生鲜电商前置仓选址因素分析与模型构建研究

梁力军 王晨 袁苗苗

文章编号：1002-3100（2024）03-0050-05

摘  要：前置仓作为生鲜电商企业满足顾客多样化需求的一种新型仓配模式，如选址不合理会导致配送成本过高、生鲜质量降低和时效性不足。如何进行合理选址和评估其各类成本收益，备受学术界关注。通过构建中心仓、前置仓以及需求点的三级网络模型，利用混合整数线性规划，并考虑了运输成本、运营成本、制冷成本以及货损成本，构建以综合总成本最小为目标函数的数学模型，再结合0～1变量的参数约束，借助善于解决线性规划问题的LINGO软件解决网络中前置仓的选址问题，并用郑州市中牟县的相关数据进行实例分析与计算。通过研究发现，前置仓建模中需要考虑的项目为运输成本和履约成本。期望为生鲜电商前置仓选址研究提供更优的前置仓选址模型。

关键词：前置仓选址；生鲜前置仓；生鲜电商；整数规划；LINGO软件

中图分类号：F253    文献标志码：A

DOI：10.13714/j.cnki.1002-3100.2024.03.012

Abstract： As a new warehousing and distribution mode for fresh food e-commerce enterprises to meet the diversified needs of customers， unreasonable location selection will lead to high distribution costs， reduced fresh quality and insufficient timeliness. How to reasonably select a site and evaluate its various costs and benefits has attracted much attention from the academic community. By constructing a three-level network model of central warehouse， front warehouse and demand point， using mixed integer linear programming， and considering transportation cost， operating cost， refrigeration cost and cargo loss cost， a mathematical model with the minimum comprehensive total cost as the objective function is constructed， and then combined with the parameter constraint of 0～1 variables， the location problem of the front warehouse in the network is solved with the help of LINGO software， which is good at solving linear programming problems， and the relevant data of Zhongmu County in Zhengzhou City are used for case analysis and calculation. It is found that the items that need to be considered in the modeling of the front warehouse are transportation cost and performance cost.

Key words： front-end warehouse location; fresh front warehouse; fresh food e-commerce; integer programming; LINGO software

0  引  言

前置仓作为生鲜电商企业满足顾客多样化需求的一种新型仓配模式，是在生鲜货物送往目的地前的最后一个仓库和站点，也是最靠近消费者的一个节点，其服务半径通常约为3～5公里，这种模式能够大幅度缩短生鲜货物的运输时间，尽可能保证商品的新鲜度，提升商品的品质，目前已成为生鲜电商的主要运营模式之一。但由于前置仓模式本质上属于重資产模式，随着各大生鲜电商企业对前置仓的高速扩张，选址如果不合理，将导致销售业绩下降、基础运营成本增加等问题频发，并有可能导致一些生鲜电商企业面临倒闭的风险。

另外生鲜电商前置仓的履约成本（包括仓库租金、库存成本以及履约配送成本等）一直居高不下，也成为制约前置仓模式下生鲜电商发展的主要瓶颈之一。履约成本是除商品成本以外最大支出项，主要包括外包骑手及人工工资、仓储租金和商品从中心仓向前置仓的运输费用以及其他成本等。据相关研究测算，日均单量800单的前置仓单票履约成本约13.3元，日均单量1 000单的前置仓单票履约成本约11.3元^[1]。另有数据显示，前置仓模式的履约成本是传统中心仓电商的3倍左右、平台型电商的2倍左右、社区团购的6倍左右^[2]。

由上可见，如何科学合理的为前置仓进行选址问题成为十分重要的问题，通过合理的前置仓选址，可以有效降低生鲜电商前置仓的履约成本，为生鲜电商企业的发展提供新思路。因此，本研究针对前置仓运营过程中的相关成本，构建起以中心仓、前置仓以及需求点为主的三级物流网络模型，同时通过相关数据来验证模型的有效性，以期解决前置仓合理选址问题。

