来 源, 韩瑞珠 (东南大学 经济管理学院,江苏 南京 211189)
LAI Yuan,HAN Rui-zhu (School of Economics and Management,Southeast University,Nanjing 211189,China)
近些年来,物流业的发展如火如荼,各国对物流业的发展都给予高度的重视。虽然物流业被定义为新兴的产业,然而物流自古以来就伴随着经济活动的存在而存在。发展到经济活动高度发达的现代社会,物流业对经济的发展起着重要的推动作用,另一方面物流业的发展瓶颈也会制约经济的发展。
物流配送中心选址是指在一个具有若干供应网点及若干需求网点的经济区域内,选一个或多个地址设置物流配送中心的规划过程,它在整个物流系统中占有非常重要的地位。
近年来,学术界对配送网络优化生成了众多重要的研究成果,各种优秀的数学算法层出不穷,如模拟退火算法、遗传算法、蚁群算法、紧急搜索算法、神经网络等。并且很多学者将这些优秀的算法巧妙地应用在了物流中心的选址问题上,得到了很好的效果。
吴钦阳 (2009)[1]对传统的遗传算法进行了尝试性的创新改进,并将其用于解决物流配送中心的选址问题上;许婷等人(2010)[2]基于蚁群算法的最短路径构建物流配送中心选址的目标函数,同时结合GIS技术,在物流中心优化方面取得了较好的效果;潘超杰 (2010)[3]建立了模糊评价矩阵,并且利用了BP人工神经网络来处理,相对客观地评价了多个选址方案的优劣,避免了传统算法的不足。此外,许多学者[4-5]对选址问题的深入和不懈研究也形成了许多优秀的数学模型,如最大覆盖模型、P—中介方法、Kuehn—Hamburger模型法、动态选址模型、Baumol—Wolfe模型。
在众多物流方式中,航空以其快速、安全、准确等优势得到重视和快速发展,学术界对航空网络的建设与优化也做出了许多深入地研究。通过多年的研究与发展,目前学术界逐渐承认了枢纽辐射模式,并在各级枢纽的选址问题上做出了研究。Campbell提出了4种离散枢纽问题的整数规划模型;翁克瑞等人 (2006)[6]对中枢航线网络的规模效益与建站数量进行了评估,利用多分配枢纽站中位模型计算中国航空枢纽港选址城市,最终从全国范围上优化了航空网络,节省了大量的运营费用。
在研究过程中,大量的现代计算工具也被应用于数学模型的计算,提高了准确率和计算速度,如Lingo、Matlab等。王林等人 (2008)[7]很好地利用了Lingo对复杂的数学模型进行了求解;张潜 (2009)[8]、李小川等人 (2010)[9]也在文章中应用了这一优秀的工具。基于前人的研究,本文通过建立混合整数规划模型并用Lingo进行求解,解决了二级分拨中心的选址问题。
快件配送之所以受到人们的青睐,其原因在于快递本身具有的特点。
一是速度快。现代社会的发展使得个人、企业等对时间的要求越来越高,时间会直接影响利益的取得、业务的成败。而快递是基于此种客户需求发展起来的,因此速度成为快递必要的特点之一。
二是安全性。在众多的快件中可能会有重要的信件、合同、或者贵重的私人物品,这些快件价值高,重要性大,一旦出现损坏、丢失等情况会造成巨大的损失。因此,客户对快件的安全性的要求越来越高。
三是准确性。快递服务要求的是门到门送达,最终送达到客户手中的快件是不允许出现错误的,这样的服务理念决定了快件配送必须有高度的准确性。
对一个以配送为主要工作环节的企业来说,配送中心是整个企业的核心。配送中心的地理位置直接影响到整个企业服务的质量和效率,最终影响到企业本身的利益。因此,建设配送中心需遵循科学合理的原则。一般来说,在规划物流配送中心的时候,要遵循四条原则:
一是战略性原则。配送中心的选址会在全局和长远方面影响企业。选择不当,不仅会立即、直接地给企业带来经济损失,还会阻碍企业长远的发展和战略目标的实现。因此,为配送中心选址时要有战略眼光和长远的目光,才能是企业立于不败之地;
二是经济性原则。企业都是以营利为目得的,成本的过度付出就是经济利益的损失。因此,配送中心的选址必须要考虑各方面的费用,在能满足需求的前提下尽量是费用最小化;
三是适应性原则。外部环境条件如区域经济发展政策、交通条件、成本及价格等因素是不断变化的。因此,在选址时不能将外部环境因素绝对化,规划时要有足够的柔性,适应当地经济和社会的发展,在外部环境发生变化时能够做出相应的变化。
