基于规则系统增强的动态规划在汽车供应链联合不确定性下的最优控制
《Computers & Industrial Engineering》:Optimal control of an automotive supply chain under joint uncertainties using a rule-based system-enhanced dynamic programming
【字体:
大
中
小
】
时间:2026年09月22日
来源:Computers & Industrial Engineering 7.3
编辑推荐:
**摘要要点**
- 汽车供应链中的随机最优控制问题。
- 需求、供应和原材料价格的同步不确定性。
- 采购、生产-库存和分销决策的集成问题。
- 基于规则系统增强的动态规划。
---
## 引言
如今,汽车既是功能性产品,也是技术产品。世界经济论坛预测,到2040年
**摘要要点**- 汽车供应链中的随机最优控制问题。- 需求、供应和原材料价格的同步不确定性。- 采购、生产-库存和分销决策的集成问题。- 基于规则系统增强的动态规划。---## 引言如今,汽车既是功能性产品,也是技术产品。世界经济论坛预测,到2040年,全球汽车数量将达到20亿辆(Smith, 2016),这使得汽车供应链(ASC)成为全球最大、最复杂、最动态的供应链之一(Turner and Williams, 2005, Pierreval et al., 2007, Masoud and Mason, 2016, Vieira et al., 2019, Cheng et al., 2020, Lopez-Landeros et al., 2024, Sarkar et al., 2025)。在需求随机变化、价格波动条件、生产中断以及自然灾害或人为灾害导致的原材料短缺的背景下(Simchi-Levi et al., 2015, Vieira et al., 2019; Raj Kumar Reddy et al., 2021, Canyakmaz et al., 2019, Kharvi and Pakkala, 2021, Sanci et al., 2022, Rolf et al., 2023),ASC利益相关者需要稳健的决策支持工具来平衡链的效率和韧性,并增强其可持续性(Markulik et al., 2024, Ivanov, 2025)。主要研究努力集中在开发适用于非平稳和不确定环境的工具上,使用仿真(Turner and Williams, 2005, Pierreval et al., 2007; Carvalho et al., 2012a; Botha et al., 2017, Vieira et al., 2019)和稳态或多周期混合整数线性规划(MILP)优化模型(Shukla et al., 2011, Sadrnia et al., 2013, Simchi-Levi et al., 2015, Masoud and Mason, 2016, Sanci et al., 2022, Sarkar et al., 2025)。尽管这些方法是有价值的随机动态建模近似,但它们不能产生全局最优策略,也难以捕捉真正随机环境中所需的连续、状态依赖的动态和自适应决策。相比之下,控制理论方法最适合对供应链(SC)的时变现象进行建模(Ortega and Lin, 2004, Sarimveis et al., 2008, Ivanov et al., 2012, 2018; Dolgui et al., 2019, Powell, 2021, Hauder et al., 2021)。这些方法自上世纪以来就被用于生产和物流领域,包括最优控制方法,主要以最大原理和动态规划为代表,旨在通过顺序决策来提高系统的时序性能(Sethi and Thompson, 2006, Kamien and Schwartz, 2012)。虽然相关研究报告了这些方法在各种SC改进中的应用(Song et al., 2014, Berling and Martínez-de-Albéniz, 2016, Sabbaghnia et al., 2018, Mandal et al., 2020, Khamseh et al., 2021, Yazdekhasti et al., 2021, Taboada et al., 2022, Brusset et al., 2023, Deligiannis et al., 2023),但它们在汽车行业的特定应用并不广泛,其建模范围仅限于链的两个或最多三个层级。关于ASC的少数研究并未将采购、生产-库存和分销决策作为一个整体来处理(Lanza et al., 2012),依赖于单层供应,并且在模型中忽略了制造运营(D?m?t?rfi et al., 2016),留下了对更现实的多层级框架的空白。此外,它们主要是确定性公式(Lopez-Landeros et al., 2024)或面临孤立的不确定性(Guan et al., 2022),而没有提供系统的方法来表征它们。在具有复杂制造运营(如汽车)的动态系统中,忽略同时不确定性的交叉影响,可能会严重限制所得决策支持工具的可靠性。在ASC中,需求波动、原材料成本波动和零部件供应中断并不独立发生(Carvalho et al., 2012, Simchi-Levi et al., 2015; Raj Kumar Reddy et al., 2021, Sanci et al., 2022; L. Chen et al., 2023)。