Chuỗi cung ứng

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN  ĐỖ MINH NAM CHUỖI CUNG ỨNG TÓM TẮT LUẬN VĂN THẠC SỸ KHOA HỌC Chuyên ngành: Đảm bảo tốn học cho máy tính hệ thống tính tốn Mã số: 60.46.35 NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Lê Trọng Vĩnh Hà nội, năm 2011 MỤC LỤC DANH MỤC HÌNH VẼ DANH MỤC BẢNG BIỂU DANH MỤC TỪ VIẾT TẮT LỜI NÓI ĐẦU Chương 1: CHUỖI CUNG ỨNG VÀ THIẾT KẾ MẠNG CHUỖI CUNG ỨNG 1.1 Chuỗi cung ứng quản trị chuỗi cung ứng 1.1.1 Chuỗi cung ứng 1.1.2 Quản trị chuỗi cung ứng 1.2 Thiết kế mạng chuỗi cung ứng 10 1.3 Mơ hình tốn học chuỗi cung ứng 13 1.3.1 Ký hiệu mơ hình 13 1.3.2 Mục tiêu cần tối ưu chuỗi cung ứng 15 1.4 Kết chương 18 Chương 2: MẠNG NƠRON MỜ VÀ TỐI ƯU HÓA THEO BÀY ĐÀN 19 2.1 Mạng nơron 19 2.1.1 Mạng nơron sinh học 19 2.1.2 Mạng nơron nhân tạo .21 2.1.3 Mạng lan truyền ngược 26 2.1.4 Ưu nhược điểm mạng nơron 30 2.2 Mạng nơron mờ 31 2.2.1 Mạng nơron mờ 31 2.2.2 Đánh giá mạng nơron mờ .35 2.3 Tối ưu hóa theo bày đàn 36 2.4 Kết hợp ba kỹ thuật giải toán tối ưu đa mục tiêu 39 2.4.1 Cấu trúc thuật giải tối ưu hóa theo bày đàn dựa vào mạng nơron mờ 41 2.4.2 Các thuật giải tối ưu hóa theo bày đàn cho việc học tối ưu đạt mạng noron mờ 43 2.5 Kết chương 47 Chương 3: THIẾT KẾ MẠNG CHUỖI CUNG ỨNG ĐA MỤC TIÊU DÙNG MẠNG NƠRON MỜ VÀ THUẬT GIẢI TỐI ƯU THEO BÀY ĐÀN 49 3.1 Đặt vấn đề 49 3.2 Giải toán đa mục tiêu dùng thuật giải tối ưu theo bày đàn tối để ưu hóa mạng nơron mờ 51 3.2.1 Mạng nơron mờ đề xuất tối ưu tối ưu hóa theo bày đàn 51 3.2.2 Dùng tối ưu theo bày đàn để tối ưu mạng nơron mờ .53 3.3 Minh họa qua ví dụ 55 3.4 Kết chương 57 KẾT LUẬN 58 TÀI LIỆU THAM KHẢO 59 DANH MỤC HÌNH VẼ Hình 1.1 Chuỗi cung ứng điển hình Hình 1.2 Chuỗi cung ứng chi tiết nhà máy bên tham gia Hình 1.3 Mơ hình mạng chuỗi cung ứng trình 13 Hình 2.1 Mơ hình mạng nơron sinh học 19 Hình 2.2 Mơ hình nơron nhân tạo 22 Hình 2.3 Hàm đồng 24 Hình 2.4 Hàm bước nhị phân 24 Hình 2.5 Cấu trúc mạng nơron thường gặp 26 Hình 2.6 Nút nơron bình thường 28 Hình 2.7 Hệ thống máy Photo copy Matsushita 35 Hình 2.8 Hệ thống máy giặt Toshiba 36 Hình 2.9 Quy luật chuyển động bày đàn 37 Hình 2.10 Quy luật tìm tổ bày đàn 37 Hình 2.11 Cấu trúc mạng học nơron mờ tối ưu dựa vào thuật giải PSO 42 Hình 2.12 Thủ tục cho thuật giải PSO 44 Hình 3.1 Cấu trúc mạng nơron mờ 52 DANH MỤC BẢNG BIỂU Bảng 2.1 So sánh thần kính sinh học thần kinh nhân tạo 25 Bảng 2.2 Các loại nút nơron mờ 33 Bảng 3.1 Ràng buộc khả năng, thiết lập chi phí, nhu cầu ngẫu nhiên khách hàng 55 Bảng 3.2 Chi phí đơn vị nguyên vật liệu mua từ nhà cung cấp tới nhà máy 56 Bảng 3.3 Chi phí vận chuyển đơn vị sản phẩm từ nhà máy tới trung tâm phân phối 56 Bảng 3.4: Chi phí phân phối đơn vị sản phẩm từ nhà phân phối tới khách hàng 56 DANH MỤC TỪ VIẾT TẮT FNN : Mạng nơron mờ (fuzzy neural network) PSO : Tối ưu theo bày đàn (particle swarm optimization) PSOA – FNN : Tối ưu hóa mạng nơron mờ dùng thuật giải tối ưu hóa theo bày đàn BPNN : Mạng nơron lan truyền ngược (Backprogation neural network) DC : Trung tâm phân phối (Distribution center) GA : Thuật giải di truyền LỜI NÓI ĐẦU Trong thời đại kinh tế toàn cầu, việc cạnh tranh khốc liệt khiến cơng ty cần phải tìm giải pháp tối ưu hóa hoạt động Chuỗi cung ứng mơ hình quản lý mới, đại đưa ra, áp dụng năm 1990, Internet bùng nổ Nhưng toán chuỗi cung ứng đặt thách thức cho nhà làm toán làm tin học cần phải giải quyết, từ toán chọn mặt hàng sản xuất, chọn nhà cung cấp nguyên vật liệu, chọn trung tâm phân phối cần phải mở, chọn nơi đặt nhà máy, đến toán phức tạp lập lịch hoạt động cho toàn chuỗi cung ứng, chi phí tối thiểu tồn chuỗi cung ứng, lợi nhuận tối đa, khả đáp ứng khách hàng nhanh nhất, khả sử dụng vốn tối đa,…, số có nhiều tốn thuộc dạng toán tối ưu đa mục tiêu Trong luận văn chọn tốn tối ưu chi phí cho chuỗi cung ứng tối thiểu, đáp ứng tối đa