处理模型

关键词： 组分 气质 芳香 分析

处理模型（精选十篇）

处理模型 篇1

族组成分析:该方法给出了烷烃,环烷烃以及芳香烃的组成分布(碳数从3到11,沸程在200℃以内)。

气质联用:油样首先通过色谱柱分离成饱和分,未饱和分,芳香分,极性组分,以及沥青组分,饱和分和芳香分用气质连用方法分析,不饱和分和极性组分用GC-FID分析。

气相色谱一场致电离质谱联用(简称GC-FIMS):GC-FIMS能提供与GC-MS类似的信息。但是,对于轻组分,该方法无需进行液相色谱分离即可进行质谱分离。此外,该方法可通过碳数分布给出烃的类型,通过引进Waters GC-FIMS仪器,该方法所测油样沸程范围由燃料油沸程范围可以拓展到全部沸程范围。

气相色谱一原子发射探测器(简称GC-AED):该方法可用于元素分析并可以给出碳、氢以及硫的沸点分布;还可以用于识别硫。识别主要是通过与标准物的波峰保留时间进行对比;或者是与GC-MS谱图对比;还可以通过与文献数据进行对比。

2 产品性能模拟

本研究建立了大规模的燃料油数据库,数据库内主要有产品性能数据以及相应的燃料油样品的特征矩阵。神经网络方法用来关联产品组成与产品物理性质以及产品性能,这一方法可以简化建模工作量,由于该方法无需预设关联式的数学格式,化工和石油炼制广泛使用这一方法。在200种样品中,140种样品用于神经网络培训,60种用于调试。

3 反应器模拟

3.1 加氢脱硫动力学研究

文献中普遍认可的是在常用的工业温度范围内,单一含硫化合物的加氢脱硫过程可用拟一级动力学方程描述。这意味着Ln(C/C0)与1/T成线性关系,直线斜率代表活化能,截距代表指前因子。在大多数温度范围内,Ln/1/T成线性关系,然而当温度超过385℃以后,曲线出现平台,这主要是由于二苯并噻吩在高温下的加氢/脱氢平衡效应造成的。二苯并噻吩的加氢脱硫过程有两种反应途径:一种是通过加氢分解直接脱硫;另外一种是通过芳环加氢间接脱硫;直接的脱硫路线由Co/Mo基加氢催化剂控制,间接脱硫路线由Ni/Mo基催化剂控制。结果显示两条脱硫路线的反应动力学模型均可用加氢/脱氢平衡效应解释。但是,在高温下,气液平衡效应可能在加氢脱硫过程发挥着重要作用。

3.2 催化剂效率和利用率

要研究工业加氢条件下催化剂的效率和利用率,需要做工业催化剂和它的碎颗粒之间的对比实验。对于“整”催化剂,二苯并噻吩取代物的催化剂效率因子范围为0.3-0.82,对于“碎”催化剂,二苯并噻吩取代物的催化剂效率因子范围为0.81～0.98。这表明,在“整”催化剂中,存在很大的内扩散阻力,即使对“碎”催化剂(尺寸从0.25～0.50mm),仍然有一定的内扩散阻力,对于没有位阻效应的二苯并噻吩取代物,催化剂效率因子最低,而对于位阻效应最强的二苯并噻吩取代物,催化剂效率因子最高,这主要是由于二苯并噻吩系列取代物的分子尺寸差别较小,因此,颗粒内扩散差别也较小。然而由于二苯并噻吩系列取代物的固有动力学速率常数存在差异,没有位阻效应或者位阻效应较弱的二苯并噻吩系列取代物的反应速率常数比较高,位阻效应强的二苯并噻吩系列取代物反应速率常数比较低,反应速率高会导致Thiele模量高,因此,催化剂效率因子比较低。

3.3 石油原料的分子描述

NCUT开发的先进特征化方法可以给出石油原料的沸点和碳数分布,然而,该方法很难模拟加氢处理和加氢裂解过程中单个分子的真实反应。为了解决这一问题,本研究开发了用一套用典型分子代表石油原料的分子模拟方法,在这一方法中,典型分子及其浓度的优化主要通过满足实验测得的特征化矩阵所包含的分析约束获得,该方法已经成功用于描述中间沸程的石油混合物,使用该方法,无需分组或集总,即可在分子水平研究石油加氢处理和裂解过程中的详细动力学反应网络。

3.4 汽液平衡及其对加氢脱硫的影响

本文的汽液平衡实验是在小规模连续操作装置中进行的,操作条件为典型加氢处理条件,实验体系为氢气和氢循环油,从汽液平衡实验发现,随着温度上升以及压力下降,汽相中轻循环油的量,总硫化物量以及单一硫化物量大幅度增加。随温度增加,汽相中轻循环油总量也随之增加,在350℃,汽相中轻循环油的含量约占50wt%,在400℃,汽相中轻循环油的含量约占90wt%,这大大改变了加氢处理器中的有效LHSV。

4 结论

西北地区污水再生处理工程投资模型 篇2

西北地区污水再生处理工程投资模型

污水再生回用是一条解决西北地区水资源短缺的有效途径,而回用工程投资是影响回用的`一个关键因素.采用最小二乘法通过对统计数据的拟合,建立了再生水厂单体构筑物的造价模型,以此为基础建立了再生水厂在几种不同工艺下运行的工程投资模型,通过检验认为该模型合理,可用于西北地区的污水再生回用工程的投资计算.

作 者：黄廷林 刘小英 李梅 HUANG Ting-lin LIU Xiao-ying LI Mei  作者单位：黄廷林,刘小英,HUANG Ting-lin,LIU Xiao-ying(西安建筑科技大学,环境与市政工程学院,陕西,西安,710055)

李梅,LI Mei(山东建筑工程学院,环境工程系,山东,济南,250014)

刊 名：中国给水排水  ISTIC PKU英文刊名：CHINA WATER & WASTEWATER 年，卷(期)： 21(8) 分类号：X703.1 关键词：西北地区   污水再生回用   投资模型  

处理模型 篇3

关键词 垃圾回收； 优化模型； 0-1整数规划； 两型社会

中图分类号 O22.1 文献标识码 A

Optimization Model of Garbage Collection with Recycling Demand

JIANG Huabin1， MA Shuangyan2，ZHANG Jianshi2

（1.Hunan Vocational College of Commerce， Department of Information Technology， Changsha，Hunan 410205，China；

2.Finance School of Jilin University， Changchun，Jilin 130012，China）

Abstract It is a fundamental requirement to recycle garbage for construction of resource conserving and environmentalfriendly society （called two types of social）. This article investigated the problem of garbage collection with deterministic daily recycled amount by the approach of optimal inverse logistics management. The optimization models were constructed respectively with minimal processing cost in two cases： the processed garbage can be fully reused by shipping to the demand enterprises directly， or the processed garbage can be partially reused by shipping to the demand enterprises or the garbage treatment centers. The models turn out to be 0-1 integer programs， and can be solved directly in the software LINGO. Case study shows that the models are promising.

Keywords Garbage recycling； optimization model； 0-1 integer programming；two types of society

1 引 言

逆向物流是现代物流学中的新概念，美国物流管理委员会（CLM）对这一概念的定义是：实施，计划和控制原料，成品，半成品库存及相关信息，高效且经济地从消费点到起点的过程，从而达到回收价值和适当处理的目的[1]。随着公众环保意识的不断增强，环保法规约束力度的逐步加大，逆向物流的经济价值和社会价值也日益显现.目前，逆向物流的研究已经引起人们的广泛关注. Peirce在废弃物处理设施和处理技术既定条件下，利用线性规划模型研究了中转站、处理设施和长期储存仓库之间运输线路问题[2]；Zografos以运输风险、运输时间和处理风险最小化作为研究目标，研究了单一类型废弃物的逆向物流问题[3]；Koo等利用模糊理论和多目标优化技术研究了韩国有害废弃物处理中心的区位和车辆线路问题[4]；沈雁飞等简要讨论了城市生活垃圾逆向物流网络优化设计的问题，在垃圾回收中心的日回收量确定的情况下，研究了垃圾回收中心和垃圾处理中心匹配问题，以达到费用最少的目标[5]. 万中等人还研究了多态不确定性环境下的城市固废管理问题连续性优化模型及求解算法[6-8].

考虑到经垃圾处理中心处理后的垃圾可全部利用或部分利用的情形，本文将研究一类新的垃圾回收处理问题的离散型优化模型，除垃圾回收中心和处理中心外，本模型还引入了垃圾再利用需求企业和垃圾终端环保处理中心.在给定模型各要素之间的的时间和空间关系的条件下，对垃圾的回收方式和可再利用垃圾的运输途径进行决策优化，目标是最小化运输成本.

