物流中心运营管理优化

物流中心运营管理优化（精选9篇）

物流中心运营管理优化 篇1

安顺位于贵州省中西部,下辖五县一区(平坝、镇宁、关岭、普定、紫云县和西秀区),辖区内卷烟零售客户约11000户,分布较散,城郊和农网的送货线路较多,占总送货线路的76.9%,2009年卷烟配送量已近9万大箱。

在烟草行业大力推进现代卷烟物流的发展进程中,安顺市烟草公司在实现了“一库式”集中管理之后,以线路优化整合为切入点,有效探索降低物流成本的新途径,收到显著效果。

实现“一库式”管理

安顺卷烟物流中心位于全市地理位置的中心,交通便利,卷烟配送的区位优势得天独厚。

2006年初安顺卷烟物流中心成立后,即确立了发挥区位优势,实现全省烟草真正“一库式”配送的目标。为此,物流中心开始了大规模的并库和线路优化进程。

2006年5月,物流中心完成了全市并库工作,先后撤并了西秀、镇宁、平坝、普定、关岭、紫云6个分库,根据当时的交通和物流仓储条件,成立了关岭、紫云中转站,率先成为贵州省烟草首家“一库式”卷烟仓储管理和配送的地市级公司。据不完全统计,“一库式”管理完成后,卷烟仓库面积减少了2500平方米,送货员从撤并前的78人减少为51人,送货车从41辆减为28辆,喷码设备从原来的6台(套)减为2台(套),分拣配送人员从40人减少为33人。至2006年10月初,物流配送成本从2005年的0.47元/条下降为0.34元/条。分拣到户率从原来的84%提高到100%,实现分拣到户、送货到户率两个百分之百。

与此同时,在2006～2009年,安顺市烟草公司通过论证,还明确了“条件成熟即撤站,实现中心百分之百直送”的工作思路,充分利用每年4～8月的配送淡季,专门抽调人员成立了优化整合物流资源工作组,进行配送线路整合。到2009年底前,撤消了关岭中转站,配送机构从原来的“一中心二站点”变为“一中心一站点”,配送线路从2006年的180条减少为105条,物流中心的人员编制从166人降至101人,“一库式”集中配送优势得到充分显现。

2010年7月,安顺市烟草公司将原来由紫云中转站配送的片区收回物流中心直送。调整收回物流中心直送的线路12条,直送客户546户,占紫云中转站总配送服务范围的33.5%,为最终实现撤并中转站迈出了重要一步。同时还完成了客户资料调整,撤消紫云送货三组,对现有紫云自行配送的区域进行线路优化整合,将以往“一辆中转车中转入库,次日分组送货”的方式转变为“二组送货车对调直接送货”,为2011年不再租用中转库作好充分准备。

线路优化整合

按照“积极稳妥、分步实施”的原则,安顺市烟草公司物流中心把线路优化作为降低物流成本的切入点。3年来,通过分阶段的线路优化,使配送资源合理利用,物流配送成本不断降低,卷烟配送更加高效。

1.并库期:以优化送货顺序、保障配送顺畅为主

并库期于2006年基本完成,主要是针对以各县营销部为始出发点的原线路送货顺序进行重新编排调整,使之适应以物流中心为始出发点的“一库式”配送需要,确保送货顺畅、平稳,达到提高送货效率的目的。

2.整合期:以优化送货线路、压缩配送空间为主

整合期于2008年前完成,主要是针对原送货线路设计不合理、各组工作量不均衡、线路节点过多的现象,对送货线路进行重新编排设计,打破行政区划,实行跨区域配送,压缩空间,调匀各组工作量,达到提高车辆装载效率的目的。

3.发展期:以优化送货周期,提升配送效率为主

发展期于2009年完成。在整合期后,线路可供优化压缩的空间已不大,相对达到了平衡点。为寻求突破,在进一步加大跨区域整合的同时,通过开展客户访送周期调整,积极寻求降低物流配送成本的新方式。

4.提升期:以优化送货方式、体现区位特点为主

提升期于2010年开始实施,主要是结合安顺地域和区位特点,撤并中转站,进一步确立以物流直送到户为主,约时取货与委托送货为辅,营销接力送货为补充,三种送货方式相结合,既保证送货服务覆盖到位,又能合理利用各种配送资源。

案例与实践

1.普定县烟草配送线路优化

这是安顺烟草物流进入整合阶段后,一次典型的以线路重组、空间压缩为主要手段的优化案例。

2007年时,普定片区有送货组6个,送货人员6人,送货线路30条,零售户1760户,每组日均送货户数为59户,日均送货量约150件。因普定11个乡镇大部分都产煤,乡村公路毁损、拥堵现象严重,严重影响卷烟送货,加上原送货线路设计不合理、各送货组之间以及各日程的工作量极不均衡、原访送周期不合理等问题突出,致使送货效率低下。

为解决上述问题,2007年6月,物流中心在大量实地调研和测算的基础上,结合道路好坏与远近、客户分布与销量,对普定送货线路进行了大规模优化整合,重新编排送货线路,重新划分客户访送周期,重新设定客户访送日程。

优化调整后,减少了送货线路5条、送货车1辆、送货人员2名,各组在正常工作时间内配送客户增加了11户;物流中心每年可减少人员、车辆费用约13万元;各送货组及各日程的工作量更为均衡、合理;车辆装载效率明显提升,各组服务客户数量及服务水平均有了大幅提高。

2.访送周期调整

当线路空间压缩达到一定程度、各组工作量相对饱和后,必须寻求新的优化领域,客户访送周期就是一个大有作为的空间。

安顺全市原有卷烟零售客户约11000户,约80%是一周一访,20%为半月一访,一月一访的不足100户。根据调查与统计,有近30%的客户每月仅需一次供货就可满足其一个月的正常销售,其他客户一月两次供货即可满足,仅有极少数客户需要多次供货,但这完全可以通过客户经理引导客户进货或以补货的方式解决。

2009年5月,物流中心开始对全市卷烟零售客户访送周期进行调整,并且首先选择了12条农网送货线路进行试点。3个月的运行结果显示,客户卷烟销量并没有因周期调整而下降,客户的经营资金也没有因单次进货量增加而周转困难。相反,因订货机会减少,客户配合度反而提高,订货成功率、送货成功率也有所提高。

在试点运行的基础上,2009年9月,安顺物流中心拟定了《安顺市卷烟零售客户访送周期调整推广实施方案》,调整后,全市统一取消了一周一访,以半月一访为主,约占80%,一月一访为辅,约占20%,既保证了主流客户的供货需求与市场稳定,又满足了卷烟配送服务的覆盖到位。1 1月全面推行该方案后,物流中心减少了送货车辆10辆、送货人员15人,营销中心电访人员也减少了3人,据粗略估算,每年因此可节约人员、车辆费用近200万元。更为突出的是,车辆装载率提高到80%以上。

通过实施“一库式”集中管理,安顺卷烟物流中心在线路优化整合方面不断提升,结合访销周期的优化调整,控制卷烟配送物流成本收到显著效果,如表1所示。

经验总结

通过多年的线路优化实践和总结,安顺卷烟物流中心逐步摸索出成功的优化经验:

1.上下齐心、部门协同

线路优化工作不是物流中心单方面的工作,它涉及到营销、信息、专卖、网建等部门,特别是前期对客户送货周期及送货方式的调整,后期对客户的宣传及系统资料维护,都必须取得市专卖局相关部门的支持。只有互相配合、统一行动,才能实现优化方案无缝对接、平稳实施。

2.制定规划、稳步推进

送货线路优化要统筹全局,明确各阶段的优化重点,有目的地实施推进。

3.注重调研、讲求实效

在没有智能线路优化系统作为支撑的情况下,线路编排是否合理,优化方案是否可行,关键在于认真调研。准确掌握客户分布、卷烟销量、道路情况等基础资料,是线路优化的基础工作。

4.打破区域、顺向物流

在优化过程中,要注重打破行政区划,减少线路断点,合理延伸线路,扩大配送范围。

以行政区域为界编排送货线路,必然造成送货线路的强制截断,送货线路节点多、不顺畅;造成多辆送货车在邻近的区域送货。因此,物流中心按照送货线路顺畅、送货区域相联的方式来优化线路。

5.集中连片、干支结合

送货区域集中,可减少送货线路的迂回,避免送货区域的交叉或分散,使有限的工作时间最大化地用在送货及服务上,提高工作效率。干支结合的方式,可减少无效或效率不高的路途往返。

6.多元考虑、综合均衡

一是合理确定送货组的工作量:根据各条送货线路的里程、路况、耗时,以及线路上客户的集中度、电结水平,来确定合理的配送客户数,使得各线送货人员的平均日工作时间、工作强度基本均衡、饱和。二是合理确定客户送货周期与送货方式:“半月一送”与“一月一送”相结合,“直送到户”与“约时取货”、“委托送货”相结合。

未来发展规划

虽然“一库式”配送极大地提高了配送效率,但由于客户分布的不规律性及卷烟需求的不均衡性,加之人工线路优化的局限性,安顺卷烟物流中心在很多方面还有进一步提升的空间。

1.实现最终的“一站式管理”

逐步撤销紫云中转站,最终实现“一站式管理”。届时,不仅节省了中转站所需租金,而且能够实施对接送货机制,不再发生下、上车装卸费,年可节约上万元,车辆的维护管控力度也将大大增强。

2.配送资源的优化配置

在未来的发展中,将进一步实现实时线路调整,根据销售情况灵活提高车辆使用率、装载率,降低车辆的运行维护费用和人员费用。

3.送货车辆的有效监管

未来将使用GPS/GPRS技术,结合“工商卷烟在途物流信息系统”,进一步提升送货车辆的安全性及使用效率。

4.物联网建设

在国家烟草专卖局1号工程(烟草行业卷烟生产经营决策管理系统)广泛使用的前提下,进一步利用RFID、传感网、GPS等物联网技术,通过广泛的数据采集,先进的智能分析系统,结合内部管理流程的不断优化,安顺烟草物流将努力探索新的发展思路,整合优化资源,建立功能完善、反应敏捷的服务体系,不断增强企业的竞争优势。

摘要：安顺卷烟物流中心通过大量的实地调研,以科学的方法反复测算车辆装载量和送货人员的工作量,对送货线路进行多种编排组合,最终形成最优的送货线路,大大降低了物流成本。

关键词：卷烟物流,整合,线路优化

物流中心运营管理优化 篇2

物流配送中心优化布局的运筹模型分析

利用DEA模型对配送中心布局方案进行评价,结合评价结果建立复合整数规划模型来对原方案进行重新调整,最后给出了算例.