nhu cầu khách hàng, từ xác định nơi đặt nhà máy sản xuất số trung tâm phân phối cần phải mở Việc thiết lập toán tối ưu đa mục tiêu chuỗi cung ứng nêu tốn với chi phí mơi trường khơng chắn, chi phí số mờ, đồng thời nhu cầu khách hàng ngẫu nhiên, toán thuộc dạng tốn quy hoạch ngẫu nhiên, đưa toán quy hoạch mờ, luận văn dùng cách giải toán tối ưu theo phương pháp khác dùng mạng nơron mờ tối ưu theo bày đàn Cấu trúc luận văn trình bày gồm chương: Chương 1: CHUỖI CUNG ỨNG VÀ THIẾT KẾ MẠNG CHUỖI CUNG ỨNG Chương 2: MẠNG NƠRON MỜ VÀ TỐI ƯU HÓA THEO BÀY ĐÀN Chương 3: THIẾT KẾ MẠNG CHUỖI CUNG ỨNG ĐA MỤC TIÊU DÙNG MẠNG NƠRON MỜ VÀ THUẬT GIẢI TỐI ƯU THEO BÀY ĐÀN Em xin cảm ơn thầy cô môn tin học tận tình bảo động viên em trình học tập làm luận văn, đặc biệt em cảm ơn TS Lê Trọng Vĩnh nhiệt tình hướng dẫn em để em hồn thành luận văn Chương 1: CHUỖI CUNG ỨNG VÀ THIẾT KẾ MẠNG CHUỖI CUNG ỨNG 1.1 Chuỗi cung ứng quản trị chuỗi cung ứng 1.1.1 Chuỗi cung ứng Cạnh tranh cách thành công môi trường đòi hỏi doanh nghiệp phải tham gia vào công việc kinh doanh nhà cung cấp cơng ty xây dựng chuỗi cung ứng Điều yêu cầu doanh nghiệp đáp ứng sản phẩm dịch vụ mà khách hàng cần phải quan tâm sâu sắc đến dòng dịch chuyển nguyên vật liệu, cách thức thiết kế đóng gói sản phẩm dịch vụ nhà cung cấp, cách thức vận chuyển bảo quản sản phẩm hoàn thành điều mà người tiêu dùng khách hàng cuối thực yêu cầu Hơn nữa, bối cảnh cạnh tranh khốc liệt thị trường toàn cầu nay, việc giới thiệu sản phẩm với chu kỳ sống sản phẩm ngày ngắn hơn, với mức độ kỳ vọng ngày cao khách hàng thúc đẩy doanh nghiệp phải đầu tư, tập trung nhiều vào chuỗi cung ứng Điều này, với tiến liên tục công nghệ truyền thông vận tải, thúc đẩy liên tục việc phát triển chuỗi cung ứng kỹ thuật quản lý chuỗi cung ứng Có nhiều định nghĩa chuỗi cung ứng, cần phải hiểu chuỗi cung ứng gì? Khái niệm “chuỗi cung ứng” bắt đầu xuất vào đầu năm 1980 trở nên phổ biến năm 1990 Có nhiều khái niệm chuỗi cung ứng: “Chuỗi cung ứng liên kết tổ chức nhằm đưa sản phẩm hay dịch vụ vào thị trường (“Fundaments of logistics management” – Lambert, Stock and Ellram – 1998)” “Quản trị chuỗi cung ứng trình hoạch định, thực kiểm soát cách hiệu lực, hiệu hoạt động vận chuyển, lưu trữ hàng hoá, dịch vụ thơng tin có liên quan từ điểm đầu đến điểm tiêu thụ cuối với mục đích thoả mãn nhu cầu khách hàng” (Douglas M Lambert, LOGISTICS & SCM Fundamental of Logistics, p.3, Mc Graw-Hill, 1998) Chuỗi cung ứng bao gồm tất thành viên tham gia, cách trực tiếp hay gián tiếp, việc đáp ứng nhu cầu khách hàng (“Supply chain management: strategy, planning and operation” - Chopra Sunil and Pter Meindl – 2001) Như chuỗi cung ứng không bao gồm nhà sản xuất, nhà phân phối, mà bao gồm công ty cung ứng vật tư, công ty vận tải, nhà kho, nhà bán hàng lẻ khách hàng cuối Còn bên tổ chức, giả sử nhà sản xuất, chuỗi cung ứng bao gồm tất chức liên quan đến việc nhận đáp ứng nhu cầu khách hàng Những chức bao gồm, không bị hạn chế, phát triển sản phẩm mới, thu mua nguyên vật liệu để sản xuất, sản xuất, marketing, phân phối, tài chính, dịch vụ khách hàng Chúng ta xem xét mơ hình chuỗi cung ứng điển hình hình 1.1, ta thấy doanh nghiệp nằm khu vực xem doanh nghiệp trung tâm Còn nhà cung cấp doanh nghiệp lắp ráp sản phẩm cuối cùng, doanh nghiệp tham gia chuỗi cung ứng, tùy thuộc vào phạm vi tham chiếu nhà quản trị xem xét mơ hình Tất sản phẩm đến tay người tiêu dùng thơng qua vài hình thức chuỗi cung ứng, có số lớn số phức tạp nhiều Với ý tưởng chuỗi cung ứng này, dễ dàng nhận thấy có nguồn tạo lợi nhuận cho tồn chuỗi khách hàng cuối Khi doanh nghiệp riêng lẻ chuỗi cung ứng định kinh doanh mà không quan tâm đến thành viên khác chuỗi, điều rốt dẫn đến giá bán cho khách hàng cuối cao, mức phục vụ chuỗi cung ứng thấp điều làm cho nhu cầu khách hàng tiêu dùng cuối trở nên thấp Có nhiều doanh