1  文献综述

关于生鲜电商行业前置仓方面，学界主要从前置仓选址影响因素和选址构建模型两个方面展开研究，具体如下。

1.1  前置仓选址影响因素分析

学者侧重考虑的前置仓选址影响因素各不相同，其中多数学者都会考虑到基本运输成本和运营成本。如学者衡欢乐^[3]、李佳洁^[4]等人考虑到惩罚成本对生鲜产品的影响研究冷链物流中前置仓选址问题；宋振波等^[5]为应对当前电商企业仓库容量饱和现状，以及客户对配送时间的严格要求，考虑了退供成本；考虑到货损成本的有董琦^[6]、沈红霞^[7]主要基于货损成本这一因素对生鲜电商企业中心仓和前置仓进行选址研究；学者Li等^[8]在研究前置倉选址的过程中，还考虑到了非接触配送中碳排放的优化问题，并提出了配送成本和碳排放最小化的双重目标；朱铃^[9]以生鲜电商前置仓为例，也将碳排放处理成本加入到了前置仓选址模型，为碳交易背景下生鲜电商物流设施节点选址提供了有益借鉴。

1.2  前置仓选址模型构建分析

在对数学模型构建求解的过程中，学者运用多种多样的方法对模型进行求解。如对需求点进行聚类分析的时候，大多数学者采取K-means聚类算法，如学者赵振强^[10]、赵琨^[11]、周晓晔^[12]；杨雨蕾^[13]采用模糊聚类筛选法针对初始优化阶段的最优解集筛选出合适的最优方案，该聚类方法相较于帕累托更有利于决策人员迅速选择出实施方案。

又如孔成龙^[14]、解妮妮^[15]、杨雨蕾^[13]、夏连超^[16]等针对前置仓选址问题，使用遗传算法对模型进行求解或者验证算法的有效性，并对求解结果进行分析；Dou^[17]还运用了一种免疫狼群混合算法进行求解；郭放^[18]用基于节约算法与自适应大邻域搜索的混合启发式算法CWIGALNS对前置仓选址、车辆服务路径以及补货策略使得物流企业整体运营成本最低的问题进行求解，并同时使用CPLEX12.6对模型求解验证模型的有效性。

在案例实证方面，李金娇^[19]以柳州26个社区为目标区域进行前置仓选址，并用winQSB进行求解，在对配送中心的选址问题上，用重心法进行求解，最终得出具体配送中心和前置仓选址位置；黄纪凯^[20]、刘宸宇^[21]等针对求解目标之间存在矛盾或冲突，采用基于精英集的多目标模拟退火算法对前置仓选址模型进行求解，具有较强的适用性和精确性；庄峻^[22]则通过Benders分解算法并结合SAA方法能够有效地求解不确定环境下的生鲜电商前置仓选址及订单履约问题，可以保证模型解的质量并高效的求解模型。

除上述方法外，学者宋振波^[5]、吴竞鸿^[23]、杨振宇等^[24]使用LINGO软件对前置仓选址的数学模型进行最优解分析，最终得出结果，事实证明LINGO软件具有适用性和能够快速得出结果的优势。

2  生鲜电商前置仓选址问题描述及模型构建

在现有研究的基础上，除了考虑生鲜电商前置仓实际运营状况，本研究以总成本最低为目标函数，构建了混合整数规划模型。由于LINGO在解决线性规划问题上具有显著优势，可以快速准确得出路径求解结果，故在研究中主要使用LINGO软件进行编程求解。

2.1  问题描述与假设

前置仓作为一种新型仓配模式，被广泛应用于生鲜电商领域，基于对文献^{[14，23，24]}的整理，本研究将生鲜电商的中心仓、前置仓，以及客户需求点进行整合，构建前置仓模式下的生鲜电商物流三级物流网络结构，如图1所示。

本研究的生鲜前置仓选址问题可描述为：在由中心仓库、前置仓、顾客需求点构成的三级物流网络结构中，通过对郑州中牟地区的兴趣点进行搜集，并通过K-means聚类分析得到顾客需求点位置，将需求点位置作为前置仓选址备选地点，在满足运输成本、前置仓运营成本、制冷成本以及货损成本最小的情况下，从前置仓备选点中选出建设前置仓的数量以及及具体位置。