相反,它们相互作用并相互放大,导致不良的牛鞭效应(Miragliotta, 2006, Geary et al., 2006)和涟漪效应(Liberatore et al., 2012, Dolgui and Ivanov, 2021)。2020–2023年芯片短缺就是一个例子:芯片供应的初始中断触发了生产削减,改变了汽车需求模式,并同时导致金属和稀土元素等原材料的价格飙升(AlixPartners, 2022, Xiong et al., 2024)。鉴于这些相互关联的差距,需要基于更现实的随机和动态模型的决策支持工具来平衡ASC中的成本和风险。为了对此做出贡献,我们解决了以下目标:1) 开发一个用于多层级ASC的随机最优控制模型,考虑联合不确定性,包括混合策略和制造运营,通过控制输入原材料速率来最小化总运营成本。2) 使用连续时间随机过程表征同时不确定性:对需求采用高斯方法,对零部件可用性采用广义It?过程,对原材料成本采用几何布朗运动(GBM),并使用真实数据进行校准。我们使用变长度迭代动态规划(vIDP;Luus, 2000)求解了所提出的模型。尽管vIDP已在各种确定性动态系统中得到有效应用(Elbert et al., 2013, Panteleev and Rodionova, 2016, Li et al., 2019, Lopez-Landeros et al., 2024),但其应用于随机多层级SC问题仍然未被探索。我们改进了该算法,使用蒙特卡洛仿真(MCS)来处理随机变量的非线性,并用基于规则的系统进行增强以细化解决方案。结果表明,不确定性的增加导致运营成本升高。这些发现为采购策略和产能投资决策提供了有价值的信息。此外,它们表明灵活的、时间同步的生产-库存范围有助于平衡ASC中的成本和风险,提高其整合性,并最终促进其可持续性。本文的组织结构如下。第2节回顾了ASC中随机动态建模的文献。第3节制定了最优控制问题和不确定性建模。第4节描述了解决方案。第5节提供了案例研究。第6节展示了结果并讨论了管理见解。最后,第7节强调了本工作的主要贡献,讨论了局限性,并概述了未来研究的方向。---## 章节摘要### 相关研究自上世纪中叶以来,时变生产和物流的动态建模和分析已被研究(Simon, 1952, Clark and Scarf, 1960, Forrester, 1961)。自此以来,集成多层级生产系统动态和不确定性的模型出现了显著发展(Kaplan, 1970, Harrison and Taylor, 1978, Towill, 1982, Towill, 1991, Towill, 1996)。该领域的全面综述证明了这一点(Ortega and Lin, 2004, Sarimveis et al.### 问题制定在现代ASC中,利益相关者的整合对于协调供应、生产和分销运营并保持竞争力至关重要。这些系统的动态和随机性质迫使行业利用建立在考虑现实世界的建模框架上的稳健工具支持的决策过程。在此意义上,我们制定了一个包含现实元素但不损害其算法可处理性的问题。我们解决了### 解决方案我们使用动态规划(Bellman, 1957)求解了所提出的模型,考虑到其对确定性和随机问题、离散或连续时间以及已知算法的存在性(Hernández-Lerma et al., 2023)的适用性。考虑一个通用的**x**状态和**u**控制变量,分别为(*n*×1)和(*m*×1)向量,**f**确定性(*n*×1)函数和**ξ**扰动矩阵(*n*×*d*)用于*d*个随机过程,描述了系统动态。为了最小化一个### 结果和讨论我们旨在比较ASC模型在总运营成本方面的性能,针对三种随机配置:i) GBM单位原材料成本与高斯汽车需求情景,ii) 单变量和多变量运输容量的It?零部件可用性水平,iii) 将上述两者结合在一个联合三重随机模型中。### 结论本工作提出了一个在混合策略和多种不确定性来源下运行的多层级ASC的随机最优控制模型。对需求、零部件可用性和原材料成本的随机变量的联合建模和表征,结合制造活动,构建了一个更接近现实世界的系统。旨在通过控制输入原材料采购速率来最小化整体运营成本,该模型被求解用于各种---## CRediT作者贡献声明**Carlos E. López-Landeros:**写作 – 原稿,可视化,软件,资源,方法论,研究,正式分析,数据策展,概念化。**Ricardo Valenzuela-González:**写作 – 审阅与编辑,验证,监督,项目管理,概念化。**Elías Olivares-Benitez:**写作 – 审阅与编辑,验证,监督,概念化。**Jonás Velasco-álvarez:**写作 – 审阅与编辑,验证,概念化。---## 资助本研究未获得资助。---## 未引用参考文献Ivanov et al., 2018, Lopez-Landeros et al., 2013.---## 利益冲突声明作者声明他们没有已知的竞争性经济利益或个人关系可能会影响本文所报告的工作。---Carlos E. López-Landeros | Ricardo Valenzuela-González | Elías Olivares-Benitez | Jonás Velasco-álvarez