nghiệp khác liên quan cách gián tiếp đến hầu hết chuỗi cung ứng, họ đóng vai trị quan trọng việc phân phối sản phẩm cuối cho khách hàng Họ nhà cung cấp dịch vụ, chẳng hạn công ty vận tải đường không đường bộ, nhà cung cấp hệ thống thông tin, công ty kinh doanh kho bãi, hãng môi giới vận tải, đại lý nhà tư vấn Các doanh nghiệp cung cấp dịch vụ đặc biệt hữu ích doanh nghiệp đa số chuỗi cung ứng, họ mua sản phẩm nơi họ cần, cho phép người mua người bán giao tiếp cách hiệu quả, cho phép doanh nghiệp phục vụ thị trường xa xôi, giúp doanh nghiệp tiết kiệm tiền vận tải nội địa quốc tế, nói chung cho phép doanh nghiệp phục vụ tốt khách hàng với chi phí thấp Hình 1.1 Chuỗi cung ứng điển hình Mục đích then chốt cho hữu chuỗi cung ứng để thỏa mãn nhu cầu khách hàng, tiến trình tạo lợi nhuận cho Các hoạt động chuỗi cung ứng bắt đầu với đơn đặt hàng khách hàng kết thúc khách hàng toán đơn đặt hàng họ Thuật ngữ chuỗi cung ứng gợi hình ảnh sản phẩm cung cấp dịch vụ chuyển từ nhà cung cấp qua nhà sản xuất đến nhà phân phối đến nhà bán lẻ cuối khách hàng dọc theo chuỗi cung ứng Điều quan trọng phải mường tượng dòng thơng tin, sản phẩm tài dọc hai hướng chuỗi Trong thực tế, nhà sản xuất nhận nguyên liệu từ vài nhà cung cấp, sau cung ứng đến nhà phân phối Vì vậy, đa số chuỗi cung ứng thực mạng lưới 1.1.2 Quản trị chuỗi cung ứng Chúng ta có nhiều định nghĩa quản trị chuỗi cung ứng sau: Theo Viện quản trị cung ứng mô tả quản trị chuỗi cung ứng việc thiết kế quản lý tiến trình xuyên suốt, tạo giá trị cho tổ chức để đáp ứng nhu cầu thực khách hàng cuối Sự phát triển tích hợp nguồn lực người cơng nghệ then chốt cho việc tích hợp chuỗi cung ứng thành cơng.1 Theo Hội đồng chuỗi cung ứng quản trị chuỗi cung ứng “việc quản lý cung cầu, xác định nguồn nguyên vật liệu chi tiết, sản xuất lắp ráp, kiểm tra kho hàng tồn kho, tiếp nhận đơn hàng quản lý đơn hàng, phân phối qua kênh phân phối đến khách hàng cuối cùng”.2 Theo hội đồng quản trị hậu cần, tổ chức phi lợi nhuận quản trị chuỗi cung ứng “…sự phối hợp chiến lược hệ thống chức kinh doanh truyền thống sách lược xuyên suốt chức công ty cụ thể doanh nghiệp chuỗi cung ứng với mục đích cải thiện thành tích dài hạn cơng ty đơn lẻ chuỗi cung ứng”.3 Theo TS Hau Lee đồng tác giả Corey Billington báo nghiên cứu “quản trị chuỗi cung ứng việc tích hợp hoạt động xảy sở mạng lưới nhằm tạo nguyên vật liệu, dịch chuyển chúng vào sản phẩm trung gian sau đến sản phẩm hồn thành cuối cùng, phân phối sản phẩm đến khách hàng thông qua hệ thống phân phối”.4 Trong luận văn này, giới thiệu giải thích khái niệm, cơng cụ hệ thống hỗ trợ định lại quan trọng cho việc quản trị hiệu chuỗi cung ứng Nhưng quản trị chuỗi cung ứng thực chất gì? Ta định nghĩa sau: “Quản trị chuỗi cung ứng tập hợp phương thức sử dụng cách tích hợp hiệu nhà cung cấp, người sản xuất, hệ thống kho bãi cửa hàng The Institute for supply management, “Glossary of key purchasing and supply terms”, 2000 Courtesy of Supply chain Council, Inc Courtesy of the Council of Logistics Management H.L Lee and C.Billington, “The evolution of supply chain management models and practice at Hewlett-packard”, Interfaces 25, No 5(1995); 41-63 v  t  1  v  t     p  x  t     x  t  1  x  t   v  t  1 (2.4.7) Trong p  số, khơng có ký hiệu vector khơng ngẫu nhiên Chính Kennedy phát quỹ đạo phần tử đơn giản hóa phụ thuộc vào giá trị tham số điều khiển , nhận ngẫu nhiên nguyên nhân phá vỡ chế hệ thống b Tối ưu hóa theo bày đàn dựa vào điều chỉnh hàm thành viên Trong phần đưa thuật giải tối ưu hóa theo bày đàn dựa vào thủ tục tính tốn cho việc lựa chọn tối ưu tham số Chúng ta dùng thuật giải hình 2.28 để tối ưu hóa tỉ lệ học, Thuật ngữ kích hoạt hàm thành viên mạng nơron mờ dựa tối ưu hóa theo bày đàn (PSOA - FNN) mà đề cập tới Các thủ tục tìm kiếm cấu trúc PSOA – FNN đề xuất sau: Bước 1: xác định cận biên