为提升研究的准确性，现对生鲜电商前置仓选址模型做出如下假设：

假设1：当从中心仓库到前置仓、前置仓到顾客需求地点以相应的运输方式进行运输时，存在新鲜度损耗现象，新鲜度损耗与配送的距离呈正相关，且所有生鲜的损耗程度一致，同时及时到达前置仓的货物全部被派送出去，滞留成本忽略不计；

假设2：配送成本与运输距离成正比，所有生鲜货物的单位距离运输成本相同，且拥有足够运力进行运输，不考虑竞争因素；

假设3：所研究的生鲜产品视为同一类单一品种；

假设4：本研究假设只有一个中心仓库，所以前置仓都只接受一个中心仓的供货；

假设5：物流方向只考虑从中心仓到前置仓候选点和前置仓候选点到终端需求地点；

假设6：本研究以一个月30天为计算周期。

2.2  前置仓选址模型构建

2.2.1  模型相关参数设定

本研究构建的前置仓选址模型，主要参数包括需求点数量、中心仓向前置仓运货的单位运费、前置仓向需求点运货的单位运费、生鲜成本平均价值等。具体如表1所示。

2.2.2  模型变量及表征构造

本研究构建的选址模型，主要包括以下变量：一是，运输成本，包括中心仓到前置仓以及前置仓到需求点的运输成本；二是，建设前置仓时涉及到的运营成本，包括租金、人工等；三是，在生鲜货物运输过程中从中心仓库到前置仓，前置仓到需求点的货物损失成本；四是，由于生鲜电商在配送过程中需要耗费更多的能源来保持产品的新鲜度，而根据前置仓的特征，前置仓距离目标需求点较近，只需要考虑中心仓库到前置仓这一段路程的制冷成本，具体数学模型表征如下：

模型中约束条件解释如下：

式（6）表示只有当需求点i被选为前置仓的时候，中心仓库才会对其运输货物；式（7）表示只有当需求点i被选为前置仓时，才能向其他需求点运输货物；式（8）表示被选中的前置仓只能向周围三公里内的需求点运输货物；式（9）表示货运平衡，即对于每个点来说其输入货运量和输出货运量之差等于其需求量。

3  案例實证——以河南中牟县物流园区为例

3.1  背景介绍

由于一个前置仓的覆盖半径较小，若以整个城市为例，则需求点与前置仓的数量较多，计算数据过于庞大，郑州市中牟县作为河南省直辖县，交通密度，县级地域河南第一，同时中牟县附近的物流园区共83个，万邦农产品物流园区交易量位居全国第一，同时还有众多的水果、蔬菜以及鲜肉等大型批发市场，故本研究选取郑州市中牟县为例进行研究。

3.2  基础数据

3.2.1  兴趣点与需求点数量

在中国IT社区（CSDN）上对中牟县2023年1月的兴趣点进行POI需求点搜索，共得到322条数据，因为高德POI数据不完整，在同一时间段对安居客上的住房信息整理得到356条住房信息，通过去重、筛选，最终得到该区域145条数据，将这些数据导入SPSS软件中，进行K-means聚类分析，共聚出了12个类，选中类中心作为12个需求点的位置，并将这12个点作为前置仓预选地点。

3.2.2  前置仓预选地点位图

通过《中国统计年鉴2021》，全国居民主要食品消费量中，对生鲜产品进行归类，并进行归一化处理得出人均月消费量。一个小区通过百度地图和网上查询约1 000人，再根据聚类族数量，可得出族中心的需求量。选取生鲜销售额居全国第一的中牟县万邦生鲜农产品物流园区作为中心仓位置（34.695 526°，113.956 077°），前置仓的经纬度、族数量、需求量以及根据地理坐标相对位置得出备选前置仓地点到中心仓之间的距离如表2所示，前置仓预选地点的坐标图如图2所示，其中五角星点表示中心仓库位置，圆点表示12个前置仓预选点位置。

