# 以下为纯文本简介，不带文件格式；详细内容请下载文档查看；
汽车制造企业零部件精益智慧物流系统 优化研究 Optimization of Parts Lean Intelligent Logistics System for Automobile Manufacturers 一级学科：工商管理 研究方向：运营管理 作者姓名：黄典 指导教师：毛照昉教授 答辩日期2021年5月28日 答辩委员会姓名职称工作单位 主席李勇建教授天津大学管理与经济学部 刘伟华教授天津大学管理与经济学部 李波教授天津大学管理与经济学部 委员 魏杰教授河北工业大学经济管理学院 李响教授南开大学经济与社会发展研究院 天津大学管理与经济学部 二〇二一年六月独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研宄工作和取得的 研宂成果，了 除文中特别加以标注和致谢之处外，论文中不包含其他人己经发表 或撰写 过的研， 宂成果也不包含为获得天丨車大学或其他教育机构的学位或证 一 书而使用过的材料。与我同工作的同志对本研宂所做的任何贡献均己在论文中 作了明确的说明并表示了谢意。 学： 论文者签名： 位作签字日期（月 ＜牟、年 学位论文版权使用授权书 学位论文作者完全了解、 本天津大学冇关保留使用学位论文的规定。 特授权天津大学可以将学位论文的企部或部分内容编入冇关数抿库讲扦柃 、 索，并采用影印缩印或扫描等艾制手段保存、汇编以供査阅和借阅。同怠学校 向国家有关部门或机构送交论文的釔印件和磁盘。 （保密的学位论文在解密后适用本授权说明） ： 学位论文作者签名导师签名： 签日：＞６月／r 日日：６／｝ 字期＞／年签字期知＂年月日摘要 摘要 汽车工业是产销量大、产品复杂、劳动力密集、供应链长和行业拉动性强 的制造产业之一，在国民经济发展中占有重要地位。在“中国制造2025”等战 略引领下，目前汽车企业多在开展智能制造升级。其中，零部件物流是汽车生 产中的重要一环，涵盖需求信息传递、取货集货、运输搬运及仓储配送等内容， 具有环节跨度多、品类复杂、优化空间大等特点，构建零部件精益智慧物流是 汽车制造企业实现智能制造的重要途径。 本文以汽车制造企业零部件精益智慧物流为主线，在新冠疫情冲击影响的 背景下，基于车企真实生产场景，将需求侧和供给侧相结合，提出面向汽车供 应链全周期的零部件精益智慧物流腏剑�并以零部件的实物流和信息流为荝��? 对零部件物流的全生命周期开展优化分析。基本实现从经销商处获取需求、到 制造商生成零部件信息、到供应商处采购零部件、再到制造商处零部件装配以 及整车下线的闭环研究。研究涵盖零部件物流主要环节：复杂市场挖掘预测、 装配线最优平衡、采购物流精益取货和无人化智慧配送。本文的主要内容为： 首先，准确掌握市场需求是开展零部件精益智慧物流的起点，特别是新冠 疫情的爆发打乱了汽车消费市场秩序，在复杂市场环境下，为挖掘消费者真 实意愿，掌握市场实时需求，本文收集了疫情期间两家车企每日产销量数据、 国内疫情相关数据，爬取了新浪微博、汽车之家和易车网上汽车相关的社交 媒体讨论数据。针对复杂环境的市场需求预测，本文提出一种基于机器学习 的Boosting预测方法，并与历史均值、SARIMA、SVM、ANN等传统和机器学 习的方法进行对比，验证所提出方法的有效性。同时实验也发现，当疫情发生 后各类方法的预测效果受到较大影响，本文因此分析了结合疫情数据后各预测 方法的表现，结果显示结合疫情数据并不能有效改善膒驮げ庑Ч�。进而，�? 文使用自然语言处理技术对社交媒体数据进行挖掘，以掌握真实消费需求，并 将社交媒体挖掘信息与Boosting方法相融合，实验表明，社交媒体信息可以有效 捕捉汽车市场需求，融合社交媒体信息后的Boosting膒涂梢允迪侄云�车市场�? 时间段（疫情之前、疫情初期、疫情后期）销售需求的准确预测。此外，本文 针对不同测试时间段和不同数据融合方法进行了实验对比分析，进一步验证所 提出方法的稳健性。 其次，在掌握准确市场需求之后，本文针对混流车型双侧装配线平衡问题 开展研究，分析装配线的最优平衡。混流共线生产是当前汽车生产的主流方 式，装配线作为汽车生产中人员密集和时间消耗长的环节之一，其最优平衡 问题是精益智慧物流中的重要一环。本文针对混流车型双侧装配线平衡问题 I 天津大学博士学位论文 开展研究，目前已有的研究大多是采用启发式算法获取近似解，少有可以解 决大型算例的精确求解算法。为此，本文提出了一种基于组合Benders分解的 精确求解算法，实现对包括大规腒憷�在内的最优求解。本文将问题分为�? 问题和子问题，主问题用于确定各工位中工序的分布方案，子问题则是验证 主问题所提供方案的可行性。针对不可行的情况，本文提出基于顺序的枚举搜 索方法来生成组合Benders分解算法的割集，包括TriangleSearch、CrossSearch、 SnakeSearch和InactiveTaskSearch等四个搜索策略，以及一个剪枝策略SubsetPruning。 此外，在小规模、大规模经典算例以及不同节拍时间上，通过与主流启发式和 精确解算法进行对比分析，验证了方法的有效性和准确性。 进而，基于市场需求和装配线最优平衡信息，本文聚焦采购物流的取货问 题。目前汽车企业大多使用循环取货的方式开展零部件采购，为了进一步提升 物流的精益性，本文将P链这种精益库存方式纳入考虑，即零部件从供应商处 送达制造商后，通过P链来分割进度、缓冲内外物流进度差以及实现厂内零部件 高频小批的引取。本文对融合P链的采购物流问题进行科学建模，同时，为进一 步验证膒陀行�性，本文构建了零库存对比膒停�并分别为两种膒蜕杓屏嘶? 于遗传算法的求解方法。此外，本文基于实际生产数据构建了不同规模的算例， 通过与零库存膒偷亩员龋�验证了融合P链取货膒秃颓蠼馑惴ǖ挠行�性�? 最后，在零部件抵达主机厂后，本文开展厂内智慧配送研究。目前智能制 造升级在厂内物流环节的主要趋势是无人化和库存去中心化，本文基于实际生 产场景，提出了一种无人化智慧配送的数学膒停�以满足分散化库存区、无�? 