考虑时间依赖变质与Weibull分布容量的多状态物流网络可靠性评估
《RELIABILITY ENGINEERING & SYSTEM SAFETY》:Reliability Evaluation of Multi-state Logistics Networks with Weibull-based Capacities under Time-dependent Spoilage
【字体:
大
中
小
】
时间:2026年09月25日
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 13.7
编辑推荐:
# 摘要
本文研究了具有时变损耗率的多状态物流网络(MLN-TDS)的可靠性评估。在MLN-TDS中,弧容量表示可用的物流车辆数量,其时变可用性特征通过威布尔分布来刻画。与假设恒定损耗率的传统模型不同,本文根据每条最小路径的配送时间来评估其时变损耗率(TDS)。为处理由此产
# 摘要
本文研究了具有时变损耗率的多状态物流网络(MLN-TDS)的可靠性评估。在MLN-TDS中,弧容量表示可用的物流车辆数量,其时变可用性特征通过威布尔分布来刻画。与假设恒定损耗率的传统模型不同,本文根据每条最小路径的配送时间来评估其时变损耗率(TDS)。为处理由此产生的发出量与送达量之间的差异,构建了完整流量向量以确定所需的发出量,然后推导相应的容量向量。MLN-TDS的可靠性定义为在同时满足损耗成本和配送时间约束的前提下满足需求的概率。基于最小路径和最小容量向量,提出了一种评估MLN-TDS可靠性的算法,并使用不交乘积递归求和方法来计算其值。文中提供了一个示意性示例和一个实际的鲜果配送案例研究,以展示所提评估程序的有效性。研究结果识别了关键需求阈值,并揭示了时变损耗率的变化如何影响高需求条件下的MLN-TDS可靠性。这些发现为面向可靠性的物流规划和运营决策提供了定量支持。
# 引言
随着对产品品质和快速服务期望的提升,确保货物的安全及时配送已成为影响物流提供商绩效和竞争力的关键因素[1]。这一挑战在易腐产品的物流系统中尤为突出,其质量对环境波动、搬运过程和运输中的物理冲击等运输条件高度敏感[2]。因此,产品损耗——即运输过程中发生的货物品质劣化——已成为物流运营中的主要关注问题[[3]、[4]、[5]]。损耗不仅导致送达量低于需求[6、7],还通过增加损耗成本造成巨大的经济损失[8、9]。鉴于其运营和经济意义,近年来关于物流损耗的研究大幅扩展[4、5、7、[10]、[11]、[12]]。然而,许多现有模型假设损耗率恒定,从而忽略了运输过程中品质劣化的动态特性。实际上,较长的配送时间使易腐产品更长时间暴露于不良环境条件下,从而大幅增加品质劣化的风险[13]。指数衰减函数已被用于表征易腐产品品质随时间的衰减[14、15]。在该公式下,损耗表现为剩余完好数量按比例减少,允许品质劣化随配送时间增加而持续累积。这些时变效应逐步降低产品品质并破坏交付的完整性。
为捕捉上述损耗的时变特性,必须考察配送时间如何影响运输过程中产品劣化的累积。由于损耗风险通常随配送时间延长而增加,配送时间会影响为弥补损耗而必须额外发出的数量,进而影响相关的损耗成本[16、17]。为清晰起见,本文将损耗成本与缺货成本和违约金区分开来。缺货成本指因未满足需求而造成的整体经济损失。违约金指发生缺货或配送违约时向客户支付的合同罚款。相比之下,本文中的损耗成本指因超出需求额外发出的数量以弥补损耗而造成的经济损失。在此语境下,配送时间直接决定了暴露在引起品质劣化的环境和运营条件下的时长[[18]、[19]、[20]、[21]、[22]、[23]]。现有研究强调了时间因素在物流决策中的重要性。例如,Lieckens和Vandaele[19]开发了一个反向物流模型,纳入了在容量约束下由于转运和运输活动而产生的提前期和库存持有成本。Huang和Zhao[20]研究了具有时间约束的时变车辆路径问题,并提出了一种路径近似方法来优化路径决策。这些研究共同表明,配送时间应被视为核心绩效指标而非次要运营参数。在实践中,配送时间是多个运营阶段的总和,包括装载、卸货和运输。因此,准确估算这一由运输时间和装卸时间组成的累积时间,对于真实评估损耗风险和避免不必要的延误至关重要。此外,准时交付已成为满足预定订单截止日期的关键标准[[24]、[25]、[26]],延误可能对客户选择和忠诚度产生不利影响[27]。因此,将统一的时间约束纳入物流建模不仅反映了运营效率要求,还符合服务质量期望。将这一约束与时变损耗率相结合,为评估配送绩效和管控易腐物流系统中的劣化风险提供了更为现实的基础。
