客户视角下生鲜农产品单一配送中心选址研究

张现福 （渤海大学，辽宁 锦州 121000）

0 引言

对于物流配送中心选址的研究国内外的研究已经比较成熟。1929年，Alfred和Weber[1]首次提出物流中心选址问题后，很多学者开始对影响物流中心和配送中心选址的各种成本进行了非常详细的研究。在模糊环境下，Anjali Awasthi[2]运用TOPSIS算法进行配送中心的选址规划，节省了配送成本和减少了城市地区的货物运输造成的交通堵塞情况；Nobunori AIURA和Keiichi SATOH[3]建立了运输成本的多级模型，通过考虑库存商品、中心的人工成本、中心租金和管理费用来优化选址，借助于遗传算法使物流配送成本最优化的计算问题得到了有效的解决；赵世安改进布谷鸟算法应用于物流中心选址模型，避免了算法陷入局部最优解的问题[4]。国内还有部分文献综合性地对配送中心进行了深入研究，将理论与实践相结合，使成本最低的选址模型在指导实践方面有了突破。但是，直接从整个系统及客户角度出发，考虑生鲜农产品特征，将满意度量化为企业的一种经济收益，提高客户满意度的选址方法进行研究的还很少，大多数都是停留在算法和总成本最低的研究上。另外在经济全球化的发展进程中，顾客满意度指数日益成为衡量综合经济实力的指标[5]。因此，本文从分析易腐农产品的腐化变质特征和客户满意度入手，建立其配送中心选址问题的模型，并与传统的选址模型各物流因素定量比较。

1 配送中心选址的原则

（1）适应性原则。生鲜农产品物流配送中心的选址应当与当地政府规划的整体发展方向、政策、方针相适应，与国民经济和社会的发展相适应，与物流资源和需求分布相适应，因此配送中心选址往往采用离散型的方式[6]。

（2）经济性原则。本文是一个多目标选址模型，在客户满意度最大化和总成本最小化之间寻找最优方案，成本主要包含运输费用、配送中心建设运营费用、生鲜农产品损耗、制冷费用这四个方面。

（3）统筹性原则。选址要从微观和宏观两方面全面把握，不仅考虑到政府的建议和要求，也要考虑客户方面的意见。许斌认为不是所有的人都是你的顾客，也不是所有顾客的满意度都需要提高，你花费十二万分精力、高度紧张关注的只能是可以为你带来效益的顾客[7]。所以在建设物流配送中心时要着重考虑需求量大、商品价值量高的客户，最大限度地缩短商品和客户之间的距离，提高客户的满意度[8]。

（4）战略性原则。物流配送中心的选址应该具有战略性眼光，既要考虑全局又要考虑长远的利益，根据客户需求建立的配送中心不仅要考虑配送中心的成本，还要考虑到配送中心为客户带来的满意度，持续性地为配送中心带来稳定的长远的利益。

2 模型构建

2.1 模型分析

本文所建立的模型是针对具有一定腐烂性的生鲜农产品，面向的是补货周期短、量大的批发商客户。选址过程中考虑到客观条件的限制，本文采用离散型选址，即在一定区域内，已知备选点、客户的位置、需求量和期望收货时间，在满足所有需求客户的需求量情况下，把生鲜农产品的单一配送中心选址问题归结为包括生鲜农产品腐烂在内的绝大多数客户满意和物流成本最小的问题[9]。生鲜农产品的鲜活度和配送的效率，这两个指标是客户主要看重的，将这两个指标进行加权量化为满意度目标函数。

本文给出一个模型两个方案的选址方法，第一种是经典的配送中心选址模型，建立规模比较大的配送中心，仅仅以物流总成本最低为目标函数，不考虑潜在的顾客满意度以及客户不满意可能会造成失去客户的损失。

第二种方案在第一种方案的基础上，根据客户的意见对配送时效和生鲜农产品的鲜活度分别进行加权，借助于模糊时间窗量化为满意度函数，在方案1的基础上调整配送中心的位置，尽可能地使更多的客户满意。第二种方案中相对于第一种方案，由于考虑了满意度，导致最佳经济的位置发生调整，使物流总成本增加，但是从战略的角度来看，客户的满意会持续的为企业带来经济收益，并且这些经济收益会随着时间累积，甚至会因为配送服务质量的提升吸引周边更多的新客户和刺激老客户的需求量，因此引进客户的满意度作为目标函数之一是非常可行的。