3.2.3  各前置仓之间的距离

在SPSS相关性分析结果页面有12个前置仓之间的相对距离，但因SPSS结果页面的距离为欧式距离，本研究所需单位为千米，其单位不统一，故将得到的结果导入EXCEL表格中，进行单位换算，最终得出前置仓库之间的相对距离如表3所示，接着通过绘制地图软件，根据K-means聚类分析分析结果页面的结果，将最终聚类中心的经纬度结果批量导入绘制地图软件，得到前置仓预选地点的地理位置图如图3所示。

3.2.4  其他相关数据

3.3  模型验证

LINGO作为最优化问题的一种建模语言，包括许多常用的函数可供使用者建立优化模型时调用，并提供与其他数据文件的接口，易于方便的输入、求解和分析大规模最优化问题。LINGO软件对于求解线性、非线性及整数最优化模型非常实用，具有方便灵活、执行速度快的优势，是求解最优化模型的良好选择^[5]。

使用LINGO软件求解目标函数Z的最小值，以及从前置仓备选地点选取的前置仓位置及所需要建立前置仓的数量，根据LINGO软件编码原则将模型语言转换为计算机语言，将上述所有数据带入LINGO软件中，让软件运行起来，得出结果：总成本最低为85 676.89元，如图4所示。

图5为各个成本结果以及前置仓建立地点，备选前置仓在图5中表示为X，若X=1则表示被选中作为前置仓，若X=0则表示不被选为前置仓，由图5可知选择建立前置仓的地点为前置仓8、11。此时的运输成本为50 150.45元，运营成本为30 800.00元；货损成本为2 681.320元；制冷成本为2 045.114元。

由图5可知，经过LINGO软件的求解，得出在前置仓的各项成本，在前置仓的各项成本中，运输成本所占的比重最大为58.53%，运营成本占比第二为35.95%，货损成本占比第三为3.12%，最后是制冷成本占比2.39%。管理人员可以根据其在成本中所占的比重，针对性的对前置仓各项成本进行管理，并提出相应的解决方案，降低前置仓的履约成本，从而帮助生鲜电商企业更好地进行成本控制，从而突破生鲜电商前置仓发展瓶颈，实现更好的盈利。

4  结论与展望

经过研究，相关结论如下：一是，本文运用LINGO软件，以生鲜电商企业的前置仓选址问题为研究对象，对涉及多个变量的数学模型进行求解，最终得到前置仓的数量、具体位置以及最小化成本，实现生鲜电商企业成本最小化，企业利润最大化，可见，LINGO对构建解决多变量的数学模型而言具有良好优势。二是，生鲜电商行业的前置仓履约成本是除了商品成本之外的第二大开支，而履约成本中主要包含运输成本、配送成本、运营成本等，根据各项成本所占的比例不同，合理的对其进行成本管控十分有必要。

除了以上研究外，仍有一些未考虑的相关因素，如时间因素、配送服务可靠度、客户满意度等，另外，在进行模型计算时还可以考虑运用一些非线性软件进行求解和分析，以更好地验证多重因素之间的相互作用关系，以及对选址决策的影响。

参考文献：

[1] 明兴，孙延. 物流行业供应链视角看商流系列之一：京东物流VS社区团购VS通达系，谁的成本更低[R]. 深圳：安信证券研究中心，2021.

[2] 东北证券. 生鲜电商行业深度报告：前置仓的市场空间及竞争力几何[R]. 长春：东北证券股份有限公司，2021.

[3] 衡欢乐. 基于生鲜前置仓的选址研究[D]. 北京：北京交通大学，2019.

[4] 李佳洁. 生鲜产品冷链物流前置仓选址及路径问题研究与应用[D]. 重庆：重庆大学，2020.

[5] 宋振波，马文，吴耀华. 基于电商行业的前置仓选址优化[J]. 科学技术与工程，2020，20（2）：681-686.

[6] 董琦. 基于需求量预测的生鲜电商企业中心仓与前置仓选址研究[D]. 北京：北京交通大学，2020.

