跳到主要內容

臺灣博碩士論文加值系統

(44.192.20.240) 您好!臺灣時間:2024/02/26 03:25
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:邱琬婷
研究生(外文):Chiu, Wan-Ting
論文名稱:多目標供應鏈最佳化模式預測控制之研究-以自行車產業為例
論文名稱(外文):Model Predictive Control for Multiple Objective Supply Chain Management – A Case Study of Bicycle Manufacturer
指導教授:廖彩雲廖彩雲引用關係
指導教授(外文):Liao, Tsai-Yun
學位類別:碩士
校院名稱:國立嘉義大學
系所名稱:運輸與物流工程研究所
學門:運輸服務學門
學類:運輸管理學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:100
中文關鍵詞:多目標供應鏈模式預測控制自我迴歸整合移動平均法滾動平面法
外文關鍵詞:multi-objective supply chainModel Predictive ControlAuto Regressive Integrated Moving Averagerolling horizon approach
相關次數:
  • 被引用被引用:0
  • 點閱點閱:467
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
由於全球化市場(global market)的影響,使得企業的競爭壓力越來越大。企業間的競爭也從傳統個體間的競爭,轉變成供應鏈與供應鏈間的競爭,有效的供應鏈運作在企業裡已佔有舉足輕重的地位。而現今由於顧客需求多變,及消費者意識逐漸抬頭,企業開始重視消費者的需求,並追求滿足消費者需求及企業利潤的多目標的規劃。因此本研究提出以滿足最大利潤與服務水準之多目標非線性規劃化模式(multi-objective nonlinear programming model),以求得供應鏈之最佳規劃。由於顧客需求資料在企業決策上為一重要的變數,因此研究中應用自我迴歸整合移動平均法(Mixed Auto Regressive Integrated Moving Average, ARIMA)預測顧客未來需求。但由於時間的變動,需求並非為靜態模式,而是隨時間變動而變動的動態模式,因此為了讓需求預測更精確的反應實際需求的變動,以自我迴歸整合移動平均法結合滾動平面法(Rolling Horizon Approach, RH)以固定的滾動期更新歷史資訊,進而使需求預測往前滾動更新,讓預測更準確。另外,由於供應鏈中原料配送的限制,使得顧客產生因無法滿足其需求之未結清訂單,而為了使供應鏈在運作時能適時控制未達目標水準值的顧客服務水準。研究中更結合模式預測控制(Model Predictive Control, MPC)之概念於多目標非線性規劃模式中,以控制造成顧客服務水準未達標準值之未結清訂單,改善未達設定值之顧客服務水準,進而使供應鏈之規劃更完善。
A typical supply chain echelon includes suppliers, manufacturers, distributors, retailers, and end customers. Each echelon in a supply chain is connected through the flow of products, information, and funds, and thus there exist a lot of issues for the collaboration and integration of whole supply chain. Among those issues, business objectives and end customer demand uncertainty are essential. This study proposes a multi-objective programming model for supply chain optimization of profit maximum and customer satisfaction. Since end customer demand is an important parameter for the multi-objective programming model, an Auto Regressive Integrated Moving Average (ARIMA) and rolling horizon (RH) approach are applied to forecast future customer demand and Model Predictive Control (MPC) is used to control the difference between customer demand and production capacity. MPC is a control mechanism to control decision-making process for the optimization of multi-objective supply chain. ARIMA is implemented to forecast future customer demand based on historical data and RH approach is developed to reflect the customer demand uncertainty. With the rolling RH, the results of ARIMA could lead to more accuracy in future demand prediction. For illustration, the multi-objective programming model is applied to an exemplified supply chain for a bicycle manufacturing.