sáu tham số cấu trúc mạng nơron mờ khởi tạo ngẫu nhiên cá thể riêng biệt quần thể bao gồm điểm tìm kiếm, vận tốc, pbest, gbest Bước 2: tính tốn giá trị đánh giá cá thể quần thể dùng hàm đánh giá đưa sau: f  W ( xi ) (2.4.8) Hàm đánh giá đối xứng với điều kiện thực (2.4.8) Nghĩa giá trị nhỏ cá thể, giá trị đánh giá cao Để giới hạn giá trị đánh giá cá thể quần thể với vùng chấp nhận Điều kiện thực miền thời gian bao gồm việc xác định để điều chỉnh Điều kiện thực thỏa mãn yêu cầu dùng giá trị nhân tố đánh giá trọng số Bước 3: so sánh giá trị đánh giá cá thể riêng biệt với pbests Giá trị đánh giá tốt số ký hiệu gbest Bước 4: xác định tốc độ thành viên cá thể riêng biệt theo (2.4.9) 46 v jt,g1   v (jt )  c*j rand  *   pbest j , g  xi( t )   c2*rand    gbest g  xi(t )  (2.4.9) j  1, 2, , n; g  1, 2,3, 4,5, Trong giá trị  tạo lập công thức sau:   max  max  min  iter itermax (2.4.10) Khi g 1, vj,1 biểu diễn việc thay đổi vận tốc tham số điều khiển Khi g 2, biểu diễn thay đổi vận tốc tham số điều khiển v (jt,g1) vận tốc cá thể j lần lặp Bước 5: if v(jt,g1)  Vgmax , then v (jt,g1)  Vgm ax if v(jt,g1)  Vgmin , then v(jt,g1)  Vgmin Bước 6: xác định vị trí thành viên cá thể theo (2.4.11) x (t 1)  xi ( t )  vi (t 1) , xi ( )  xi ( t )  xi ( max ) (2.4.11) Trong đó, biểu diễn tương ứng cận cận dưới, thành viên cá thể riêng biệt Ví dụ 1, cận cận tương ứng tham số xi X1_min=[0.46,0.48], X1_max=[0.77,0.81], X2_min=[45,47], X2_max=[61,63] Vậy xi hợp thành bởi: xi   x1min , x1max , x2min , x2max ,  i , i  Bước 7: số lần lặp đạt tối đa, chuyển sang bước 8, mặt khác chuyển bước Bước 8: cá thể riêng biệt tạo lần cuối tham số điều khiển tối ưu Như để nâng cao hiệu học mạng nơron mờ dựa vào tối ưu theo bày đàn, dùng phương trình phi tuyến bậc hai [11] yk  yk 1 yk 2 ( yk 1  2.5)  uk  yk21  yk22 (2.4.12) 2.5 Kết chương Như chương giới thiệu mạng nơron sinh học, mạng nơron nhân tạo, mạng lan truyền thẳng mạng lan truyền ngược Giới thiệu logic mờ số luật mờ logic mờ Từ Mạng nơron logic mờ kết hợp lại với đưa mạng nơron mờ Sự kết hợp nhằm mục đích điều chỉnh tham số 47 mạng nơron dựa vào luật mờ thay dùng cách điều chỉnh tham số trình lan truyền ngược mạng lan truyền ngược, đồng thời khắc phục yếu điểm mạng nơron có khả học khơng có khả biểu diễn tri thức Cịn logic mờ lại giải việc biểu diễn tri thức tốt Sự kết hợp logic mờ mạng nơron tạo cơng cụ ngơn ngữ vừa có khả biểu diễn tri thức vừa có khả học Tuy nhiên việc điều chỉnh tham số mạng nơron việc dùng hàm thành viên logic mờ chưa đủ mạnh, chưa chứng minh tính ưu việt, giới thiệu thêm thuật giải tiến hóa để điều chỉnh hàm thành viên cho tốt hơn, thuật giải tối ưu hóa theo bày đàn Mục đích dùng PSO để làm cho mạng nơron mờ tối ưu để giải toán tối ưu Trong báo Dong Hwa Kim Jae Hoon Cho hội thảo lần thứ 11 bắc kinh logic mờ, tính tốn mềm tính tốn thơng minh, khẳng định việc kết hợp tối ưu theo bày đàn mạng nơron mờ hiệu việc kết hợp tối ưu theo bày đàn mạng nơron, thuật giải di truyền mơ hình đơn lẻ khác dùng công cụ nêu Dù nữa, hầu hết trường hợp logic mờ, mạng nơron mờ, hạt nhân hàm thành viên hàm trọng số phải điều chỉnh phương pháp xấp xỉ hay dựa kinh nghiệm Cho tới có số người đề cặp tới cặp đối tượng để chứng minh mà thuật giải di truyền công cụ mạnh hiệu cho việc tạo hàm trọng số luật mờ Từ áp dụng việc học mạng nơron mờ cho thấy thuật giải hiệu để xây dựng mơ hình ngơn ngữ Thuật giải học đề xuất PSO – FNN tổng hợp giai đoạn Giai đoạn đầu khởi tạo hàm thành viên mơ hình mạng nơron mờ, giai đoạn thứ thuật giải tối ưu theo bày đàn dùng để điều chỉnh hàm thành viên mơ hình đề xuất 48 Chương 3: THIẾT KẾ MẠNG CHUỖI CUNG ỨNG ĐA MỤC TIÊU DÙNG MẠNG NƠRON MỜ VÀ THUẬT GIẢI TỐI ƯU THEO BÀY ĐÀN 3.1 Đặt vấn đề Trong vấn đề thiết kế mạng chuỗi cung ứng nêu, chương tập trung vào việc thiết kế mạng chuỗi cung ứng môi trường không chắn