其中，C表示运输费用因子，即每一单位重量物品的运输费用与运输距离或者运输时间的比值；xij为决策变量， 表示垃圾回收中心vi的垃圾是否运往垃圾处理中心uj进行处理. 若“是”，则取“1”， 否则取“0”；Di表示垃圾回收中心vi的日回收量；Wj表示垃圾处理中心uj的日处理能力；Si表示垃圾回收中心vi结束回收的时刻即开始运往处理中心uj的时刻；aj表示处理中心uj开始工作的时刻；bj表示处理中心uj结束工作的时刻；tij表示垃圾回收中心vi到垃圾处理中心uj的运输时间.

考虑到经垃圾处理中心处理后的垃圾可全部利用或部分利用，本文引入处理后的垃圾进行再利用的需求企业，并分全部或部分可被再利用两种情形建立新的优化模型，不能再利用的垃圾则最终由终端环保处理中心进行环保处理.

2.1 全部被再利用的情形

当考虑经过垃圾处理中心处理过后的全部垃圾均可被再利用时，需要加入需求企业，此时，不仅要考虑哪个垃圾回收中心的垃圾应该运往哪个垃圾处理中心，还应该考虑哪个垃圾处理中心的垃圾应该运往哪个需求企业. 因此，为构造新的运输费用函数，作以下模型假设：①一个垃圾回收中心的垃圾只能运往到一个垃圾处理中心；②假设垃圾处理中心的个数小于垃圾回收中心的个数；（③假设不考虑垃圾处理中心本身的建设费用和运营费用；④假设单位重量物品的运输费用与运输距离成正比；⑤假设所有垃圾车将垃圾从垃圾回收中心运往垃圾处理中心的速度是固定的；⑥假设不考虑需求企业本身的建设费用和运营费用；⑦假设垃圾只有经过垃圾处理中心的处理之后才能运往需求企业，而不能直接由垃圾回收中心运往需求企业；⑧假设从垃圾处理中心运往需求企业的车子的运输速度与从垃圾回收中心运往垃圾处理中心的车子的速度是相同的；⑨假设所有垃圾处理中心对垃圾的处理率相同.

nlc202309021823

首先引入如下记号：

垃圾回收中心： V={vi|i=1，2，…，m}；

垃圾处理中心： U={uj|j=1，2，…，r}；

需求企业的集合：T={tk|k=1，2，…，n}；

dij： 垃圾回收中心vi到垃圾处理中心uj的运输距离；

djk：垃圾处理中心uj到需求企业tk的运输距离；

C： 运输费用因子（每单位重量物品的运输费用与运输距离成正比）；

xij： 为0，1决策变量， 表示由垃圾回收中心vi的垃圾是否运往垃圾处理中心uj进行处理；

xjk： 为0，1决策变量， 表示可回收垃圾是否从垃圾处理中心uj运往需求企业tk.若“是”，则取“1”， 否则取“0”；

Di： 垃圾回收中心vi的日回收量；

Wj： 垃圾处理中心uj的最大处理能力j=1，2，…，r；

Rk：需求企业tk的最大需求量，k=1，2，…，n；

Si： 垃圾回收中心vi结束回收的时刻即从此时开始运往处理中心uj的时刻；

aj： 处理中心uj开始工作的时刻j=1，2，…，r；

bj：处理中心uj结束工作的时刻j=1，2，…，r；

v： 运送垃圾的平均速度；

tij：垃圾回收中心vi到垃圾处理中心uj的运输时间，即tij=dij/v；

t′jk：垃圾处理中心uj到需求企业tk的运输时间，即t′jk=djk/v；

η：垃圾处理中心对垃圾的处理率.

此时，总的运输费用应该由两部分组成，一部分是从垃圾回收中心运往垃圾处理中心的运输费用，另一部分是从垃圾处理中心运往需求企业的运输费用.每个需求企业都有一个最大需求量，运往该需求企业的总需求量必须不超过这个需求企业的最大需求量[9].为了使模型更更加贴合实际，具有实用性，认为垃圾经过处理中心的处理，必然会有一部分损失，故需在模型中加入垃圾处理中心对垃圾的处理率.除此之外，在垃圾处理中心运往需求企业这个过程中，若需求企业的个数少于垃圾处理中心的个数，为使模型简单化，则必须有一个垃圾处理中心的垃圾只能运往一个需求企业，多个垃圾处理中心的垃圾可以运往同一个需求企业；若需求企业的个数大于垃圾处理中心的个数，则必须有对于每一个需求企业，至少需要接受从一个垃圾处理中心运过来的垃圾.若需求企业的个数等于垃圾处理中心的个数，此时考虑必须有一个垃圾处理中心的垃圾只能运往一个需求企业和必须有对于每一个需求企业至少接受从一个垃圾处理中心运来的垃圾两种情况是相同的，所以可归于任何一种情况.在此将需求企业个数等于垃圾处理中心个数的情况归于需求企业个数多于垃圾处理中心个数的情况.基于上述论述，分情况建立优化模型.

1） 需求企业数目少于垃圾处理中心数目

此时新增假设：一个垃圾处理中心的垃圾只能运往一个需求企业，多个垃圾处理中心的垃圾可以运往同一个需求企业.从而可建立如下模型（记为M1）：

在模型（M1）和（M2）中，目标函数为总的运输费用成本；第一个约束条件表示一个垃圾回收中心的垃圾只能由一个垃圾处理中心负责处理；第二个约束条件分别表示一个垃圾处理中心的垃圾只能运往一个需求企业，多个垃圾处理中心的垃圾可以运往同一个需求企业，以及每一个需求企业至少需要接受从一个垃圾处理中心运过来的垃圾；第五个约束条件表明运往一个垃圾处理中心的垃圾量不能超过该处理中心的最大处理能力；第六个约束条件表明运往一个需求企业的垃圾量不能超过该需求企业的最大需求量；第七个约束条件确保垃圾运输车在处理中心工作时间范围内到达， 否则视为无效解.模型（M1）和（M2）均为0-1整数规划模型.

2.2 部分垃圾可被再利用的情形

下面考察经过垃圾处理中心处理的垃圾部分可被利用，另外一部分不能被利用，需要进行环保处理的情形，即在（M1）和（M2）的基础上再加入一个环保处理过程.

当部分垃圾可以被再利用时，不仅需要考虑垃圾回收中心到垃圾处理中心的运输费用，经垃圾处理中心处理过后可以被再利用的垃圾从处理中心到需求企业的运输费用，还需要考虑不能被再利用的垃圾从处理中心到环保处理的运输费用.此时，假设：①假设不能利用的垃圾全部运往一个地方进行环保处理；②假设不考虑环保处理的费用；③假设所有垃圾的可再利用率相同；④假设运输车从垃圾处理中心运送垃圾到环保处理中心的速度与其他的运输车的速度相同；

新增加的符号为：

d′j：垃圾处理中心uj到环保处理中心的运输距离；

t′j：垃圾处理中心uj到环保处理中心的运输时间，即t′j=d′j/v；

ρ：垃圾经过处理中心的处理之后的可再利用率.

此时，总的运输费用应该由三部分组成，第一部分是从垃圾回收中心运往垃圾处理中心的运输费用，第二部分是从垃圾处理中心运往需求企业的运输费用，第三部分是由垃圾处理中心到环保处理中心的运输费用.为将模型简化，假设只有一个环保处理中心的情况，即经过垃圾处理中心处理过的所有不能被再利用的垃圾均运往一个地方：垃圾终端环保处理中心 [10].

1） 需求企业数目少于垃圾处理中心数目

3 模型实证研究

本节结合实际问题证实模型的合理性.考虑某城市共有10个垃圾回收中心，3个垃圾处理中心，5个需求企业，为了使城市环境良好，市政每天早上派遣专门的垃圾车从所有居民区收集所产生的生活垃圾，8点前运到附近的垃圾回收中心，然后再由垃圾回收中心派遣专门的车辆将垃圾运往最后的目的地——垃圾处理中心.为提高垃圾处理中心的工作效率，使机器能够得到合理的利用，不至于出现空闲的机器，采取将垃圾进行集中处理的办法，在此规定垃圾处理中心每天的工作时间为9点到17点.然后经过处理的垃圾再有运输车运往需求企业[11].每个处理中心的处理能力如表1所示.

nlc202309021823

每个垃圾回收中心的日回收量如表2所示. 每个垃圾回收中心到处理中心的运输距离如表3所示，每个垃圾处理中心到需求企业的运输距离如表4所示，运输车运输的平均速度为10km/h，垃圾回收中心结束回收的时刻，即开始运往垃圾处理中心的时刻如表5所示，各个需求企业的最大需求量如表6所示，为简化问题，将运输费用因子取1处理[9].

在LINGO10软件平台上编程求解模型（M3），利用分枝定界算法可得全局最优解：xi1=1，i=1，3，4，6；xi2=1，i=7，8，9，10；xi3=1，i=2，5；x3k=1，k=1，2，3，4，5.其他决策变量的最优值为0.最小费用为3277.53.

若垃圾处理中心到环保处理中心的运输距离见表7[11]. 在LINGO10软件平台上编程求解模型（M4） ，可得同样的全局最优解，其最小费用为8 398.52.