目錄
摘要 I
ABSTRACT II
致謝 IV
目錄 V
圖目錄 VII
表目錄 IX
第一章 緒論 1
1.1研究背景 1
1.2研究動機 4
1.3研究目的 5
1.4研究流程 6
第二章 文獻回顧 9
2.1多目標供應鏈管理 9
2.1.1多目標供應鏈 9
2.1.2多目標規劃 13
2.2需求預測 16
2.3滾動平面法 23
2.4模式預測控制 25
第三章 模式建構 30
3.1多目標供應鏈模式 30
3.1.1研究架構 30
3.1.2問題定義與假設 31
3.1.3模式建構 33
3.2自我迴歸整合移動平均法預測未來需求 37
3.3多目標最佳化模式預測控制 41
3.4 滾動平面法更新 43
第四章 數值例分析 46
4.1求解流程與運算環境 46
4.2實驗設計 47
4.2.1自行車產業背景 48
4.2.2自行車產業供應鏈架構設計 50
4.2.3參數資料之收集與設計 53
4.3多目標最佳化模式預測控制 56
4.3.1需求預測與滾動更新 56
4.3.2多目標最佳化求解 67
4.3.3多目標最佳化模式預測控制求解 70
4.4實驗結果與討論 74
第五章 敏感度分析 76
5.1原料變動與決策變數之敏感度分析 76
5.2原料變動與控制策略之敏感度分析 78
第六章 結論與建議 81
6.1結論 81
6.2建議 82
參考文獻 84

圖目錄
圖1.1 台灣自行車成車生產趨勢 4
圖1.2 研究流程圖 8
圖2.1 供應鏈圖 10
圖2.2 多目標規劃法之分類 14
圖2.3 ARIMA模式之建構流程 23
圖2.4 滾動平面圖 25
圖2.5 模式預測控制圖 25
圖2.6 模式預測控制策略圖 27
圖3.1 研究架構圖 31
圖3.2 供應鏈架構圖 32
圖3.3 需求預測模型確定流程 40
圖3.4 模式預測控制概念示意圖 41
圖3.5 模式預測控制策略 43
圖3.6 滾動平面法示意圖 44
圖3.7 模式預測控制結合滾動平面圖 45
圖4.1 模式求解流程 47
圖4.2 自行車製造流程 51
圖4.3 供應鏈架構設計圖 52
圖4.4 自行車產業體系 52
圖4.5 滾動策略 57
圖4.6 NAFTA36筆一般成車時間數列圖與差分後(d=1)時間數列圖 58
圖4.7 NAFTA36筆(d=1)一般成車時間數列自相關、偏自相關圖 58
圖4.8 NAFTA36筆成車ARIMA(0,1,2)殘差自相關、偏相關圖 59
圖4.9 NAFTA一般成車需求預測比較圖 63
圖4.10 EU一般成車需求預測比較圖 64
圖4.11 EFTA一般成車需求預測比較圖 64
圖4.12 NAFTA電動車需求預測比較圖 65
圖4.13 EU電動車需求預測比較圖 65
圖4.14 多目標規劃求解流程 68
圖4.15 第一期多目標供應鏈決策 70
圖4.16 控制與未控制之平均服務水準圖 71
圖4.17 模式預測控制圖 72
圖4.18 顧客二滾動控制服務水準 74
圖5.1 利潤趨勢圖 77
圖5.2 滾動控制各期服務水準變動率之幅度 79
圖5.3 控制後原料與平均服務水準變動率比較圖 80

表目錄
表2.1 報酬表 15
表2.2 ARMA之特徵 20
表4.1 自行車產業發展歷程 50
表4.2 供應鏈數值資料總表 53
表4.3 原物料供應商至零件商之運輸成本及時間 54
表4.4 零件商至裝配商之運輸成本及時間 54
表4.5 裝配商至經銷商之運輸成本/時間 54
表4.6 零件商製造成本 55
表4.7 裝配商製造成本 55
表4.8 存貨成本與未結清訂單成本 55
表4.9 產品銷售單價 56
表4.10 需求預測模式AIB、BIC、RMSE之比較 59
表4.11 NAFTA36筆成車ARIMA(0,1,2)殘差自相關係數 60
表4.12 NAFTA一般成車滾動需求預測 61
表4.13 EU一般成車滾動需求預測 61
表4.14 EFTA一般成車滾動需求預測 62
表4.15 NAFTA電動車滾動需求預測 62
表4.16 EU電動車滾動需求預測 63
表4.17 需求預測筆數 67
表4.18 需求預測模型 67
表4.19 多目標報酬表 69
表4.20 多目標妥協規劃 69
表4.21 未控制之未結清訂單與服務水準 73
表4.22 滾動控制之未結清訂單與服務水準 73
表5.1 利潤與服務水準之敏感度分析 76
表5.2 滾動控制原料上限變動下各期之服務水準及其變動 78
中華民國經濟部,http://www.moea.gov.tw/。
巴蘭坦•格蘭特(2004),自行車聖經,貓頭鷹出版社,台北。
台灣區自行車輸出同業公會,http://www.tbea.org/。
石村貞夫(2005),時間序列分析的SPSS使用手冊,鼎茂圖書出版股份有限公司,台北。
行政院環保署,http://www.epa.gov.tw/index.aspx。
洪瑜敏(2001),供應鏈多目標產銷模式以自行車製造商為例,國立交通大學交通運輸研究所,新竹。
美商優比速國際股份有限公司,http://www.ups.com/content/tw/zh/index.jsx。
張閔嵐(2002),模糊多階層多目標供應鏈規劃-以紡織業為例,國立交通大學交通運輸研究所,新竹。
許志義(2003),多目標決策,五南圖書出版股份有限公司,台北。
郭芳利(2008),應用滾動平面法及模式預測控制於多目標供應鏈需求預測控制之研究,國立嘉義大學運輸與物流工程所,嘉義。
陳昭宏(2007),組車廠對供應商評選之模糊多準則評估研究-以兩岸自行車產業供應鏈為例,雲林科技大學資訊管理系碩士班,雲林。
陳倚瑄(2006),台灣自行車A-Team產業互動策略之個案分析,國立體育學院休閒產業經營學系,桃園。
陳凌焜(2004),多目標供應鏈生產規劃之研究,國防管理學院資訊管理研究所,台北。
經濟部工業局,http://www.moeaidb.gov.tw/external/view/tw/index.html。
經濟部工業局,電動車輛產業部網,http://proj.moeaidb.gov.tw/lev/default.asp。