作 者：徐兵 吉阿兵 XU Bing JI A-bing  作者单位：徐兵,XU Bing(南昌大学,管理科学与工程系,江西,南昌,330047;复旦大学,管理学院,上海,33)

吉阿兵,JI A-bing(复旦大学,管理学院,上海,200433)

刊 名：南昌大学学报（理科版）  ISTIC PKU英文刊名：JOURNAL OF NANCHANG UNIVERSITY(NATURAL SCIENCE) 年，卷(期)： 29(6) 分类号：N945.16 关键词：选址   模型   DEA   整数规划  

物流中心运营管理优化 篇3

农资是农用物资的简称,一般是指在农业生产过程中用以改变和影响劳动对象的物质资料和物质条件,如农业运输机械、生产及加工机械、农药、种子、化肥、农膜等。

现代农资物流是依托于信息技术和供应链管理方法的一种物流管理活动,它能够保证农业生产顺利进行、保障农村经济发展供给和补充农业生产所需的生产资料。农资物流的发展直接关系到我国总体经济运行效率和运行质量。

近年来,国家对关乎8亿农民的 “三农”问题十分重视,国务院及相关部门对化肥等农业生产资料的物流配送及公益性服务都给予了相关的指导和政策的倾斜。但总体来看,我国对农资物流体系的研究起步较晚,农资物流网络还存在着配送网点数量较少、覆盖面较小、库点分布不科学等问题,使得农资资源的配置效率较低。因此,探索农资物流网络的优化方法是很有必要的。

2基于K-means聚类的农资需求片区划分

K - means算法是典型的基于距离的聚类算法,它采用距离作为相似性的评价指标。

假设一定的区域内共有n个农资需求点,需求点k ( k = 1,2,,n) 的农资需求量用Dk表示。假定各农资配送中心的设计容量Mj相同,为定值M 。由此可得最佳聚类数K :

在确定最佳聚类数后,可通过以下的聚类算法将农资需求点划分为K个农资需求片区:

步骤1: 对于容量为n的农资需求样本点 { x1,x2,, xn} ,随机选取K个样本点作为初始聚类中心 { z1,z2,, zK} ;

步骤2: 计算余下每个农资需求样本点xi到各个初始聚类中心的欧式距离,找到离样本距离最近的聚类中心zv,并将它分配到zv所表明的类内;

步骤3: 用平均法计算重新分类后的各类中心;

步骤5: 如D收敛,且新的凝聚点与旧的凝聚点重合,则return( z1,z2,,zK,D) 并终止此算法。否则转至步骤2。

3农资物流网络配送中心选址

作为农资物流网络重要的物流节点,配送中心的选址和功能配置会直接影响物流作业的效率。如果物流节点安排的不合理,直接会造成农资物流系统内物流作业的不流畅、停顿甚至瘫痪。在进行农资物流网络需求片区划分后,本文主要讨论农资物流网络配送中心的选址问题。

3.1建立数学模型

3.1.1确定目标

以从配送中心到农资需求点的总配送费用最小为目标,建立农资物流网络配送中心选址优化模型。

3.1.2确定约束条件

农资物流网络配送中心选址模型的约束条件主要包括: 配送中心的数目、容量、配送能力应满足要求; 总配送里程有一定的限制; 变量满足非负要求。

3.1.3建立模型

基于以上的分析,建立了如下模型:

( 1) 假设条件

单位的归一化处理: 设定一个虚拟的单位使配送单位归一化,这个单位是质量和体积的统一体,以两者中较大的一个为主。

基于路况的假设: 本文不对国道、省道和乡村水泥路的路况加以区分,假设农资的运输成本只与运输的农资产品量和运输距离有关。

( 2) 参数说明

n : 需求点的数目;

m : 配送中心备选地的数目;

p : 可兴建的配送中心的最大数目;

Xjk: 从配送中心j到需求点k的运输量;

Dk: k地的需求量;

hjk: 从j到k地的包括运输、装卸费在内的配送单价;

djk: 配送中心j到需求点k地的公路距离;

Len : 从需求点到配送中心的最大行车路程限制。

( 3) 定义变量

Cost : 从配送中心到农资需求点的总配送费用;

( 4) 确定目标函数

( 5) 确定约束条件

说明:

目标函数代表从配送中心到各农资需求点的总配送费用最小;

约束式 ( 3) 表示配送中心的配送量应大于需求量;

约束式 ( 4) 表示配送中心个数应小于可兴建的最大数量;

约束式 ( 5) 是总配送里程的限制;

约束式 ( 6) 是量的非负要求;

约束式 ( 7) 是量的正整数要求。

3.2重心法确定配送中心的位置

设农资需求片区内有n个农资需求点P1,P2,,Pn分布在平面上,下面对算法中使用到的符号做出如下规定:

( xi,yi) : 农资需求点i的位置坐标;

( x*,y*) : 配送中心的位置坐标;

wi: 需求点i的农资需求量;

hi: 农资配送中心到农资需求点i处的运输费率;

di:农资配送中心到i处的直线运输距离;

ci: 农资配送中心到i处的运输费用;

H : 配送中心到需求点的总运输费用。

重心法确定配送中心位置的算法流程如下:

输入: 农资需求点数目n ; 需求点的坐标 ( xi,yi) , 运输费率hi,运量wi。

输出: 设施坐标 ( x*,y*) 和总运费H 。

于是转化为求H( x,y) 的最小值问题了。对上式求偏导,并通过k次迭代,求得配送中心的位置坐标为:

其中

若H( k)< H( k-1),说明总运费仍有改善的余地,则返回继续迭代; 否则,说明 ( x(*k-1),y(*k-1)) 为配送中心的最佳位置,则停止迭代。

4实验及结果分析

基于上述算法,利用Matlab编出一套可执行的程序, 并在600 × 600的二维坐标中随机产生88个需求点的位置坐标及其农资需求量 ( 在500 ~ 1000单位之间) 。假设配送中心容量M = 10000单位,由式 ( 1) 得K = 7 。下图是得到的聚类分析结果,图中每一种颜色的点组成一个农资需求片区。

在进行需求片区划分后,利用3. 2中的算法可求得各片区内配送中心的位置坐标分别为:( 298. 5044,269. 7315) 、 ( 480. 5810,460. 6877) 、 ( 467. 5058,218. 2630) 、 ( 292. 593, 465. 6276) 、( 461. 961,67. 79838) 、( 128. 1158,382. 3997) 、 ( 142. 4525,148. 4953) 。

假定运输费率hi= 1 ,此时可以求得农资配送的总运输费用,Hmin= 4775136. 1790 。通过以上的模拟实验,证明了本文所建立的农资物流网络优化算法是有效的。

5结论

农资物流的发展直接关系到我国总体经济运行效率和运行质量。本文从农资物流网络需求片区的划分和农资物流网络配送中心的选址两个方面对现代农资物流网络进行了优化。本文的研究成果可为农资物流企业制定物流发展战略提供有益的参考和借鉴, 为相关部门制定物流发展政策提供参考。

摘要：在分析我国农资物流发展现状的基础上,主要从农资需求片区划分和配送中心选址两个方面对农资物流网络进行优化。运用K-means聚类法将农资需求点划分为若干个需求片区;然后基于成本最小的原则,建立农资物流网络配送中心选址模型,利用重心法确定各个需求片区中农资配送中心的位置;最后通过仿真实验进行检验。

物流中心仓储管理考核办法 篇4

第一章总则

第一条为合理利用有效时间确保卷烟入库、出库及时、准确，结合卷烟订单出货及到货时间分定时与不定时的实际工作特点，保管员工作时间实行不定时工作制。根据卷烟仓储流程及工作标准，制定本考核办法。

第二条考核分平时和定期相结合的办法进行，平时考核作为月度、季度或年度考核的依据。

第三条考核遵循“公开、公正、公平”的原则，按储配部仓储流程和工作标准进行严格的考核。

第四条保管员工作时间指接到订单生成单据后的发货时间;卷烟工业企业运输车辆到达仓库后办理卷烟入库的时间;卷烟扫码、养护、定期盘存时间;办理卷烟寄、退库等按仓储流程和工作标准工作的时间;领导安排的其他工作任务时间。

第二章卷烟入库卸货

第五条保管员在不影响完成工作任务的前提下，原则上可以自行安排上、下班时间，但要保证自己的通讯设备畅通(如住宅电话，手机等)。平常在订单出货时间前半小时内必须按时到岗出货，若本人不在岗而又有工作任务时，在接到电话通知后半小时内必须到岗完成领导安排的工作(包括休息日)。若有特殊原因不能按时到岗，要向本部门领导提前履行请假手续;若无故未按时到岗，按市局规定的有关劳动纪律考核制度进行考核。