với chi phí biến đổi nhiều cơng đoạn chuỗi cung ứng, xét chi phí mua nguyên vật liệu sản xuất sản phẩm nhà máy, chi phí vận chuyển nguyên vật liệu từ nhà cung cấp tới nhà máy, chi phí cố định vận nhà máy, chi phí sản xuất sản thành phẩm, chi phí vận chuyển sản phẩm từ nhà máy tới nhà cung cấp, chi phí cố định vận hành trung tâm phân phối, chi phí lưu kho sản phẩm chi phí vận chuyển sản phẩm từ trung tâm phân phối tới khách hàng cuối Trong loại chi phí ta thấy chi phí vận hành trung tâm phân phối nhà máy chi phí cố định, khơng thay đổi thường xun, cịn chi phí cịn lại biến đổi liên tục theo mơi trường Do chi phí biến đổi sau đưa vào mơ hình mạng nơron mờ biến mờ Mục tiêu ta đặt cho loại chi phí tồn chuỗi cung ứng tối thiểu điều kiện môi trường khơng chắn, đưa tốn tối ưu cho toán thiết kế mạng chuỗi cung ứng, dùng mạng nơron mờ thuật giải tối ưu theo bày đàn để tìm chi phí cách nhanh dự đốn khả biến đổi môi trường, mà đáp ứng khả phục vụ khách hàng tối đa Trong chương quan tâm đến việc thiết kế mạng chuỗi cung ứng theo mơ hình tốn học phát biểu mục 1.3 chương sau:   2 3 MinC(x,y,     rsj xrsj1     cij2 p  xijk      ijk xijk    ikm xikm r ,s, j i,j   k i ,k , m   i , j ,k   c1j F y1j   ck2 F yk2 j  MaxC2     koK    xikm  /  im  mB ( k )    i  49 Dữ liệu đầu vào toán biết cj1F : chi phí cố định vận hành nhà máy j ck2F : chi phí cố định vận hành trung tâm phân phối k cij2P : chi phí nhà máy j sản xuất đơn vị sản phẩm i im : nhu cầu khách hàng i sản phẩm m a rs1 : tổng số nguyên vật liệu r mà nhà cung cấp s cung cấp a ij2 : khả sản xuất sản phẩm i tối đa nhà máy j a ik3 : khả phân phối tối đa sản phẩm i trung tâm phân phối k n ri : số nguyên vật liệu thô r mà dùng sản xuất sản phẩm i theo tỷ lệ định sẵn P : số nhà máy tối đa mở Q : số trung tâm phân phối tối đa mở  : Thời gian giao hàng lớn cho phép (tính theo thời gian) từ kho hàng tới khách hàng ζrsj1 : giá đơn vị nguyên vật liệu thô r mà nhà cung cấp s bán cho nhà máy sản xuất j ζijk2 : chi phí vận chuyển đơn vị sản phẩm i từ nhà máy j tới trung tâm phân phối k ζikm3 : chi phí phân phối sản phẩm sản phẩm i từ trung tâm phân phối k tới khách hàng m Ba biến biến có chi phí biến đổi theo thời gian, đạt mơi trường kinh tế không chắn Do việc chọn chi phí tốt chi phí điều mong đợi người quản lý chuỗi cung ứng Trong mơ hình x  {xrsj1 , xijk , xikm3} , y  y toán j học cần tìm , yk    { rsj1 ,  ijk ,  ikm 3} , vector biến mơ hình Trong đó: xrsj1: tổng số nguyên vật liệu r mà nhà máy sản xuất j mua từ nhà cung cấp s 50 xijk2: tổng số sản phẩm i mà vận chuyển từ nhà máy j tới trung tâm phân phối k xikm3: tổng số sản phẩm i mà phân phối từ trung tâm phân phối k tới khách hàng m yk2, yj1: Lần lượt biến định nhà máy trung tâm phân phối mở Như cơng việc mục tiêu cần: i) Tìm số nhà máy trung tâm phân phối cần mở để đáp ứng nhu cầu khách hàng tốt ? ii) Tìm Mỗi nhà máy sản xuất chuỗi cung ứng mua nguyên vật từ nhà cung cấp chi phí phù hợp ? iii) Chọn nhà máy để xuất sản phẩm cho trung tâm phân phối ? iv) Chọn nhà phân phối phục vụ khách hàng để đáp ứng nhu cầu khách hàng tối đa mà chi phí hợp lý ? Rõ ràng toán tối ưu hóa đa mục tiêu Vì vậy, phần chúng tơi trình bày cách dùng mạng nơron mờ để giả tốn tối ưu hóa đa mục tiêu dùng thuật giải tối ưu theo bày đàn tối ưu mạng nơron mờ dựa vào việc điều chỉnh hàm thành viên 3.2 Giải toán đa mục tiêu dùng thuật giải tối ưu theo bày đàn tối để ưu hóa mạng nơron mờ Do phức tạp quy hoạch ngẫu nhiên, tính hàm mục tiêu mờ kiểm tra ràng buộc ngẫu nhiên với giúp đỡ kỹ thuật mô phỏng, thuật giải thơng minh lai tích hợp mạng nơron mờ kết hợp với thuật giải PSO mô ngẫu nhiên đề xuất giải mơ hình thiết kế mạng chuỗi cung ứng 3.2.1 Mạng nơron mờ đề xuất tối ưu tối ưu hóa theo bày đàn Mạng nơron mờ mà đề nghị mạng có cấu trúc gồm lớp xem hình 3.1 51 Hình 3.1 Cấu trúc mạng nơron mờ Ta