改進試驗設計法優(yōu)化電動汽車按時間租賃利潤

米雷雨， 苗　瑞， 顧希垚， 吳易洲， 趙　赫

(上海交通大學 機械與動力工程學院，上海 200240)

?

改進試驗設計法優(yōu)化電動汽車按時間租賃利潤

米雷雨， 苗瑞， 顧希垚， 吳易洲， 趙赫

(上海交通大學 機械與動力工程學院，上海 200240)

摘要：針對電動汽車租賃服務系統(tǒng)，結合顧客到達率瓶頸、顧客依據(jù)感知價值選擇服務的特征及電動汽車特性，構建了按時間收費利潤模型。以利潤最大化為目標，采用改進試驗設計法求解模型。先采用傳統(tǒng)試驗設計法求出最佳利潤及因素取值組合，確定利潤函數(shù)在最佳因素取值組合處的單調(diào)性，進而更精確地判斷可取得最優(yōu)利潤的因素水平取值區(qū)間，根據(jù)精確化后的取值區(qū)間并保持各因素水平數(shù)不變，采用試驗設計法再次優(yōu)化利潤。實例分析比較了試驗設計法改進前后所得利潤優(yōu)化結果，顯示改進后方法得出的利潤顯著更優(yōu)，驗證了模型的有效性和實用性。

關鍵詞：電動汽車租賃； 按時間收費； 改進試驗設計法； 利潤優(yōu)化

電動汽車因具有節(jié)能環(huán)保等優(yōu)點得到了政府的大力推廣支持，但售價昂貴、維護成本高等劣勢使其推廣銷售受阻[1-3]。租賃模式可有效解決電動汽車推廣難題，不僅能使顧客無需承擔高昂的采購和維護成本，消除使用顧慮，還能使生產(chǎn)商實現(xiàn)制造和服務的綁定，增加利潤。鼓勵探索租賃等商業(yè)模式也被列入政府制定的支持節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃中。按時間收費作為電動汽車租賃的一種主要收費模式[4]，已被租賃商嘗試采用，該模式指租賃商根據(jù)顧客租賃時間時段長短收取租賃費。根據(jù)電動汽車特征、租賃服務系統(tǒng)及顧客排隊等多種復雜因素進行利潤決策是出租商面臨的難題，因此，對電動汽車租賃的按時間收費模式進行利潤建模和優(yōu)化分析，具有重要的理論和實踐意義。

