多目标设施定位：故障概率与协方差对配置的影响

论文题目：Location and reliability problems on a line: Impact of objectives and correlated failures on optimal location patterns

第一作者：Oded Berman，多伦多大学管理学院副院长，INFORMS位置分析分会终身成就奖，主要研究兴趣包括服务行业的运营管理、位置理论、网络模型和随机库存控制。E-mail：berman@rotman.utoronto.ca 

通讯作者：Mozart B.C. Menezes 法国波尔多凯奇商学院教授，曾任职于卡尔加里大学哈斯凯恩商学院、西班牙萨拉戈萨后勤中心以及巴黎高商学院管理学院。聚焦供应链与运营管理领域，以运筹学为核心研究方法，深耕设施选址与可靠性、供应链网络设计、运营复杂性与风险管理，同时拓展至产品扩散策略、应急设施布局、生产与可再生能源整合、零售运营优化等相关研究方向。E-mail：mozart.menezes@utoronto.ca

多目标设施定位：故障概率与协方差对配置的影响

论文摘要

该文探讨了一类极简但信息量丰富的设施选址问题：在一条单位长度的线段上布置两个服务设施，设施可能因自然灾害或停电等原因而失效，并允许失效事件之间存在相关性。研究者从决策目标（总路径最小化的中位目标 vs. 最大路径最小化的中心目标）和客户信息（客户是否提前掌握设施状态）两维度出发构建四种模型：MPUF‑CI、MPUF‑II、CPUF‑CI 与 CPUF‑II。文中通过解析推导和数值模拟系统比较各模型下的最优设施位置以及故障概率 p、相关系数 r、信息可得性等参数对选址模式的影响。主要结论包括：

• 中位目标下故障概率越高，设施呈中央化甚至同址布置的趋势；若客户无法获知设施状态，这一趋势更明显。
• 中心目标下则出现去中心化现象：随着失效概率上升，两设施向线段端点移动。
• 正相关故障会减弱中央化（或去中心化）效应，负相关故障会加强该效应。
• 成本分解表明，在总成本中，信息价值（VoI）在中位目标下占据主导，可靠性价值（VoR）在中心目标下更为重要。

本文不仅给出闭式解，还通过 3–5 个设施的数值模拟验证两设施结论的普遍性，并讨论设施可靠性不同和非均匀需求下的扩展，指出更可靠的设施应置于区段中央，故障率高的设施应放在边缘。文末提出多设施线段模型与平面模型的未来研究方向。

一、研究问题与模型假设

1.1 选址问题的提出

经典选址理论多假定设施永久可用，但现实世界中服务点可能因灾害或停电等随机事件失效。文章关注两设施的连续选址问题，研究四个关键因素如何影响最优布局：

• 设施失效概率  ：设施失效的边缘概率取值于 0–1 区间。
• 失效相关系数  ：度量两个设施失效的相关程度，取值范围为 [−1,1]，正相关意味着两设施同时失效概率较高。
• 客户信息状态：完全信息 CI 情况下，客户出行前就知道设施是否运行；不完全信息 II 情况下，客户需逐个搜索设施。
• 决策目标：中位目标（最小化平均旅行距离）和中心目标（最小化最大旅行距离）。

1.2 基本参数与四种模型

利用以上因素，作者构建四种模型，每种模型均假设需求在单位线段上均匀分布，设施具有相同失效概率，服务速度无约束。下表给出了四个模型的结构与解析最优布局。

四个模型显示，信息可得性与目标函数的不同组合产生截然不同的最优位置模式。

二、两设施解析：最优位置与影响因素

2.1 中位目标下的中央化与共址效应

在中位目标下，最大化客户平均满意度是首要考虑。解析解表明：

1. 完全信息 (MPUF-CI) ：随着失效概率  增大，两个设施从四分之一点和四分之三点逐步向中点移动（中央化），收敛速度为 。若失效相互独立 ()，、。

2. 不完全信息 (MPUF-II) ：客户不知道设施是否工作，需要逐个尝试。失效概率越大，客户越有可能走远路。最优解因此要求设施更靠近或共址。当  时，，两设施合并在中点，形成共址效应。

3. 失效相关性：正相关 () 意味着两设施同步失效概率更高，客户从最近设施转移到另一设施的概率较小，因此中央化速度减缓；负相关 () 增强了独立失效的可能，迫使设施进一步靠近以减少远距离旅行。