mô tả lớp mạng nơron sau: - Lớp 1: lớp vào mạng nơron Đầu vào : ui(1)  xi , i  1, 2, M (3.2.1) Đầu : yi(1)  ui(1) , i  1, 2, , M (3.2.2) ui(2)  yi(1) , i  1, 2, , M (3.2.3) - Lớp 2: lớp mờ Đầu vào : Đầu : y (2) ji   u (2)  c 2  i ji   exp     ji   (3.2.4) i=1,2,…,M; j=1,2,…,N - Lớp 3: lớp điều kiện mờ Đầu vào : Đầu : ui(3)  y (ji2) , j  1, 2, , N ; M y (3) j  u (3) j y i 1 (2) ji  M  u ( 2)  c 2 i ji  exp    i 1  ji  i  1, 2, , M (3.2.5)  , i  1, 2, , M ; j  1, 2, , N   (3.2.6) - Lớp 4: lớp định mờ, với nơron ta có Đầu vào : u1(4)  y (3) j , j  1, 2, , N 52 (3.2.7) N Đầu : y1(4)   h j y (3) j , j  1, 2, , N (3.2.8) (3.2.9) j 1 Với nơron ta có Đầu vào : u2(4)  y (3) j , j  1, 2, , N Đầu : y2(4)   y (3) j , j  1, 2, , N N (3.2.10) j 1 - Lớp 5: lớp đầu mạng nơron Đầu vào : u (5)  yk(4) , k  1, (3.2.11) N h y j Đầu : y (3) j j 1 N y (3.2.12) (3) j j 1 Mơ hình mạng nơron mờ đề cập trên, có tham số mạng xác định, giá trị trung tâm nút mờ (cji), giá trị nút lớp mờ (ji) tham số điều chỉnh lớp định mờ (hj) Một đầu vào, đầu tham số xác định, cấu trúc tham số mạng nơron mờ xác định 3.2.2 Dùng tối ưu theo bày đàn để tối ưu mạng nơron mờ Đưa nhóm liệu đầu vào đầu xi(t), i=1,2,…,M, y(t), t=1,2,…,P Sau phân đoạn thành miền liệu đầu vào, khởi tạo hàm thành viên luật mờ tương ứng, mạng nơron mờ tối ưu tối ưu theo bày đàn đề xuất sau: Bước 1: Xác định tọa độ miền liệu theo phân phối liệu đầu vào, đầu  x1 1 , x2 1 , , xM 1 , y (1) thiết lập cụm miền liệu đầu vào, giả sử trung tâm cụm c1i=xi(1), N1 = 1, Y1(i)=y(1), i=1,2,…,N1 số phân cụm thời điểm N=1 Bước cho 2: liệu đầu vào đầu chuỗi thứ k  x  k  , x  k  , , x  k  , y(k ) , tính toán khoảng cách xi(k) tới trung tâm cụm cji M theo công thức sau: 53 DJ  x(k )  cJ  x(k )  c j i j  N (3.2.13) Nếu DJ >r, khơng có cụm chiến thắng cạnh tranh, sau thiết lập phân cụm mới, cN 1  xi (k ), N N 1  1, YN 1 (i)  y (k ), i  1, 2, , N N 1 , N  N  ; Nếu DJ < r, phân cụm thứ J chiến thắng, điều chỉnh trung tâm cụm (3.2.14) cJ  cJ   DJ Trong  hệ số học,   0 , 0  0,1 NJ 1 Bước 3: cho k=k+1, quay trở lại bước k < P Bước 4: Tính tốn độ rộng hàm thành viên,  ji  c ji  cki k 1,2, N k j (3.2.15)  Trong  tham số mà giá trị thường 1   Bước 5: Xác định hj 2  h   MAX _ Y  AVE _ Y  exp   MAX _ U  x   j  j j j  j1    (3.2.16) 2   MIN _ Y  AVE _ Y  exp   MIN _ U  x   AVE _ Y  j j  j j  j2     Trong đó: MAX_Yj, MIN_Yj, AVE_Yj biểu diễn giá trị tương ứng đầu lớn nhất, đầu nhỏ đầu trung bình mà phụ thuộc vào phân cụm thứ j; MAX_Uj, MIN_Uj, AVE_Yj tương ứng biểu diễn giá trị đầu vào tương ứng  j1 ,  j : tham số điều chỉnh Bước 6: Để đạt giá trị tối ưu  j1 ,  j Chúng ta tổng hợp thiết lập tham số vị trí bày đàn, giá trị thích nghi bày đàn tính tốn theo theo hàm mục tiêu, dùng PSO để tìm kiếm giá trị tối ưu Vị trí bày đàn tối ưu tổ hợp giá trị tối ưu kết thúc tìm kiếm Hàm mục tiêu định nghĩa sau;: 54 E  y (t )  d (t ) (3.2.17) Trong đó: y(t): việc tính tốn đầu mơ hình d(t): đầu tối ưu mơ hình 3.3 Minh họa qua ví dụ Chúng ta đưa ví dụ thiết kế mạng chuỗi cung ứng, thiết kế mạng chuỗi cung ứng gồm nhà cung cấp, nhà máy lựa chọn để xem xét xây dựng, trung tâm phân phối lựa chọn để xem xét có thiết lập hay khơng Và nhu cầu khách hàng thỏa mãn Giả sử có loại nguyên vật liệu để sản xuất sản phẩm, biết tỉ lệ loại nguyên vật liệu theo tỉ lệ 2:1:1, nhà máy sản xuất sản phẩm theo tỉ lệ Nhu cầu khách hàng sản phẩm biến ngẫu nhiên, thấy phân phối xác suất bảng I, N(,2) kí hiệu phân phối Gausian Chi phí vận hành chuỗi cung ứng bao gồm: chi phí đơn vị nguyên vật liệu mua từ nhà cung cấp, chi phí vận chuyển đơn vị sản phẩm từ nhà máy tới trung tâm phân phối, chi phí phân phối đơn vị sản phẩm từ trung tâm phân phối tới khách hàng, chúng số mờ, thấy hàm thành viên chúng từ bảng 3.2, bảng 3.3, bảng 3.4, (a,b,c) số mờ dạng tam giác Các nhà làm sách chuỗi cung ứng yêu