按時間收費方面，Chhabra等[5]基于馬爾科夫決策理論建立按時間收費利潤模型；Fruchter等[6]基于動態(tài)定價理論建立按時間收費制的瞬時收入模型；Lambrecht等[7]基于顧客行為特征建立按時間收費利潤模型并分析其對收入的影響。但在建模時只以單一顧客為研究對象，未考慮顧客群體特征，或假設單位時間內(nèi)前來的顧客數(shù)量可以無限增加，而實際中顧客到達率會被有限的市場規(guī)模等因素限制不能無限制增加。Madden等[8]基于動態(tài)需求理論建立考慮網(wǎng)絡影響時按時間收費模式下用戶的服務價值模型；McCabe[9]建立了考慮價格分歧時按時間收費模式下用戶的服務價值模型；Issman等[10]建立按時間收費值下顧客價值模型并分析顧客特征對平衡狀態(tài)時的臨界價值影響。但在建模時均假設所有潛在顧客都會采用服務，不符合實際情況中某些顧客會因感知價值過低而不采納該服務的特征，或未定量化描述選擇服務的顧客具有的感知價值特征。Cachon等[11]基于排隊論建立面向普通服務系統(tǒng)的按時間收費利潤模型；Bitran等[12]運用排隊論建立按時間收費利潤模型并分析顧客在單一和群體狀態(tài)下的服務選擇特征；Tong等[13]基于排隊論建立了面向自行決斷服務的按時間收費收入模型并計算相應的服務績效指標。這些文獻展示了按時間收費服務系統(tǒng)的自然排隊特征，但未考慮服務運營成本或成本針對普通服務系統(tǒng)。在成本方面，本文主要考慮與電動汽車行駛運行特征密切相關的維修成本，不考慮其他相關性很小的成本如管理或購置成本等，但有關電動汽車維修成本模型方面的研究，僅針對汽車或電池單方面研究，現(xiàn)存的車輛維修成本建模研究大多只針對汽車[14-16]，不包含電池的特性，或只研究電池維護成本[17]，不包含電動汽車行駛里程等特征。利潤由服務系統(tǒng)、顧客排隊、維修成本相關的多種因素綜合決定，尋求最優(yōu)利潤是一個復雜的多因子數(shù)值優(yōu)化問題。遺傳算法[18]、模擬退火算法[19]、響應曲面法[20]等方法可用于解決多因子數(shù)值優(yōu)化問題，然而只能基于大量試驗數(shù)據(jù)尋求優(yōu)化目標值，系統(tǒng)推理能力差且耗費成本高。在需同時兼顧盈利和效率的租賃商業(yè)環(huán)境中，耗費更少的人力、物力和時間獲得優(yōu)良結果顯得尤為重要，試驗設計法可通過較少的試驗次數(shù)尋求到優(yōu)良目標值，有很強的系統(tǒng)推理能力和較低的決策成本[21]。但傳統(tǒng)試驗設計法中，多依靠增加因素區(qū)間內(nèi)取值個數(shù)來尋求更優(yōu)的目標值，存在因為水平取值選取方向性不強造成優(yōu)化效率低的問題，容易出現(xiàn)雖然因素取值個數(shù)大量增加，但所得目標值的優(yōu)化程度卻很弱的現(xiàn)象。

本文假設了顧客感知服務價值的分布函數(shù)和取值區(qū)間，用來表示選擇服務顧客占總體顧客數(shù)的比例，再結合顧客最大到達率、電池損耗系數(shù)、行駛里程等參數(shù)，研究構建了包含顧客到達率瓶頸、顧客依據(jù)感知價值選擇服務的特征及電動汽車特性的利潤模型，使模型更貼近現(xiàn)實。為提升利潤優(yōu)化效率，提出改進試驗設計法，求解利潤模型，比傳統(tǒng)試驗設計法得出顯著更優(yōu)結果，再采用極差分析法確定參數(shù)對利潤的影響程度，最終達到高效低成本地優(yōu)化利潤的目標，為電動汽車出租商優(yōu)化按時間收費模式的利潤提供決策依據(jù)。

1利潤模型

電動汽車租賃的按時間收費模式利潤模型包括電動汽車的維修成本模型和租賃收入模型兩部分。

1.1維修成本模型

(1)

1.2收入模型

設當顧客認為按時間收費模式租車帶來的服務價值V不低于臨界值VS時才會租車。VS可表示為

VS=ωW。

(2)

(3)

(4)

1.3利潤模型

由式(1)和式(4)，可得出租商單位時間內(nèi)獲得的利潤

(5)

(6)

(7)

將式(7)代入式(6)得

(8)

2基于改進試驗設計法的模型求解

圖1　改進試驗設計法優(yōu)化利潤的步驟

(9)

s.t.

(10)

(11)

(12)

(13)

0

(14)

表1　試驗條件及結果表

3)確定利潤函數(shù)在最佳取值組合處的單調(diào)性，更加精確地判斷取得最優(yōu)利潤的各因素水平取值區(qū)間，增強水平選擇的方向性。為更精確地確定最優(yōu)利潤存在的水平區(qū)間，需確定RS的函數(shù)極值點個數(shù)及單調(diào)性，則需以各參數(shù)為自變量對RS求一階導數(shù)得

對9#圓通樣品不同面積的5個樣品進行測定，實驗結果顯示，當檢測樣品的面積為0.2 cm×0.2 cm時，譜圖吸收峰發(fā)生較大變化。因此，該實驗的樣品最小檢出量應為0.3 cm×0.3 cm。

(15)

(16)

(17)

(18)

(19)

(20)