第六条卷烟工业企业运输车辆到达仓库后，保管员本着“先登记、先卸货”的原则，根据“服务工业物流满意度确认表”及承运人的随货同行等相关票据合理安排卸货时间。若到货时间在晚上21：00以前(冬季20：00以前)，要及时安排卸货，不得无故拖延;若到货时间在晚上21：00以后(冬季20：00以后)，按照“服务工业物流满意度确认表”的登记顺序安排第二天卸货;若当天仓库容量已达到饱和，保管员要立即通知承运人将卷烟转运至其他中转仓库，并及时告诉本部门领导(或综合管理员)，部门领导(或综合管理员)要立即通知其他中转站点负责人，告知即将到货的卷烟品名、数量、到库大概时间等相关信息，以便对方做好接收入库准备。

第七条部门有关人员接到卷烟到货信息后，要及时通知保管员，做好入库卸货准备。若保管员在卸货时间段未按时卸货，除工作原因外，按耽误时间的长短扣减考核分，每耽误5分钟时间扣考核分1分，扣完为止。

第八条卷烟卸货时，保管员必须在现场监督收货，并仔细核对卷烟品种，数量，若因本人非工作原因未在现场监督收货，一次扣1分，依次类推;验收时，发现外箱变形或折皱等异样，保管员要立即开箱检查并通知承运人当面验看，发现残损卷烟，要拒绝入库并隔离放置，同时立即通知部门管理人员到现场验看，经部门管理人员确认后，由承运人或卷烟工业企业负责赔偿，保管员引领承运人到财务部门交款，保管员不得擅自收取现金，否则按照有关规定予以严肃处理。若保管员在收货时未检查出残损卷烟，在发货时由分拣车间收货员当场检查发现箱体明显折皱，根据卷烟结构类别按一个折皱箱体扣1―5分。

由物流中心异地接货，保管员收货时发现箱体褶皱时，立即通知本部门管理人员到场，现场做好褶皱记录并由保管员、驾驶员、管理人员当场签字。若保管员在收货时未检查出残损卷烟，在发货时由分拣车间收货员当场检查发现箱体明显折皱，根据卷烟结构类别按一个折皱箱体扣1―5分。

根据营销中心相关规定，褶皱烟不由工业企业和承运人赔偿的，保管员要及时将褶皱的品名、数量等相关信息经储配部负责人签字后报营销中心签字认可，并将营销中心签字认可的相关资料妥善保存。否则，根据卷烟结构类别按一个折皱箱体扣1―5分。

第九条保管员工作时要做到文明礼貌待人，保持热情、周到的服务态度，若有当天到货卷烟不能及时卸货的情况时，要向承运人耐心说明原因，并合理安排其他卸货时间。若因保管员服务态度差、工作效率低下、无故拖延卸货或其他人为原因造成承运人或其他人员投诉，经查明投诉属实的，按投诉理由扣保管员考核分1―5分。

第十条卷烟卸货完毕，保管员要认真填写“服务工业物流满意度确认表”上的卸货时间等内容，并由保管员、搬运人员、承运人签字确认，最后交由部门负责人审核。

第三章卷烟出库

第十一条卷烟出库遵循“先进先出、推陈储新”的原则，及时按领货单出货。卷烟出库时，保管员按票据认真核对出库卷烟品种、规格、数量，并在现场监督搬运，若因本人非工作原因不在现场监督的，扣考核分1―3分。

第十二条保管员出货时，应仔细清点整件烟、零条烟的`总数量，并在出货单上分别注明：整件烟总数量和零条烟总数量。

第十三条装车完毕后，保管员会同驾驶员、装卸员一起打好封签。

第十四条每天发货后，保管员轮流跟车押送到分拣车间与分拣收货员现场交货，当场点清，如有发货差错，错一次扣1分，保管员应在30分钟内拿回多余品种，补足少发品种，否则，每超过30分钟，加扣1分。储配部长应加强对保管员、分拣收货员交接过程的现场监督，并做好监督记录。

第十五条保管员每日出货完毕，必须进行一次盘点，做好盘点记录，做到帐实相符，日帐日清。储配部长应不定期抽查保管员的日末盘点，做好抽查盘点记录。如抽查发现未做日末盘点，视其情况扣绩效考核分1―5分

第四章卷烟退库

第十六条保管员收到退库卷烟时，要仔细核对《退库入库单》上的卷烟数量、品名、金额等信息与退库实物是否相符，认真检查退库卷烟的包装、喷码是否符合本部门出库卷烟标准，发现异常情况，要立即填报情况说明，连同实物一起交本部门负责人处理。若外包装有残损的，属于非人为原因造成的，由保管员履行报耗程序，属于人为原因造成的，经本部门负责人查明原因后由相应的责任人赔偿。

第十七条负责验收退库卷烟的保管员接收退回卷烟入库后，其他仓库保管员在第二天订单审核之前必须将退库卷烟按品种收回自己仓库存放，并与接收退库卷烟保管员履行交接手续，做到各自负责的仓库帐实、帐表、帐帐相符，若因非工作原因未及时收回退库卷烟，按超过一天扣一分，依次类推。

第十八条退库卷烟入库后要隔离存放，在下次订单审核后尽快发出库。

第五章卷烟养护

第十九条卷烟养护贯彻“预防为主，防治结合”的方针。根据烟支含水率的不同和季节变化，指导搬运人员按养护规定码垛，一般烟箱堆放高度以6―8层为宜，并适时翻垛。根据温湿度及气候变化情况，选择确定日常的最佳通风换气、降温、降湿和温湿度测量次数和时间。

第二十条熟练掌握卷烟科学养护技术及卷烟质量变化规律，对库存卷烟进行定期和不定期的检查，认真做好各项记录。每月月底按时填报“卷烟报损申请表”、“残损卷烟汇总表”、“卷烟仓储预警管理情况表”等反映卷烟情况变化的各类报表。若因人为原因造成各类报表迟报、虚报或各项记录填写不全、不真实、未按时填写的，按1件扣1分，依次类推。

第二十一条严格控制库内温、湿度，把库温控制在25℃以下，相对湿度控制在55%―65%之间，确保卷烟含水率在11%―13%范围内。每年5至9月卷烟防霉渡夏期间，要严格执行“卷烟防霉渡夏工作规范”，发现卷烟质量变异或其他问题，

要立即向部门负责人汇报并及时采取相应的养护或救治措施。开机期间，保管员不能离开工作区域，单次开机持续时间不超过2。5小时，若因人为原因造成卷烟受潮、霉变、变形等情况，按损失大小照实物原价赔偿。情节严重，造成重大经济损失的，除赔偿经济损失外，给予扣发奖金、行政处分，直至追究刑事责任。

第六章劳动纪律

第二十二条严格遵守上下班时间，不得无故迟到或早退。

第二十三条病事假应具备书面的请假手续。

a、事假：分拣员请假时必须先经小组组长同意，假期在1天(不含1天)以内的，小组组长同意后由储配部部长审批，储配部部长不在时由综合管理员审批;假期在1―3天的(不含3天)，小组组长、储配部长(储配部部长不在时由综合管理员代行职责)同意后由分管领导审批;假期在3天以上的(含3天)，小组组长、储配部长、分管领导同意后由主要领导审批。所有审批后的请假手续统一交给综合管理员，由综合管理员交给综合部;因特殊情况，不能当时出具书面的请假手续，应在事后及时补齐手续。一个月内事假不得超过3天，一个自然年度内事假不得超过10天。

b、病假：病假的审批办法同事假相同，病假的执行标准为：工作时间在及以下的当月病假不超过1天;工作时间在至(含20年)之间的，当月病假不超过2天;工作时间在及以上的，当月病假不超过3天。病假必须出具社保定点医院出具的相关病假证明。

c、无病事假手续的，一律按旷工对待，病事假及超标病事假的相关待遇按照员工手册的有关规定执行。

d、迟到、早退和旷工：无正当理由超过规定上班时间10分钟未到岗，视为迟到;迟到达到30分钟，视为旷工半天。

无正当理由提前规定下班时间10分钟离岗，视为早退;早退超过30分钟，视为旷工半天。

累计迟到和早退5次以下者，扣除当月奖金的50%;5―10次的，扣除当月全部奖金;10次以上的，作待岗处理。

擅离职守和未经批准而不上班者，或无正当理由超假不归者，或经组织分配工作后，无故不按规定时间报到者，视为旷工。

在一个自然年度内，旷工累计达到3天的，扣除当年2个月的生产经营性奖金，累计达到4天的，扣除当年3个月的生产经营性奖金，以此类推。当年无法全部扣除的转入下年度继续扣除。

旷工期间停止享受一切工资福利待遇，并按相关规定处理。

第七章清洁卫生

第二十四条按照员工手册的相关规定执行。

第八章安全工作

第二十五条遵守安全生产法律、法规和行业安全管理规定;熟悉市局(公司)职业健康安全管理方针、目标，熟悉各类安全预案;做好卷烟分拣车间的防火、防霉渡夏、防盗、防抢、防骗、防洪和信息保密工作，一项次不合格扣2分，造成严重后果的取消当月全部安全考核分。

第二十六条爱护岗位操作的机具设备，因人为操作不当造成机具设备坏损，若修复后仍能使用的，按一件用具扣2分，若不能修复的，按设备价值赔偿;因未按卷烟分拣工作标准操作或人为操作不规范，造成个人人身伤害和经济损失的，由责任人承担一切后果。

