油田物流系统优化与经济效益评价研究_赵崤含著_9787509677711

　　物流和配送优化已经成为许多大型企业降低成本、提高竞争力的重要措施。油田实施物流系统优化能有效降低库存和减少物资配送成本，因而成为油田企业降本增效的一条重要途径，也是挖掘“第三利润源泉”的突破口。
　　《油田物流系统优化与经济效益评价研究》以物流经济学和优化相关理论为基本方法，从油田物流系统中的物资需求预测、仓储选址及评价、配送路径优化和物流系统的经济评价四个方面入手，对油田物流系统优化和评价展开研究，为油田物流成本控制与决策管理优化提供新的思路。

　　我国原油后备储量不足，吨油成本居高不下，人多油少的矛盾愈发突出，因而，如何降低成本增加效益成为我国油田可持续发展的迫切需要。作为集勘探、开发、炼油、化工为一体的油田企业，为提高在国际市场中的竞争能力，在控制吨油成本指标方面做出了很大努力，但随着吨油成本中的勘探、开发、开采和管理成本的可压缩空间越来越小，寻找新的利润增长点就成了各大油田企业保持强劲竞争力的重要着力点。目前，物流和配送优化已经成为许多大型企业降低成本、提高竞争力的重要措施。由于油田实施物流系统优化能有效降低库存和减少物资配送成本，因此成为油田企业降本增效的一条重要途径，也是挖掘“第三利润源泉”的突破口。本书据此为背景以物流经济学和最优化相关理论为基本方法从油田物流系统中的物资需求预测、仓储选址及评价、配送路径优化和物流系统的经济评价四个方面入手，对油田物流系统优化和评价展开研究。
　　首先阐述了油田企业物流系统优化与经济评价的研究背景、目的和意义，继而总结了国内外在此领域的相关研究现状、研究成果及不足之处，在此基础上确定了本书的四个主要研究内容、相关的研究方法和技术路线。上述相关研究的主要结论如下：
　　第一，针对油田企业物资需求预测，首先根据影响油田企业物资需求规律的不同因素将油田物资分门别类，据此为每类物资的需求规律建立了以基于遗传优化的可变学习率小波神经网络模型为主的预测方法。该方法通过小波分析与神经网络嵌套的方式构建了小波神经网络预测模型，由于小波神经网络能够通过调整小波系数使网络具有更强的函数逼近能力，特别是在突变点上的预测能力上要大大优于传统神经网络，因而有效地弥补了传统神经网络易陷入局部极小点的缺陷。为进一步提高小波神经网络预测模型的训练速度和预测精度，减少网络震荡，本书利用遗传算法对神经网络的初始权值和小波系数进行了优化，通过可变学习速率更新网络权值，有效地提高了网络的预测性能。本书以中石化某油田企业为例详细阐述了该预测方法的应用。实证结论表明，上述预测方法可以对油田企业物资中资金占比超过71.13%的物资进行预测，预测误差小于1%。研究结论能大大提高油田生产经营过程中的关键物资需求预测的准确性，可以有效指导采购行为，对于减少库存中大额物资的储备、保证供应具有重要的实践指导意义。
　　第二，针对油田企业仓储选址问题，由于其是一个中长期决策，所以在进行仓储选址时，大量油井位置尚未确定，为了提高仓储设施的经济性和服务性，首先结合油田企业的生产计划，通过蒙特卡罗随机模拟的方法产生井口数量和位置，得到各油井所需物资数量。继而，为获得油田企业仓储设施的合理候选点，建立一个二级连续选址模型，并构建精确算法求出其最优解。为提高大规模连续选址模型的求解效率，通过将Matlab软件中内嵌的Fmincon函数嵌入遗传算法中构建了改进遗传算法，该算法利用Fmincon函数对该问题进行了局部搜索，把得到的局部最优解作为新的个体融入遗传算法的种群中参与进化。因此，该算法不但综合了遗传算法全局搜索的优点，也利用Fmincon函数增加了其局部搜索的能力，有效地提高了求解精度。以求得的连续选址模型的解为圆心，通过逐步扩大半径长度（以每公里为步长）的形式在地图上作圆，直到该圆形区域内出现足够多的可行仓储候选点为止（本书所述的中石化某油田案例中确定的半径长度为30千米，此时圆形区域内包含了7个可行仓储候选点）。本书以中石化某油田企业仓储选址的实际问题为例对该方法进行了验证，结论表明，上述模型和算法确定的仓储位置符合企业的实际需求。

你还可能感兴趣

我要评论