下图展示了在  时，MPUF‑CI 模型（实线）和 MPUF‑II 模型（虚线）随失效概率变化的最优位置轨迹。

图 1 显示失效概率增大时位置向中点收缩，而图 2 对比了不同相关系数下中央化速度的差异，负相关曲线更陡峭、正相关曲线更平缓。

2.2 中心目标下的去中心化现象

中心目标寻求最小化最长旅行距离，强调极端客户的满意度。此目标下的结果完全相反：

1. 完全信息 (CPUF‑CI) ：失效概率增加时，最远客户的期望成本增幅大于中点客户。为了平衡两者，设施移动到线段两端，去中心化效应明显。

2. 不完全信息 (CPUF‑II) ：解析解显示两个设施恒定位于四分之一和四分之三处，与失效概率和相关系数无关。

3. 失效相关性 ：在 CPUF‑CI 模型中，正相关会减弱去中心化，因为同时失效的概率更高，客户不必走到远端寻找备份；负相关加剧去中心化。

下图给出了 CPUF‑CI 模型在不同相关系数下的最优位置轨迹。

此外，作者指出误判最佳位置对成本的影响是不对称的：偏离端点将带来较小的最大成本增幅，偏离中点则更为致命，因此建议管理者在不确定时倾向于布局偏中。

2.3 数值验证与多设施扩展

为了验证两设施结论的普适性，作者利用启发式算法对  设施情形进行了大量数值实验。主要发现如下：

• 中位目标下 (左列)：失效概率越高，设施整体向中点集中，且外侧设施集中得更快，形成所谓周边集中效应。随着设施数量增多，中央化阈值提高，曲线呈现凹形。

• 不完全信息下 (右列)：中央化速度更快，发生共址的失效概率阈值随设施数量增大而提高。部分情况下出现内外设施先靠近后快速分离的轨迹。

• 中心目标下：完全信息时出现去中心化，但内外设施移动速度不同；不完全信息时最优位置对  和  不敏感，长期保持初始的等距布局。

以下图展示了中位目标下三、四、五设施的典型轨迹（左列为完全信息，右列为不完全信息）。

对应的中心目标模型轨迹如下。可以看到外侧设施迅速向端点移动，而内侧设施变化缓慢，说明去中心化在大设施系统中同样存在。

三、成本分解与管理启示

3.1 旅行成本、可靠性价值与信息价值

为理解设施失效和信息缺乏对总成本的贡献，文章引入了成本分解框架。总成本  可拆分为三部分：

其中  为无失效情况下的旅行成本， 为设施失效导致的额外成本（可靠性价值）， 为客户无法提前获知设施状态所带来的信息成本。

当失效相互独立 () 且两设施失效率相同，解析推导给出了中位目标的  和 ：

中心目标下的对应公式为

这里  为遭遇全部设施失效时的惩罚系数，作者指出  才能保证  随  增大而增大。

3.2 管理建议与敏感性分析

分析表明：

• 在 中位目标 下，信息价值往往大于可靠性价值。当  较大而  不过高时，增加信息透明度（例如提供设施实时状态通知）比提升设施可靠性更划算。因此企业可先投资信息系统，再考虑冗余建设。

• 在 中心目标 下，可靠性价值往往主导，总成本对  的二次敏感性更强，故提高设施可靠性更加重要。

• 惩罚系数越大，可靠性价值的重要性越高；当失效相关性改变时，两价值项的曲线相对稳定，说明相关性对成本分解影响有限。

四、模型扩展与未来展望

4.1 异质可靠性与需求分布

作者进一步放松同质假设，讨论两设施失效概率不相等以及需求分布不均的情况：

• 当两个设施失效概率分别为  和 ，更可靠的设施应靠近区段中心，不可靠的设施留在边缘作为后备支援。中央化与共址或去中心化规律依旧成立。

• 当需求呈三角形分布（顾客集中在中间或端点），初始位置（2-中位与 2-中心解）会有所改变，但随着  和  的变化，中央化/去中心化及相关性影响与均匀需求情形一致。

4.2 未来研究方向

文章最后提出了若干可能的研究方向：

• 多设施解析解：仅有 MPUF-CI 模型在多设施情况下有闭式解，其余模型需进一步研究。
• 网络与平面模型：将线段模型推广到一般网络或平面，考虑不同失效概率和需求分布，可能产生更复杂的位置结构。
• 动态与随机需求：考虑需求随时间和空间变化以及恢复时间不确定的情形，可提升模型的现实性。

五、结语

本文从四种不同的目标与信息组合出发，对两个易失效设施在线段上选址进行了全面解析。研究发现，中位目标鼓励设施中央化甚至共址，中心目标则促使设施向边界分散；失效概率、相关系数和客户信息状态是驱动位置变动的核心因素。成本分解进一步揭示了信息的价值与可靠性的价值在不同目标下的重要性。作者还通过数值模拟验证了多设施情况下上述规律的稳健性，并讨论了设施异质性和需求非均匀的扩展。该研究既为学术界提供了闭式解析结果，也为设施布局决策提供了实用指南。

原文链接见文末，或扫下方交流群二维码。群内实时更新推文及原文 pdf，方便专家学者随时获取（若二维码失效，请翻阅扫描最新文章的二维码）。