基于RFID數(shù)據(jù)采集的Q

1、基于RFID數(shù)據(jù)采集的Q論文導(dǎo)讀:：其中A：每次訂貨的固定本錢(qián)；Q：經(jīng)濟(jì)訂貨批量；H：?jiǎn)挝粠?kù)存持有本錢(qián)；B：?jiǎn)挝蝗必洷惧X(qián)；：提前期內(nèi)需求概率密度函數(shù)；：提前期內(nèi)需求累計(jì)分布函數(shù)；：需求是隨機(jī)的靜態(tài)的，任意固定的時(shí)間間隔內(nèi)需求的期望值；：存在一個(gè)正的、固定的訂貨提前期。2.2 基于RFID的復(fù)合(Q,R)庫(kù)存模型由于RFID技術(shù)，我們可以實(shí)時(shí)的了解到訂單在提前期內(nèi)的狀態(tài)和位置，而傳統(tǒng)的(Q,R)庫(kù)存策略并沒(méi)有利用到這些豐富的供給鏈信息，Q,R模型不能動(dòng)態(tài)的及時(shí)的調(diào)整訂購(gòu)策略，為此我們?cè)赒,R的根底上定義一個(gè)零售商可選擇的緊急訂購(gòu)策略，經(jīng)濟(jì)訂購(gòu)量，本錢(qián)為，而Q,R那么用來(lái)處理正常的訂購(gòu)。假定1 在

2、一個(gè)提前期內(nèi)，只會(huì)有一個(gè)訂貨，即不發(fā)生合同交叉的問(wèn)題；假定2 連續(xù)的隨機(jī)提前期是相互獨(dú)立的，訂貨合同之間不發(fā)生交叉；假定3 將提前期分為N個(gè)階段，RFID閱讀器置于N1，訂單從階段i到i+1的時(shí)間服從指數(shù)分布；零售商在階段b中選擇緊急訂購(gòu)策略的概率為：，是正常訂購(gòu)提前期內(nèi)的隨機(jī)變量。提前期內(nèi)的需求，它的概率密度函數(shù)：，是的概率密度函數(shù)?？紤]在一個(gè)庫(kù)存周期中，零售商沒(méi)有選擇緊急訂購(gòu)策略的期望本錢(qián)：零售商在階段b中選擇緊急訂購(gòu)策略的期望本錢(qián)：其中：滿足，即緊急訂購(gòu)提前期越短，訂購(gòu)本錢(qián)越高。令：即：在階段b庫(kù)存量時(shí),零售商選擇緊急訂購(gòu)，訂購(gòu)量為；反之選擇正常訂購(gòu)。下面我們對(duì) 65 30 5 通過(guò)RF

3、ID跟蹤獲得的數(shù)據(jù)可以及時(shí)、準(zhǔn)確地得到所需參數(shù)：日需求均值：日需求標(biāo)準(zhǔn)差：持有本錢(qián)：H=4400缺貨本錢(qián)：B=530正常訂購(gòu)本錢(qián)：A=120 緊急訂購(gòu)本錢(qián)：K=緊急訂購(gòu)提前期：=2天現(xiàn)將正常訂購(gòu)提前期分為三個(gè)階段b=1,2,3，Q=，R=由前述遺傳算法可得到傳統(tǒng)的(Q,R)模型中的最優(yōu)解Q=486；R=372；K=130；=0.85，在效勞水平為95%時(shí)可節(jié)約本錢(qián)為4.4%，降低缺貨本錢(qián)81.2%，如下表三：表三 傳統(tǒng)(Q,R)模型與復(fù)合Q,R模型比擬結(jié)果 K 130 145 160 175 190 205 220 0.85 0.9 0.75 0.6 0.5 0.4 0.3 2 2 2 2 2

4、 2 2 Q 486 486 486 486 486 486 486 R 372 372 372 372 372 372 372 6325 6325 6325 6325 6325 6325 6325 417 417 417 417 417 417 417 6044 6056 6087 6121 6154 6103 6093 78 83 87 84 95 90 87 4.4% 4.2% 3.8% 3.2% 2.7% 3.5% 3.7% 81.2% 80.1% 79.1% 79.8% 77.2% 78.4% 79.1% 以一個(gè)周期內(nèi)的庫(kù)存本錢(qián)作為目標(biāo)函數(shù)，采用遺傳算法的尋優(yōu)過(guò)程通過(guò)MATLAB7.