cầu số trung tâm phân phối nhà máy tối đa phép thành lập hai Các nhà máy Các trung tâm phân phối Tổng khả Chi phí cố Tổng khả Chí phí cố định định 500 400 1800 530 1000 650 550 900 590 900 390 490 2100 400 1600 300 1100 370 1500 500 900 580 1400 Các nhà cung cấp Phân phối nhu cầu khách hàng N(460,20) N(340,10) N(450,20) N(330,20) Bảng 3.1: Ràng buộc khả năng, thiết lập chi phí, nhu cầu ngẫu nhiên khách hàng 55 Các nhà phân phối S1 S2 S3 Các nhà máy P1 P2 P3 P4 P5 (4,5,6) (4,6,8) (3,4,5) (6,7,8) (4,5,6) (3,5,7) (5,6,7) (3,4,5) (5,7,9) (3,5,7) (4,5,6) (4,6,8) (6,7,8) (5,6,7) (4,5,6) (5,6,7) (4,5,6) (6,7,8) (4,6,8) (7,8,9) (5,6,7) (4,5,6) (5,7,9) (4,6,8) (7,8,9) (7,8,9) (4,6,8) (3,4,5) (4,5,6) (6,7,8) (5,7,9) (5,6,7) (2,3,4) (8,9,10) (5,6,7) (5,7,9) (5,6,7) (2,3,4) (7,9,10) (4,6,8) (3,4,5) (4,5,6) (2,3,4) (8,9,10) (5,6,7) Bảng 3.2 Chi phí đơn vị nguyên vật liệu mua từ nhà cung cấp tới nhà máy Các nhà Các trung tâm phân phối máy D1 D2 D3 D4 D5 P1 (4,5,6) (4,6,8) (3,4,5) (6,7,8) (4,5,6) P2 (5,6,7) (4,5,6) (6,7,8) (4,6,8) (7,8,9) P3 (5,7,9) (5,6,7) (2,3,4) (8,9,10) (5,6,7) P4 (5,6,7) (4,5,6) (6,7,8) (4,6,8) (7,8,9) P5 (5,7,9) (5,6,7) (2,3,4) (8,9,10) (5,6,7) Bảng 3.3 Chi phí vận chuyển đơn vị sản phẩm từ nhà máy tới trung tâm phân phối Các nhà Các trung tâm phân phối máy C1 C2 C3 C4 C5 D1 (4,5,6) (4,6,8) (3,4,5) (6,7,8) (4,5,6) D2 (5,6,7) (4,5,6) (6,7,8) (4,6,8) (7,8,9) D3 (5,7,9) (5,6,7) (2,3,4) (8,9,10) (5,6,7) D4 (5,6,7) (4,5,6) (6,7,8) (4,6,8) (7,8,9) D5 (5,7,9) (5,6,7) (2,3,4) (8,9,10) (5,6,7) Bảng 3.4: Chi phí phân phối đơn vị sản phẩm từ nhà phân phối tới khách hàng 56 Kết tính tốn tối ưu mạng nơron mờ dùng tối ưu hóa theo bày đàn Khởi tạo biến mạng nơron mờ r = 0.35,  = 2, α = 0.2,  = 0.01, < j1(0), j2(0) < 15 Khi dùng PSO để tìm kiếm giá trị tối ưu j1(0) j2(0), tham số là: Số bày đàn 40, số lần lập cho phép lớn 5000, sai số giá trị thích nghi giới hạn 0.005, nhân tố co lại 0.75, trọng số quán tính giảm từ 1.8 xuống 0.2, hai hệ số tăng tốc hai 2, vận tốc lớn giới hạn Chạy mạng nơron mờ tối ưu ta có kết sau: Xác suất tối đa 0.89, độ lệch chuẩn 3.81e-2, nhà máy mở P 2, P P5, trung tâm phân phối mở D2, D3, D5 3.4 Kết chương Như chương dùng mạng nơron mờ thuật giải tối ưu theo bày đàn đề giải toán tối ưu đa mục tiêu mà đề xuất chương Thiết kế mạng chuỗi cung ứng môi trường không chắn, mà nhu cầu khách hàng biến ngẫu nhiên, chi phí vận hành số mờ, sau đưa mơ hình quy hoạch mờ, mạng nơron tối ưu thuật giải tối ưu theo bày đàn dùng để giải mơ hình thiết lập, thơng qua ví dụ để so sánh với phương pháp truyền thống trước mạng nơron mờ, chứng minh phương pháp đưa hiệu phương pháp truyền thống việc dùng mạng nơron mờ Vấn đề tìm hiểu giải toán quy hoạch mờ với nhiều nhân tố đem lại lợi ích nhiều cho vấn đề quản trị chuỗi cung ứng nhà quản trị 57 KẾT LUẬN Như luận văn tìm hiểu chuỗi cung ứng, vấn đề mơ hình hóa chuỗi cung ứng tốn học tin học Tìm hiểu tốn tối ưu đa mục tiêu Nhưng giải phương pháp truyền thống nhiều thời gian công đoạn xử lý kỹ thuật phức tạp phương pháp chủ yếu tập trung vào việc đưa toán đơn mục tiêu để giải Hiện có nhiều phương pháp khơng cần phải giải vậy, kết tương đương, có số phương pháp thời gian xử lý chậm hơn, có số phương pháp giải tương đương, chí cịn nhanh hơn, tựu chung lại phương pháp không nhiều bước để làm, đặc biệt dễ hiểu dễ làm phương pháp truyền thống Chính lý luận văn em sử dụng Mạng nơron mờ dùng tối ưu theo bày đàn đề giải toán tối ưu đa mục tiêu, nhằm mục đích để giải tốn dễ hiểu hơn, thời gian có hạn nên em chưa thể tạo mơ hình mơ thực để so sánh thời gian thực với phương pháp khác để giải toán Nhưng ứng dụng số lĩnh vực khác để giải toán chứng minh tối ưu phương pháp truyền thống số phương pháp đề thuật giải di truyền đa mục tiêu, mạng nơron mờ Định hướng nghiên cứu - Tiếp tục thiết kế thêm biến chi phí mơ hình