1.3 研究方法和技术路线

基于研究背景、目的和意义的讨论，采用模型构建与推导分析以及仿真优化的方法对高科技产业的产销决策进行研究，从而为企业提供产能规划和库存销售集成系统的利润最大化方案。研究中采用研究方法和研究的技术路线如下。

1.3.1 研究方法

本书综合应用多种理论研究和实证研究方法，对相关问题进行针对性的分析和探讨。研究方法包括以下两种。

1．理论研究方法

本书涉及数学规划理论、运筹学、随机控制理论、智能优化、动态系统建模理论、试验设计理论等技术，在掌握这些方法和工具的基础上，通过搭建相对清晰的研究体系，总结、分析、归纳的方法得到相应的研究结论。同时，为了分析不同模型、不同模式之间的差异性，还多次采用模型对比和数值分析方法开展对比性分析。

2．实证研究方法

半导体产业投资巨大，进行试验验证面临巨大的成本和风险，因此，为了验证模型的有效性，本书采用试验设计（Design of Experiment）的方法对得到的结论进行试验验证。

1.3.2 技术路线

本书针对不同生产方式及基于客户生命周期价值的高科技企业展开研究。研究针对不同的问题和模型，采用对应的解决方案。

1．在备货型生产方式下的产销联合决策

产品是在多个周期中进行销售的，可以采用随机动态规划模型对销售阶段的利润进行建模。由于多产品的随机动态模型是一个NP-hard问题，因而将其转化为单阶段随机规划问题可以有效降低问题复杂度。因此，本书利用动态规划问题的无记忆性特点，拟采用递归分析方法进行求解。如图1-12所示，第t周期初产品i的存有量是（是t周期时产品的销售量，是t周期产品i的产能，是t-1周期初产品i的剩余量）。为了降低求解难度，首先对最后两个周期（T-1, T）的销售进行决策，得到该两个周期的集成收益函数ΠT-1；然后，用集成收益函数ΠT-1代替原来销售网络模型的最后两个周期，这样，原随机动态规划问题被缩减了一个阶段。重复以上简化步骤，从而原随机动态规划问题转化为单周期随机规划问题。

图1-12所示的随机动态规划问题的简化求法可以有效减少传统随机动态规划问题的计算量。但是，由于在每个周期决策时，都要重复图1-12所示的步骤，因此仍面临巨大计算量的问题。为此，在进行随机动态规划问题的求解过程中，将以图1-12所示的计算步骤为基础，开发相应的启发式算法或对近似算法进行优度检验。

2．在批量型生产方式下的产能决策问题

在批量型生产方式下，企业的生产和销售同步进行，其决策难点在于需求的连续性。在库存理论中，往往通过安全库存（r, Q）策略进行库存控制，式中r为，Q为。由于涉及多产品的替代问题，安全库存法不再适用于本模型，因此，借鉴了ATP理论设计在产品销售阶段每个时刻每种产品的库存控制方法。在t时刻，产品i的库存量是，企业保证数量的i产品用于替代需求i+1。不仅影响本销售时刻的企业收益，还决定了下一销售时刻的初始库存量，因此的设置对产销决策具有非常重要的影响。

3．基于客户生命周期价值的企业生产决策问题

客户生命周期价值（CLV）是指每销售一单位产品带来的直接和潜在收益之和。产品i的客户生命周期价值可以采用CRM理论进行刻画：，其中p为单位产品的净利润，r为客户留存率，e为未来价值换算到现在价值的贴现率，t为产品的总销售周期。系统归纳出将影响客户生命周期价值的所有因素，并用函数式来表达出因素之间的直接和间接关联关系，采用系统动力学仿真分析来对企业产能决策与客户生命周期价值之间的内在关联进行分析。在此基础上，通过建模，分析研究产品生命周期价值的高科技企业产销决策，如图1-13所示。

4．基于现实背景的成果验证与应用

鉴于在实际进行验证随机问题的代价和困难，难以对代表性高科技产业——半导体企业进行有效的实际验证。因此，本书将收集半导体行业企业的相关数据，并对数据进行统计分析，通过建立计算机仿真模型对上述生产策略和销售策略进行验证，从而验证研究成果的正确性和可行性。试验验证的过程为