抽象性
概率持续审查混合缺量编程模型有两种不同案例,预期排序成本不同和受限,周期需求随某些不同的连续分布第一种情况是总成本构件被视为cripst值,另一种情况是成本被视为cape并推理出某些特殊案例插图数字示例用于调查crisp案例和fudy案例的拟议模型从数值结果中,我们将得出结论 统一分布最优获取精确解决方案, 混淆模型精确解决方案被认为更实用并接近现实生活并获得最小预期总成本比crisp模型低
开工导 言
编目系统是最多样化应用科学领域之一,广泛用于各个领域,包括运算研究、应用概率、计算机科学、管理科学、生产系统及电信五十多年前,目录系统分析出现在参考书籍和调查论文中。hadley和Whitin一号)被认为是第一批研究者之一讨论清单系统分析,展示方法分析清单系统数学模型并发Balkhi和Benkherouf2生产批量编程模型,产品以恒定速率下降并允许需求率和生产率随时间变化清单模型或确定性或概率性,因为商品需求可分别确定性或概率性。这些案件由Hadley和Witin处理一号i-el-Ata等[3维雅扬和库曼4..
某些管理者允许库存系统短缺缺量可能是逆序案例、损销案例和混合缺量案例多位作者处理各种缺货案例的盘点问题,成本构件被视为crisp值,不完全描述实际盘点系统举例说,Fergany调查了有限概率盘点模型使用Lagrangian法时顺序成本和缺损成本不一[5..此外,Fergany和El-Saadani讨论了有限概率盘点模型持续分布和不同持有成本[6..2006年,Fergany和El-Wakeel使用Lagrangian方法连续分配有限概率损耗盘模型数模型,控件成本约束下顺序成本不等7,8讨论过最近El-Wakeel九九有限回购盘数系统控件成本约束下顺序成本不等:用拉格朗江法统一分配周转时间需求瓦克尔和费尔甘尼10推导受限持续审评清单系统混合短缺和随机周期需求
成本元件有时被视为模糊值,因为在现实生活中,各种物理或化学特征可能对成本元件产生影响,然后成本元件精确值难于测量精度顺序量、控件量,特别是缺料成本因此,在控制盘点系统时,它可能允许成本参数值有一定的灵活性,以便处理始终适应实情的不确定性。自想满足需求 自相矛盾, 模糊集理论 在一定程度上满足这些需求1965年Zadeh11开始引入模糊集理论 研究用意适应非随机感的不确定性, 而不是随机变量的存在赛义德和阿齐兹12使用签名距离法检查模糊盘点模型Kazemi等[13处理盘点模型时用偏差参数和决策变量处理高台14显示混合持续审查清单模型时持有成本受限异变Gamma分布持续审查清单模型混合缺量约束下崩溃成本计算Fergany和Gawdt15讨论过Fergany等人介绍了使用Lagrange技术的概率性定期审查清单模型和模糊适应粒子群优化[16..由Kumar和Rajput建立故障盘点模式17..intrajitsingha等[18号使用签名距离法完全积存的模糊盘点模型最近Patel等[19号输入连续审查清单模型模糊环境,不逆序损耗项
如前文所发现,许多作者研究清单模型时有不同的假设和条件假设和条件表现为约束和费用(不变或变化)。因此,由于清单模型的重要性,我们将在本论文中提议并研究混合缺货盘模型,该模型按预期顺序成本约束有不同的顺序成本,准备时间需求随指数分配、拉普尔分配和统一分配我们研究盘点模型的目的是将总成本最小化顺序量和重排序点为此模型的政策变量,以最小化预期年度总成本最优顺序量和重排序点有两种情况:第一种情况是成本构件被视为crisp值,第二种情况是成本构件模糊化为capezo最后,用数值示例来说明这项工作,我们将比较所有结果并获取结论
二叉模型开发
开发任何清单模型时,我们需要加点名和假设
2.1.假设
(1)考虑允许顺序成本约束和缺缺持续审查清单模型(2)需求是一个连续随机变量,已知概率3级周期不变并跟踪已知分布(4) 分片不满足需求 完全失落 .(5)带大小新顺序 )定位时,清单水平下降到一定水平,称重排序点 )!假设系统重复自定义 即盘点位置介于 并 周期内
3级模型(I):混合缺省模型成本构件被视为串点值
本节中,我们认为允许持续审查缺量清单模型有些客户愿意等待新增资,例称混合缺量或偏偏反序
预测年度总成本由三大构件总和组成: 去哪儿 并假设顺序成本函数变化 顺序成本函数下降 .后期预期订单成本由
我们的目标是尽量减少预期总费用 顺序成本约束下定序成本不等,需要寻找定序量最优值 并重排序点 .解决此原型函数,让我们写作如下: 使用拉格朗乘法获取最优值 并 最小化4受约束5)如下: 搭建相应的优先部分衍生物6等同零 并 ,我们分别获取 去哪儿 很明显,很难找到精确解决之道 并 数组7),所以我们可以假设周期需求随某些分布
3.1.引导时间需求后代指数分布
假设周期需求随指数分布带参数 的概率密度函数由 最优排序量和最优重排序水平,以最小化预期相关年度总成本九九插进7)并发解决之道 精确解析模型
3.2引导时间需求laplace分发
准备时间需求跟随Laplace分布并带参数 概率密度函数 最优排序量和最优重排序水平,以最小化预期相关年度总成本11插进7并同时解决后,我们获取 精确解析模型
3cm3领先时间需求统一分发
类似地,假设准备时间需求沿从0到0不等的统一分布 即 脱机概率密度函数由 最优排序量和最优重排序水平,以最小化预期相关年度总成本13插进7)同步解决后,我们发现 精确解析模型
受限连续审查清单模型精确解法,配有混合缺量和不同顺序成本,可按不同值分别解决先前分配方程 并变化 直至最小正值被发现约束
4级模型化f级:混合缺省模型成本构件被视为模糊数
考虑连续审评清单模型类似模型(I),但假设成本构件 并 都模糊数字,控制各种物理或化学特征中各种不确定因素,对成本构件可能产生影响
计费图解解码如下 去哪儿 并 任意正数并满足下列约束
类似地 顺序成本可表示为图中显示的agetezidfudy数一号并类似剩余费用
注意成员功能 is1点 并 中点偏差 并 上端点达零 并 .
