基于flexsim仿真的逆向物流网络模型优化研究

《基于flexsim仿真的逆向物流网络模型优化研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于Flexsim仿真的逆向物流网络模型优化研究基于Flex~im仿真的逆向物流网络模型优化研究收集点：通过有偿或无偿的方式，收集分散在各地的废旧物品，运往处理地点；销售点：销售再制造和再利用的电视机；检测中心：对回收产品的质量进行检测，确定合适的处理方式，并据此进行分类，包括检测、分类和仓储等环节，早期检测和分类可以及早识别出是否有可进入市场的二手电视机，节省对可用的电视机的运输成本；再制造中心：对回收产品或其零部件进行处理，以获取价值；分销中心：将处理后的再生产品运往市场进行销售；处理中心：对环境有危害或潜在危害的废弃物进行

2、妥善处理的场所，对无法再利用的废旧产品或零部件进行销毁。1．1模型假设为了便于分析和解决问题，对电视机回收逆向物流网络数学模型，做如下假设和简化。该模型的建立基于如下假设：图1逆向物流网络图(1)废旧电视机收集点的回收量、各种设施的处理能力以及投资运营成本、设施之间的运输成本都是确定已知的；(2)检测中心、再制造中心、废弃物处置中心以及分销中心的规模，处理能力是已知的；(3)不考虑在回收处理过程中产品的损耗，即经检验合格的产品分为再制造产品和再利用产品，不合格的产品分为原材料和废弃物；(4)在单位时间内废旧产品的运输成本已知，不

3、受市场变化的影响，且只与运输量、运输距离有关，不考虑设施建设和管理成本；(5)各种设施选址只在地理位置已知的一些备选地点中进行选择；(6)检测中心和再制造中心的产品送往分销中心为终端，为正向物流，文章不考虑。1．2确定条件下逆向物流网络混合整数线性规划模型建立目标函数：MinZl_PC+0C+CC+SC(1)产品回收成本PC：PC=ClXi运营成本OC：lIKKUUl～UOC=C2，AJ+c，每仇+C3ZZ：x“仇+c4u∑=l+G5运输成本CC：

4、IKlUJVUKUCC=rc，ZyAJ+rcZ7／k+～Tu+rcZ：。Z：，x

5、Y+YukTu仇固定成本SC：JKUy1f1SC=ECAj+MC蝴cTt,+DCPf=1=1=1=1J1目标函数(1)最小化总的逆向物流成本，包括：产品回收成本、运营成本、运输成本、固定成本。类似的C2∑∑AJ=1i=1

6、l代表从收集点运至检测中心的废旧电视机，进行检测所产生的成本；TC∑∑YAf代表从处理中心到检测中心所产生的=1i=1运输成本。约束条件：(1)物流量平衡约束：∑=∑+∑=lk：1=1JVK∑置=∑+∑i=1。;=1k=1(2)处理能力限制：1，U检测点：∑≤分销点：∑+∑≤l1J11JU再制造中心：∑≤处理中

7、心：∑X≤(3)新建检测中心、分销中心、再制造中心、处理中心最大建设数量限制约束：基于Flexsim仿真的逆向物流网络模型优化研究∑A=s∑=咖∑=∑p=J=1k=1u：1;=1(4)各个变量取值范围：整数约束：s，，，∈正整数；0-1约束：A，，∈{0，1)。各参数符号说明：i：收集点；．：检测中心；k：分销中心；u：再制造中心；：处理中心；X：收集点i的废旧电视机的产生量；G：收集废旧电视机的单位成本；X收集点i运往检测点的废旧电视机的数量；C：检测点的检测废旧电视机的单位成本；：检测点运往分销中心k的废旧电视机量；X：再制

8、造中心u运往分销中心k的废旧电视机量；C，：分销中心k处理废旧电视机的单位成本；Xi检测中心运往再制造中心的废旧电视机量；c4：再制造中心“处理废旧电视机的单位成本；X：再制造中心u运往处理中心的废旧电视机量；C：处理中心处理废旧电视机的单位成本；ym：检测点j．到分销中心k的距离；l，，：检测中心到再制造中心u的距离；l，：制造中心“到分销中心k的距离；Y：再制造中心u到处理中心的距离；TC：每单位的废旧电视机的运输成本；EC：检测中心的固定成本；MC：分销中心的固定成本；RC：再制造中心的固定成本；Dc：处理中心的固定成本；

9、E，：检测点的处理能力；：分销点k的处理能力；R再制造中心u的处理能力；D：处理中心的处理能力；：检测中心的数量限制；：分销中心的数量限制；：再制造中心的数量限制；y：处理中心的数量限制；A：是否建检测中心J；仇：是否建分销中心k；r：是否建再制造中心tt；：是否建处理中心，是取1，否取0。1．3随机条件下逆向物流网络模型仿真优化Flexsim仿真软件采用了面向对象技术，并具有3D显示功能，是用来对生产制造、物料处理、物流、交通、管理等离散时间系统进行仿真的软件产品，对于不确定性因素影响下的离散事件复杂性系统的研究非常有效。文章

10、将用Flexsim解决CH的电视机回收逆向物流网络模型仿真优化。为了便于分析和解决问题，对于逆向物流网络仿真模型(如图2所示)，该模型的建立基于如下假设：(1)收集点回收数量与时间服从随机分布；(2)各物流节点的处理能力是已知的；(3)检测中心通过处理送往分销中