目前,世界主要航空货运巨头的快递网络遍布我国众多城市,航空货运市场中的高价位快件、包裹、电子元器件由外航主导的趋势日趋显著。面对这种局势,A公司提出 “隔日送达”的以客户服务为中心的理念,组建了自己的全货机航空公司——A航空有限公司,构建起独立的航空运输网络,此网络主要由全货机航线和租赁货机航线组成,航空网点包括了北京、上海、重庆、沈阳、武汉、成都、西安、郑州、无锡、潍坊、杭州、福州、长沙、深圳、香港、台湾、乌鲁木齐,这也构成了A公司空中运输的主要力量[10]。但是,公司在实际运行过程中还存在着一些有待提高的地方:
(1)网络规划混乱
A公司目前是以单个网点的业务运输量为基础构成自身航空运输网络的,各网点的运输流动仅仅依靠规划人员的经验以及对网络运营的熟悉而制定的,缺乏对整个网络的战略规划、区域功能规划和区域辐射设计。例如,因为北京与上海和杭州都有业务运输量流动,于是就开设了杭州—北京和北京—上海两条运输航线,而没有考虑到华北运输区域和华东运输区域的规划设计,不仅占用了有限的空运资源而且货机使用率低下。
(2)货运飞机调度使用不完善
全货机资源的运营成本较高且属稀缺资源,现有的规划方法和规划手段相对比较原始,更多依靠规划人员的经验以及对网络运营方面的熟悉程度,而且每一次的规划调整耗时较长,难以适应外部资源及需求变化,而做到规划和评价快速响应,整个工作缺乏一个有效的规划工具和评价工具来实现高效、科学的航空网络规划及评价。同时,现有的全货机航线基本都是 “点对点”以及 “环型”飞行模式,航线覆盖面小,部分航段装载率过低,往返流向上货量极不均衡。
(3)各网点间货运量极不平衡
公司现有17个直接航空运输网点,根据各网点的运输货物量,如图1所示,各个网点之间均有航空运输往来,往来的运输工具包括了自营全货机和租赁货机以及客机副舱。对这一信息进行不完全统计,公司在这17个网点之间共开设了至少225条航线,实际运作中每条航线均需专人负责维护,将会耗费大量的成本,而且这种分散的、点对点的航空运输网络构成也没能实现公司战略中的 “多级分拨配送网络”规划。
根据地域特征与配送量的分布特点,结合辐射理论,本文将全国配送网络大致划分为4块区域:华北地区、华南地区、西南地区以及华东地区。为了方便研究,以地区内吞吐量最大的城市作为各地区的代表进行研究分析,即3个全国一级分拨中心为北京 (华北地区)、 深圳 (华南地区)、 成都 (西南地区)。
目前,华东地区的3个二级分拨中心 (上海、杭州、无锡)分别承担着所属区域的货物集散。这种区域划分是历史遗留下来的,是按照3个省的行政区划严格区分分拨场所对应地区。具体的划分形式如图2所示。
然而,这样的划分模式存在着很大的弊端:
(1)3个二级分拨中心之间存在大量的三角运量,而长三角地区是中国经济最发达最具活力的区域之一,也是速递业务量最大、行业竞争最激烈的区域,不但两地的流向和流量呈现出辐射全国的状态,而且两地各城市之间的对开运量也非常大。
(2)华东地区的3个二级分拨中心之间距离不是很长,属于公路运输的合理运输范围,没有必要全部进行航空运输。
因此,调整华东地区二级分拨中心的选址设计对于节约资源和合理化调度具有重大意义。
(1)假设条件
A公司的华东地区二级分拨中心选址问题是在给定某一地区所有备选点的地址集合中选出一定数目的地址建立分拨中心,从而建立一系列的配送区域,实现各个三级分拨中心点的配送,以实现选出点建立的二级分拨中心与各三级分拨中心和一级分拨中心形成的配送系统总物流费用最小。
为了便于建立数学模型,作如下假设:
1)由一级分拨中心到二级分拨中心、由二级分拨中心到三级分拨中心的单位运输价格均已知;
2)一级分拨中心的出货量一定;
3)二级分拨中心的吞吐量没有限制;
4)各三级分拨中心的入货量一定且为己知;
5)二级分拨中心的运营费用包括收派件费用和管理成本,且为已知。
在本模型中,二级分拨中心选址的主要考虑费用项目包括:一级分拨中心到二级分拨中心的航空运输费用、二级分拨中心到三级分拨中心的公路运输费用、二级分拨中心的收派件费用和管理成本。
(2)混合整数规划模型建立
