隨機克利金法在受限制下的模擬應用於週期性訂貨政策最佳化

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：65

、訪客IP：3.129.69.151

姓名

杜俊學(Jun-Xue Du) 查詢紙本館藏

畢業系所

工業管理研究所

論文名稱

隨機克利金法在受限制下的模擬應用於週期性訂貨政策最佳化
(Stochastic Kriging Metamodeling in Constrained Simulation Optimization :on Inventory Period Review Policy)

相關論文

★ 應用失效模式效應分析於產品研發時程之改善	★ 服務品質因子與客戶滿意度關係研究-以汽車保修廠服務為例
★ 家庭購車決策與行銷策略之研究	★ 計程車車隊派遣作業之研究
★ 電業服務品質與服務失誤之探討-以台電桃園區營業處為例	★ 應用資料探勘探討筆記型電腦異常零件-以A公司為例
★ 車用配件開發及車主購買意願探討(以C公司汽車配件業務為實例)	★ 應用田口式實驗法於先進高強度鋼板阻抗熔接條件最佳化研究
★ 以層級分析法探討評選第三方物流服務要素之研究-以日系在台廠商為例	★ 變動良率下的最佳化批量研究
★ 供應商庫存管理架構下運用層級分析法探討供應商評選之研究-以某電子代工廠為例	★ 台灣地區快速流通消費產品銷售預測模型分析研究–以聯華食品可樂果為例
★ 競爭優勢與顧客滿意度分析以中華汽車為例	★ 綠色採購導入對電子代工廠的影響-以A公司為例
★ 以德菲法及層級分析法探討軌道運輸業之供應商評選研究–以T公司為例	★ 應用模擬系統改善存貨管理制度與服務水準之研究-以電線電纜製造業為例

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

隨機克利金法(Stochastic Kriging)是一種開發已久，用於模型化(metamodeling)隨機模擬模型的方法。隨機克利金法是將克利金法(Kriging)進行改良後的一種方法，相較於克利金法忽略了各模擬試驗中的每個重複試驗中輸出值的變異數，隨機克利金法加入了重複試驗中的內部變異數視為隨機模擬中固有的不確定性，進而使得隨機克利金法能夠更好的運用在隨機模擬上。
本研究主要為研究隨機克利金法在受限制式下進行估計設計點的模擬值，建立一個能夠快速得出總成本的模型，在該模型下找出最佳的訂貨政策。實驗研究了在( s , S )存貨系統下，目標為找到s和S的最佳解，使其總成本最小化；使用隨機克利金法之後所得到的元模型(metamodel)，將我們給定的設計點帶入元模型中，篩選出服從限制式條件下的設計點，最後篩選出最小成本的s和S值。

摘要(英)

This paper demonstrated an experiment exploring the potential of the Stochastic Kriging methodology for constrained simulation optimization. The experiment study an ( s , S ) inventory system with the objective of finding the optimal values of s&S and the minimize total cost. The goal function and constraints in these experiment, did the approach to determine the optimum combination predicted by the Stochastic Kriging prediction model. The results of this experiment indicate that Stochastic Kriging offers opportunities for solving constrained optimization problems in stochastic simulation

關鍵字(中)

★ 蒙地卡羅模擬
★ 克利金內插法
★ 隨機克利金法
★ (s , S )存貨系統

關鍵字(英)

