摘 要：文章構建了關于潤滑油供應鏈整體庫存成本最小化和客戶需求平均滿足率最大化的雙目標庫存控制模型，并設計了遺傳算法進行求解，最后通過實證研究為目標企業做出采購、生產、銷售等決策提供依據。
關鍵詞：潤滑油供應鏈；雙目標；庫存控制
中圖分類號：F273.7 文獻標識碼：A
Abstract： The author builds a double-objectives model about minimizing inventory cost and maximizing the average satisfaction rate of customer demand， and designs the intelligent genetic algorithm（GA）to solve the model. In the end， the author makes an empirical analysis， and making decisions for these enterprises in the lubricating oil supply chain by applying the model and the solution.
Key words： lubricating oil supply chain； double objectives； inventory control
現在潤滑油供應鏈市場上供大于需的現象比較突出，所以在進行潤滑油供應鏈庫存控制時，客戶的地位越來越被重視，只考慮供應鏈成本這一單一目標最優化的研究對于潤滑油供應鏈而言相對比較片面，所以本文從供應鏈成本最小化以及客戶平均需求滿足率最大化兩個目標出發，尋找使得兩目標同時滿足情況下的庫存控制策略。
1 雙目標函數模型建立
1.1 建模假設
（1）本研究假設潤滑油供應鏈有N個供油商、1個核心制油商、N個銷油商等組成的網狀供應鏈；
（2）本文根據潤滑油供應鏈的實際情況假設制油商和銷油商采用的是Q，R策略；
（3）該潤滑油供應鏈的缺貨成本只存在于核心制油商的缺貨中；
（4）客戶不可跨越核心制油商直接向上游的供油商訂貨；
（5）時間假設是在一個生產周期，即T=1。
1.2 模型參數
C：總的訂油成本；C：核心制油企業向供油商訂油的訂油成本；C：銷油商向核心制油企業訂油的總成本；S：根據參數是否選擇相應的供油商；C：核心制油企業向供油商i訂油的訂油成本；FC：核心制油商向供油商i訂油的固定成本；Q：核心制油商向供油商i訂油的數量；EC：核心制油商向供油商i訂油的單位成本；
C： 銷油商j向核心制油企業訂油的總成本；FC：銷油商j向核心制油商訂油的固定成本；Q：銷油商j向核心制油商訂油的數量；EC：銷油商j向核心制油商訂油的單位成本；C：總的儲油成本；C：供油商的儲油成本；
C：制造商的儲油成本；C：銷油商的儲油成本；I：供油商i期初庫存數量；I：核心制油商期初庫存數量；
D：銷油商j對核心制油商的需求；I：銷油商j的期初庫存數量；D：市場對銷油商j的需求；EC：銷油商j的單位庫存成本；C：制造商缺油成本；C：銷油商缺油成本；C：供油商i對核心制油商的運輸總成本；C：核心制油商向銷油商j的運輸總成本；D：供油商i到核心制油商的運輸距離；EC：供油商i對核心制油商的運輸的單位成本；D：核心制油商到銷油商j的運輸距離；EC：核心制油商向銷油商j的運輸單位成本。
1.3 目標函數一：潤滑油供應鏈整體庫存成本最小化
1.4 目標函數二：潤滑油的庫存控制程度即潤滑油需求的平均滿足率最大化
1.5 多目標函數模型建立
將上述公式（1）和公式（2）結合，同時以公式（3）為約束條件即構建了供應鏈條件下的多目標庫存控制型。
2 實證分析
2.1 背景資料
根據所了解的潤滑油供應鏈的實際情況，所研究的潤滑油供應鏈涉及五家供應商，主要分布在杭州、蘇州等地；一家核心制油企業，為無錫新區一家專業加工潤滑油企業；五家銷油商，主要分布在常州、昆山等地。目標潤滑油供應鏈各節點數據資料見表1。
根據所收集的數據可以粗略的假設核心制油商對相應供應商、分銷商對核心制油商的需求都服從正太分布（見表2）。
2.2 實證數據分析
將上述數據帶入公式，通過MATLAB結合遺傳算法對其進行運算，可得到較小的庫存成本，為供應鏈企業節約費用。
2.3 目標公司決策
目標函數fx的值經過多次迭代之后得出函數的最優解為1.0682。目標參數分別為42.7623、5.00027、36.1259、36.4731、13.0319、41.3334、5.00018、5.00163、5.00036、5.00072，從而可使得該潤滑油供應鏈同時滿足庫存成本最小化以及客戶平均需求滿足率最大化兩目標的問題。
3 結束語
本文基于庫存成本最小化和客戶滿意度最大化雙目標對供應鏈庫存控制展開的應用研究，為該供應鏈節點企業做出決策提供很好幫助，未來供應鏈視角下不同多目標的結合研究仍是庫存研究主要方向。
參考文獻：
[1] Zhang Y， song S， Wu C， et al. Stochastic optimization of two-stage multi-item inventory system with hybrid genetic algorithm[J]. Life Syst Model Intell Comput， 2010，6329：484-492.
[2] 范志強，樂美龍. 最小化最大完工時間與等待時間的岸橋作業調度雙目標優化及其遺傳算法[J]. 系統管理學報，2013，22（1）：120-127.
[3] 李洪波，徐哲，于靜. 基于DSM的研發項目流程多目標仿真優化[J]. 系統工程理論與實踐，2015，35（1）：142-149.
[4] 李雙琳，馬祖軍，鄒坤. 危險品物流中的多目標定位―路徑問題[J]. 運籌與管理，2014，23（3）：8-15.
[5] 王林，頓彩霞，楊銳. 基于混合差分進化算法和熵權TOPSIS的多目標Q，r庫存模型[J]. 控制與決策，2011，26（12）：1913-1920.
[6] 朱金艷，魏曉平，彭紅軍. 大型煤炭供應鏈多目標多階段優化模型[J]. 決策參考，2010（6）：72-75.
