摘要：[目的]考虑汽车零部件入厂物流多频次、小批量的循环取货模式和在取货同时返还零部件物流箱的现实需求,探讨了三维装载约束下汽车零部件同时取送的循环取货路径问题。[方法]构建以运输和线边库存总成本最小为目标的数学模型,设计了两阶段蚁群算法,第一阶段由车辆路径规划子算法得到近似最优解的记忆库,第二阶段利用装载可行性检验子算法得到可行解。[结果]实例仿真结果表明:使用简单算术相加的模糊车辆装载约束得出的取货方案无法实现车辆成功装载。考虑三维装载约束的循环取货方案的路线由2条增加为3条,虽然车辆的平均空间装载率下降了27.45%,但是确保了装载方案的可行性。[结论]考虑三维装载约束的汽车零部件同时取送的循环取货路径方案既满足了取货同时返还零部件物流箱的现实需求,又保证了方案中车辆三维装载可行性。

摘要：阐述了汽车零部件入厂物流的现状和循环取货(Milk-run)模式的特点,总结了国内汽车零部件物流Milk-run运作中存在的主要问题。在此基础上,提出了基于第三方物流的汽车零部件物流Milk-run模式,并设计了实施该模式的3个阶段运作流程。

摘要：研究了循环取货在国内汽车零部件入厂物流中的应用,建立了循环取货路径规划的数学模型.通过引入线边最大库存的限制,并最小化运输、库存成本,排定了取货路径及其运行频次.针对模型设计了禁忌搜索算法求解,数值实例结果表明,该算法是有效的.

摘要：由于汽车零部件入厂物流在总物流成本中占比较大,所以国内外学者不断提出多种汽车零部件入厂物流优化问题和解决方法以降低物流成本。文章基于循环取货的要求设计数学模型,并根据问题的特点来设计遗传算法中编码、适应度函数、初始种群等进行求解,最后,结合相关案例以及模型算法,使用MATLAB进行求解,从而得到最优路径。通过对数据结果的分析表明,循环取货能大幅降低物流成本,实现准时化生产;文章设计的数学模型和构造遗传算法进行求解是可行的,能高效地解决路径规划问题。

摘要：详细阐述了复杂制造业零部件供应物流的应用现状,总结了国内各企业运用循环取货运作模式的特点及其存在的主要问题。在此基础上,提出了基于3PL的复杂制造业循环取货供应物流模式,并对企业循环取货及配送中心的运作流程进行了优化设计。

摘要：对工业园区集配中心(Supply Hub in Industrial Park,SHIP)的运作流程进行简单描述的基础上,结合园区内不同企业实体利益及工业园区供应商物流服务需求,提出一种多车型小批量、高频率、定线、闭环运输并带硬时间窗等多重约束的循环取货路径组合优化数学模型。采用最大装载率的车型分配原则,设计用于求解该模型的改进遗传算法。最后,通过算例分析对模型和算法的有效性进行验证并得到了相关管理学启示。

摘要：汽车零部件的循环取货模式作为一种新型物料供应体系,是由供应商、3PL、主机厂多个主体组成,属于复杂适应性系统。根据循环取货的概念模型,采用多Agent建模理论对循环取货进行建模。将目标系统的Agent粒度抽象为企业级以下的职能部门,设计生产Agent、采购Agent、调度Agent等几类主体。分析Agent内部模型,并采用形式化方法对主体行为进行描述,应用Agent UML分析主体之间的动态交互行为。基于Agent的建模描述了循环取货的运行机制,从而为后续的计算机仿真实现提供基础。

摘要：在对汽车零部件物流循环取货模式及车辆调度问题分析的基础上,建立了零部件循环取货入库道口车辆调度问题的数学模型。在此基础上,用遗传算法对调度参数进行了优化。最后,通过实例计算验证了所设计的模型和算法的有效性和良好寻优性。

摘要：循环取货方式配送就是一次运输就从多个供应商处提取多品种、少批量的零配件。而且,这种与工厂生产合拍的运输计划能保持工厂最小的库存。通过有效的路径设计,能有效地控制大批量低频次配送的费用。

摘要：当今汽车供应链拉动式生产盛行,汽车零部件入厂物流表现出高度的复杂性和专业性,针对该场景下的循环取货问题,引入卸货时间窗的概念,设计供应商集货需求可拆分的数学模型,以降低零部件循环取货过程中的车辆运输成本,同时满足卸货时间窗和车辆容量的限制。根据所设计模型的特点设计禁忌搜索算法,改进初始解及邻域搜索算法,最后通过实验数据证明算法的有效性,并与现有算法进行比对,表明该模式下的循环取货模式可以更有效的节约运输成本,保证生产效率。