4 结束语

本文从垃圾可回收再利用的角度分析了逆向物流在垃圾回收处理中的应用，考虑了在垃圾回收中心的日回收量确定的条件下，经处理过后的垃圾全部都可被再利用和部分可被再利用的情况，为解决实际问题提供了很好的方法.

参考文献

[1] 吴刚.逆向物流规划体系及其基础理论研究[M].成都：西南交通大学出版社，2008.

[2] Peirce J J， Davidson G M. Linear programming in hazardous waste management[J]. Journal of Environmental Engineering， 1982， 108（5）： 1014-1026.

[3] Zografos， K G， Samara S. Combined locationrouting model for hazardous waste transportation and disposal [J]. Transportation Research Record， 1990， 1245：52-59.

[4] Koo J K， Shin H S， Yoo H C. Multiobjective siting planning for a regional hazardous waste treatment center[J]. Waste Management and Research， 1991， 9（3）： 218-250.

[5] 沈雁飞，牧云志.城市生活垃圾逆向物流网络优化[J].经济论坛，2007（12）：68-71.

[6] 万中， 冯燕茹， 梁文冬. 多态不确定性环境下的城市固废管理模型及求解方法[J]. 湖南大学学报：自然科学， 40（2）： 89-94， 2013.

[7] 万中，阳彩霞， 郝爱云. 地市级可再生资源能源利用优化[J]. 经济数学， 26（2）：36-41， 2009.

[8] 费威. 基于可替代资源的稀缺资源利用问题研究[J]. 经济数学， 29（1）：6-9， 2012.

[9] A I BARROS， R DEKKER， V SCHOLTEN.A twolevel network for recycling sand： a case study [J]. European Journal of Operational Research， 1998， 110（2）： 199-214.

[10]L OVIDIU， D ROMMERT. A stochastic approach to a case study for product recovery network design[J]. European Journal of Operational Research， 2005， 160（1）： 268-287.

[11]J BAUTISTA， J PEREIRA. Modeling the problem of locating collecting areas for urban waste management. An application to the metropolitan area of Barcelona [J]. Omega， 2006， 34（6）： 617-629.

树状成本估算模型的并行处理 篇4

1 并行处理简介

并行处理(parallel processing)是指,在并行机上,将一个程序分解成多个子任务,分配给不同的处理器,各个处理器之间相互协同,并行地执行子任务,从而达到加速求解速度,或者求解应用问题。

在实际的应用中,并行处理对需要进行处理的程序有一定的要求,并不是所有的程序都适合进行并行处理。下面将从业务和技术的角度来分析这种要求。

1.1 业务上的要求

为了能够并行地处理数据,以满足业务上的需求,程序必须具备以下几个特征:

1)程序中的处理项目可以以不固定的顺序执行。由于在并行的任务中,无法保证每个被处理项目的处理顺序,就必须保证在整个程序执行过程中,没有诸如“处理项目X必须在处理项目Y之后进行处理”的限制。也就是说,如果业务流程必须按照一定的顺序执行,那么它就不能进行并行处理。

2)处理项目可由一定的条件进行划分。为了能够将程序需要处理的任务划分成一个个处理项目以便进行并行处理,就必须要确定对任务进行划分的条件。从业务上看,这个划分条件可以是一个客户,一个日期或任何有意义的情形。一个好的划分条件能够将任务适当的分成多个处理项目的类型,某一类处理项目不会被其他处理项目影响。例如,客户A的处理项目不会受其他客户的处理项目影响。

3)保证数据的一致性。必须保证即使在一个程序任务中只有一部分的处理项目被处理,也不会产生不一致的数据。这是因为如果一个并行任务运行失败,这一任务对数据库的任何修改都会被数据库回滚机制取消。但是,由于所有的并行任务都运行在它们各自的逻辑工作单元(LUW)中,由其他并行任务处理所产生的数据库修改都不会受数据库回滚机制的影响。事实上,那些已经完成的并行任务通过事务提交已经确认了数据库的修改,这就会出现某些数据库修改已经完成而另外一些没完成的情况。如果在并行处理中产生了不一致的数据,就必须能够处理它们。如果不一致的数据无法被处理,那么程序就不能进行并行处理。

4)并行任务必须具有重启机制。若某些正在处理的项目由于某种错误而失败,用户必须有办法在错误被修正以后重启当前的并行任务,以保证剩下的处理项目能够被处理。用户也必须保证,在该并行任务中已经被处理的项目不会被重新处理。

1.2 技术上的要求

为了能够并行地处理数据,待处理的程序必须具备以下技术特征:

1)可进行适当的条件划分。划分条件具备业务特征和技术特征。在某些情况下,可能已经有几个划分条件作为备选,这时候就需要从这几个被备选的划分条件中选出最优化的条件。从技术的角度来看,划分条件能够:

(1)避免锁冲突。在并行处理的过程中,待处理的任务不能产生死锁,这一点非常的重要。

(2)并行处理任务的载荷接近。载荷接近意味着多个并行处理任务所需要处理的数据量接近,所耗用的时间也大致相同,这样就不会产生许多并行处理任务等待某个并行处理任务完成的情况,这种情况对并行处理的性能影响很大。

(3)产生足量的工作包。如果根据划分条件,仅可产生两三个工作包,那么并行处理的任务数目也是有限的,也就无法充分发挥并行处理的优势。

2)保证优化的吞吐量。根据划分条件,程序必须能够在一定的时间内产生足量的工作包。如果产生工作包的时间过长,那么使用并行处理模块的额外成本就会太高。

3)工作包在并行处理开始时需要准备就绪。如果在并行处理开始时,仅有几个工作包就绪,那么并行处理的效果将无法充分发挥。

2 树状结构的成本估算模型

SAP企业战略管理-数据仓库模块(SEM-BW)下的产品“产品设计成本估算”(Product Design Cost Estimate)是一种在产品设计、开发、报价等阶段进行计划、监测和优化产品成本的工具。它的核心功能有两个:一是进行产品的成本建模,二是基于成本构成模型,参考成本要素的生产或购买价格,对产品进行成本估算。

2.1 用树状结构描述产品成本的构成

首先来了解一下产品成本的组成。通常,产品成本主要由以下几类成本要素构成:

1)原材料(Material)

2)内部人工(Internal Activity)

3)外部人工(External Activity)

4)间接成本(Overhead Cost)

5)业务流程(Business Process)

6)运输成本(Delivery Cost)

对于某一种产品,它的成本可以由以上几类成本要素按照一定的组合方式和数量归结而成。这种组合可以被定义为一个“成本组”(Costing),它表示了这种产品的某个模块的构成情况;而成本组之间以及成本组与成本要素之间按照一定的方式组合成一个“含利润成本估算项”(Cost Estimate with Margin)。这种构成方式可以直观的用树状结构来描述。

其中,节点ACT表示人工,节点MAT表示原材料,BP表示业务流程,OVH表示间接成本,CE表示成本组,CEM表示含利润成本估算项。图2用一个Maxitec-R 3400的个人电脑的例子来说明一个典型的产品成本构成。

由图2可见,一台Maxitec-R 3400的个人电脑的成本可以表示成为一个树状的结构,这棵树的根节点代表这台个人电脑,中间节点代表个人电脑的组成模块,而叶子节点代表个人电脑的零部件。从这个树状结构模型可以看出,这台个人电脑是由以下成本要素和成本组构成的:

1)原材料:1200/R-1120、1200/R-1130、1200/R-1140、1200/R-1150、1200/R-1162、1200/R-1170,每一种原材料都用了一件(PC)。

2)2分钟的内部人工4275/1420;

3)成本组1200/R-1112、1200/R-1180C和1200/R-1190C各一个。

其中,成本组1200/R-1112和1200/R-1190C分别由若干原材料及成本组组成,成本组1200/R-1180C由2分钟的内部人工4278/1420及一件原材料1200/R-1250C组成。

2.2 基于成本构成树状模型进行成本估算

在以上例子中,我们可以看到,当确定了个人电脑的成本构成模型后,就可以计算出成本要素及成本组的价格,从而确认这台个人电脑所对应的含利润成本估算项PDCE/1/1200/R-1004的成本是1352.85欧元。上图树状结构的最后两列标明了每个成本要素或成本组在构成这台个人电脑中所占有的成本金额和货币单位。

也就是说,有了产品的成本构成模型,我们就可以参考使用到的成本要素的价格,确定每一个成本组的价格,进而根据成本组和成本要素或是成本组之间的构成,计算出产品对应的含利润成本估算项的价格,最终完成一个产品的成本及利润的估算。具体的算法如下:

1)对于树状结构的叶子节点,即成本要素,其成本=数量×单价。

2)对于树状结构的中间节点,即成本组,其计算成本为成本要素的成本之和。如果成本组没有指定价格,则其成本为计算成本;如果成本组有指定价格,则其成本=数量×指定价格;其单价=计算成本÷数量。