网络拓扑结构为表征通过弧连接的节点之间的流量提供了结构化框架[28、29],已被广泛应用于各领域的复杂系统建模,包括生产系统[30、31]、供应链[32、33]和运输系统[34、35]。在物流背景下,这种网络表示方法能够明确建模供应商、仓库、转运中心和最终客户之间的物料流。在实际物流运营中,每条弧的容量由可用物流车辆数量决定,由于车辆预约、机械故障、维护活动和运营变动等因素,该容量具有随机性。因此,物流系统更宜被表征为多状态物流网络,其中容量可取多个离散状态而非固定确定性值[12、[36]、[37]、[38]、[39]]。此外,物流车辆受到时变退化效应的影响,意味着车辆故障概率随运输时间延长而增加。为描述这一行为,采用威布尔分布来建模每条弧的时变容量概率,从而表征从早期故障到磨损期的不同故障阶段[[40]、[41]、[42]、[43]、[44]]。通过将基于威布尔分布的弧容量建模与前述时变损耗率相结合,物流系统被形式化为具有时变损耗率的多状态物流网络(MLN-TDS)。与相关物流可靠性模型相比,所提框架具有三个显著特征。首先,为各弧推导基于威布尔分布的时变容量概率以表征物流车辆的可用性。其次,损耗率针对每条最小路径(MP)而特定,由各MP的配送时间决定,而非视为恒定。第三,将这两种时变机制纳入(d, C, T)-最小容量向量公式中,在联合需求、损耗成本和时间约束下评估可靠性。这些特征使MLN-TDS框架能够在统一的可靠性评估框架内同时表征容量不确定性和品质劣化。
为评估该MLN-TDS的性能,本文采用网络可靠性作为关键绩效指标[45、46]。基于最小路径的概念,网络可靠性通常定义为在预定运营条件下系统能成功满足客户需求的概率。在本研究背景下,该概念被扩展并形式化为MLN-TDS可靠性,即在同时满足损耗成本和时间约束的前提下满足需求的概率。这一精确定义至关重要,因为与通常假设恒定损耗率的传统模型[7、38]不同,MLN-TDS框架明确考虑了随每条最小路径配送时间变化的异质损耗效应。这种时变损耗行为在发出量和送达量之间引入差异,使得在现实运营条件下满足需求成为一项非平凡任务。
评估MLN-TDS可靠性是一项重大挑战,因为它需要同时整合多状态容量、时变损耗率以及联合损耗成本和时间约束。由于时变损耗率在发出量和送达量之间引入差异,加之异质损耗效应随各最小路径的配送时间而变化,使得复杂性进一步加剧。因此,现有的网络可靠性公式和枚举方法在这种情境下变得计算效率低下或不再适用。为应对这些挑战,本文开发了一个用于MLN-TDS可靠性评估的集成建模与计算框架。首先,正式建立MLN-TDS模型以表征弧容量及其对应概率。算法I推导基于威布尔分布的弧容量及对应的多状态容量概率,捕捉物流车辆的时变可用性。为妥善处理损耗引起的数量损失,构建完整流量向量根据各最小路径关联的损耗率调整发出量,从而实现对有效需求满足的真实评估。基于具有时间和损耗约束的完整流量向量,算法II识别在指定损耗成本和时间约束下满足需求的最小容量向量,然后应用不交乘积递归求和方法高效评估MLN-TDS可靠性。通过示意性数值示例和实际案例研究验证了所提算法的有效性,突出其在量化可靠性、识别关键需求阈值以及评估现实物流条件下损耗控制策略影响方面的能力。本文其余部分组织如下。第2节通过建立随机弧容量、路径特定时变损耗率及由此产生的损耗成本的数学基础来形式化MLN-TDS模型。第3节开发相关的MLN-TDS可靠性评估算法。第4节提供一个示意性数值示例,第5节进行案例研究以展示所提方法的实际应用性。最后,第6节讨论结论。
# 模型构建
物流网络由节点组成,包括源节点(供应商)、仓库、转运中心和终端节点(最终客户),节点之间由弧连接。物流网络中的每条弧提供一定数量的车辆负责运输。由于车辆可能因故障或维护而不可用,每条弧的容量可能处于多个状态。因此,该物流网络可被表征为多状态物流网络(MLN)。
此外,在该MLN中:
# MLN-TDS可靠性评估
为评估MLN-TDS可靠性,本节引入了(d, C, T)-最小容量向量,定义为在需求、损耗成本和时间约束下MLN-TDS的最小容量向量。基于此概念,随后提出一种算法,利用所推导的(d, C, T)-最小容量向量集合来计算MLN-TDS可靠性。
# 示意性示例
本节提供一个示意性示例以展示所提MLN-TDS可靠性评估方法。图1展示了一个MLN-TDS,其中a?、a?、…、a?表示弧。源节点a?代表供应商,终端节点a??对应最终客户。节点a??和a??充当物流仓库,a??和a??充当转运站。识别出四条最小路径:P? = {a?, a?, a??, a?, a??, a?, a??},P? = {a?, a?, a??, a?, a??, a?, a??},P? = {a?, a?……
# 鲜果配送实际案例研究
本节提出了一个涉及日本国内水果供应商的真实案例,该供应商运营着一个用于香蕉配送的物流网络,如图2所示。在该网络中,弧a?、a?、…、a??表示运输弧。标准化物流流程从a??开始,即福冈香蕉收集中心,在此接收和包装香蕉。产品随后被运输至广岛仓库(节点a??、a??、a??、a??)进行加工和预冷,然后……
# 结论
本文开发了一个MLN-TDS的可靠性评估框架,其中通过考虑物流车辆在各自对应运输时间内成功完成每条弧上运输的概率来推导随机弧容量。在易腐物流系统中,产品劣化本质上是时变的,并经常导致送达量低于需求。为反映这一行为,所提框架引入了时变损耗率……
# 数据可用性声明
本研究使用的数据因保密限制而不公开。经过合理请求后,汇总研究数据可能从通讯作者处获得。
# 作者贡献声明
Cheng-Fu Huang(黄承福):撰写——初稿、验证、方法论。Mengmeng Zhu(朱萌萌):撰写——审阅与编辑、验证。Yu-Xian Lin(林宇贤):撰写——审阅与编辑、形式分析。
Cheng-Fu Huang | Mengmeng Zhu | Yu-Xian Lin
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号