第九章附则

第二十七条严格执行卷烟仓储流程和工作标准各项规定，每天按时完成领导交办的各项工作任务，若因人为原因贻误工作，视情节轻重按每件扣1―5分。

第二十八条由储配部长每周安排一名值班保管员，值班保管员在值班周内不得擅自离开工作岗位，否则，扣绩效考核分1―5分。

物流中心运营管理优化 篇5

物流是包含运输、搬运、储存、保管、包装、装卸、流通加工和物流信息处理等基本功能的活动。物流配送中心现在集集货发货、储存、分拣、加工包装、配送、信息等功能于一身。

物流配送中心是整个物流体系的中枢, 它在整个物流系统中起着过渡性的作用, 对中心功能的发挥有着很大的影响。建设一个物流配送中心花费较大, 因此需要从综合经济效益角度来研究。

二物流配送中心选址应考虑的因素

1.经济环境因素: (1) 货流量的大小:一个配送中心如果没有充足的货流量, 它的规模效益便不能很好地发挥; (2) 货物的走向:供应物流配送中心应靠近生产企业, 而销售物流配送中心应靠近客户; (3) 城市的扩张和发展; (4) 交通条件。

2.自然环境因素:主要考虑地理因素和气候因素。

3.政策环境因素:当下物流用地很难获取, 如果有政府政策的支持, 则更有助于物流行业的发展。

三物流配送中心选址问题的数学模型

一般说来, 物流配送中心选址的数学模型是非光滑的非线性规划模型。配送中心选址的问题属于求解物流成本最小值的问题。物流成本包括运输成本、配送中心的可变成本和固定成本。

物流配送中心选址问题可描述为:有M个供货点, N个备选的物流配送中心地址和Q个用户;拟选择的配送中心总数为P, 如何选择以使总成本最小。

数学模型可用如下几个公式来描述:

其中Sk为供货点k的供应量;xki和aki分别为供货点k到配送中心i的运输量及单位运输成本;Fi、vi、Ci和Wiα分别为配送中心i的固定费用、可变成本系数、最大容量及流量;xij和bij分别为配送中心i到用户j的运输量及单位运输成本;Dj为用户j的需求量;zi为0-1型整数变量, 如果第i个配送中心被选中, 则zi=1, 否则zi=0。

四智能优化算法

1.遗传算法。该算法是J.H.Holland教授在1975年通过研究自然选择和遗传变异而提出的。与传统优化方法相比, 遗传算法具有如下特点:GA只需通过目标函数来计算适配值, 对问题的依赖性比较小;GA往往同时从多个搜索点开始搜索信息, 传统的方法往往从一个点开始搜索。

GA的优点:与问题领域无关且快速随机的搜索能力;具有并行性, 可以进行多个个体的同时比较;具有可扩展性, 容易与其他算法结合;具有连续性、可导性等优点。GA的缺点:遗传算法的编程实现比较复杂;三个算子选择目前没有统一的可行性办法;算法的搜索速度比较慢, 而且训练时间也很长;算法对初始种群的选择有一定的依赖性。

遗传算法在物流配送中心选址方面的研究:2004年, 史忠科等人将遗传算法应用在物流配送中心选址研究, 通过选择合适的编码方式和遗传算子, 最终获取该模型的最优解。2006年, 吴兵等人采用了基于优先权编码的遗传算法来降低求解难度, 同时给出了一个小规模算例来证明该算法的有效性。2007年, 陶羿等人提出了改进的遗传算法, 他们将遗传算子采用线性凸组合的杂交方式、强弱两种变异方式以及进化 (μ+λ) 选择方式三种方式, 从而有效地解决了算法过早收敛的问题, 同时也解决了收敛到局部最优解的问题。同年, 胡大伟等人将遗传算法 (GA) 和禁忌搜索算法 (TS) 结合在一起, 并将其用于物流配送中心选址方面的研究, 也获得了较好的结果。

2.蚁群算法。蚁群算法是意大利学者M.Dorigo于1992年提出的, 他通过分析自然界蚂蚁觅食过程提出该算法。目前已被广泛应用于众多优化问题的求解当中。

蚁群算法的优点:蚁群算法是一种自组织的算法;蚁群算法在本质上是一种并行算法;蚁群算法是一种正反馈的算法, 同时也有很强的鲁棒性。蚁群算法的缺点:蚁群算法需要相当长的搜索时间;蚁群算法易于出现早熟停滞现象;容易限于局部最优解, 蚁群算法是在寻找一个比较好的局部最优解, 而不是获取全局最优解。

蚁群算法在物流配送中心选址方面的研究:2006年, 秦固将蚁群优化算法应用于物流配送中心选址问题的研究中, 提出了一种解决多物流配送中心选址问题的蚁群算法模型, 实现基于群优化的物流配送中心选址算法, 并取得了理想的结果。2010年, 许婷等人将GIS和蚁群算法结合来解决物流配送中心选址问题, 具有直观性和交互性等优点, 在解决最短路径问题上得到了较好的效果。2012年, 王坤提出了一种改进的蚁群优化物流配送中心选址方法, 算法把求得的解首先分解为解对, 然后通过改进的蚁群优化算法将解对从不确定性转变成确定性, 从而大大地降低求解的复杂性, 最后并通过Matlab仿真来对实验结果进行验证。

3.模拟退火算法。该算法是由Metropllis在1953年提出的。现在已被广泛应用于生产调度、控制工程、机器学习、神经网络、信号处理等领域。

SSA是一种常用的优化算法, 由加温过程、等温过程和冷却过程三个阶段构成。加温过程对应于算法设定初值这个阶段, 等温过程对应算法的抽样过程, 冷却过程对应控制参数的下降阶段。

SSA的优点:模拟退火算法与初始值的选取无关;模拟退火算法具有渐近收敛性;模拟退火算法具有并行性。缺点:当问题的规模较小时, 得到的一般都是最优解, 当规模较大时, 一般只能得到近似解。

模拟退火算法在物流配送中心选址方面的研究:2008年刘倩等人将模拟退火算法用于物流配送中心选址方面的研究, 进行了一次新的尝试, 最终通过模拟退火算法的迭代得到了配送中心选址模型的最优解。2011年苏兴国等人将该算法应用于B2C企业物流配送中心选址的研究, 最终取得了全局最优解或近似最优解, 证实算法与模型的可行性。

4.人工神经网络。人工神经网络是1943年由Warren McCulloch和Walter Pitts在他们的论文里面提出来的, 同时构造了一个M-P网络。ANN通过模拟人类大脑的思维过程, 把大量的神经元连成一个复杂的网络。然后利用已知样本对网络进行训练, 由于人工神经网络中神经元个数众多以及整个网络巨大的信息存储容量, 使得它在处理信息方面具有很大的不确定性。

人工神经网络的优点:能够充分地逼近任何复杂度的非线性关系;具有很强的鲁棒性和容错性;可以处理不确定或未知的系统。因此它被广泛应用于自动控制领域、数据挖掘、电力系统、交通、军事、矿业、农业、医疗和气象等诸多领域。

人工神经网络在物流配送中心选址方面的研究:马正元等人在2003年将Hopfield神经网络应用在物流配送中心选址方面的研究, 利用Hopfield神经网络理论来优化其运输线路, 提出了一种确定性的物流配送中心地址方法, 有效地解决了物流配送系统中错综复杂的线路优化和组合问题, 为企业制定和实施有效的配送决策提供了很好的方法。韩庆兰2004年将BP网络应用在物流配送中心选址的研究, 并与其他的方法进行比较, 展现了BP网络的优越性。罗庆2009年将径向基神经网络用于物流配送中心选址研究, 通过实例进行分析, 和AHP—模糊层次分析法进行比较, 说明了基于RBF的可行性。

五结束语

智能优化算法作为人工智能的一个重要分支, 将智能优化算法用于物流配送中心选址方面的研究, 可以求解出该问题的最优解, 同时也使得计算更加简便。由于智能优化算法的复杂性及多样性, 该研究工作远没有达到成熟和完善的地步, 许多理论问题还需要做进一步的研究。

参考文献

[1]吴坚, 史忠科.基于遗传算法的配送中心选址问题[J].华南理工大学学报, 2004, 32 (6) :156

[2]吴兵, 罗荣桂, 彭伟华.基于遗传算法的物流配送中心选址研究[J].武汉理工大学学报, 2006, 28 (2) :136

[3]陶羿, 朱建青, 李明.基于改进遗传算法的物流中心选址优化[J].计算机工程与应用, 2007, 43 (25) :221

[4]秦固.基于蚁群优化的多物流配送中心选址算法[J].系统工程理论与实践, 2006, 04 (120) :235

[5]王坤.蚁群算法物流配送中心选址优化仿真研究[J].计算机仿真, 2012, 04 (0251) :214

物流中心运营管理优化 篇6

物流配送中心从事货物的配备与送货,它将从上游接收过来的货物进行集货、加工、分货、拣选、配货,并组织对下游进行送货,使整个系统成为一个有机的整体,是物流网络中至关重要的节点。其选址的合理与否直接关系到配送中心的运营成本、运营效率、竞争优势以及未来的发展,还关系到配送中心上下游客户的物流成本。因此出现这样的问题:如何选择合理的物流配送中心,使得其他各个需求节点到中心的总的费用最少。

粒子群优化算法是由美国社会心理学家Kennedy J和电气工程师Eberhart R.C受到了鸟类捕食行为的启发而共同提出的一种群智能优化算法。该算法有简单易行、设置参数少等优点,但在迭代到一定次数后,种群多样性会快速下降,使得算法容易陷入局部最优。如Shi等在速度公式中引入提出了基于模糊系统的动态自适应控制惯性权重大小的粒子群算法,Angeline提出了杂交粒子群算法,将进化计算中的锦标选择方法嵌入到PSO中。本文采用一种基于相似度变异的改进粒子群算法对物流配送中心选址问题进行求解。

