使用再生塑料生产产品的制造商必须考虑实时变化以降低成本并优化生产。数据驱动方法通过预测市场需求和回收率的不确定性,能够提升生产系统的适应性。
再生材料回收率与市场需求的波动常导致塑料制造商面临不可预测性。为解决该问题,研究人员探索了如何利用历史数据提升塑料生产的响应能力。研究团队将基于滚动周期(RH)的混合整数线性规划(MILP)模型与滚动长短期记忆(LSTM)模型相结合,应用该方法使生产成本最高可降低80%。该技术还能有效解决分销过程中的材料库存和订单延迟问题。
动态应对市场变化
过往研究多采用静态方法处理生产计划问题,这类方法假设输入数据已完备,从而一次性规划整体方案。但在实际场景中,这种理想状态往往难以实现。当现实偏离最优假设时,制造商若未能实时调整将承担巨额成本。
原材料采购决策具有不可逆性:采购方需根据预测回收率计算废塑料订购量。原材料库存水平影响持有成本,回收率与未来需求则左右生产调度与原料采购。此外,市场需求还关联着订单积压与库存水平。这些动态变量对确保产能与需求匹配至关重要。
滚动周期方法摒弃长期规划,转而采用系列短期计划窗口。每个周期结束时,算法会依据最新信息更新计划与预测。这种迭代机制能有效应对市场突变或突发事件。即便面对需求与回收率的波动,新算法仍可基于实时更新的参数实现精准生产调控。
前瞻性规划验证
为评估系统效能,研究人员进行了敏感性分析,测试积压订单、原材料/成品库存及延迟订单在不同滚动周期下的表现。结果显示:原材料库存受滚动周期影响最为显著,缩短周期(即提高系统更新频率)可显著降低相关成本。
持续演进的回收产业
回收行业始终处于动态变化中。当制造商采用再生材料时,适应性成为关键。这种结合RH与LSTM的算法模型能有效应对突发变化并控制生产成本。研究表明,新方法性能显著优于静态模型。未来研究可进一步扩展该规划框架至分销中心与客户端应用。