[7] 沈红霞，羊英. 后疫情时代生鲜电商前置仓选址研究[J]. 上海第二工业大学学报，2021，38（4）：313-319.

[8]  LIU A， ZHU Q， XU L， et al. Sustainable supply chain management for perishable products in emerging markets： An integrated location-inventory-routing mode[J]. Transportation Research Part E： Logistics and Transportation Review， 2021，150：102319.

[9] 朱铃，杨中华，车路涛. 碳交易背景下生鲜电商前置仓选址问题研究[J]. 物流科技，2022，45（4）：44-49.

[10] 赵振强，张立涛，王文钊，等. 基于顾客需求量分布的生鲜农产品前置仓选址研究[J]. 计算机应用与软件，2021，38（10）：107-113，124.

[11] 赵琨，赵刚，赵永健，等. 基于非等覆盖半径的前置仓选址[J]. 上海海事大学学报，2022，43（2）：66-73.

[12] 周晓晔，闫泓月，马小云，等. 城市快速物流配送网络末端节点——前置仓选址研究[J]. 沈阳工业大学学报（社会科学版），2020，13（5）：422-427.

[13] 杨雨蕾，张锦，孙文杰，等. 动态需求下的基于医药前置仓的选址-路径问题研究[D]. 成都：西南交通大学，2023.

[14] 孔成龙. 考虑消费者新鲜度感知的生鲜前置仓选址-容量决策研究[D]. 重庆：重庆大学，2020.

[15] 解妮妮. 考虑分品类的D生鲜电商前置倉竞争选址研究[D]. 北京：北京交通大学，2021.

[16] 夏连超，张洪. 考虑时间满意度的生鲜前置仓双目标选址优化[J]. 物流科技，2022，45（19）：160-165.

[17]  DOU S， LIU G， YANG Y. A new hybrid algorithm for cold chain logistics distribution center location problem[J]. IEEE Ac-cess， 2020（8）：88769-88776.

[18] 郭放，黄志红，黄卫来. 考虑前置仓选址与服务策略的同时取送货车辆路径问题研究[J]. 系统工程理论与实践，2021，41（4）：962-978.

[19] 李金娇，罗倩文，宣善芬，等. 社区团购平台前置仓选址研究——以柳州市26个社区为例[J]. 经营与管理，2021（8）：69-73.

[20] 黄纪凯. 全渠道模式前置仓选址与配送路径优化[D]. 北京：北京交通大学，2021.

[21] 刘宸宇. B公司生鲜电商前置仓选址-路径问题研究[D]. 北京：北京交通大学，2021.

[22] 庄峻，杨东. 面向生鲜电商的前置仓选址及订单履约决策优化研究[J/OL]. 中国管理科学：1-15[2023-01-05].

[23] 吴竞鸿. 考虑服务可靠度的生鲜电商前置仓选址问题研究[J]. 辽宁工业大学学报（自然科学版），2022，42（4）：259-263，280.

[24] 杨振宇，陈刚，安瑾. 新零售下生鲜连锁零售企业城市前置仓选址问题研究[J]. 物流科技，2020，43（1）：159-162.

收稿日期：2023-03-11

基金项目：北京市社科基金项目“北京市互联网金融风险画像与风险图谱构建研究”（19YJB015）

作者简介：梁力军（1974—），男，河北石家庄人，北京信息科技大学信息管理学院，副教授，管理学博士，硕士生导师，研究方向：物流与供应链管理、审计理论与实务、金融风险管理；王  晨（1999—），女，河南周口人，北京信息科技大学信息管理学院物流工程与管理系22级硕士研究生，研究方向：物流与供应链管理；袁苗苗（1998—），女，山东聊城人，北京信息科技大学信息管理学院物流工程与管理系21级硕士研究生，研究方向：物流与供应链管理。

引文格式：梁力军，王晨，袁苗苗. 生鲜电商前置仓选址因素分析与模型构建研究[J]. 物流科技，2024，47（3）：50-54.