3)对于树状结构的根节点,即成本及估算项,其计算成本为成本要素、成本组的成本之和。如果成本及估算项没有指定价格,则其成本为计算成本;如果成本及估算项有指定价格,则其成本=数量×指定价格;其单价=计算成本÷数量。

图3直观地描述了一个产品的成本计算方法:

在以上的成本模型中,自下而上分为4层,成本计算由第1层开始,一层一层往树状结构的第4层的根节点进行计算,最终确定产品的成本。该成本模型的成本计算的步骤如下:

1)第1层

原材料Mat.1,成本=数量×单价=3000×5=15000

人工Act.:成本=数量×单价=200×3=600

间接成本的成本与数量无关,故对于经常性项目开支Ovh.:

成本=单价=400

2)第2层

成本项CE1:计算成本由其下的成本要素计算而来,因此其计算成本=原材料Mat.1成本=15000;由于其没有指定价格,因此成本=计算成本=15000;它需要的数量是1500件,因此其单价为10。

3)第3层

成本项CE2:计算成本由其下的成本项计算而来,因此其计算成本=CE1成本=15000。由于其没有指定价格,因此成本=计算成本=15000;它需要的数量是500件,因此其单价=计算成本÷数量=15000÷500=300。

成本项CE3:计算成本由其下的成本要素计算而来,因此其计算成本=Mat.1成本+Act.成本+Ovh.成本=2500;它的指定价格是3,需要的数量是1000件,因此成本=1000×3=3000;其单价=计算成本÷数量=2500÷1000=2.5。

4)第4层

成本及利润项CEM:由于它有指定价格,因此成本=指定价格×数量=200×100=20000;其计算成本=CE2成本+CE3成本=3000+15000=18000;其单价=计算成本÷数量=18000÷100=180。

3 成本估算的并行处理

3.1 并行处理的算法

在现实的应用中,一个产品的实际成本模型往往相当的庞大,例如空中客车公司的一架客机或是大众汽车公司的一部中级轿车等。这类的产品如果需要进行成本估算的话,它的成本要素和成本组的数量是以十万甚至百万计的。传统的方法是将产品分为一个个子模快,负责不同模块的成本计算人员分别对子模快进行成本计算,然后再将一个个子模块的成本聚集起来。对于这类产品的成本计算,往往费时费力,只能当子模块的成本计算完成以后,才能对子模块的组成模块的成本进行计算。对应到树状成本估算模型,计算的顺序是固定的,即从树状结构的叶子节点开始,按层级一层一层的向根节点的方向进行计算的。然后,可以看出,对于每一层的成本组的估算是可以并行进行的,每一层的成本组之间不存在数据的依赖关系,因此可以将同一层上的成本组的估算进行并行的计算处理,其主要的算法步骤是:

1)对树状成本模型进行自下而上的分层,叶子节点为第1层,根节点为第n层。

2)对每一层的成本组的计算进行分包处理:若干个成本组可以分为一个包,每一个成本组及组成它的成本要素(或成本组)为一个单元,当一个包内若干个成本组中包含的成本组及组成它们的成本要素(或成本组)达到一定的数量时,确认该工作包;将该层剩余的成本组继续构建单元和工作包,直到该层所有的成本组都有指定的工作包为止。

3)将待处理的层次按照升序排列,并按照自下而上的顺序处理。对于正在处理的某一层,将工作包分配给并行处理的任务,以便并行地处理工作包,对于每一个工作包,按照成本估算的算法进行计算,并将计算结果存储在数据库中,以便在下一层中读取计算结果,作为成本组成本归集要素。

3.2 并行处理的程序实现

以下将通过对图3表示的成本模型的并行处理举例,解释并行处理的程序实现。

1)树状结构层次的划分

将成本要素、成本组及含利润成本估算项统一地视为一个树状结构中的节点,叶子节点的层数为1;遍历每一个叶子节点,寻找它的父节点,其父节点的层数为叶子节点的层数+1;对于寻找到的父节点,寻找它们的父节点,其层数为节点层数+1,直到寻找到根节点;这样,成本模型的层级划分的计算结果如图4所示。

2)工作包的确认

由于成本的计算是按照自下而上的层级进行的,而对于每一层,又需要定义工作包,以便分配到不同的任务中进行处理。因此,需要为工作包定义数据结构以标识工作包的层级、工作包、及工作包中需要计算的成本要素(或成本组)信息。

定义数据结构S_PACKAGE如下:

其中,LEVEL表示工作包的层级,PACKAGE表示工作包号,ELEMENT_ID表示成本结构中的节点号,FOR_CALCULATION表示该节点是否需要计算,当其值为TRUE时说明该节点需要计算,当其值为FALSE时说明该只需要读取该节点已计算的值。

为了在每一层的计算过程中进行并行处理,需要指定工作包的大小,以获得足量的工作包:工作包中含有节点的数量为工作包的大小,定义工作包的大小参数为PACKAGE_SIZE,在本例中,PACKAGE_SIZE为2。

根据上一步骤确定的层级信息,及工作包的大小,可以确定一张工作包计算表,它的行结构为数据结构S_PACKAGE,工作包计算表如表1。

需要注意的是,虽然工作包的PACKAGE_SIZE设置为2,但如果存在必须出现在同一工作包内的节点数目超过2的情况时,工作包的节点数目超过设定值是被允许的。例如:第3层的第5个工作包含有4个节点,这是因为当处理第3层的需要计算的节点CE3时,发现其下含有三个子节点,这四个节点必须同时计算置于同一个工作包内,才能保证节点CE3的值计算正确;同理,第4层的第6个工作包含有CEM、CE2、CE3三个节点,以保证CEM的计算结果正确。

3)按照自下而上的层次,对每层进行并行计算

将工作包计算表按照字段LEVEL升序排序,对于每一层,调用SAP并行处理功能模块“SPTA_PARA_PROCESS_START_2”,对工作包进行并行处理。需定义三个子程序分别处理工作包的准备,工作包的计算及工作包计算后的处理:

(1)before_rfc_callback_form

负责从当前层的工作包计算表中取出一个待处理的工作包,准备需要处理的具体数据。

(2)in_rfc_callback_form

负责将当前处理的工作包内的数据进行计算。

(3)after_rfc_callback_form

负责将已处理的工作包的信息返回。

4 结论

通过对成本估算模型的并行处理,计算的效率得到了明显的提高,尤其是对于结构巨大的成本模型,其效果更加明显。表2通过一组数据给出了并行计算对性能提升的实际效果。

可见,成本估算模型的并行处理对计算性能的提升有着显著的效果。

参考文献

[1]张林波,迟学斌,莫则尧,李若.并行计算导论[M].北京:清华大学出版社,20063-5.

[2]J Dongarra,I Foster,G Fox,W Gropp,K Kennedy,L Torczon,AWhite.Source-book of Parallel Computing[M].荷兰:Elsevier Science,2006.

[3]Susanne Janssen,Werner Schwarz.SAP Professional Journal[M].德国:SAP出版社,2002:55-56.

[4]SAP Knowledge Warehouse.Product Design Cost Estimate[EB/OL].http://help.sap.com/SAPHELP_SEM350BW/helpdata/EN/a2/f77c94acbc59428694892ed352b01e/frameset.htm.

[5]SAP Knowledge Warehouse.Parallel Processing with Asynchronous RFC[EB/OL].http://help.sap.com/saphelp_nw04/helpdata/EN/22/0425c6488911d189490000e829fbbd/content.htm.

[6]SAP AG.AC505 Product Cost Planning[M].德国:SAP出版社,2005:14-16.

网络处理器软件开发模型的研究 篇5

关键词：网络处理器 软件开发模型 微引擎 微模块 核心组件

引言

随着当今网络规模和性能迅速增长，Internet主干网络流量的指数性增长及新业务接连的出现，这就要求网络设备具有线速和智能的处理能力。网络处理器NP（Network Processor）便是一种新兴、有效的统一解决方案。它适用于各层网络处理，具有ASIC高速处理性能和可编程特性，既能保证系统灵活性，又能完成线速处理数据包所要求的高性能硬件功能。目前，网络处理器已经涌现出了一些成功的应用范例。这些应用主要包括：基于网络处理器的路由交换设备、智能安全设备和入侵检测设备等。比如，北京联想使用IBM的PowerNP构成了电信级的防火墙设备。与此同时，围绕着网络处理器应用展开的相关研究也得到了飞速发展，一些企业和科研机构也给予了足够重视。例如，Intel专门投资支持全球100所大学进行网络处理器及其相关应用的研究。

由于网络处理器特殊的体系结构，它的软件编程模型与传统网络应用/嵌入式应用开发有较大不同，更为复杂。本文将以Intel IXP2400网络处理器为例，对网络处理器软件开发模型进行较为详细地探讨。

1 网络处理器硬件架构

在一般程序设计中，可以不考虑操作系统和编译程序、线程调度的细节、寄存器的数量和容量，而在网络处理器的程序设计中，忽略这些因素就不能编写出优化的程序。在对网络处理器，尤其是微引擎编程之前，需要仔细了解网络处理器的系统结构和硬件平台。下面以Intel的IXP2400为例来说明。

