基于多智能体的被装精准申领库存策略仿真研究*

史博元 董 鹏 郑丽莎 文昊林

（海军工程大学 武汉 430000）

1 引言

2018 年8 月，我军在全军72 个单位进行“精准申领”试点工作，经过两年时间的探索与改进，2021年，军委后勤部与多家地方物流公司签订战略合作协议，以战区为保障单位建立军民融合仓库，利用地方物流公司成熟的技术与经验，加速被装运输链路的“最后一公里”，同年4 月21 日，在全军范围内正式推广被装的“精准申领”保障模式［1］。不同的是，试点期间每年两次的“定期申领”升级成了“随时申领”：官兵可以在任意时间登录平台申领被装，并且可以实现十天内送达，极大地提高了被装保障效率。

在我军以往的被装实物供应模式中，长期存在着差异化需求难以满足、保障精确性不高、闲置浪费等问题，而被装精确申领模式很大程度上解决了上述问题，迈出了保障能力提升的关键一步［2］。但由于这种供应保障模式推行的时间较短，目前仍处于探索阶段，在供应链效费比方面还存在一定的不足，例如各节点库存控制策略不够精准，导致部分被装库存长期缺货或积压。本文在现有的库存控制策略基础上，利用anylogic仿真，对其存在的问题进行改进，以期实现提高效率、降低成本、减少浪费的目标。

2 策略分析

2.1 现状分析

目前，被装精确申领的供应链主要分为四个节点，分别是军需物资供应商（下称工厂）、军需物资仓库（下称军需仓库），配送服务供应商（下称物流公司）和部队用户，供应链中最常见的保障模式如图1 所示。首先，由军委后勤保障部定期汇总申领平台中的官兵需求信息，将其与军需仓库和工厂的库存进行汇总对接后，调配物资并开展下一个周期的采购，工厂根据订单，将被装送达军需仓库；而后，仓库将调配完毕的被装，送至军民融合仓库；最后由物流公司进行相应的分拣后，配送至部队用户［3］。这种库存控制策略对每个周期采购量预测的准确性依赖较大，但由于精准申领模式运行时间较短，可参考数据较少，加之新冠疫情的影响，难免会出现需求和产能两方面的波动，造成某些被装长期缺货，影响保障效率和质量，或者库存严重积压，浪费大量的库存成本。考虑到配送阶段由地方物流中心负责，本文只研究工厂和军需仓库的库存策略，着重从军方层面入手，降低成本、提高效率。

图1 常见供应链保障模式

2.2 军需仓库库存策略设计

本文采用的原始数据，来源于实行精准申领一年内中部战区Z 仓库某被装的库存量和需求量，去除起始阶段订单量暴增导致的极端数据，最终选取的时间范围为2021年5月7日至2022年4月21日，库存状态折线图如图2所示。

图2 库存状态折线图

数据显示，库存波动范围较大且水平整体偏高，产生大量的库存成本。针对库存策略的不足，进行改进并利用anylogic软件进行建模仿真。军需仓库库存状态图设计如图3所示。

图3 军需仓库库存状态设计图

其库存策略及参数设计如下［5］：

1）库存阈值S：当军需仓库某型被装库存低于该数值时会向工厂订购产品。

2）订购批量P：每次向工厂订购的批量。

4）工厂要求的最小订购批量M。

由于每次订购产生的额外成本较低，可以忽略不计，因此根据经典EOQ 理论，通过降低订购批量可以达到降低成本的目的［4］；另外，在可预见的未来，国内新冠疫情形势仍不容乐观，原料断供和工厂停产依旧会是常态，无疑将对生产和库存造成巨大影响。综合各种影响因素，应该尽量减少单次的采购批量，增加采购次数，降低成本的同时，将不确定性事件的影响降至最低［6］，但是采购量还需要满足下列约束条件：

1）在采购期内满足最大需求。该最大需求可作为发起采购的时机，即库存阈值S。

2）满足下一个订购期的需求。若订购批量较小，在货物运输到仓库时库存可能无法满足需求，因此考虑最极端的情况，即每日都消耗最高的数量，即可推算出订购批量P。

3）采购量过低会急剧提高单位制造成本，所以采购批量要满足工厂的最小订购批量。

通过模拟仿真，得到的直接数据有：

1）fx：在x天内产品需求统计数据集，x为整数，max(fx)表示在x天内最大的需求量。

2）Fx：在x天内产品需求积累情况，x为整数。

对此，根据仿真系统计算出的多日需求统计数据，设计了以下几种库存策略。

若只考虑T 日内的需求情况，易得库存阈值S应为max(f)，这样的库存阈值能够保证库存在天的时间内不会耗尽。考虑每个周期的需求量最大都为max()时为极限情况，天后的库存又会小于库存阈值，同时会发起第二次订货请求，此时订购批量P应为

通过仿真系统将参数带入，得到军需仓库库存变化情况，如图4所示。

图4 军需仓库库存变化情况

分析图中数据可以得出，该库存策略虽然满足了全部需求，但整体库存仍维持较高水平，不够合理，这是由于现实中很少出现相邻几天需求都达到最大的情况，因此，还需对该策略进行进一步的优化。