2.2 模型假设

（1）客户具体的地理位置、需求量、期望的配送效率、可容忍的配送延迟都是已知的；

（2）车辆行驶速度不变，车辆单位制冷成本不变，使用车辆的固定成本是相同的；

（3）选址的备选点、配送中心的规模及对应的成本是已知的；

（4）运输成本与需求量成正比；

（5）两点之间采用线段距离；

（6）生鲜农产品腐烂速度符合指数型。

2.3 参数及变量定义

z：物流总成本；s：客户满意度；c：单位商品单位距离运输成本；ω：单位商品的价值量；F0：建设和运营配送中心所花费的平均年固定成本；F1：单位商品使用运输车辆的固定成本；F2：单位商品单位时间的制冷成本；fj3：客户j对配送时间的满意度；Lj：配送中心到客户j的距离；tj：配送中心到客户j的实际时间；dj：客户j的需求量； (0,ETj]：客户j期望补货时间间隔区间； (ETj,ELTj]：客户j可容忍补货时间间隔区间

2.4 模型建立

目标函数：

约束条件：

目标函数z表示在满足各约束条件下物流成本最小化，左起第一项表示配送中心建设的年平均成本与年运营成本之和；第二项表示配送运输中的变动成本它与客户的需求量，距离成正比；第三项表示使用车辆运输的固定成本，客户的需求量越多，使用车辆的固定成本越高；第四项表示运输过程中的制冷成本与生鲜农产品的数量和运输时间呈正相关；第五项表示生鲜农产品损耗成本即实际发货数量与客户需求量之差。

目标函数s表示在满足各约束条件下客户满意度最大化，左起第一项表示客户对送货时间的满意度，表示优先考虑购买货物量占总配送货物量比重大的客户，在权衡货物价值量的基础上考虑最大的配送效率。其目标是尽可能提高需求量大的客户的满意度；第二项表示利用生鲜农产品的损耗量来量化生鲜农产品的鲜活度，dj/Dj-dj表示客户的需求量与损耗量之比，当这个数值越大说明客户收到的生鲜农产品越新鲜，鲜活度越高，客户对生鲜农产品认知的价值就越高，满意度越高。α和β表示配送效率和鲜活度在客户满意度衡量中的权重。

约束条件（1）是构建的模糊时间窗下的客户满意度。生鲜农产品送达到客户手中并不是唯一目的，还要尽量在客户期望的补货时间内送达，提高客户对配送的任务满意程度。但在实际配送过程中，由于受到客户位置分散和成本等方面的影响，生鲜农产品并不全都能在客户最期望的时间内送达，只能满足大部分客户的需求，此种情况下带来的满意度：

（1）如果配送车辆将农产品在客户期望的时间段内到达，客户期望的满意度得到满足，记为商品的总价值ωd。

（2）如果配送车辆将农产品在客户期望时间之后与容忍的最晚时间之前送达，客户有可能因为产品晚到影响了销售进度，客户满意度会随着延迟时间而下降，θ是客户对延迟时间的敏感系数，θ越小说明客户对时间越不敏感，反之亦然。

（3）如果配送车辆将农产品在客户容忍时间之后到达，影响了客户的整个销售进度，客户可能会拒收，可能会造成机会损失，失去这个客户，带来了负面影响，这时配送中心损失的价值是ωd，客户的满意度记为-ωd。

约束条件（2）采用欧式距离求解配送中心到各客户之间的距离。

约束条件（3）表示配送中心需要向客户j提供配送服务，根据车辆路程和速度求解配送时间。

约束条件（4）参考U.Dave（1985）[10]关于指数速度腐败连续性生命周期函数建立的生鲜农产品出库量。配送中心向客户j实际的发货量，∂为生鲜农产品对时间的敏感系数，如果对时间比较敏感，则∂的取值较小，反之∂的取值较大，B为生鲜农产品随温度变化而变化的一个动态值[11]。

