初的贮存量恢复到Q .

与建立不允许缺货模型时类似,一个周期内的贮存费是c 2 乘以图3.2中三角形A 的面积,缺货损失费则是c 3 乘以图3.2中三角形B 的面积.计算这两块面积,并加上准备费c 1 ,得到一周期的总费用为:

3.2 简单优化模型建模与案例分析 - 图13

利用(3.2.8)式将模型的目标函数(每天的平均费用)记作T 和Q 的二元函数:

3.2 简单优化模型建模与案例分析 - 图14

(3)模型求解

利用微分法求T 和Q 使C (T,Q) 最小,令3.2 简单优化模型建模与案例分析 - 图15 ,可得(为了和不允许缺货模型相区别,最优解记作T ′,Q ′)

3.2 简单优化模型建模与案例分析 - 图16

注意每周期的供货量R =rT ′,有

3.2 简单优化模型建模与案例分析 - 图17

3.2 简单优化模型建模与案例分析 - 图18

与不允许缺货模型的结果(3.2.4)、(3.2.5)式比较不难得到

3.2 简单优化模型建模与案例分析 - 图19

(4)结果解释

由(3.2.13)式,λ >1,故(3.2.14)式给出T ′>T,Q ′<Q,R >Q ,即允许缺货时周期及供货量应增加,周期初的贮存量减少.缺货损失费c 3 越大(相对于贮存费c 2 ),λ 越小,T ′越接近T,Q ′、R 越接近Q .考虑到c 3 的意义,可知当c 3 →∞时λ →1,于是T ′→T,Q ′→Q,R →Q ,这说明:不允许缺货模型可视为允许缺货模型的特例.