1 问题的描述与模型

物流配送中心的作用如图1。

物流配送中心选址可以分为两大类型:一种是从一系列备选的方案中选择最优的,其决策变量是离散的;一种是从一条路径或一片区域中的任意一个点中选择最优的,其决策变量是连续的。前者一般用来求解精确的地址,而后者则一般用来求解初步的候选地址。本文对该问题的连续类型进行求解。

连续型物流配送中心的选址问题可描述为:有N个确定的点代表需求节点,一片连续的区域中的点代表配送中心的选址范围,这N个需求地点分别有一定量的货物需要以一定的运输费用运入物流配送中心,所需要解决的问题是如何选择一个中心地址,使运输的总成本最小。

为了方便描述及简化模型,本文做如下假设:

假设1:

选取3个配送中心,但每个需求节点有且仅有一个配送中心为之配送;

假设2:

运输的单位费用是固定值,且与运输的距离成正比,即距离越远运输费用越高,距离越近运输费用越低,此时,该问题可转换为求解各个需求节点到配送中心距离总和最小;

假设3:

每个需求节点的需求量是可以预测的,即从配送中心运入或运出的货物量是已知的;

假设4:

所有货物的运输费用都是相同的。

连续型配送中心选址的模型有多种,其中交叉值模型如公式(1)所示,另一种计算的是地点之间的欧式距离,即其直线距离,如公式(2)所示。第二种计算法方式比第一种要复杂得多。

其中,E为总的费用,e为单位费用,n为需求节点的个数,wi表示节点i的运输权重,(x i,y i)表示节点i的坐标,(x m,ym)表示待选的配送中心节点。

2 基于相似度变异的改进粒子群算法求解问题

2.1 基于相似度变异的改进粒子群算法

标准粒子群算法中将问题的全局最优解看作是鸟群所要寻找的食物,问题的搜索空间看作是鸟群觅食的范围,每只鸟被抽象为一个没有质量没有体积的微粒。个体能够记住自己的历史最优适应值(pbest_value)和种群最好的适应值(gbest_value),并通过向这两者学习,来更新自己的位置,从而不断向全局最优解靠近。

假设问题的搜索空间为D维,采用N个粒子进行寻优,第i个粒子的位置与速度的向量表示为:xi(28)(x i1,xi2,(43),xid,(43)(43),xi D)和vi(28)(v i1,vi2,(43),vid,(43),vi D)。

此时,粒子i对粒子的速度和位置进行调整:

在公式(3)中,参数c1和c2为加速因子,取值范围为0～2。其中,c1控制个体飞向自身历史最优位置方向的步长,c2控制个体飞向种群最优位置方向的步长。r1和r2是个服从均匀分布的在[0-1]之间1的随机数。粒子群算法的特点是简单易实现、收敛速度快、调整参数少,但在运行后期多样性差,容易陷入局部最优解。针对该特点,提出一种基于相似度变异的改进粒子群算法,算法能够在检测到种群多样性丢失后,立即判断其他粒子与全局最优粒子的相似程度,若相似程度较高,则采取一种策略,该策略能够使全局最优粒子对靠近它的粒子进行“排斥”,使粒子散离,扩大粒子的搜索空间。

聚集度的判断是根据以种群最优位置为中心点所在的单位空间内粒子的个数来衡量,判断方法如公式(5):

相似度的定义采用的粒子之间的欧式距离:,其中d(x,y)为向量之间的欧式距离。变异概率根据相似程度而决定。具体计算方法如公式(6)。

2.2 编码方式

采用实数对粒子进行编码,每个粒子对应一个备选的配送中心地址,由于该地址的实质是一个平面上的坐标,因此每个粒子的维数为2,第一维表示其横坐标,第二维表示其纵坐标,若采用N个粒子对其进行优化,假设其初始化为:

址的坐标。其中,a1≤x11,x21,…,xN1≤b1,a2≤x12,x22,…,xN2≤b2,表示待选地址的横坐标范围为[a1,b1],纵坐标范围为[a2,b2]。

2.3 算法步骤

STEP 1:

设置算法的相关参数;

STEP 2:

按如上编码方式初始化位置与速度,位置矩阵与速度矩阵都对应一个N×2的矩阵;

STEP 3:

对函数进行评价,并确定个体最优位置与种群最优位置;

STEP 4:

按公式(3)和公式(4)分别更新粒子的速度与位置,并对边界约束进行处理;

STEP 5:

计算种群的聚集度,判断种群是否陷入局部最优;若种群陷入局部最优则转下一步,否则转STEP;

STEP 6:

计算种群最优粒子与其他粒子的相似程度,对相似程度高的进行标记;

STEP 7:

判断所标记的粒子是否满足变异条件,若满足则进行变异;若不满足,对粒子不做任何处理;

STEP 8:

判断是否满足终止条件,若满足则停止,否则转STEP8。

3 仿真结果分析

假设有15个需求节点,节点范围在0-20之间,每个节点的坐标采用随机初始化方法来产生,需求节点的坐标图如图2所示,待选中心地址的范围为整个矩形框内。

另外,每个结点的需求量自行假设,具体的坐标与需求量见表1。

采用第一种模型对该例进行仿真,由于这种计算方式较为简单,用该例来比较两个算法的收敛速度。通过实验发现,标准粒子群算法和基于相似度变异的粒子群算法均能在100代之内搜索到最优解(10.3493,11.5591),其花销为7544.1。将算法的终止条件设为gbf<=75441,各运行20次,得到平均收敛速度,标准粒子群算法对应的平均收敛速度为78.4,而基于相似度变异的粒子群算法的平均收敛速度为68.9。该实验充分验证了算法的收敛能力。

采用第二个模型对该例进行仿真,测试其寻优能力。该

模型较为复杂,因此每个算法的迭代次数设为1000次,基于相似度变异的粒子群算法的寻优结果为6023.1,选址地点为(9.4907,12.0887),标准粒子群算法的寻优结果为6534.1,其对应坐标是(8.6566,15.2340)。

4 小结

本文分别采用标准粒子群算法和提出的改进算法对物流配送中心选址问题的两种模型分别进行了求解,仿真结果不仅验证了改进算法的有效性,还表明无论其寻优性能还是收敛速度均优于标准粒子群算法。

参考文献

[1]邓凤祥等,现代物流成本管理[M].第一版.北京:经济管理出版社.2003.

[2]Kennedy J,Eberhart RC.Particle Swarm Optimization[C].Proceedings of IEEE International Conference on Neural Networks[C].Piscataway NJ:IEEE.1995.

[3]Shi Y.,Eberhart R.C..A Modified Particle Swarm Optimizer[C].Proceedings of the IEEE Conference on Evolutionary Computation.Piscataway.IEEE Press.1998.

[4]Shi Y.,Eberhart R.C..Empirical study of particle swarm optimization.Piscataway,NJ,IEEE Service Center.Proceedings of the 1999 Congress on Evolutionary Computation.1999.

[5]Angeline PJ.Using Selection to Improve Particle Swarm 0Ptimization.Proe.IEEE International Congress on Evolution Computation(CEe1998).

[6]黎宙.基于混合智能算法的物流配送优化的研究[D].华南理工大学.2010.

[7]曾建潮.微粒群算法[M].科学出版社.2003.

[8]王凌.智能优化算法及其应用[M].北京:清华大学出版社.2001.

物流中心运营管理优化 篇7

公铁联运物流中心是一种国际新兴的,以铁路运输为主导、公路运输为依托、以网络信息系统为手段,实现公路、铁路联合运输与城市配送系统相结合的大型物流中心模式。其货物发运以集装箱和成件包装货物为主,故对装卸设备要求较高,龙门吊作为公铁联运物流中心装卸过程中的重要机械,其配置情况和运用效果直接关系到整个中心的作业成本和作业效率。

所谓龙门吊配置问题,就是在物流中心配置一定数量的龙门吊,配合其他装卸作业设备为中心到发的货物提供装卸服务。所谓运用效果问题是指在确定了龙门吊的配置数量后如何在规定时间内以最小的运行成本完成装卸作业。

针对以上两个问题,国内外的学者基本以定性研究为主,定量研究的涉猎较少,主要有Murty K G等[1]研究的几个工班的龙门吊的配置问题。文中假定,在每一个工班内都有一定的工作量,龙门吊可以在箱区之间相互移动;但是文中假定每个工班之内龙门吊的移动次数不能超过1次,这与实际情况有一定差距。Linn R等[2]通过一个混合整数规划模型研究了龙门吊的工作任务分配问题。在假设已知若干个计划期的工作任务量的条件下,通过合理地安排龙门吊在某工班内的工作任务和不同箱区之间的移动顺序,达到在某若干个计划期内龙门吊未完成的任务量最小的目标。模型采用两阶段的拉格朗日松弛启发式算法进行了求解,但是文中假定龙门吊的配置数量是已知的,这与实际情况不符。韩晓龙等[3]研究了集装箱港口装卸资源的配置问题,文中采用了网络流和混合整数规划模型的方法对集装箱港口龙门吊的配置和工序问题进行了研究,但对公铁联运物流中心的针对性不强。

综上所述,目前已有研究中比较缺乏公铁联运物流中心龙门吊数量配置和运用效果的研究。下面本文采用两阶段法探讨龙门吊的数量配置和运用流程的优化问题。第一阶段:以总成本最低为目标建立排队服务系统以确定龙门吊最佳配置数量,第二阶段:以运行成本最低和满足服务对象为目标建立龙门吊工序流程以达到最佳运用效果。