IXP2400网络处理器是Intel在推出的第二代互联网交换架构（IXA）网络处理器。其中，IXP2400是面向中高端应用的网络处理器，可用于实现OC-48的网络路由交换设备。

(本网网收集整理)

Intel的IXP2400网络处理器结构允分体现了SoC(System on Chip)的思想。如图1所示，它的内部主要包括8个完全可编程的4线程微引擎（Mev2）和1个XScale核。此外，还有用于连接外部MAC设备的MSF单元、连接各种存储器和总线的接口单元等。这些单元通过内部的高速数据总线和控制总线彼些协作。

XScale核（core）是ARM系列处理器的一种，它在IXP2400中起控制和管理作用。具体包括：对系统初始化；提供系统的时钟；建立并管理路由表；提供一个对应于IXP2400各寄存器、存储器和外部存储器的地址映射表等。XScale核在系统启动时，从BootROM开始执行引导程序，对整个IXP2400系统进行初始化。

IXP2400中的每一个微引擎其它就是一个32位RISC处理器，可以由4个并行硬件线程共享。数据包的接收、处理和发送等任务，均由微引擎中的各线程并行执行微引擎指令存储区中的微代码程序来完成。网络处理器数据的高速转发正是因为充分利用了硬件的并行性，来弥补线速转发中的内存访问的延迟。

IXP2400嵌在开发板的中心，周围通过数据线连接着各种设备，如SRAM，SDRAM等。SDRMA主要用来存放需要处理和转发的数据包等，也作为XScale核的内存；SRAM主要存放对数据包包头进行处理所需的重要信息和数据包的队列描述等内容。通过IXP2400的数据单元是一个64字节的MAC包（MPKT），在每收到一个包的时候，MAC将一个数据分成若干个MPKT，MPKT就是网络处理器处理数据的单位。

综上所述，IXP2400拥有网络处理的一般特点，从系统角度看，IXP2400属于一个并行式的多算是器共享总线的计算机系统。对于网络处理器的程序设计和一般计算机的程序设计有很大不同。

处理模型 篇6

关键词：HIS颜色空间；H分量；木醋液；堆肥；色度模型

中图分类号：S216.1；S141.4 文献标志码：A 文章编号：1002—1302（2016）01—0399—04

改革开放以来，随着经济的发展和人们生活水平的提高，畜禽养殖发展迅速。但是由于畜禽粪便未能得到有效处理，导致水体、土壤和空气严重污染，对人畜生存环境带来危害。通过物理指标，色度变化，可以大致判定是否腐熟，但是靠人工目测，不仅缺乏客观性和可重复性，而且检验精度低。在现代化的农业生产中，将计算机图像处理技术应用到堆肥中，能够极大地降低对工作人员的要求，提高了分析的客观性和准确性，为机器视觉技术迅速判断堆肥腐熟提供理论参考。由于HSI颜色模型在接近人眼对景物的认知方面优于RGB颜色模型，广泛应用于除草机器人、水果采摘等自动彩色目标识别的场合。目前利用图像处理-HSI颜色模型判别不同堆肥阶段的腐熟程度还未见报道。本研究提出1种以图像处理-HSI颜色模型对棉秆木醋液处理牛粪堆肥过程不同阶段进行检测，探索以机器视觉系统对不同堆肥期的腐熟程度进行自动识别的新途径。对农业和生态环境的健康长效的发展具有重要的意义。

1材料与方法

1.1试验材料

试验中的棉秆木醋液由生物质热裂解实验装置热解得到，该装置功率为12 kW，一次最多可放4 kg物料，最高温度可加热到600℃。将风干棉秆直接放人热解装置内，每次进料1 kg，起始温度20℃，终止温度500℃，热解2 h，气体经泠凝装置冷凝为液体，在出口收集到的木醋液为粗木醋液，经静置沉淀后，取上清液体，即为试验所用棉秆木醋液，棉秆木醋液的理化指标见表1。

供试牛粪来源于塔里木大学动物科学学院的养牛场，锯末来自校外的木材加工厂。堆体物料组合为牛粪和锯末，按质量比17.8：1混合。堆肥原材料的初始理化性状见表2。

1.2试验设计

试验在塔里木大学现代农业工程重点实验室进行。堆肥试验共设4个处理，即：处理1：牛粪66 kg+锯末3.69 kg+水23.8 L；处理2：牛粪66 kg+锯末3.69 kg+水23.8 L+0.5%棉秆木醋液；处理3：牛粪66 kg+锯末3.69 kg+水23.8 L+1.7%棉秆木醋液；处理4：牛粪66 kg+锯末3.69 kg+水23.8 L+3.0%棉秆木醋液。木醋液添加量均为木醋液与堆肥物料鲜质量的比值。4个处理分别命名为CK、1#、2#和3#。堆肥试验采用静态强制通风+翻堆的方式进行，堆体温度超过60℃时通风30 min，前4周每1周翻堆1次，以后每2周翻堆1次，堆肥试验持续11周。

1.3堆肥装置

堆肥装置系统结构如图1所示。反应器内部尺寸为0.6 m×0.6 m×0.6 m，外部尺寸为1 m×1 m×1 m，保温层材料为聚乙烯泡沫板。在堆体中心距离底部15、30、45 cm处放置温度传感器（Pt100电阻）；在距离桶底1 cm处开1个直径2 cm的孔；将直径2 cm的PVC管插入孔中，同时在桶里放1个2 cm高的支撑架，上面放1个箅子，同时铺1层透气性很好的塑料编制膜，反应器底部有通风管道，然后将PVC管接上鼓风机，对其通风供氧；共4个堆肥装置，每处理1个装置。

1.4试验仪器

GC/MS气相色谱-质谱联用仪（Trace GC-2000/DSQ）；WYT-4手持糖度计；METrLER TO-LEDO D131型卡尔菲休水分仪；密度瓶；FD-NST-I型液体表面张力系数测定仪；PHS-3C型pH计；分析电子天平（FA1004）；電热鼓风干燥箱（GZX-9140MBE）；箱式电阻炉（SX-2.5-10）；生物质热裂解实验装置（BRES06-1）和原子吸收分光光度计（AA800）；Panasonic数码相机（DMC-S3GK）；SD-200型影室闪光灯照明光源，功率为100 W。

1.5采样方法

采样在堆肥前及每次翻堆前进行采集（遇到翻堆时，须在翻堆前采集），堆体分成上层（距离底部45 cm）、中层（距离底部30 cm）和下层（距离底部15 cm）。每一層均分成3个区域，如图1所示，中心区域、1级环形区域和2级环形区域。早上11：00时取样，取堆体不同层的不同区域试样，每一层的不同区域随机取点，采集3个次级样品，然后将这3个次级样品混合成一个待测样品，样品经自然风干，研磨后，过60目筛，在4℃下保存。

1.6测定方法

木醋液：液相色谱法；表面张力：挂环法；密度：密度瓶法；有机质：灼烧法；全氮：凯氏定氮法；pH值：pH计法；EC：电导法；含水率：真空烘箱法。

颜色处理：参照文献[13]和[14]进行图像处理。

1.7 RGB颜色空间

RGB颜色空间由三基色[红（R）、绿（G）、蓝（B）]组成，用三基色进行相加可以产生任何颜色。它是由红、绿、蓝表示3个坐标轴的立方体三维坐标空间结构，如图2所示。立方体的底部R=G=B=0处为黑色，顶部与其相对角R=G=B=255处为白色。由于显示设备和采集图像均使用的是RGB颜色空间，因此RGB颜色空间是彩色图像处理中最基础、最常用的颜色空间。但是RGB颜色空间具有不均匀和不直观的缺点，所以，大多采用更加符合颜色视觉特性的颜色空间进行彩色图像处理。

nlc202309031611

1.8 HSI颜色空间

HSI颜色空间是从人的视觉系统出发，用色调H、饱和度S和亮度Ⅰ来描述颜色，属于极坐标空间结构，其优点是能非常直观的描述颜色，如图3所示。HSI颜色空间很适合基于人的颜色感知特性进行处理和分析图像。其中，色调H分量对彩色描述与人的视觉接近，区分力比较强。

1.9从RGB颜色空间转换为HSI颜色空间

2结果与分析

2.1颜色特征提取——H分量

堆肥过程一般分为3个阶段：升温阶段、高温阶段和降温阶段，最后进入腐熟。分别在不同的时期，采集样品堆肥整个过程的圖像，共得到220幅堆肥的RGB图像。从对照组中取出中层的第一区域的一组图片，进行可视化处理。