在上述订购批量P 的条件下，可能会导致缺货，所以还需对订购批量进行修正：

通过仿真系统将参数带入，得到军需仓库库存变化情况，如图5所示。

图5 军需仓库库存变化情况

图中最低库存水平没有趋近0，这是由于同时满足库存数量最低，且刚好遇到最大需求的概率较低，因此该方案比较符合实际情况。但方案也存在一些问题，考虑到部分被装的季节性特点，大部分情况下库存水平维持较高，只有一些特定月份需求较大，因此还可以通过考虑特殊时期进一步对库存方案进行设计［7］，具体见2.2.3节。

2.2.3 按月规划库存策略

在前两种设计方案的基础上，设计按月规划库存的策略，原因在于考虑到了被装的季节性特点，目的是为解决因季节需求差异而导致的总体库存偏高的问题。以某型被装为例，通过分析该被装的适用季节及往年数据，发现在3 月及10 月，订单需求会有较大的增加。因此，只需使用2日需求分析的方法将每月的库存策略区分处理即可。对库存策略按月区分规划，得到库存变化如图6 所示，仓库根据历史需求信息和季节变化调整库存策略，从而能够达到降低库存成本的目的［8］。

图6 军需仓库库存变化情况

2.3 工厂库存及生产策略设计

相比军需仓库，工厂的库存数量与被装产量有直接关系，因此还需要同步设计其生产策略。工厂的库存状态图设计如图7所示。

图7 工厂库存状态设计图

其库存及生产策略参数设计如下［9］：

1）每日生产R：每天生产固定数量的产品。

2）库存阈值S：当产品库存低于该数值时会进行加急生产。

3）生产批量P：加急生产的批量。

4）生产周期T：被装从生产、入库到最后出库的时间，单位为天。

通过模拟仿真，得到的直接数据如下：

1）fx：x天内产品需求统计数据集，x为整数，max(fx)表示在x天内最大的需求量。

2）Fx：从第1 天到第x天产品需求积累的情况，x为整数。

根据仿真系统计算出的多日需求统计数据，设计了以下几种生产策略。

2.3.1 固定生产策略

在该策略下工厂每天只生产固定数量的产品R，不进行加急生产，使得全年都可满足需求。所以为维持每年的总体需求，每日产量R 为，得出工厂库存变化曲线如图8所示。

图8 工厂库存变化情况

图9 工厂库存变化情况

由图8 可以看出，由于设定了较高的每日生产数量，库存水平会有一段时间的积压，维持在较高水平，且该策略需要比较合适的初始库存，不太符合实际情况。

2.3.2 批量生产策略

该策略类似于军需仓库库存策略的设计，在该策略中，每日固定生产量为0，当库存低于某一阈值时才开始生产。特点是工厂在低库存时生产固定的量后停工，但这种策略需要高库存水平以应对风险，且每日生产波动较大。

将参数带入仿真系统，得到工厂库存变化情况示意图如下所示：

2.3.3 二级生产策略

为了使每天生产数量波动变小，同时避免较高的库存水平，应结合2.3.1 节与2.3.2 节中的方案设计新的策略：工厂每天生产固定数量R 的产品，当库存低于某一阈值S 时，每天加急生产P 件产品，在生产时间T 天后交付。在这种生产策略下，生产批量分为两级：高库存时每天生产R 件产品，低库存时每天生产R+P 件产品。通过每日的固定生产满足部分需求，同时降低了高需求时的波动水平［10］。这种策略中的加急生产数量相对于前一种策略更少，生产波动更平缓，但会造成高水平库存的延迟，且生产时间越长，延迟增长越高。采用OptQuest Engine 智能优化引擎，进行500 次迭代，得到的库存变化曲线如图10所示。

图10 库存变化情况

对比2.3.2 节中的数据，显然2.3.3 节中的策略生产数量的波动更小，且库存水平较低。对这种二级生产策略进行扩展，可以得到基于库存数量的生产策略，具体见2.3.4节。

2.3.4 基于库存数量的生产策略

在该策略下，输入数据为每日产品的需求量和生产时间，输出策略为生产数量关于产品需求量的表函数，也可以称之为多级库存控制策略，总体方法是将产品需求分布转换成生产数量与库存数量的关系［11］。设生产时间为T，每日产品需求量分布为f1。该策略的目标是使最低库存不下降到0 以下，且平均库存数量最低。在此策略下需要设计若干个控制点，其中横坐标为库存数量，纵坐标为该库存数量下应生产的产品数量，由此可以构建一个表函数，再使用插值计算［1］，形成图像，将2.3.3节中的二级生产策略用这种方式表示如图11所示。

图11 改进后的生产策略

2.3.5 按月规划的生产策略

研究需求发现3月和10月订单数目会激增，可结合以上所有策略设计不同月份的库存策略参数。由于篇幅所限，在此不再展示仿真结果。

3 结语

被装精确申领模式是我军后勤保障历史上的一次重大突破，其质效直接关系到官兵的切身利益，意义重大，影响深远。本文针对申领模式供应链中存在的库存问题，提出相应的改进方法，并利用anylogic软件，对库存策略的效果进行模拟仿真，仿真结果表明，该方法对于提高效率和降低成本作用比较明显，可以为相关部门的策略制定提供一定的思路。