1 龙门吊数量配置优化研究

公铁联运物流中心的铁路运输作业由于编组计划和运行图的存在具有严格的时间约束,装卸成本也相对固定,公路运输作业进行的货物集散具有一定的规律性,这种模式的特点符合以下假设条件,比较适合于建立排队服务系统确定龙门吊最佳配置数量。

1.1 假设条件

(1)公铁联运物流中心其他配套服务实施齐全,其货物的到达业务满足平稳性、无后效性及普通性,其到达流为单个到达,来源无限。

(2)货物先到先接受装卸服务,装卸线满足到达货物容量。

(3)龙门吊每次只进行一个组号货物的装卸作业,其装卸时间独立具有无记忆性。

1.2 参数定义

m——龙门吊的数目

λ——单位时间货物流进入系统的平均流量

μ——龙门吊装卸系统的服务率

ρ——龙门吊装卸系统的服务强度

Ls——队列中等待服务的货物数

Lq——队列中的平均货物数

Ts——货物平均装卸作业时间

Tq——货物装卸作业平均等待时间

Ps——龙门吊装卸系统的空闲频率

Pq——龙门吊装卸系统的忙碌概率

w1——货物等待时单位时间损失费用

w2——龙门吊作业时单位时间装卸费用

1.3 主要指标

该排队系统是状态有限的生死过程,存在平稳解,其主要指标可描述如下:

1.4 目标函数

根据公铁联运物流中心装卸作业的特点可知其排队系统是一个单排队多通道服务的排队系统,其最佳服务能力是使顾客等候成本与服务能力成本之和最小的服务能力,当总费用达到最小值时,对应的龙门吊数量即为最佳数量。

1.5 求解算法

2 龙门吊最佳运用效果研究

求出最佳配置数量后,要根据公铁联运物流中心各作业区的运量和作业特点进行分配,分配完毕后对龙门吊作业的工序流程进行优化,既要保证运行成本最低又要满足各作业点对装卸作业时间的需要,使龙门吊的运用效果达到最优。如果某一作业区只分配一台龙门吊,则工序流程问题变成了旅行商问题,可通过相应算法予以解决;如果某一作业区分配的龙门吊多于一台,则需进行龙门吊分派工序流程的优化,在有时间约束条件下,采取时间优先的原则,当出现限定时间内现有龙门吊数目不能完成任务的情况时,出于客户服务需要考虑,采取各作业区间转场支援作业。本文假定龙门吊运行速度保持一致。

2.1 参数定义

m——龙门吊数目(m,=1,2,…,M,)

i,j——待装卸货物作业点(i,j,=0,1,2,…,N,),其中0表示龙门吊出发地点

c——龙门吊单位时间移动费用

ei——龙门吊到达作业点i处规定的最早时间

li——龙门吊到达作业点i处的规定的最迟时间

ti——龙门吊在作业点i处开始作业的时间

tij——龙门吊从作业点i到作业点j的行驶时间

fi——任务i处的装卸时间

t0——龙门吊起始出发时刻

2.2 目标函数

龙门吊完成装卸任务运行时间最短:

2.3 约束条件

(1)每个作业点的货物只能由一台龙门吊进行装卸作业且都能得到装卸服务

(2)如果龙门吊m至作业点j处取货,则龙门吊m必从作业点i到达作业点j

(3)如果龙门吊m至作业点i处取货,则龙门吊m必从该作业点完成装卸作业后到达作业点j

(4)作业点i的时间窗约束

2.4 求解算法

该模型可转化为典型的VRPTW问题,而该问题是典型的NP难题,对该问题的理论研究多集中在求最优解或近似最优解的算法的改进和发现上,其理论建模和求解方法很多,如文献[6]就采取了遗传算法来解决。本文从公铁联运物流中心装卸作业实际出发,考虑装卸作业的时间约束,建立由龙门吊出发点和各作业点构成的网络,采用改进的C—W节约算法进行计算,C—W节约算法的原理文献[7]中有所论述,其基本思想为首先将各送货点与配送中心相连,构成一条仅含一个送货点的送货线路,并计算总费用;然后计算将两个送货点连接在一条线路上的费用节约值,节约值越大说明将两个送货点连在一起的总路程减少越多,直到节约值是0为止。下面在其基础上加入时间窗约束对算法进行改进。

以tfj表示连接作业点i和作业点j所在的线路后,龙门吊到达作业点j的时间比原来线路上龙门吊到达作业点j的时间的推迟量(或提前量),tij可表示为:

由上式可知,当tfj=0时,表示连接后到达作业点j的时间不变;当tfj<0时,表示连接后到达作业点j的时间提前了;当tfj>0时,表示连接后到达作业点j的时间推迟。为了进一步讨论时间窗的约束问题,还需定义两个比较重要的参数:

表示龙门吊在线路上作业点j后面的各任务处均不需要等待的j点的到达时间的最大可以提前量;

表示龙门吊在线路上作业点j后面的各任务处均不需要等待的j点的到达时间的最大允许推迟量。

通过以上定义可知:当tfj<0时,若有,则龙门吊在作业点j后面的任务处不需要等待,否则,将要等待;而当tfj>0时,若有,则作业点j后面的任务的执行不会拖延,否则,要延迟进行。对于初始时的ti取值,当龙门吊去往任务i时,若ei≤t0i≤li,则取ti=t0i,若t0i<ei,则取ti=ei。据此制定算法如下:

Step1:连接龙门吊出发点与各装卸点,构成n条初始化线路,第i条线路的运输时间为Ti=t0i+ti0。

Step2:Tij=t0i+t0j-tij表示把i,j连接后的组合线路0,-i-j-0,比原来线路所节约的时间,计算Tij,令,并把集合M内的元素Tij按从大到小的顺序排列。

Step3:考察集合M内的第一个元素Tij对应的节点i,j是否满足下列条件之一:

(1)节点i,j均在初始路线上;

(2)节点i,j中有一个在其他组合线路中并且是线路的起点或终点,另一个在初始线路上;

(3)节点i,j分别位于2条组合线路上,但一个是起点,另一个是终点。

若满足则转Step4;否则转Step6。

Step4:计算tfj:

若tfj=0,转Step5;

Step5:连接i,j构成新组合线路,计算车辆到达各处的新时间。

Step6:令M=M-Tij,若M=Φ,算法终止;否则转Step3。

3 算例

某公铁联运物流中心共分到达、中转、发送3个箱区,通过物流中心专用铁路单位时间推进的待装卸货流量为15,龙门吊单位时间运行距离50m,装卸效率单位时间为5,货物等待时单位时间损失费用为100元,龙门吊单位时间装卸费用为120元,龙门吊空闲时移动单位距离费用为5元,中转箱区为其主作业区,该区在某时间区段内要完成一项装卸任务,该装卸任务各作业点指标如表1、表2所示。

单位:小时

单位:米

则总成本F=100m+120Ls,采取边际成本法求得当m=5时,F取最小值。

通过上面的计算可得龙门吊最佳配置数量为5,由于该公铁联运物流中心分3个作业区,所以首先应按区分配给到达箱区、发送箱区各1台龙门吊,其工序流程可转化为传统的旅行商问题,通过C—W节约算法予以解决,中转箱区作为其主箱区,分配3台龙门吊,其工序流程可采取本文提出的改进节约算法求解实现,得出优化方案如下。

龙门吊1:任务工序为:0-H-E-G-0;龙门吊2:任务工序为:0-C-A-B-0;龙门吊3:任务工序为:0-F-D-0。按照此任务工序作业,由原来的8条初始化线路减少到3条组合线路,运行距离从开始的1 610m缩短为850m,优化效果相当明显且均在规定时间内完成装卸任务。

4 结束语

公铁联运物流中心自身的特点和运输组织要求对装卸作业提出了更高的要求,装卸工具的配备和运用对提高公铁联运物流中心的作业效率意义重大。基于此,本文提出了龙门吊双层优化作业方法,即基于排队的装卸设备数量配置优化方法和基于时间—费用成本约束的走行工序优化方法。算例表明,该方法对解决现实问题具有一定的可行性。

摘要：针对公铁联运物流中心的特点和运输组织要求,对公铁联运物流中心常用装卸设备龙门吊的配置数量和运用效果进行了优化研究,提出了双层优化法,即基于排队的装卸设备配置数量优化方法和基于时间—费用成本的走行工序优化方法用以提高龙门吊的运用效果,进而最大限度地提高公铁联运物流中心的作业效率。求解算例表明,提出的方法能够对公铁联运物流中心龙门吊的配置数量和运用效果进行量化分析,具有一定的现实意义。

关键词：物流中心,龙门吊,双层优化

参考文献

[1]Murty K G,Liu J,Wan Y W,Zhang C..DSS for operation in container shipping terminal[EB/OL].(2003-09-10)[2010-10-15].http:www//personal.engin.umich.edu/murty/,2000/2003.9.

[2]Linn R,Zhang C Q..A heuristic for dynamic yard crane deployment in a container terminal[J].IEE transactions,2003,2(35):161-174.

[3]韩晓龙.集装箱港口装卸作业资源配置研究[D].上海:上海海事大学,2005.

[4]廖业红.运筹学排队论在客户服务中的应用与辅助决策[J].商场现代化,2006(32):20-21.

[5]Wayne L.Winston,et al.Operations Research Introduction to Probability Models[M].北京:清华大学出版社,2006.

