１ 概述

近年来，在多变的市场条件下，企业所面临的竞争日趋白热化，利润增长点从生产领域逐渐拓展至流通领域，企业间的竞争也从追求局部最优化变革为供应链的全局最优化。传统运输作业与客户库存管理的分离显然无法满足供应链各环节同步运作的要求，ＶＭＩ?１，４?模式由供应商管理客户库存，通过预测或ＩＴ支撑技术等手段提前预知客户的库存水平，供应商采取适时补货来满足客户服务水平要求，从而降低长期库存管理成本与运输作业费用之和。
大多文献的研究均假设补充客户库存配送中心的供货能力无限，配送中心只需要考虑自身库存管理成本，忽略库存造成资金的积压；用求取平均值?２?或简单积分?３?来解决传统库存管理研究中单客户的最优订货点问题。对ＶＭＩ环境下，配送中心的订货点与多客户需求和运输费用关联的，常规数学方法难以处理。对配送中心订货流程进行模拟仿真研究，以此来求解配送中心的最优订货点成为可能。
２ 最优订货点的仿真分析

２．１ ＶＭＩ模式下的订货问题
制定合理的配送中心订货点，可以保证供应商订货时的库存量能够满足客户在此时间段内所发生的需求量，即配送中心的前置期需求量等于需要补货客户前置期需求量之和。文献?５?主要研究，在满足客户需求的前提下，根据订货前置期和需求速率的分布函数或历史数据，通过模拟前置期需求量来确定最佳订货点。而本文重点研究的配送中心订货点问题，假定在ＶＭＩ模式下配送中心确定客户补货时间和数量，只有一个配送中心和ｎ个客户，客户需求随机，考虑了多个补货客户前置期需求量的影响，服务客户群动态变化。
２．２仿真流程
仿真的ＶＭＩ系统包括配送中心、客户两个实体，产品通过车辆运输在实体之间流动。主要订货点仿真流程如下：
（１）初始化客户数目及需求速率的历史统计数据或分布函数等基本数据。
（２）模拟客户前置期需求，按照预定原则分配中心库存，求解配送成本。
（３）计算累积库存管理成本和运输作业成本，判断仿真结束；若达到指定的仿真次数Ｔ转第４步，否则重复第２－３步。
（４）计算并纪录Ｔ次仿真试验后的平均成本；
（５）订货点数目加１，重复第２－４步直至订货点到达预定的最大数值。
（６）从平均成本记录当中选择平均成本最小的订货点作为配送中心最优订货点。
２．３仿真模型
２．３．１仿真模型结构。美国Ｒｏｃｋｗｅｌｌ公司研制的新一代可视化通用交互集成仿真环境－Ａｒｅｎａ 软件，集成了计算机仿真环境与可视化技术，可以与通用过程语言，如ＣＣ＋＋等编写的程序连接运行。本文模型的客户需求速率历史统计数据或分布函数通过转换为Ａｒｅｎａ内置的函数实现。其仿真模型如图１所示。
２．３．２主要仿真模块。Ｃｒｅａｔｅ Ｒｅｔａｉｌｅｒｓ Ｄｅｍａｎｄ模块主要对客户的随机需求进行模拟； Ａｌｌｏｃａｔｉｏｎ ＤＣ Ｉｎｖｅｎｔｏｒｙ模块主要将中心库存合理地分配给需求客户。在产生客户前置期需求量时，客户需求速率历史统计数据或分布函数分布可以采用Ａｒｅｎａ软件当中的库函数Ｄｉｓｃ（Ｄ１?Ｃ１?Ｄ２?Ｃ２?…Ｄｎ?Ｃｎ），其中Ｄｉ表示各数据点，Ｃｉ表示对应的累积概率；或者采用分布函数对应的函数进行模拟。
在客户需求概率分布已知的情况下，利用类似报童问题（Ｎｅｗｓｂｏｙ Ｐｒｏｂｌｅｍ）的求解方法来计算各自最优配送量。将产品的分配问题简化为背包问题，按照最优配送量从小到大的顺序，结合贪心准则进行分配。
Ｃｏｕｎｔ Ｄｅｌｉｖｅｒｙ Ｃｏｓｔｓ模块用于计算客户接受分配量之后产生的配送运输的成本。假设客户前置期需求量总和小于单车运作能力，将问题简化为典型的ＮＰ难题－－旅行商问题。用节约算法求解ＴＳＰ问题。通过比较不同订货点值所对应的库存与运输总成本来求解最佳配送中心订货点的最小值。

３ 仿真实例分析

以一个有８个客户的配送补货系统为例，其随机客户需求率分布见表１。
假设运输成本固定，在仿真次数Ｔ＝１ ０００的情况下，试验对应的成本总和见图２。
库存管理成本与运输作业成本之和最小时，配送中心订货点为３０３。由于所有客户前置期的需求均值之和为２３２，小于仿真值，不能很好满足客户的需求，从而产生了缺货损失。

４ 结论

本文通过研究ＶＭＩ模式下订货流程的模拟，利用Ａｒｅｎａ软件对配送中心最优订货点建模与仿真。这不仅可以克服传统数学分析手段在处理随机需求下多级供应链问题时难以形式化描述和形式化后的不可解析性的难题，而且可以为ＶＭＩ环境下的配送策略提供更接近现实，更为合理的决策方案。

---摘自物流技术 作者：孙斌锋　吕雄伟　谭顺勇