化机器人配送以及设备可共享等生产需求，并严谨地证明膒臀狽P-困难问题。 鉴于问题的复杂性，本文提出了一种基于贪心搜索的启发式求解算法，将研究 问题具象化，并基于实际生产场景构造了不同规模的算例，通过实验验证所提 出膒秃头椒ǖ挠行�性。通过实验分析发现，机器人配送具有良好优势，同�? 基于循环送货的机器人配送也具有很好的实践价值，可以满足相关实际生产场 景。此外，线侧最大库存量关系到机器人配送以及装配员物理操作，在设计生 产物流时应当科学确定，在装配车间物理区域允许范围内，可以适当设置相应 线侧库存。 以上研究一方面拓展了零部件物流领域理论研究，另一方面，本文研究立 意大多受车企生产实际所启发，相关研究成果具有较大的实际应用场景，这为 企业应对新冠疫情冲击，打造零部件精益智慧物流系统，开展智能制造升级和 降本增效提供了重要实践参考。 关键词：汽车企业，精益物流，装配线平衡，P链，无人化，需求预测 II ABSTRACT ABSTRACT Automotive industry is one of the manufacturing industries featuring large produc- tion and sales volume,complex products,labor-intensive,long supply chain and strong industry-boosting ability.It occupies an important position in the national economic development.Under the guidance of “Made in China 2025”and other strategies,au- tomotive manufacturers are currently carrying out intelligent manufacturing upgrades. Parts logistics is an important link of automobile production,which covers demand in- formation transmission,picking up and collecting goods,transportation and handling, and storage and distribution,etc.It is characterized by multiple link spans,complex categories and large optimization space,etc.Building lean intelligent parts logistics is an important way for automobile manufacturers to realize intelligent manufacturing. This dissertation focuses on the lean intelligent parts logistics of automotive man- ufacturers.Based on the real production scenario of automobile manufacturers in the context of the impact of COVID-19,this dissertation combines the demand side and supply side,proposes a lean intelligent parts logistics model for the whole cycle of au- tomobile supply chain and conducts an optimization analysis for the whole life cycle of physical flow and information flow of logistics.The research basically realizes the closed-loop study from obtaining demand from dealers,generating parts information from manufacturers,purchasing parts from suppliers,assembling parts from manufac- turers,and completing assembly.The research covers the main links of parts logistics, including complex market mining and prediction,optimal balance of assembly line, lean pickup of procurement logistics and unmanned intelligent distribution.The main content is as following: Firstly,accurate grasp of market demand is the starting point for carrying out lean intelligent parts logistics,especially since the outbreak of COVID-19pandemic dis- rupted the order of the automobile consumption market.In order to tap the real will of consumers and grasp the real-time market demand under the complex market envi- ronment,this dissertation collects daily production and sales