图4为不同堆肥阶段图像，从颜色外观来看，堆肥前期的颜色较深，越到后期，颜色不断褪去。为了能够准确用数据说明颜色变化的情况，在HSI颜色模型中，取色调H作为特征量进行统计分析，将其由RGB图像格式转换成HSI图像格式，然后在每幅图像中提取区域大小为50像素×50像素的特征点，对提取出的堆肥区域进行处理和变换，计算堆肥区域的色调信息，统计H分量，得到HIS颜色模型的H分量变化直方图（图5）。由图5可看出，堆肥不同阶段的H分量直方图分布是不同的，由于直方图只能大致看到变化情况，具体变化不明，需要将H分量量化。采用取均值的方式，能够具体判定该阶段的颜色。通过计算，将色调值还原，得到图4的色调值域为[26.738 51°，36.012 16°]，颜色色调的视觉变化很明显。橙色在色调值域[0°，360°]中对应30°，如第0周的堆肥色调值的均值为28.854 39°，说明了此阶段堆肥区域含有较多的橙色信息。

2.2建立H分量色度模型

根据整个堆肥不同阶段堆体的RGB图像，进行HIS空间转换，得到HIS模型H分量的均值，共获得220个色度值，每一层的H分量均值，计算公式如下：

绘制不同木醋液处理下，堆肥过程中H分量的变化情况，得到图6。从图6可以看出，4幅图整体上都是在第1周至第3周出现1个上升的趋势，然后逐渐降低到一个稳定的水平。对H分量进行回归分析，得到不同处理下不同层的堆肥过程色度模型，见表3。表3显示所有拟合方程的相关系数均达到了0.9以上；其中色度模型的决定系数最小值为0.810 9，最大值达到了0.999 5，所有色度模型都满足高斯二次模型；处理组的决定系数均比对照组的决定系数大。说明了木醋液处理后的色度模型，其拟合效果好，模型可靠性高，也反映了堆肥效果稳定。

3讨论

目前堆肥腐熟度的评价主要采用物理指标、化学指标和生物指标，化学指标和生物指标操作复杂，为了实现快速的判定，物理指标就成为首选。由于物理指标中的温度、气味在堆肥中不稳定，容易受到外界的干扰，不容易判定。而堆肥中颜色的变化不受其他因素的影响，色度稳定，可以通过外观判定堆肥的程度，所以可以对堆肥不同阶段的色度进行量化。颜色量化是数字图像处理中的基本技术，它将原图像中的多种颜色根据人的视觉效果归类到较少数目的颜色。

从图6可以看出，在堆肥过程中颜色的变化不是线性的变化，而是一个复杂的过程。色度值在堆肥前期升高，主要因为堆肥前期有机物的含量充裕，加之温度的升高，增加了环境的活性，产生大量微生物，微生物在分解有机物时排放了大量的水分，导致物料颜色加深。图4的物料形状也反映出前期的物料比较大，而后期由于被微生物分解而变得都比较小；同时微生物菌落和温度共同导致升温期颜色加深；然后色度值逐渐降低，达到稳定。

从表3可以看出，木醋液处理下的色度模型明显优于对照组的色度模型，其决定系数均高于对照组的决定系数。結果表明，木醋液对堆肥中色度的影响比较显著，堆肥的稳定效果好，模型的适用性强，适合用于堆肥过程及腐熟程度的反映。

4结论

木醋液对牛粪堆肥不同阶段的色度模型的决定系数，均大于对照组色度模型的决定系数，说明木醋液对牛粪堆肥过程中色度变化明显，适合于对牛粪堆肥过程色度的判定。

木醋液对牛粪堆肥不同阶段的色度模型满足高斯二次模型，模型的相关系数均在0.921 2以上，相关度极高；决定系数均在0.810 9以上，说明模型的可靠性高。

逆向物流累积批量处理库存控制模型 篇7

逆向物流是指对原材料、加工库存、产成品, 从消费者到制造商的过程。逆向物流主要包括退货物流和回收物流两部分。由于逆向物流领域存在潜在利润, 所以不断有新的企业开始涉足包括废旧物品的回收等逆向物流领域。该领域的重要性使国内外不少学者对其进行了深入和广泛的研究。在逆向物流研究领域中, 库存控制研究是主要的研究内容之一, 已取得了许多研究成果。

Simpson (1978) 第一个明确地将正常产品库存和回收产品库存分开考虑, 构建了在没有固定成本和时间限制的情况下对订购、回收和最终处理进行控制的最优策略模型。Fleisehmann (2002) 等提出了一个基于需求和回收都服从独立泊松分布的基本库存模型。Mahadevan (2003) 等对一个有旧产品回流的制造企业进行了研究, 采用推动式的库存控制策略, 并基于传统的库存模型采用了启发式算法进行建模, 给出了模型最优解近似的上下界。Kiesmuller (2003) 对新产品的订货电荷旧品的处理点不同且订货提前期不同的产品修复随机库存模型进行了研究。黄祖庆、达庆利和王冬冬 (2004) 提出了逆向物流具有时滞的一个EOQ扩展订货模型。赵道致 (2007) 等构建了一个退回产品全由销售商处理的逆向物流批量处理的库存控制模型。

上述大部分研究都得出了考虑逆向物流情形时的最佳订货量, 但都是在假设退回品经过销售商处理后完全作为新产品, 再直接进入正向物流的流通。该假设存在一定局限性, 因为很多产品回收是在制造商和销售商共同参与的情况下完成的。赵道致 (2007) 的研究成果虽然考虑了退回品的批量处理和退回品处理后的折扣销售, 但是整个退回品的处理过程没有制造商的参与, 这也是与企业的实际运作情形不相吻合的。事实上, 随着市场竞争的日益激烈, 越来越多的生产企业为了树立良好的社会形象和提高自身利润, 自发的参与到逆向物流的运作中, 并主动承担退回产品的处理费用。因此, 由销售商独立处理全部退回品是不切实际的, 在同一条供应链上的制造商和销售商共同参与退回品的处理更符合现实情况, 这也是本模型建立的意义。在考虑制造商参与逆向物流处理情况下, 对赵道致 (2007) 模型进行修正, 并在最终算例测试中, 对两个模型求解结果进行了比较。

二、模型建立

根据如图1所示的基于逆向物流的库存控制模型。假设销售商在一个退货周期内, 允许消费者退货, 且消费者对产品的需求与退货无关, 都服从泊松分布;制造商自愿参与到退回品的处理过程中, 并愿意承担退回品的处理费用。假设退回产品达到批量Q1, 部分可以经过简单处理即可使用的由销售商直接处理, 部分需要由制造商经过再生产制造处理方可进行正向物流, 比率稳定。不考虑消费者退回率变化对需求的变化, 且不考虑库存维持成本中的资金成本和在途库存成本。

1、基本假设和参数符号

模型的基本假设如下。一是消费者对产品的需求服从参数d的泊松分布。二是逆向物流产品的到达服从参数为λ的泊松分布。三是销售商可直接处理的退回产品占总退回产品的比率为λc, 修复后可按新产品一定的折扣系数销售 (α<1) , 且不影响消费者对产品的需求。四是需由制造商进行再生产制造的退回产品占总退回产品的比率为λp, 修复后可按新产品一定的折扣系数 (β<1) 给销售商, 且λc+λp=1。五是不允许缺货, 即不考虑缺货成本。其中, 假设四意味着退回产品总数量正好等于销售商的简单处理量和制造商的处理量之和。

相关参数符号意义如下:T:退回品的处理周期;C0:销售商每次对退回品进行批量处理的固定成本;Cc:销售商对单位产品的修复成本;C00:销售商每次订货的固定成本;h1:单位数量退回产品的单位时间库存成本;h2:单位数量产品的单位时间库存成本;p:单位产品的订购价格;n:整个订货周期内退回产品的批量处理次数;K (t) :时刻t的合格品库存水平;Xi:为第i个产品的到达时间;Tj:退回产品第j次处理结束时刻, 其中T0=0。

2、累积批量处理的库存控制模型

累积批量处理是指退回的产品每累积到某固定数量, 就集中处理一次。由于退回产品的到达是随机的, 建模的目的就是要计算出使单位时间内订货总成本最小的订货数量Q和退回产品的累积处理批量Q1。其中总成本包括:整个处理周期内的库存成本 (包含合格品库存和退回产品库存) 、退回产品的修复成本和订货成本。

(1) 库存成本。综合上述假设条件可得出:

整个退货处理周期内的合格品库存成本Cnt1期望值为:

退回品的库存成本Cnt2期望值为:

(2) 退回产品的修复成本。退回产品累计到Q1的修复成本C01等待修复期间的库存成本C1的期望值分别为

(3) 订货成本。订货成本C10的期望值为:E (C10) =C00+pQ (4)

整个订货周期的期望总成本为:

(4) 结论。当时, 式 (5) 存在唯一极小值点。

证明:根据二元函数的凸性相关定义, 只需求证C (Q1, n) 的Hesse矩阵正定即可:

由于, 所以C (Q1, n) 是正定的, 即式 (5) 存在唯一极小值点。

综上, 可得出模型的最优解:

将此式代入 (6) 式便可求出n*。

三、算例测试

假设某销售商的某产品的外部参数为:λ=5, d=20, α=0.9, β=0.9, h1=3, h2=4, λp=0.6, λc=0.4, Cc=2 (元/件) , C0=15 (元/次) , C00=100 (元/次) , p=20 (元/件) , 利用本文建立的模型可知, 每当退回产品累积到4件时, 销售商就集中处理处理一次, 每次订货40件, 此时的订货成本为459元;然而, 将上述数据输入赵道致 (2007) 模型中, 得到订货成本为493元, 该结果大于本文中模型求解结果。因此, 本文中提出的模型不但更加符合经济发展规律, 而且能够大幅度减少逆向物流成本。有制造商参与逆向物流时, 对销售商和消费者均更有利。

四、结论与讨论

本文讨论了在允许消费者退货的条件下, 退回产品由销售商和制造商共同参与批量处理的库存模型, 并得出了模型最优解。但由于该模型只讨论了单一产品的库存模型, 在产品多样化的今天, 很少有厂家只生产一种产品, 因此退回的产品也应是多样的, 这使模型的实用范围受到局限。在今后的研究中, 应将对多品种货物处理的单位成本进行更深入的思考。

摘要：本文在允许消费者退回产品由销售商和制造商共同参与处理的条件下, 构建了一个逆向物流累积批量处理的库存控制模型, 得出了此条件下的最佳批量处理量及其成本。

关键词：逆向物流,库存控制,批量处理模型

参考文献

[1]Simpson V.p., Silver E.A.:Optimum Solution Structure For a Repairable Inventory Problem Operations Research[J].1978, 26 (2) .

[2]Moritz Fleisehmann, Roelof Kuik, Rommert Kekker.:Controlling inventories with stochastic tem returns:A basic model[J].European Journal Of Operational Research, 2002 (138) .

[3]B.Mahadevan, David F.Pyke, Moritz Fleischmann:Periodic review, puch inventory policies for remanufacturing[J].European Journal of Operational Research, 2003 (151) .

[4]Kiesmuller:A new approach for controlling a hybrid stochastic manufacturing/remanufacturing system with inventories and different leadtimes[J].European Journal of Operational Research, 2003 (147) .

[5]黄祖庆、达庆利、王冬冬:逆向物流具有时滞的一个EOQ扩展订货模型[J].物流技术, 2004 (5) .

[6]达庆利、黄祖庆、张钦:逆向物流系统结构研究的现状及展望[J].中国管理科学, 2004 (12) .

[7]赵道致、詹燕、霍艳芳:基于累积批量处理的逆向物流最优库存控制研究[J]系统工程理论与实践, 2007 (4) .

基于三因子的网络流处理模型 篇8

Leland等[1]对Bellcore的局域网 (LAN) 的流量进行测试分析, Paxson等[2]对WAN流量还有Klivansky等[3]对NSFNET的流量进行测试分析, 在他们的研究中发现网络流量有自相似特性, 实际网络业务流在特定的时间范围内都具有相关性, 即网络业务流量是长期相关 (LRD) 的。因此传统的普通流量模型已不能很好地描述预测实际的流量特征。于是学者们根据现有已知的网络流量特征提出用长相关特性的自 (self-similar) 或分形 (frac-tal) 模型来描述网络流量。该模型的重要特点是在特定的时间周期范围内表现出结构的相似性[4]。网络流量自相似性主要表现为聚合流量，其产生的过程具有显著的突发性, 不像传统模型那样是一个预期的平滑叠加过程。而不管是采用何种预测模型，历史网络流样本数据的预处理都是决定预测未来流量的关键因素。本文根据真实校园网络流量的时间相关性，提出了三因子流量预处理模型，能够为网络流预测系统提供较好的流数据处理方案。

1、时间外推数据流预处理模型

时间外推法预测业务量是假定业务量的发展是随着时间的推移呈现时间规律性，先利用历史数据找出这一关系，利用总结的时间与业务关系函数求出将来的业务量。这种时间外推法的关键因素在于业务量与时间的关系[5]。

传统数据流预处理模型[6]中一般是考虑流采集时刻对流序列的影响，这样处理后的目的是使流序列接近平稳化序列，平稳化是指对不平稳时间序列进行适当的处理后变成平稳或近似平稳的序列，目的是提高预测的准确度。其检验方法采用英国著名统计学家R.A.Fisher推导出来的一种检验方法[7]，它主要原理是检验多个样本之间的均数。假设因子母体B有r个水平Bi (i=1, 2, …r) ，如果在Bi等级下进行了t次实验，获得了t个试验结果xij (j=1, 2…t) 且xij的均值是μi，那么该方差分析模型中的数据结构式是：

其中：

且满足：

μ为一般平均，αi为因子B的第i个水平的效应。εij是随机误差 (或称残差) ，也就是说，把xij中的由于因子B对xij的影响己经排除，剩余部分εij是随机性引起的。

2、双因子数据流处理模型

很多研究专家学者经过试验研究观察发现网络流还受到星期影响[8]，所有就有了双因子方差分析法：

用xij表示正常行为模式采集的数据 (图1-1) ，其中i=1, 2, 3…288, i表示一天里的各个时刻 (每个时刻代表5分钟间隔) 。j表示一周中的各天j=1, 2, 3, 4, 5；对流量观测值序列xij，可以它分解为四个部分，即：

其中μ，αi的定义同公式（4-1）,

且满足：

图1-2是经过8周观测值之后取得的一周的数据。经过上述介绍的双因子方差分析法处理后可以得到一个平稳或接近于平稳的时间序列yij（残差），图1-3是原始采集的数据（图1-2）经过双因子转换所得的yij（残差）。

3、三因子方差网络流处理模型

经过双因子处理后得到的序列如图1-3，从该图我们可以观察到虽然相对于图1-2所示的流序列，其周期性特征明显减少，但是该网络流的残差序列yij还是具有一定得周期特征。于是，经过无数次的流量试验观察分析，我们发现，混合网络流量除了受传统既定时刻和星期因素的影响外，表现出一定的时段规律性。基于研究和总结我们把一天分成8个时段，每个时段三个小时，具体划分如图1-1。

同样假设用x表示正常行为模式的观测数据 (图1-2) 。时刻观测值记为xijk，其中i=1, 2, 3…288, i表示一天里的各个时刻 (每个时刻代表5分钟间隔) 。j表示一周中的各天j=1, 2, 3, 4, 5;k表示一天中的某个时段，k=0, 1, 2…7;

对流量观测值序列，把它分解为四个部分，即：

其中μ，αi的定义同公式（4-2）,

且满足：

根据以上的原理计算出α，β，γ后结合（4-3）的转换公式：

4、三因子方差检验结果

利用以上公式（4-4）平稳变换处理后的流量观测值序列其影响流量的因素（三因素）都已经排除，剩余的部分yijk（或表示为yt (t=1, 2，，，, 1440）是流量的观测值随机性产生的部分 (残差) 。原始采集的数据流（图1-2）经过处理后的序列效果为图1-4。对比图1-3与1-4我们可以得出这样的结论：

双因子方差处理法处理效果不及三因子处理方法，而且三因子方差处理法的残差更接近平稳序列。下面通过计算其自相关函数来判断[9]。

它的计算公式如下：

序列yt均值，

序列yt的协方差：

则自相关函数为：

结束语

本文提出的数据流平稳化过程：建立模型的流量分解为5个部分之和，即总平均值 (μ) 、各时刻平均与总平均的偏差 (αi) 、各时段平均值与总平均值的偏差 (βj) 、各天平均值与总平均值的偏差（γk）以及残差部分yijk，残差yijk是平稳化的结果，它是流量中消除了周期性的特性影响，即是流量中的随机部分。在实际试验中，我们还发现网络流量受不同季节的影响。由于，我们目前的研究主要在于短相关预测，所以暂时不考虑季节的影响。

在后续的研究中，我们将结合本文提出的网络流处理技术，研究有效的下一代融合网络流主动预测系统。

参考文献

[1]Leland W, Taqqu M, Willinger W, et al.On the Self-similarNature of Ethernet Traffic[J].IEEE/ACMTrans-actions onNetworking, 1994, 2 (1) :1-15.

[2]Klivansky S, A Mukherjee, C Song.On LongrangeDependence in NSFNET Traffic[EB/OL].http://citeseer.ist.psu.edu/klivansky94longrange.html, 1994, 12.

[3]Paxson V, Floyd S.Wide-area Traffic:The Failure of PoissonModeling[J].IEEE/ACM Transactions on Networking, 1995, 3 (3) :226-244.

[4]张连芳等.CERNET网络业务的自相似性及性能分析.天津大学学报〔自然科学与工程技术〕2000年, 第33卷, 第3期, P.367-370

[5]郭军.网络管理[J], 2009.北京邮电大学

[6]WU Ze-min, ZHENG Shao-ren.Self-Similar Traffic and itsImpact on Network Performance[J].解放军理工大学学报2000年10月.第五期第一卷.