上述模型是方案2的优化选址模型。此外上述模型涵盖了方案1，模型中目标函数z和约束条件（1）、（2）、（3）、（4）构成了经典的配送中心选址模型。

3 算例分析

在某区域内，采集了5批客户的需求量、期望补货花费的时间、位置坐标、配送中心的4个备选点坐标为（49,4 ）7、（52,54.8 ）、（60,6 0 ）、（68,6 6 ），假定车速v=50，客户期望的补货时间间隔为（0,E T ），可容忍的时间间隔为（ET,EL T ），单位商品的价值为1。配送效率和鲜活度在客户满意度衡量中的权重为α=0.7，β=0.3。生鲜农产品腐败参数B=0.88，生鲜农产品对时间的敏感系数∂=0.1，客户对时间的敏感系数θ=0.86，客户需求信息数据如表1所示：

表1 客户需求及坐标信息

各方案计算基本情况：

方案1：仅仅从企业角度出发，不考虑客户的满意度，以物流总成本最低为唯一的目标函数，建立一个配送中心，满足所有客户的需求。求解方法上使用迭代重心法求解出最佳的经济位置，根据区域内的配送中心备选点选择与迭代重心法最接近的点作为方案1配送中心的选址，然后计算出此位置下配送中心到各个客户的配送距离、时间、实际发货量、生鲜农产品的损耗量、物流成本等。虽然方案中没有去考虑客户的满意度情况，但是只要客户收到生鲜农产品就会对产品的鲜活度和配送时效产生评价，也就是说即使目标函数不考虑客户满意度，方案1中也存在潜在的客户满意度收益，当配送中心运输时间在客户期望补货时间之内时即时间小于等于ET，客户为满意，当大于ET小于等于ELT时，客户为一般满意，大于ELT时为不满意。使用数学软件MATLAB求解得到最佳的经济坐标为 （52.1183,54.7696），与4个备选点坐标比较，备选点（52,54.8）最适合作为方案1的配送中心的选址。5批客户中，有2批重点客户对配送时效不满意，配送中心损失了满意度收益12.659，客户满意度总收益s（1）=5.278，运输总距离为168.787，运输花费的总时间为3.376，生鲜农产品发货总量为219.195，损耗总量为39.195，物流总成本为年建设运营成本与各变动成本之和，即z（1）=60+93.541=153.541。配送中心各指标详细数据如表2所示：

方案2：在方案1的基础上，引入时间窗下的客户满意度目标函数，将模型转化为多目标优化情况。物流总成本最低和客户满意度最高作为方案2的目标函数，建立配送中心，满足所有客户的需求。由于客户满意度的引入，使配送中心最佳的经济位置发生一定的小变动，使物流各指标和成本均上升，但是客户满意度相对于方案1得到了较大改善。借助于数学软件MATLAB求解得到坐标（49.2,47 ）为该方案的最佳近似解，与4个备选地点相比较，备选地址（49,4 7 ）可作为方案2的理想位置。相对于方案1而言，方案2配送距离和时间都增长了0.373%，实际发货总量增长了0.042%，损耗成本增加了0.236%，制冷总成本增加了0.492%，车辆使用成本增加了0.042%，运输变动成本增加了0.492%，物流总成本z（2）=193.861，客户满意度情况由方案1中的两批重点客户不满意变为全部满意，客户满意度收益增加到31.710，是方案1收益的5倍。配送中心各指标详细数据如表3所示：

由计算结果综合来看，方案1严重损害了重点客户的利益，方案2大大提升了配送中心的客户满意度收益，重点客户1和重点客户5的配送时效得到提高，虽然方案2物流成本微微增加了0.320，但是配送中心客户满意度收益却增加了26.432，相对而言，方案2配送中心位置的选择是在增加企业满意度经济收益间接性的降低了成本，因此方案2优越于方案1。

表2 方案1配送中心选址各指标信息

4 结束语

生鲜农产品配送中心的选址是一项长期的大量投资的工程，因此选址时不仅要考虑到建设成本，还要抓住生鲜农产品的特征以及顾客的满意度，具有一定的系统性和前瞻性。在模型建立以及算例中，方案1使用了经典的迭代重心法比较精确地找到了最佳的经济位置，方案2将方案1转化为多目标的优化问题，在最佳经济位置上进行一定的调整，解决了重点客户配送延迟的问题，大幅度提升了配送中心的客户满意度以及满意度带来的经济收益，运算结果表明本文模型适用于客户补货时间窗下生鲜农产品选址模型，对实际选址问题具有很强的指导意义。