随着我国物流产业的高速发展,物流业务规模的日益增大以及客户需求的多样化发展,不断加剧智能物流装备市场竞争,压缩原有智能物流装备制造商的利润空间,智能物流装备制造商急需有效的服务化策略实现转型发展。另一方面,以区域物流中心为例,巨大的物流业务规模,高度的物流机械化水平,使得区域物流中心面临着巨大的智能物流设备故障风险。如何保证快速有效地处理物流系统装备运作过程中的异常情况,保证供应链的运营效益,同时控制物流运作成本,无疑是其面临的巨大难题。本文面向智能装备制造商发展困境和服务化转型的迫切需要,结合我国区域物流中心风险防范和物流运营成本控制需求,以智能分拣系统制造商为例,假设区域内有多家使用其智能分拣系统并接受其附加产品服务的物流中心,在区域内某一物流中心智能分拣系统故障预知的情景下,研究基于制造商服务能力的区域多物流中心协同调度模型,为制造商提供服务化策略以满足区域物流中心的需求,进而提升自身的市场竞争力,促进转型发展。本文主要包含三个方面的内容:(1)在运货车辆同时到达故障物流中心的情境下,研究基于制造商服务能力的多物流中心静态协同调度模型。本文采用混合整数规划法建立两阶段静态协同调度数学模型,并对模型中涉及的两个关键子问题(S-SSDP问题和S-STDP问题)进行描述并建模。最后通过数值仿真方法验证模型的可行性和有效性。(2)在静态协同调度模型的基础上,考虑时间约束的影响,研究运货车辆不同时到达情境下,基于制造商服务能力的多物流中心动态协同调度模型,并采用动态规划和混合整数规划法进行建模求解。在此基础上,基于运货车辆的到货时间与车载货量间的相互关系,调整车辆的到达时间,以期提高故障物流中心分拣资源利用率,优化协同调度策略。(3)基于本文研究问题的背景,结合制造商定制化服务的思想,设计了一种基于风险偏好的两阶段双目标蚁群算法(Risk-Preference Based TSBO-ACA)进行模拟仿真求解。在原双目标蚁群算法的基础上,改进了Pareto解集的寻优机制,并结合问题的性质设计了一种预策略机制,以求解验证本文问题模型的合理性和有效性。数值仿真结果证明本文所述基于制造商服务能力的区域多物流中心协同调度模型的合理性,有效性和可行性,同时论证了基于风险偏好的TSBO-ACA的优越性,为制造商实施科学有效的服务化策略提供理论依据和实践基础。此外,通过数值仿真对比分析了动态调度模型的优越性,并进一步研究论证了车辆到货时间的集中度与协同调度决策结果呈负相关系。同时,本文还分析证明了模型优化后的优越性,为制造商改善服务化决策,提高决策满意度提供科学的指导和建议。