論文目次

目錄
中文摘要 i
Abstract ii
目錄 iii
一、緒論 1
1-1研究背景與動機 1
1-2 研究目的與方法 2
1-3 研究架構 3
二、文獻探討 5
2-1 元模型 5
2-1-1 反應曲面法(Response Surface Metamodels) 5
2-2克利金法(Kiging Method) 6
2-2-1基本克利金法 7
2-3隨機克利金法(Stochastic Kriging) 8
2-3-1隨機克利金法基礎假設 9
2-3-2 隨機克利金預測器 10
2-3-3 參數估計 11
2-3-4 估計內部變異數 12
2-3-5 最大概似估計 13
2-4存貨策略 15
三、研究方法 16
3-1 研究流程 16
3-1-1 預測流程 16
3-1-2 隨機模擬模型建構 17
3-1-3 顧客需求 18
3-1-4 檢查及補貨政策 18
3-1-5 成本建構 18
3-1-6 變數初始值 19
四、實驗結果 20
4-1 Arena模擬結果 20
4-2 隨機克利金法預測器結果 21
五、結論與未來展望 27
5-1結論 27
5-2未來展望 28
六、參考文獻 29

參考文獻

[1]. Andradottir, S.,“A review of simulation optimization techniques”,Proceedings of the 1998 Winter Simulation Conference, pp.151–158, 1998
[2]. Ankenman, B., B. L. Nelson, and J. Staum., “Stochastic kriging for simulation metamodeling”, Operations Research, 2008.
[3]. Bastos, L. S., and A. O’Hagan., “Diagnostics for Gaussian process emulators”Vol. 51, No. 4, Special Issue on Computer Modeling, pp. 425-438 ,2008.
[4]. Barton, R. R., and M. Meckesheimer., ”Metamodel-based simulation optimization. In Simulation”, Vol.3, Handbooks in Operations Research and Management Science, Chapter 18, pp.535–574,2006.
[5]. Bashyam,S. & Fu. M.C., “Optimization of (s,S) inventory systems with random lead timesand service level constraint”, Management Science,44(12-part-2), pp.243-255,1998.
[6]. Box, G.E.P.,“The exploration and exploitation of response surfaces”, pp.16–60,1954
[7]. Cressie, N.A.C., ”Statistics for spatial data”,1993.
[8]. Fang, K.T., R. Li, and A. Sudjianto, “Design and modeling for computer experiments”, 2006.
[9]. Fabian,T., Fisher,J., Sasieni,M.,& Yardeni.A., ”Purchasing raw material on a fluctuating market”,Operations Research,7,pp.107-122,1959.
[10]. Gramacy, R. B., and H. K. H. Lee.,“Bayesian treed Gaussian process models with an application to computer modeling, ”Journal of the American Statistical Association, pp.1119–1130, 2008.
[11]. Staum. Jeremy,“Better Simulation Metamodeling: The Why, What, and How of Sochastic kriging”, Winter Simulation Conference.,2009.
[12]. Kroese, D. P., Brereton, T., Taimre, T., Botev, Z. I.,“Why the Monte Carlo method is so important today”,WIREs Comput Stat6, pp. 386–392,2014.
[13]. Kleijnen, J.P.C.,“A comment on Blanning’s metamodel for sensitivity analysis: The regressionmetamodel in simulation”,Interfaces .Vol.5,pp.21–23.,1975
[14]. Kleijnen, J. P.C., “Kriging metamodeling in simulation: a review”. European Journal of Operational Research, Vol.192,pp.707–716,2009.
[15]. Santner. T. J., B. J. Williams, and W. I. Notz., ”Design and analysis of computer experiments”,New York: Springer-Verlag,2003.
[16]. Stein, M. L.,“Interpolation of spatial data: Some theory for kriging”, Springer Series in Statistics, 1999.
[17]. Tijms.H. C. &Groenevelt. H., ”Simple approximations for the recorder point in periodic and continuous review (s,S) inventory systems with service level constraints”,European journal of operational research,17(2), pp.175-180,1984.
[18]. van Beers & Kleijnen, J.P.C., ”Kriging for interpolation in random simulation”, Journal of the Operational Research Society,54,pp.255–262,2003.
[19]. William E.B., Jack P. C., Kleijnen., Wim C. M. van Beers., Inneke van Nieuwenhuyse, “Kriging metamodeling in constrained simulation optimization:an explorative study”, IEEE, 2008

指導教授

葉英傑

審核日期

2018-7-20

推文