蔡郁惠(2007),以風險敏感濾波器模式預測控制決定最佳供應鏈訂貨控制策略,國立高雄第一科技大學運籌管理所,高雄。
謝依潔(2007),供應鏈滾動預測與訂單策略之模擬研究,國立中央大學資訊管理學系,桃園。
羅偉碩(2004),供應鏈管理,普林斯頓國際有限公司,台北。
蘇怡如(2005),供應鏈管理下需求預測控制之研究,私立逢甲大學交通工程與管理學系,台中。
Aggelogiannaki, E. and Sarimveis, H.(2008)”Design of a novel adaptive inventory control system based on the online identification of lead time,”Int. J. Production Economics, 114, pp. 781-792.
Aggelogiannaki, E., Doganis, P. and Sarimveis, H. (2008) “An adaptive model predictive control configuration for production,” Int. J. Production Economics, 114, pp. 165-178.
Al-Ameri, T. A., Shah, N. and Papageorgiou, L. G.. (2008) “Optimization of vendor-managed inventory systems in a rolling horizon framework,” Computer & Industrial Engineering, 54, pp.1019-1047.
Azaron, A., Brown, K. N., Tarim, S.A. and Modarres, M. (2008) “A multi-objective stochastic programming approach for supply chain design considering risk,” Int. J. Production Economics, 116, pp. 129-138.
Bose, S. and Pekny, J.F. (2000) “A model predictive framework for planning and scheduling problems: a case of customer goods supply chain,” Computers and Chemical Engineering, 24, pp.329-335.
Braun, M. W., Rivera, D. E., Flores, M. W., Carlyle W. M. and Kempf, K. G. (2003) “A Model Predictive Control framework for robust management of multi-product, multi-echelon demand networks,” Annual Reviews Control, 27, pp. 229-245.
Camacho, E.F. and Bordons C., Model Predictive Control, Sprimger.
Chen, C. L. and Lee, W. C. (2004) “Multi-objective optimization of multi-echelon supply chain networks with uncertain product demands and prices,” Computers and Chemical Engineering, 28, pp. 1131-1144.
Chen, C. L., Wang, B. W. and Lee, W. C. (2003) “Multiobjective Optinization for a Multienterprise Supply Chain,” Ind. Eng. Chem. Res., 42, pp.1879-1889.
Chopra, Sunil and Meindl, Peter (2001), Supply Chain Management: Strategy, Planning, and Operation, Prentice Hall,America.
Farahani, R. Z. and Elahipanah, M. (2008) “A genetic algorithm to optimize the total cost and service level for just-in time distribution in a supply chain,” Int. J. Production Economics, 111, pp.229-243.
Fildes, R., Goodwin, P. and Lawrence, M.(2006) “The design features of forecasting support systems and their effectiveness,” Decision Support Systems, 42, pp. 351-361.
Guillén, G.., Mele, F.D., Bagajewicz, M.J., Espuña, A. and Puigjaner, L. (2005) “Multiobjective supply chain design under uncertainty,” Chemical Engineering Science, 60, pp. 1535-1553.
Hemmt, J. C.(2003), “A bimodal schemn for multi-stage production and inventory control,” Automatic, 39, pp.793-805.