chuỗi cung ứng đa mục tiêu nhiều giai đoạn để vấn đề chi phí chuỗi cung ứng ngày xem xét toàn diện - Từ thiết kế mơ hình mạng nơron mờ cho phù hợp với mơ hình đưa - Xem xét luật mờ, đưa luật mờ hiệu cho vấn đề tối ưu hóa mạng nơron mờ dùng thuật giải PSO - Nâng cao việc đánh giá trọng số theo vận tốc việc cập nhật vận tốc mơ hình PSO cho tốn tối ưu theo bày đàn đa mục tiêu, tối ưu theo bày đàn mờ - Thiết kế thêm biến trọng số cho việc cập nhật vị trí tối ưu theo bày đàn đa mục tiêu để nâng cao hiệu thuật giải PSO - Mô mơ hình khác giải tốn tối ưu đa mục tiêu để so sánh 58 TÀI LIỆU THAM KHẢO Tiếng việt [1] Bùi Cơng Cường, Nguyễn Dỗn Phước (2006), “Hệ Mờ Mạng Nơron Và Ứng Dụng”, Nhà xuất Khoa học kỹ thuật [2] Phan Quốc Khánh Trần Huệ Nương (2004), “Quy hoạch tuyến tính”, Nhà xuất giáo dục [3] Phạm Xuân Minh, Nguyễn Doãn Phước (2005), “Lý thuyết điều khiển mờ”, Nhà xuất Khoa học Kỹ thuật [4] Nguyễn Ngọc Thắng (2009), “Tối ưu hóa”, NXB ĐHQGHN [5] Nguyễn Ngọc Thắng Nguyễn Đình Hóa (2005), “Quy hoạch tuyến tính”, NXB ĐHQGHN [6] Nguyễn Đình Thúc (2000), “Mạng nơron phương pháp ứng dụng”, Nhà xuất giáo dục Tiếng Anh [7] Amiri, A (2006) Designing a distribution network in a supply chain system: formulation and efficient solution procedure European Journal of Operational Research, 171(2), 567–576 [8] Dimopoulos, C., & Zalzala, A M S (2000) Recent developments in evolutionary computation for manufacturing optimization: problems, solutions and comparisons, IEEE Transactions on Evolutionary Computation, 4(2), 93–113 [9] Deb, K (2001) Multi-objective optimization using evolutionary algorithms, Chichester: Wiley [10] Fullér, R (1995), Neural Fuzzy Systems, Abo Akademi University, ISBN 951650-624-0, ISSN 0358-5654 [11] Horikawa, S Furuhashi, T and Uchikawa, Y (1992) On fuzzy modeling using fuzzy neural networks with back propagation algorithm, IEEE Trans, Neural network, pp 801-806 [12] R Horst, P M Pardalos and N V Thoai (1995), Introduction to Global Optimization, Kluwer Academic Publishers 59 [13] J.R Jang, C Sun and E Mizutani (1997), Neuro-fuzzy and Soft Computing, A Computation Approach To Learning And Machine Intelligence, Prentice Hall, Upper Saddle River [14] J Kennedy and R Eberhart (1995) Particle swarm optimization Proc IEEE Int’l Conf Neural Networks, pp 1942-1948 [15 Manoi Kumar, Prem Vrat, Ravi Shankar (June 2006) A fuzzy programming approach for vendor selection problem in a supply chain, International journal of Production Economics, vol 101, no 2, pp 273-285 [16] Lee, H., Chen, C and Huang, T (2001), Learning efficiency improment of backpropagation algorithm by error saturation prevention method, National Taiwan University of Science and Tecnology, Department of Electronic Engineering [17] Liu B (2000) Dependent – chance programming in fuzzy environments, Fuzzy Sets and Systems, vol 109, no 1, pp 97-101 [18] Lin, C.T and Lee, C.S.G (1996), Neural Fuzzy Systems, A Neuro-Fuzzy Synergism to Intelligent Systems, Prentice Hall International [19] F J Lin, C H Lin, and P H Shen (2001) Selfconstructing fuzzy neural network speed controller for permanent-magnet synchronous motor drive IEEE Trans on Fuzzy Systems, vol 9, no 5, pp 751-759 [20] H Takagi, N Suzuki, T Koda, and Y Kojima (1992) Neural networks designed on approximate reasoning architecture and their application IEEE Trans on Neural Networks, vol 3, no 5, pp 752- 759 [21] Hoang Tuy (1998), Convex Analysis and Global Optimization, Kluwer Academic Publishers [22] Schiffmann, W Joost, M and Werner, R (1994), Optimization of the Backpropagation Algorithm for Training Multilayer Perceptrón, University of Koblenz, Institute of Physics, Rhenau 156075 Koblenz [23] Zhang Q, Li H MOEA/D (2007): a multiobjective evolutionary algorithm based on decomposition IEEE TransEvol Computing, (11), 712–731 60