[7]张爱萍等.网络中的流量模型[J].武汉科技大学学报.2004.179-183

[8]Joel Sommers, Paul Barford, Nick Duffield, Amos Ron.Improving Accuracy in End-to-End Packet Loss Messuarment[J].In Proc.ACM SIGCOMM.2005, Philadelphia, USA.August 2005.

民机精细化模型紧固件载荷处理 篇9

本文针对全机精细模型数量巨大的紧固件单元, 在单元标号提取、单元结果提取这两步采用hypeworks二次开发技术, 编写脚本, 批量提取, 自动生成单元标号及结果列表, 最后结合紧固件的许用值信息对紧固件批量校核, 极大提高了整个紧固件校核工作的效率。

紧固件载荷处理流程

全机精细模型全部采用壳单元建模, 紧固件采用CWELD单元建模。

建立如图1所示半自动结果提取方法, 在此过程中, 需要完成的工作主要包括四个部分:

在获取的紧固件信息表格中, 添加紧固件许用值信息;

在Hyper View中提取紧固件计算的结果, 并合并相关结果;

在Excel中计算紧固件总载荷, 并计算紧固件裕度结果。

注意事项:

模型计算结果中, 需要包含紧固件单元的计算结果, 如果没有输出, 需要在计算文件中指定输出控制卡片 (ELFORCE=ALL) 进行输出;

Excel表格处理数据时, 需要较大空间, 注意计算机本机Excel处理文件行数的上限。

流程基本步骤

单元提取

打开hypermesh并导入相关有限元模型;

单独显示紧固件单元 (CWELD单元) ;

运行脚本文件;

按照提示, 填写需要保存的文件名称 (文件名称以csv格式存储) , 并选择相应的单元;

运行结束后, 显示单元信息提取完毕的对话框;

打开保存的文件中名称为Allfastener Info的文件, 可以发现, 文件中包含的信息如图2所示:在此表中按照ID将紧固件进行排序。

根据紧固件性能信息表, 获取紧固件牌号信息, 在Allfastener Info文件中增加对应的许用值信息, 如图3所示。

保存表格文件。

单元载荷提取

提取我们所需要的紧固件单元结果, 具体步骤如下:

打开Hyper View, 并打开包含紧固件计算结果的OP2文件;

设置紧固件单元结果显示, 单独显示ID单元, 并将云图面板结果显示设置成紧固件相应的显示结果 (剪力或者轴力) ;

查询完毕shear Plane1将云图显示结果类型切换为shear Plane2, 并单击Apply;

重复上述结果提取工作, 并导出轴力计算结果。

汇总提取结果校核紧固件

将紧固件许用值信息及单元载荷汇总, 合并到一个Excel表格中, 如图4所示。

按照导出的两个平面的剪切载荷计算总剪力, 计算公式如下;

根据提取的结果分别计算轴力裕度与剪切裕度, 计算公式如下;

裕度= (许用载荷/工作载荷) -1

对每一个紧固件单元, 根据计算出的剪力、轴力裕度, 取轴力裕度与剪力裕度最小值从而筛选出裕度最小值。

信息反馈以及结果检查

在图4中, 对统计的数据进行筛选, 查找裕度小于0的单元信息;

将裕度小于0的单元信息进行整理以便进行有限元后处理检查;

对于筛选出来的裕度小于0的信息, 在Hyper View中进行确认检查。

算例

采用本文所研究校核方法, 对某机型精细模型紧固件强度进行校核, 校核结果如表1所示, 裕度小于0的单元位置如图5所示。

结语

处理模型 篇10

1、销售事实表

决策者查看销售情况主要用于营销决策, 因此考虑的内容有相应商品的销售利润, 一段时间内的销售额和某时期某些商品的利润率, 其中商品销售利润可以通过商品销售量、销售单价和商品成本计算获得, 并且商品销售利润率具有良好的可加性, 决策者需要经常查看, 在事实表中存放销售利润数据可以减少数据仓库工作时的工作量, 还能够保证所有用户在使用商品销售利润这一重要数据时的一致性。将销售记录表和相应的维表连接起来, 选取对应的属性就可以为销售事实表加载数据。销售主题星型结构如图1所示。

1.1 时间维

时间维表是许多数据仓库应用中的常用维度, 它的设计方式与其他模型有差别, 是多维模型中比较特殊的一个维表。对于本系统而言, 电子商务销售随时都有可能发生, 按不同的时间对销售数据在不同的级别上进行统计汇总, 也有着不同的作用。要对各种数据在年度、季度、月度、日的层次上进行分析, 就需要将时间维的粒度设计为时间编号、年度、季度、月度、日五个级别。这里, 时间维的粒度级别全部表示的是数据涉及的所有时间, 即最长的时间跨度。如按天统计, 可以清楚了解某月每天的销售情况, 通过分析掌握哪个时间段购买人数和购买量最大, 从而可以适当增加在线客服人员;按月/季度统计, 可以宏观管理当年每月/季度的销售, 根据具体销售情况, 适应淡季旺季的变化进行调节;按年统计, 可以宏观把握历史数据, 从中吸取经验教训, 为今后的企业经营管理提供有益的参考。分析某一商品的销售周期, 发现商品畅销或滞销的规律, 寻找影响因素。

1.2 用户维

用户维度可以包含用户编号、用户名、性别、地址、所在地区、邮政编码、电子信箱、电话、出生日期等内容。其中地址主要用于发货, 用户可能会给出单位地址或者家庭地址以及一些常用的其他地址, 因此在维表中可以设置多个地址, 对于电话的设置也需要考虑多种情况。在数据仓库应用中, 有时需要对客户来源进行分析, 从而选择更好的派送服务, 有时需要了解用户的生日和电话、信箱等, 以便给予生日祝福或者优惠活动, 以吸引或留住用户等。用户维中的内容可以直接由数据库信息表中得到。

1.3 订单维

用户在购物系统选购商品, 很可能一次性购买多种或多个商品, 还可能多次购物, 因此可以通过分析该用户每次购买商品的种类、价格、数量、总额、购买时间等, 分析用户的喜好和购买方式。以便针对用户的喜好, 设置优惠活动或新品上架时第一时间通知。订单维度中包含的是订单编号、订单时间和订单总额。

1.4 商品维表

商品维度主要来源于数据库中商品信息表的数据, 有“商品编号”、“商品类别”和“商品名称”等三个属性。需要具体分析商品的销售情况时, 要对商品的层次属性进行分析, 如商品的包装类型、包装数量、尺寸等等, 从中掌握哪种包装最受欢迎, 或者在商品分类的层次上进行比较, 分析某一类商品中的哪一个小分类更具有市场竞争力, 从而调整进货策略, 比如同属于男装类的夹克和毛衫哪种更受欢迎。需要对商品销售的总体情况进行了解时, 又需要对全部商品进行汇总分析, 得到上宏观总的销售情况。

2、用户事实表

前面已经分析, 通过对用户信息的分析, 可以发现用户的潜在信息, 对于保留用户、吸引新的用户等有重要作用, 是用于营销决策的重要依据。另外所分析的用户数据是直接由外部其它数据源经过清洗、转换和加载到数据仓库中的。用户主题中, 主要分析的是用户的各项信息, 那就需要从购买时间、所在地区、用户等级、年龄和性别四个维度进行分析。用户事实表有“用户编号”、“姓名”、“地区”、性别”、“年龄”、“职业”和“用户数量”等属性。用户主题星型结构如图2所示。

2.1 用户年龄维表

结合电子商务系统中的目标用户的定位, 以及进行网页的设计与制作的需要, 可以对年龄进行分段, 比如可以把年龄分成:18岁以下、19一25岁, 25一30岁, 30岁以上四个级别。年龄维表可以独立于数据集市来建立, 年龄维表由“年龄编号”、“年龄段”和“年龄”三个属性。它们的值都是由程序生成。

2.2 用户区域维表

用户区域维表包括“用户地址编号”、“地址”、“所在省”和“所在市”四个属性。

2.3 等级维表

根据用户对公司产品历史的交易记录情况以及对公司品牌的支持程度, 将整个的用户群体进行等级的划分, 在等级维表中用户的等级包括“普通用户”和“VIP用户”三个属性。

2.4 性别维表

性别维表可以独立构建。它包括“性别编号”和“性别”两个属性, 只有“l, 男”、“2, 女”这两条记录。

3、结束语

本文结合电子商务系统的特点, 结合主题及联机分析技术, 建立了电子商务数据联机分析多维模型, 确定了具体的联机分析方法及实现方案, 便于用户从不同角度提取有关数据进行深入分析, 从而掌握销售动态和用户情况, 及时制定出正确的营销策略以促进企业发展。

摘要：本文根据对电子商务所关注的销售主题和用户主题进行分析, 形成星型模型, 生成多维数据表, 用多维的方式来组织和处理数据, 以多维方式显示和分析数据, 设计电子商务信息联机处理模型, 及时掌握电子商务销售和用户动态, 用以正确决策。