(21)

(22)

式(15)～(17)，(19)～(22)為聯(lián)立式(6)、(7)求導得出，式(18)為對式(8)求導得出。

綜上，RS有唯一極值點(類凸或類凹)或無極值點(單調(diào))。

表2　優(yōu)化后的因素水平取值區(qū)間

5)與傳統(tǒng)試驗設計法得出的最佳利潤比較，驗證改進試驗設計法的有效性。計算優(yōu)化前后得出利潤的變化率

6)對利潤結果作極差分析，確定各因素對利潤的影響程度。極差

(23)

3案例分析

通過用實例驗證改進后試驗設計法優(yōu)化利潤的有效性并確定因素對利潤的影響程度，輔助出租商調(diào)整現(xiàn)有的因素取值取得更大利潤，當預算有限時可做到有選擇性地調(diào)整影響程度更大的因素。

1)確定因素的水平個數(shù)及取值。設出租商經(jīng)過對電動汽車租賃服務系統(tǒng)的實地調(diào)研觀測，得出的利潤相關因素取值如表3所示。

表3　優(yōu)化前的因素水平表

4)確定優(yōu)化水平區(qū)間后的試驗設計因素水平表，如表5所示。

表4　優(yōu)化后的因素水平取值區(qū)間

表5　優(yōu)化后的因素水平表

6)確定因素對利潤影響的大小，尋找影響利潤的關鍵因素。通過對各因素不同水平下的利潤結果作極差分析確定各因素對利潤的影響程度，如表6所示。

表6　各因素對利潤的影響排序

4結論

建立并優(yōu)化電動汽車租賃收費利潤模型是輔助出租商作利潤決策的有效途徑。提出了面向電動汽車租賃的按時間收費利潤模型，將顧客到達率瓶頸、顧客依據(jù)感知服務價值選擇服務的特征及電動汽車特性考慮進入模型構建過程，采用改進試驗設計法優(yōu)化利潤，極差分析法確定各因素對利潤的影響程度。通過算例分析可知改進后試驗設計法所得利潤值比改進前所得利潤值顯著更優(yōu)，并得出因素的利潤影響度排序，為出租商預測并有選擇性地根據(jù)影響度大的因素優(yōu)化利潤提供決策依據(jù)。

參考文獻：

[1]KIM D, KO J, PARK Y. Factors affecting electric vehicle sharing program participants' attitudes about car ownership and program participation[J]. Transportation Research Part D: Transport and Environment, 2015, 36: 96-106.

[2]KRAUSE R M, CARLEY S R, LANE B W, et al. Perception and reality: public knowledge of plug-in electric vehicles in 21 U.S. cities[J]. Energy Policy, 2013, 63: 433-440.

[3]MAK H Y, RONG Y, SHEN Z J M. Infrastructure planning for electric vehicles with battery swapping[J]. Management Science, 2013, 59 (7), 1557-1575.

[4]WILLIAMS A. Product service systems in the automobile industry: contribution to system innovation[J]. Journal of Cleaner Production, 2007, 15 (11): 1093-1103.

[5]CHHABRA M, DAS S, SARNE D. Expert-mediated sequential search[J]. European Journal of Operational Research, 2014, 234 (3): 861-873.

[7]LAMBRECHT A, SEIM K, VILCASSIM N, et al. Price discrimination in service industries[J]. Marketing Letters, 2012, 23(2): 423-438.

[8]MADDEN G, COBLE-NEAL G, DALZELL B. A dynamic model of mobile telephony subscription incorporating a network effect[J]. Telecommunications Policy, 2004, 28(2): 133-144.

[9]MCCABE M J. Information goods and endogenous pricing strategies: the case of academic journals[J]. Economics Bulletin, 2004, 12(10): 1-11.

[10]ISSMAN E, SHY O. Pricing of library subscriptions with applications to scientific journals[J]. Journal of Economics and Business, 2003, 55(2): 197-218.