[6]孔志周,官东.基于改进遗传算法的车辆路径优化研究[J].统计与决策,2007(8):163-165.

物流中心运营管理优化 篇8

本文研究建立了基于混合整数规划法的优化选址模型, 以收益最大化为目标, 考虑了所有可能的经济因素。同时建立辅助模型, 对选址需要考虑的自然环境等其他重要因素做了一定程度上的综合考虑, 利用GIS可视化的条件求解, 获取了准确的备选点与需求点的位置信息, 解决了传统求解方法中无法考虑地理要素的问题, 并以南京市专营电子产品的物流配送中心选址为实例, 进行模型验证。

优化模型

物流总成本T C=固定营运成本W C+供货运输成本G C+配送运输成本PC+库存成本IC, 而收益AC则是一次物流配送活动中送货的收入。利润即为收益与总成本之间的差。具体归纳如下:固定营运成本WC;供货运输成本G C;配送运输成本PC;库存成本IC;活动收益AC。其中, 固定营运成本W C与活动收益A C是本次研究中新引入的两个因子。

以上就是建立优化的混合整数规划法模型中所考虑的全部经济因素。同时, 配送中心选址时仅仅考虑费用的因素是不够的, 因此在模型中应该加入诸如环境, 交通。人文环境等因素的因子并赋予相应的权重。这样的模型才能更加全面的反映选址问题。因此, 本文从选址的经济因素及空间等其他因素出发, 构建优化的混合整数规划模型, 其中将经济因素作为优化的主要目标, 将自然条件等作为辅助目标, 分别构建模型, 如下所示:

经济模型: (优化的混合整数规划法模型) 该模型以利润最大化为目标, 较之传统的混合整数规划法模型, 增加了固定营运成本与配送活动收益两个因子。

ckiwki表示从工厂进货的所需耗费的成本, hijxij表示送往需求点所需耗费的成本, giwki表示货物在配送中心内库存时所需要耗费的管理费用, ps表示在该地建配送中心所需耗费的最小基本投资, vijrij表示配送中心送货的收益。此5项即为该优化模型的最终决定因子。

辅助模型:上述经过改良后的混合整数规划法模型, 针对物流配送中心选址过程中的经济因素进行了考虑, 目前的选址模型基本都是只考虑经济因素, 在本研究中, 不但构建了以经济因素为主导的混合整数规划法模型, 同时建立了针对其他因素的辅助模型, 作为对经济模型的补充与参考。

式中, L1, L2, L3分别表示求得的3个显著影响因子, β, γ, λ表示各个因子所对应的权重。

该模型作为经济模型以外的补充模型, 选取物流配送中心选址过程中经济因素以外的重要因素进行建模, 通过问卷调查的形式确定3个最活跃的影响因子分别表示为L1, L2, L3并赋予相应权重。实际操作中, 不同的使用者可根据各自侧重点的不同重新设置权重。

优化模型解算实例

利用GI S的地图分析功能, 在.N E T平台下以C#语言作为开发工具对上述模型进行可视化的解算。

以南京市内专营电子产品的物流配送中心为例, 主要生产厂商以及需求群体主要分布在珠江路、新街口、河西、江宁以及仙林。因此选取以上5个区域作为需求点, 在近20年来南京市先后兴建的大型物流集散基地里选取龙潭、王家湾以及江宁作为备选点, 在GIS的地图环境下标注各点要素的地理信息, 并在界面中录入各个需求点以及备选点的属性信息。

为便于计算, 属性信息的录入遵循如下原则:货物量、地价、面积的数值分布在[0, 1]之间;距离通过计算获取;各个待选点的配送货物单价与该点的单位地价呈线性相关关系, 即该地地价越高, 为追回成本, 相应单价越高。

经过南京市多家物流配送公司近十年来的货物配送统计, 不论是作为原材料工厂还是需求地, 珠江路的货物集散量是最大的, 记为1, 以下依次为新街口, 仙林, 河西, 江宁, 分别赋予0.8, 0.7, 0.5, 0.4。为计算方便, 设3个可选点的可建址面积相等均为1 0, 同时根据, 根据2008年底各地的综合地价情况, 3个被选点地价差异并不十分明显, 王家湾最高, 龙潭次之。各地的配送货物单价大小关系也同样如此, 取龙潭为30, 王家湾为33, 江宁为32将以上提到的属性数据代入模型, 以备求解。

本文研究利用Arc GIS的求解最短路径的功能, 结合Arc Engine开发工具, 求解需求点与备选点之间的实际交通最短距离。在GIS环境下直接获得每个可选点与5个需求点的距离, 以公里为单位, 以龙潭为例, 距珠江路需求点10.08公里, 距离新街口13.81公里, 距离江宁16.89公里, 距离河西10.26公里, 距离仙林3.52公里。依次类推, 分别获得其他两个可选点王家湾与江宁与5个需求点的距离。

通过赋值以及最短交通路径的程序实现, 获取到了组成经济模型的所有因素的属性信息。将以上获得的可选点的信息以及需求点的需求量属性值输入在系统界面中, 代入模型, 利用程序求解。首先将各地地价、建址面积以及货物单价带入模型求解预期活动收入以及固定资本因子。根据求解结果, 预期收入方面, 龙潭结果为102, 王家湾108, 江宁106。固定资本方面, 龙潭为27, 王家湾35, 江宁33。

下一步求解运输成本, 该因素的值由供货运输成本与配送运输成本的值相加而得。将上文提到的被选点与需求点的距离以及各被选点的货物量代入模型求解, 龙潭运输成本为33.76, 王家湾为31.6, 江宁为65.3。

至此已经获得了组成经济模型的所有因子的具体数值, 预期收益减去固定资本以及运输成本的和即为模型的最终解, 龙潭的最终结果为41.24, 王家湾为41.40, 江宁为-11.7。

辅助模型解算。求解该模型最可行的办法是对每个备选点环境、交通、人文因素的情况进行专家评分, 代入模型求解, 在本文实例中, 在GIS环境下对上述面状区域进行了地图各要素的分析, 再经过详细调查模拟专家评分系统, 评分依据如下:

在环境方面, 龙潭地区有10平方公里以上的可发展空间, 离主城区的距离都在30公里左右, 是新兴的科技产业区, 空气质量良好;王家湾附近化工企业多, 离主城区相对较近, 空气质量一般;而江宁离主城区较远, 生态环境良好但位于南京下风口, 容易产生灰霾天。

在交通方面, 龙潭虽然离主城区距离较王家湾要远, 但靠近港口, 是大型的交通枢纽要地;王家湾附近靠近玄武大道以及3 1 2国道, 交通并不十分通畅, 时有堵车状况发生;江宁到主城区只有一条大道, 导致其交通也成了一大隐患。

在人文环境方面, 龙潭附近的学校企业以及居民区还很少, 附近的需求量并不多, 但它位于宁镇扬的中心地带, 潜在的需求量很大;而王家湾地区离主城区与仙林大学城都近, 可就近满足许多需求点的需要;江宁地区吸引了大量的楼盘进驻, 也形成了江宁大学城, 规模仅次于仙林地区, 需求量也随之增大。

根据以上判断对此3个可选点进行模拟评分, 将各地自然环境、交通以及人文环境的得分赋上权重进行计算。其中各因素的权重采用前文提到的参考权重, 在实际应用中, 用户可根据各自的侧重点对权重进行自定义。根据最终计算结果, 龙潭总分为3.9 3, 王家湾为3.76, 江宁为3.89, 三个点差距不大, 龙潭略高。

物流中心运营管理优化 篇9

物流一词起源于美国,我国对现代物流的定义是合理运用现代物流技术方法优化物流系统的结构与流程,以尽可能低的成本实现准时、快捷、高效的物流服务[1]。物流配送中心是处于枢纽或重要位置、具有完整的物流环节,并能将物流集散、信息和控制等功能实现一体化运作的物流节点[2],合理的物流配送中心的选址可以提高物流效率、降低物流成本。

截至目前,国际上关于物流配送中心选址问题的研究已趋于成熟,出现了许多模型和算法,且各有优缺点[3,4,5,6]。其中,比较有代表性的研究有:鲁晓春(2000)提出了重心法的矢量运算方法,并运用偏微分方程对模型进行求解,使运算结果更趋于最优化的要求;张培林、魏巧云等(2003)建立了一个关于多个配送中心的选址模型,分别考虑线性及非线性的影响因素,并用“表上作业法”和“启发式”算法求解模型;武汉理工大学宋景芬、包凡彪等(2004)运用模糊综合评判模式对全程物流枢纽城市中心地址的选取进行评判。尽管各学科专家对以上的物流配送中心选址模型进行改进和优化,在理论和实践上已取得了较大的成果,但是技术过于复杂,优化成本过高。本文在选用重心法模型的基础上,采用MS-Excel与GIS[7]技术相结合,具有较强的技术优势。MS-Excel中的规划求解工具[8]是求解目标规划问题中的一种最常用、最方便的工具,无需专门的操作学习和程序编写。此外,利用GIS空间分析技术,对数据作定量的分析,最终以电子地图的形式清晰地显示选址范围以及目标优化位置。这种方法所需数据易于获取,工作量小,简单易行。作为农产品之一的肉食品在产销上有自己的特点,例如它具有生产集中、消费分散的特点,属于大众消费商品与人口的关系较为密切。它的生产、消费、物流设计要素都具有空间属性,需要空间优化。鉴于肉食品的这些特点,对其物流配送中心选址可选用此方法。