左右界限 - 联想 并 显示如下: 依预期顺序成本约束和当所有费用构件含混时,预计全年总成本可表述如下: 使用拉格朗乘法寻找最优值 并 最小化19号受约束20码)如下: 分右取式 - 混淆成本函数21号),分别如下: 自 并 并不可归并 似有似有似有似无20码], we have 分解值 通过使用23号....22号)如下: 去哪儿 类似模型I获取最优值 并 将相应的优先部分衍生物24码等同零 并 相选获取 概率短缺 并不存在封闭式解决办法26)和(b)27号)解决这些方程的方法与模型(I)相同
5级特殊案例
(1)闲置 , 并 并 ,因此 , 并发源7裁为 这是一种不受约束的销售持续审查清单模型,成本单位不变,结果与Hadley和Whitin相同[一号..(2)闲置 , 并 并 ,因此 , 脱机正因如此7裁为 非约束反序持续审查清单模型并附不变成本单位,结果与Hadley和Whitin相同[一号..
i)方程(10无约束反序持续审查清单模型并附不变成本单位和周期需求跟踪指数分布,结果与Hillier和Lieberman相同21号..二)方程(12无约束反序连续审查清单模型并附不变成本单位,周期需求沿袭Lapace分配法,该分配法与Nahmias结果一致22号..三)方程(14无约束回购持续审查盘点模型并附不变成本单位,并按统一分发计算周转时间需求,结果与Fabrycky和Banks相同[23号..
6级数值示例
考虑清查系统并存下列数据: 单位逐年计算 SR单数 SR单位/年 SR单位反序 单位损耗后序分数有值 , 并 ,let SR,
并取
确定性 并 前一模型两个案例的周期需求分布如下:i)指针分布 单元化二)place分布带 并 单元化三)统一配发 单元化
视上述数据而定,我们通过用不同值解析前推方程获取所有结果 , 并 显示于表一号,2并3提供最优值 并 最小化预期总成本时,周期需求分别指向模型(I)和模型(I) )
从表一号上头有时间点 下调10%新订单量时间点 新订单量的30%回购时间点 70%新订单量回购
对比Crisp案例和模糊案例表示分布后,我们可以推理最小值 获取时间 .最小预期总成本模型计算 和模型 )对 指针分布 图中显示2.
从表2上头有时间点 下调10%新订单量时间点 新订单量的30%回购时间点 70%新订单量回购
对比crisp案例和frazzy案例 Laplace分布后,我们可以推理最小 获取时间 .最小预期总成本模型计算 和模型 )对 Laplace分布 图中显示3.
从表3上头有时间点 下调10%新订单量时间点 新订单量的30%回购时间点 70%新订单量回购
对比Crisp案例和fudy案例统一分发后,我们可以推导最小 获取时间 .最小预期总成本模型计算 和模型 )对 统一分发 图中显示4.
7结论
在这次研究中,我们讨论了两种混合缺货清单模型的不同顺序成本约束,即周期需求跟随指针分配法Laplace和Application分发法我们已经评估 精确解决方案 并 面向每一值 并 产生预期顺序成本约束 并使用拉格朗江乘法获取最小预期总成本
比较模型最小预期总成本 和模型 )在每个分布上,我们可以推理最小 取时按统一分发数计算,等于844.584SR定序量 并重排序点 模型最低预期年度总成本 数列634.709SR 并重排序点 表显示3.也就是说,我们可以得出结论,模糊案例的最小预期总成本小于crisp案例,这表明模糊性非常接近生命实战并获得最小预期总成本小于crisp案例
关于数值示例结果,我们注意到当 增量计算 增量并发 下降表示 下降
外差值 引导修改 单列分布在所有分布式中,我们注意到值 差价约束几乎固定同时,我们注意到 增量计算 下降表示70%的缺粮可用最小成本解决
最后,我们的研究特别为进一步研究和探索提供了充分空间。举例说,我们考虑了不同顺序成本约束下概率混合短缺清单模型可进一步发展这项工作,为此可考虑各种不同的假设和条件,表现为约束和费用(不变或不定),如两种约束下两种费用不等或两种约束下两种费用或一种费用不等或两种约束下一种费用不等并用多层多源系统研究一些盘点模型
标注
| : | 随机变量表示需求率 |
| : | 决策变量表示周期顺序量 |
| : | 决策变量表示重排序点 |
| : | 置定单接收周期 |
| : | 连续随机变量表示期间需求 |
| : | 概率密度函数周期需求 )它分布函数 |
| : | 概率缺 |
| : | 期望值短缺周期 |
| : | 顺序成本单位 |
| : | 变化顺序成本/周期 |
| : | 不变实数选择最适配估计预期费用函数 |
| : | 持有成本单位周期 |
| : | 缺粮成本单位 |
| : | 反序成本单位 |
| : | 损销单位成本 |
| : | 限制预期年序成本 |
| : | Lagrangian乘法 |
竞技兴趣
作者声明,在发布此论文方面不存在相竞利益
感知感知
支持该研究项目的有Saud王大学理工院院长George Center