根据模型有3个一级分拨中心出货,11个三级分拨中心接受二级分拨中心的出货,有3个二级分拨中心待选城市,则快件的分拨关系和流通情况形成了整个华东地区快件配送系统的网络结构。需要特别考虑的是:3个二级分拨中心之间也有快件运量对流的情况,因此,实际的三级分拨中心为14个 (将同一个城市之间的运费设为0)。
模型中分拨中心的数量和位置是固定的,通过对运输费用、二级分拨中心的运营费用最小化,求出各级分拨中心之间的货物运输关系,从3个候选城市中选出若干个二级分拨中心,从而完成选址问题。通过以上的假定和说明,可以建立A公司华东地区二级分拨中心选址模型。
目标函数[11]:
一级分拨中心到二级分拨中心的出货量与其二级分拨中心和三级分拨中心的收货量之和相等:
每个二级分拨中心的收货需求都能得到满足:
上式中
ckj——单位产品从一级分拨中心k到二级分拨中心i的航空运输费用
wkj——从一级分拨中心到二级分拨中心的运货量
hij——单位快件从二级分拨中心i到三级分拨中心j的公路运输费用
xij——从二级分拨中心到三级分拨中心的运货量
ui——二级分拨中心单位收派件费用
mi——二级分拨中心单位管理成本
(3)基于Lingo语言求解的华东地区二级分拨中心的选址问题
设一级分拨中心有3个,分别是:北京、成都、深圳,待选的华东地区二级分拨中心有3个,分别是:上海、杭州、无锡,三级分拨中心有14个 (考虑到二级分拨中心的快件对流,上述3个城市也包含在内)。一级分拨中心的出货量如表1所示,一级分拨中心到二级分拨中心的航空运输费用如表2所示,二级分拨中心的单位收派件费用、管理成本如表3所示,三级分拨中心的入货量如表4所示,二级分拨中心到三级分拨中心的公路运输费用如表5所示。
表1 一级分拨中心的出货量 单位:吨
表2 一级分拨中心到二级分拨中心的航空运输费用 单位:元/吨
表3 二级分拨中心运营成本 单位:元/吨
表4 三级分拨中心入货量 单位:吨
表5 二级分拨中心到三级分拨中心的公路运输费用 单位:元
利用Lingo软件求解以上混合整数规划,结果如下:
Global optimal solution found.
Objective value: 0.4553624E+09
Total solver iterations: 9
由以上计算结果可知,选择杭州和无锡两个城市作为A公司华东地区二级分拨中心可以达到费用最小化的目标,最小运营成本为455 362 400元。
快件公司配送网络中分拨中心的选址问题往往容易出现研究情景不明确、数据量大、信息零散等情况,采用传统运筹学方法求解该类复杂问题往往比较困难,采用Lingo语言建立的计算模型简练直观,更加贴近于数学模型形式,能够更加直观、有效地解决该问题。
通过对A公司华东地区的二级分拨中心的选址城市的筛选优化,既降低了公司的运营成本,也提高了快件的分拣效率,这有利于大幅提升提高客户满意度,促进公司更好的发展。
[1] 吴钦阳.基于遗传算法的物流配送中心选址问题研究[J].福建电脑,2009,25(6):89.
[2] 许婷,盛明,娄彩荣.基于GIS和蚁群算法的物流配送中心选址研究[J].测绘科学,2010,35(6):206-208.
[3] 潘超杰.基于BP人工神经网络的物流配送中心选址决策[J].知识经济,2010(9):10-11.
[4] 税文兵,叶怀珍,张诗波.物流配送中心动态选址模型及算法研究[J].计算机应用研究,2010,27(12):4476-4479.
[5] 杜乐乐,燕子宗,李静,等.油库选址的最大覆盖模型研究[J].长江大学学报 (自然科学版)理工卷,2008,5(3):138-139.
[6] 翁克瑞,杨超,屈波.中国航空枢纽港选址与中枢航线网络设计[J].长安大学学报 (社会科学版),2006,8(4):37-41.
[7] 王林,叶小侠.基于Lingo语言求解物流配送中心选址模型[J].物流技术,2008,27(10):113-115.
[8] 张潜.基于Lingo语言求解连锁超市物流配送中心的选址优化[J].中国科技成果,2009(20):27-29.
[9] 李晓川,朱晓敏,赵乃东.基于Lingo的运输优化系统设计与开发[J].物流技术,2010(S1):106-109.
[10] 魏然.我国航空货运一体化发展战略及其实施途径[J].空运商务,2010(18):33-36.
[11] 刘明广,李高扬.物流配送中心选址问题研究[J].现代管理科学,2008(2):76-77.