5、0編程實(shí)現(xiàn)如圖3所示：圖3 遺傳算法尋優(yōu)迭代過(guò)程Q,R模型中當(dāng)庫(kù)存位置到達(dá)訂購(gòu)點(diǎn)R=372時(shí)，那么訂購(gòu)批量Q=486，為了盡可能的防止缺貨的發(fā)生，當(dāng)庫(kù)存位置到達(dá)Yb=315時(shí)，那么采用復(fù)合Q,R模型中的緊急訂購(gòu)策略，訂購(gòu)批量為aQ=413，傳統(tǒng)的Q,R模型與復(fù)合Q,R模型的比擬如圖4所示：圖4 傳統(tǒng)Q,R模型與復(fù)合Q,R模型4 結(jié)語(yǔ)本文利用RFID信息采集的實(shí)時(shí)性、準(zhǔn)確性，在傳統(tǒng)的Q，R庫(kù)存控制模型的根底上定義了復(fù)合的Q,R模型，由于模型的非線性給模型的精確求解帶來(lái)了困難，本文采用啟發(fā)式算法中的遺傳算法尋優(yōu)求解，并結(jié)合紅河香煙的庫(kù)存管理實(shí)際案例分析比擬了傳統(tǒng)的Q,R模型與復(fù)合模型，采用復(fù)合模型

6、可以降低庫(kù)存本錢(qián)3%4%，降低缺貨本錢(qián)78%81%,可見(jiàn)復(fù)合的Q,R庫(kù)存控制模型具有更明顯的經(jīng)濟(jì)效益。由于RFID讀取率還不能到達(dá)100%，從而難免會(huì)有數(shù)據(jù)缺失，因此在數(shù)據(jù)缺失的情況下庫(kù)存控制模型需要做怎樣的改動(dòng)本文沒(méi)有作進(jìn)一步的探索。參考文獻(xiàn)：【1】郭龍巖，李泉林，王璞.基于RFID的供給鏈的信息與本錢(qián)結(jié)構(gòu)，中國(guó)電子商情，2006，2:58-64【2】Nath B,Reynolds F, Want R. RFID Technology and Applications. IEEE PervasiveComputing, 2021, 5(1):22-24【3】Delong B.How the

7、US Military is Achieving Total Asset Visibility and More Using RFID andMEMS. Invited Presentation, Smart LABELS USA, Cambridge, MA, 2003.【4】Abell P.Item Tracking: Myths and Realities. RFID Journal,2003,12(2):219-232.【5】Romanow K, S Lundstrom. RFID in 2005: The What is More ImportantThan the When wit

8、h Wal-Mart Edict . AMR Research, 2003, 8(2):9-22【6】杜玉蘭，趙磊.煙草企業(yè)決策支持系統(tǒng)模型的研究，廣西輕工業(yè)，2007，599：59-61【7】裴峰，林國(guó)龍，楊權(quán)斌.RFID技術(shù)與現(xiàn)代物流信息系統(tǒng)設(shè)計(jì),上海大學(xué)學(xué)報(bào),2005，26(4)：52-56.Brewer A, Sloan N,Landers TL. Intelligent tracking inmanufacturing. J Intell Manuf ,1999,10:245250Moran HJ, McFarlane D, Milne TP.Use case approach fordetermining the impact of Auto-ID implementations on business informationsystems. MIT Auto-ID C