论文部分内容阅读
随着市场竞争日益加剧,以及消费者需求日趋多样化、个性化,企业面临如何以大规模制造的成本来满足消费者多样化的需求。为了平衡订货提前期、生产成本以及满足消费者需求多样化等方面的需求,越来越多的企业采用按订单装配(assemble-to-order,ATO)的组装生产模式。在ATO生产模式中,产品族ATO制造商虽然可以向消费者提供定制化产品,但也只能以有限零部件选择组装成有限产品型号,因此需要对如何以有限的产品型号去满足无限的多样化和个性化的需求进行研究。同时,传统零部件补货策略已无法对ATO模式下的零部件补货进行指导,故有必要研究ATO系统中的零部件补货策略。本文运用存储论、博弈论、大规模定制理论、消费者行为理论以及智能算法等理论和方法,主要针对上述ATO系统中生产中的几个关键问题,即基于多市场和消费者异质性的ATO制造商的产品选择与定价策略、经济订货批量和准时制模式共存下ATO供应链的零部件补货策略等进行了理论及算例研究,给出了ATO供应链的最优产品生产及零部件补货策略,为生产制造企业制定这些策略提供了理论依据。首先,论文考虑消费者可以细分为多个不同的市场,每个市场中的消费者对同一产品族中的各种产品有不同的偏好和价格敏感性,提出一个ATO制造商产品选择与定价模型,来研究其产品的选择和定价策略,包括产品的选择,在每个销售期产品的定价和销售时长,以及所有零部件的补货数量,并提出获取模型最优解的遗传模拟退火算法。其次,论文在考虑消费者异质性及其市场细分的同时,还考虑了同一产品族的产品带给消费者的效用随时间增长而递减,提出一个时变效用下的ATO制造商产品选择与定价模型,来研究ATO制造商的产品选择及定价策略,并使用遗传模拟退火算法来获取模型的最优解。最后,论文考虑ATO制造企业同时采用经济订货批量和准时制等两种补货方式对零部件进行补货,并建立ATO供应链系统的生产补货模型,研究ATO供应链中ATO制造商同时使用经济订货批量和准时制补货时的零部件补货策略,以及其零部件供应商的生产管理策略,同时,结合量子计算的多样性及快速进化、遗传算法的全局选优能力以及模拟退火算法较强的局部搜索能力,提出量子遗传模拟退火融合算法求解模型最优解,并通过仿真算例分析对算法的有效性和稳健性进行验证,找出ATO供应链的最优零部件补货策略。本文有以下几个创新点:(1)区别于已有对于消费者行为的产品线设计和产品的定价策略的研究,本文考虑消费者分为若干细分市场,每个市场中的消费者异质,他们根据同一产品族产品带来的效用做出购买决策,来研究ATO制造商以有限的产品族产品来满足各细分市场中消费者的不同需求时的产品选择及定价策略。(2)在考虑消费者市场细分和消费者异质性的同时,本文还考虑同一产品族的产品带给消费者的效用随时间增长而递减,来研究该种情形下ATO制造商的产品选择及定价策略。(3)区别于现有ATO供应链只采用单一补货方式的研究,本文考虑ATO制造商同时采用准时制和经济订货批量等两种不同的方式从零部件供应商处进行补货,研究ATO系统的最优零部件补货策略,并采用改进的量子遗传模拟退火算法求解最优策略。