Lam, C.Y., Ip, W.H. and Lau, C.W. (2009) “A business process activity model and performance measurement using a time series ARIMA intervention analysis,” Expert System with Applications, 36, pp. 6986-6994.
Liang, T. F. (2008) “Fuzzy multi-objective production/distribution planning decisions with multi-product and multi-time period in a supply chain,” Computers & Industrial Engineering, 55, pp.676-694.
Liang, T. F. and Cheng, H. W. (2008) “Application of fuzzy sets to manufacturing/distribution planning decisions with multi-product and multi-time period in supply chains,” Expert Systems with Applications, 36, pp.3367-3377.
Millar H. H. (1998) “The impact of rolling horizon planning on the cost of industrial fishing activity,” Computers Ops Res., Vol. 25, No. 10, pp. 825-837.
Peeta S. and Mahmassani H. S. (1995) “MULTIPLE USER CLASSES REAL-TIME TRAFFIC ASSIGNMENT FOR ONLINE OPERATIONS: A ROLLING HORIZON SOLUTION FRAMEWORK,” Transpn. Res.-C, Vol. 3. No. 2., pp. 83-98.
Perea-López, E., Grossmann, I. E., Ydstie, B. E. and Tahmassebi, T. (2001) “Dynamic Modeling and Decentralized Control of Supply Chain,” Ind. Eng. Chem. Res., 40, pp. 3369-3383.
Perea-López, E., Ydstie, B. E. and Grossmann, I. E. (2003) “A model predictive control strategy for supply chain optimization,” Computers and Chemical Engineering, 27, pp. 1201-1218.
Roghanian, E., Sadjadi, S.J. and Aryanezhad, M.B.(2007) “A probabilistic bi-level linear multi-objective programming problem to supply chain planning,”Applied Mathematics and Computation, 188, pp. 786-800.
Rossiter, J.A., MODEL-BASED PREDICTIVE CONTROL: A Predictive Approach, CRC PRESS, America.
Ryan, S. M. (1998) “Forecast frequency in rolling horizon hedging heuristics for capacity expansion,” European Journal of Operational Research, 109, pp. 550-558.
Sabri, E. H. and Beamon, B. M. (2000) “A multi-objective approach to simultaneous strategic and operational planning in supply chain design,” Omega 28, pp.581-598.
Sarimveis, H., Patrinos, P. and Tarantilis, C. D., Kiranoudis C. T. (2008) “Dynamic modeling and control of supply chain: A review,” Computer & Operations Research, 35, pp. 3530-3561.
Seferlis, P. and Giannelos, N. F. (2004) “A two-layered optimization-based control strategy for multi-echelon supply chain network,” Computers and Chemical Engineering, 28, pp.799-809.
Seliaman, M. E. and Ahmad, A. R.(2008) ”Optimizing inventory decisions in a multi-stage supply chain under stochastic demands,” Applied Mathematics E-Note, 8, pp. 194-202.
Syntetos, A. A. and Boylan, J. E. (2006) “On the stock control performance of intermittent demand estimators,” Int. J. Production Economics, 103, pp. 36-47.
Syntetos, A. A., Nikolopoulos, K., Boylan, J. E., Fildes, R., and Goodwin, P. (2008) “The effect of integrating management judgement into intermittent demand forecast,” Int. J. Production Economics., doi:10.1016/j.ijpe.2008.08.011
Taylor, D. A. (2005), Supply Chains: A Manager’s Guide, Addison Wesely Professional, Boston.
Tolio, T. and Urgo, M. (2007) “A Rolling Horizon Approach to Plan Outsourcing in Manufacturing-to –Order Environment Affected by Uncertainty,” Annual of the CIRP., doi:10.1016/j.cirp.2007.05.116
Va’ncza J., Egri P., and Monostori L. (2008) “A coordination mechanism for rolling horizon planning in supply networks,” CIRP Annals - Manufacturing Technology, 57, pp. 455–458.
Wang, W., Rivera, D. E. and Kempf, K. G. (2007) “Model predictive control strategies for supply chain management in semiconductor manufacturing,” Int. J. Production Economics, 107, pp.56-77.
Xu, J., Liu, Q. and Wang, R. (2008) “A class of multi-objective supply chain networks optimal model under random fuzzy environment and its application to the industry of Chinese liquor,” Information Sciences, 178, pp. 1022-2043.
Yao, D. Q., Yue, X., Mukhopadhyay, S. K. and Wang, Z.(2009)”Strategic inventory deployment for retail and e-tail stores,” Omega, 37, pp. 646-658.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top