[11]CACHON G P, FELDMAN P. Pricing services subject to congestion: charge per-use fees or sell subscriptions[J]. M&SOM-Manufacturing & Service Operations Management, 2011, 13(2): 244-260.

[12]BITRAN G R, OLIVEIRA P R, SCHILKRUTA. Managing customer relationships through price and service quality[R/OL].(2008-09-09).http://dx.doi.org/10.2139/ssrn.1264933.

[13]TONG C, RAJAGOPALAN S. Pricing and operational performance in discretionary services[J]. Production and Operations Management, 2014, 23(4): 689-703.

[14]KRIVTSOV V, FRANKSTEIN M. Nonparametric estimation of marginal failure distributions from dually censored automotive data[C/OL].(2004-01-26). http://dx.doi.org/10.1109/RAMS.2004.1285428.

[15]RAI B, SINGH N. A modeling framework for assessing the impact of new time/mileage warranty limits on the number and cost of automotive warranty claims[J]. Reliability Engineering & System Safety, 2005, 88(2): 157-169.

[16]AKSEZER C S. Failure analysis and warranty modeling of used cars[J]. Engineering Failure Analysis, 2011, 18 (6): 1520-1526.

[17]HAN Y, WANG J, ZHAO Q, et al. An optimal operating strategy for battery life cycle costs in electric vehicles[J/OL].(2014-03-11). http://dx.doi.org/10.1155/2014/305905.

[18]THAKUR M, MEGHWANI S S, JALOTA H. A modified real coded genetic algorithm for constrained optimization[J]. Applied Mathematics and Computation, 2014, 235: 292-317.

[19]NEDIC V, CVETANOVIC S, DESPOTOVIC D, et al. Data mining with various optimization methods[J]. Expert Systems with Applications, 2014, 41(8): 3993-3999.

[21]LI Z, LI Z, NGUGEN T T, et al. Orthogonal chemical reaction optimization algorithm for global numerical optimization problems[J]. Expert Systems with Applications, 2015, 42(6): 3242-3252.

[22]KIM T, QIAO A W. A hybrid battery model capable of capturing dynamic circuit characteristics and nonlinear capacity effects[J]. Energy Conversion, IEEE Transactions on, 2011, 26(4): 1172-1180.

[23]MIAO R, XU F, ZHANG K, et al. Development of a multi-scale model for customer perceived value of electric vehicles[J]. International Journal of Production Research, 2014, 52(16): 4820-4834.

A Modified Design-of-Experiment Approach to Optimize Profit of Electric Vehicle Lease for Subscription Pricing

MI Leiyu, MIAO Rui, GU Xiyao, WU Yizhou, ZHAO He

(School of Mechanical Engineering, Shanghai Jiao Tong University,Shanghai 200240 , China)

Abstract：A profit model of subscription pricing for electric vehicle (EV) rental service system is constructed, by considering the bottleneck of consumers’ arrival rate, the features of consumers deciding to choose service or not according to their perceived service value and characteristics of EVs. In order to maximize profit, a modified design-of-experiment (DOE) method is used to solve the model. First, optimized profit and the corresponding values of factors are obtained by conducting traditional DOE method. Then, value intervals of factors to achieve optimal profit are determined more precisely according to monotonicity of profit function on the optimal values of factors. Finally, more optimal results are obtained by conducting DOE method according to the new value intervals of factors while keeping the same value levels of each factor. An example compares two profit results of DOE methods before and after being modified and shows that the profit obtained by conducting the modified DOE method is more optimal, demonstrating effectiveness and practicability of the model.

Key words：electric vehicle lease; subscription pricing; modified design-of-experiment method; profit optimization

收稿日期：2015- 07- 09

基金項目：國家自然科學基金資助項目(51435009); 上海交通大學大學生創(chuàng)新實踐計劃資助項目(IPP11023)

作者簡介：米雷雨(1992-)，女，河南省人，碩士研究生，主要研究方向為決策支持.

doi:10.3969/j.issn.1007- 7375.2016.02.009

中圖分類號：F407.471

文獻標志碼：A

文章編號：1007-7375(2016)02- 0053- 09