1 研究区概况

盘锦是辽宁省下辖的一个地级市,位于辽宁省西南部,辽河三角洲中心地带,地理坐标为北纬40°39′～41°27′东经121°25′～122°31′之间。属暖温带半湿润气候区,四季分明,气候适宜。总面积4 071平方公里,占辽宁省总面积的占辽宁省总面积的2.75%。2008年末,全市总人口129.15万人,辖2个区、2个县,即双台子区、兴隆台区、盘山县、大洼县,区县共辖29个县乡。该市具备得天独厚的物流业发展条件。例如地处以沈阳、大连和锦州为中心的辽宁三大经济区交汇处,是三大经济板块的重要节点,区位优势明显。方便快捷的综合交通体系,已形成以京沈、盘海营高速公路和庄林线、沈盘线、大盘线、大锦线、库二线等国省干道为主骨架,以县乡公路、专用公路为支线的全市城乡公路网络,沟海铁路和盘营客运高速铁路贯穿全境。农业方面,2010年全年肉类总产量13.7万吨。肉类主要是以牛肉、猪肉以及鸡鸭肉为主,其中猪肉产量6.7万吨,牛肉产量0.35万吨,禽肉产量6.5万吨。肉类生产情况呈现出养殖场集中生产为主,分散农户为辅的空间分布特点,主要的养猪场、养牛场、鸡鸭养殖场共有十几处,参见图1(a)。肉类消费情况也呈现出空间分布的特点,即有由中心到外围递减的趋势,肉类消费的高值区主要集中在本市经济人口相对集中的东南部,参见图1(b)。

鉴于盘锦市肉食品产销的这种特点,而且盘锦市依托其丰富的石油和农业资源,物流服务体系以石化、装备制造业、粮食深加工为主体,对于作为大众消费的这种肉类几乎没有建设专门化的物流配送中心。以致使肉类配送分散、成本高、效率低下。因此,合理的肉类物流配送中心选址,对盘锦市来说非常必要,它有利于完善盘锦市的物流系统,推动盘锦市物流发展水平的总体提升。

2 优化模型与技术方法

2.1 优化逻辑

2.1.1 基本假定

影响物流配送中心选址的因素主要有自然环境因素、经济效益、社会效益、基础设施和企业自身的情况等[9]。但是,在实际操作中,如环境、社会效益等因素无法量化。因此在确定选址范围之前要做如下基本假定。从降低物流成本出发,主要考虑经济效益,这里主要考虑人口和运费,假设其他因子影响很小或各地均一。肉类资源点、消费点的产量和消费量已知,假设区内肉类供需平衡。得到如下模型,用以表示选址范围:

式中P(x,y)———最优资源点集散中心

P———各乡镇肉类产量

C(x,y)———最消费点集散中心

R———各乡镇人口数量

D1———各资源点到集散中心的距离

D2———各消费点到集散中心的距离

2.1.2 数学模型

(1)一般模型

物流配送中心选址问题可以分为单一物流配送中心选址和多级物流配送中心选址,分别对应的代表性方法有重心法和CFLP模型法。如果物流配送中心的物流配送服务范围比较小,可以选用只建设一个物流配送中心的单一物流配送中心选址模型。根据模型的适用性,本文选用重心法对盘锦市肉类物流配送中心的选址进行优化。重心法的基本原理是物流系统内,目标位置点到各资源点和需求点的物流总成本最小。

在建立重心法模型之前要对模型做如下基本假定:(1)假设在选址时仅考虑运输成本,其他的建设成本、运营成本等可以估计;(2)运输费用只与配送中心和配送点的直线距离有关,不考虑城市交通状况;(3)选择配送中心时,不考虑配送中心所处地理位置的地产价格;(4)各需求点和资源点的供应量和需求量为已知。某规划区内有n个需求点和资源点,各点的资源或需求量为Wj(j=,1,2,…,n),它们各自的坐标是(xj,yj)(j=,1,2,…,n);目标位置点的坐标为(x0,y0),dj表示每个需求点或资源点到目标位置的欧几几何距离,r为运费率,由此可以得到下面的规划模型:

其中,模型求解原理是由重心法求得系统的重心坐标作为初始解,以及一阶偏导等于零的原理,通过迭代方式求解,最终得到最佳位置坐标(x0,y0)即:

物流配送中心选址优化属于线性规划问题,本文对其重心法模型采用MS-Excel中的规划求解工具进行求解。首先,需要构造线性规划的数学一般模型[10],如下:

在线性约束条件下,求解一组未知变量xjj,=1,2,…,n,的值,使目标函数达最小。

(2)具体模型

盘锦市目前拥有分布于大洼镇、清水镇、沙岭镇等乡镇的畜牧养殖厂近20家,养殖厂生产集中布局分散的特点,为便于研究,本文以主要的11处养殖厂的地理坐标和2010年的肉类产量为依据设立资源集散中心的约束条件。由于肉类具有大众消费的属性特点,消费群体是城乡居民,多集中分布于各类餐馆、超市等人口经济稠密区。因此,在设立需求集散中心时,以盘锦市各乡镇(共29个)作为需求点,需求量按各乡镇2010年总人口和人均年消费肉类28.6公斤确定。还应考虑接近人口密集区这一约束条件,盘锦市人口分布具有集中于东南部的特点。根据以上因素,设立需求集散中心的约束条件,建立如下模型:

其中,Z1:资源集散中心的物流总成本,Z2:消费集散中心的物流总成本,PJ:资源点肉类产量,r:运费率,ri:各乡镇总人口,a:该市人均肉类消费量,d1:各自源点到集散中心距离,d2:各需求点到消费集散中心的距离,(x1,y1):资源集散中心点坐标,(x2,y2):消费集散中心点坐标,(xj,y j):资源点坐标,(xi,y i):需求点坐标。

2.2 技术方法

2.2.1 采用计算机技术对选址的定量分析

相对于传统的对重心法模型的笔算求解方法,本文选用MS-Excel规划求解方法,经验证与传统的求解方法所得结果一致,且简单易行。具体步骤如下:首先,根据所获数据,利用重心法模型公式(1)在MS-Excel中求出个点的物流成本和及物流总成本。其次,根据线性规划模型公式(5)、(6)设立约束条件,即初始点和最佳目标点的坐标误差小于0.0000001(表明后一次与前一次的误差小于0.0000001,体现迭代思想),最佳目标位置点的坐标范围。再次,在MS-Excel中打开规划求解参数窗口,设定规划求解参数。即目标参数为总物流成本最小,可变参数为最佳目标位置点坐标。约束条件参数是迭代约束条件和最佳目标位置点的范围约束条件,求得肉类资源最佳集散中心坐标是(122.86°E,40.92°N),肉类消费最佳集散中心坐标是(122.85°E,41.17°N),肉类配送中心的选址范围就是以这两点的连线为直径的区域。

2.2.2 优化结果的定性分析

根据重心法中物流系统几何中心处物流成本最低的原理,盘锦市肉类物流配送中心点的位置应该在配送范围的几何中心处(122.21°E,41.08°N),紧邻盘锦弘享燃料公司和兰田化工公司,虽然该点的物流成本最低,但不符合物流配送中心的选址条件和原则。因此,要结合物流配送中心选址的适应性、经济性、协调性、战略性原则,做定性分析,最终优化出的配送中心点为(122.13°E,41.06°N),具体分析如下:(1)由于本文研究盘锦市内的肉类配送,属于中短途运输,所以这里主要考虑贴近公路货运站。该点靠近公路出口,紧邻盘海营高速公路和大锦线附近。此外,该点向南比邻商业区,而且距离北面的产肉大镇(沙岭镇、清水镇)较近,可以缩短运距、降低运费,并保证足够的交通量,符合经济性原则。(2)考虑道路网的通达性,结合盘锦市交通规划,城市环路和环城高速附近位置最优,符合协调性原则。(3)该点地处平原且位于城郊,地形平坦开阔,有大片可规划用地,同时也符合战略性、经济性原则。(4)考虑到环境因素,该点地势较低,处于河流的下游地段,环境污染较少(如图2所示)。

3 结束语

本文参考国内外物流配送中心选址的理论及模型,并根据盘锦市肉类产销特点,最终选用重心法模型进行物流配送中心选址。在求解过程中运用MS-Excel与GIS技术进行模型计算和配送点创建,并通过定性与定量分析相结合最终优化出配送中心点。重心法以运输总成本最小为目标,方法简单,操作灵活。但是,理想的几何区位,实际上需要根据区域微观因素,例如与城市的距离、与道路的位置关系、现有物流中心发展基础、肉食品的加工储存企业分布等具体情况来确定最终目标位置。这就需要在实际的应用过程中,进行更加深入的研究。

参考文献

[1]胡朝晖,张革佚.用Excel规划求解报亭选址问题[J].物理工程与管理,2011(1):103-104.

[2]宋华,胡左浩.现代物流与供应链管理[M].北京:经济管理出版社,2000:12-28.

[3]汝宜红.配送中心规划[M].北京:北方交通大学出版社,2002:45-47.

[4]鲁晓春,詹菏生.关于配送中心重心法选址的研究[J].北方交通大学学报,2000(6):108,110.

[5]张培林,魏巧云.物流配送中心选址模型及其启发式算法[J].交通运输工程学报,2003(2):65-68.

[6]任春玉,王晓博.基于遗传算法和模糊综合评价法物流配送中心选址研究[J].物流科技,2006(10):78-81.

[7]张培林,魏巧云.物流配送中心选址模型及其启发式算法[J].交通运输工程学报,2003(2):65-68.

[8]夏春玉.现代物流概论[M].北京:首都经贸大学出版社,2004:25-26.

[9]徐建华.现代地理学中的数学方法[M].北京:高等教育出版社,2002:129-131.