运输模型

运输模型（精选8篇）

运输模型 篇1

1 引言

运输是现代物流的一个重要组成部分, 运输成本在物流中占有相当大的比重, 因此对运输成本的有效管理和控制将对企业自身优势的构建和发展起到重要作用。

在无法调整生产企业地理位置分布的情况下, 以最大限度地降低化工产品运输成本, 提高企业盈利能力为目标, 某集团公司建立了一套化工产品运输优化模型, 该运输优化模型是通过线性规划[1,2,3,4]算法来直接生成全局最优、最细粒度的运输方案, 它改变了过去主要基于化工产品配置计划逐级编制运输方案的传统人工模式, 利用信息技术实现了复杂运输方案的系统自动编制, 从而大大地降低了运输方案制定的难度, 提高了方案制定的效率, 并保证了运输方案的科学性。

2 运输优化模型

化工产品运输问题, 实际上是一个或多个生产企业 (产地) 至多个销售企业所在城市 (销地) 的运输问题:使运输费用最小的条件下, 确定每个产地的每种规格型号的产品运输至销地的吨数及运输方式, 从而最大程度地降低运输成本。

从生产企业至到站城市每种产品有三种运输方式 (公路、铁路、海运) 及相应的运输价格, 如果某种运输方式不能使用, 则将其设置成为一个极大值如10 000元/吨。这三种运输方式的时效性是:公路>铁路>海运。选择运输方式时, 优先选择价格最低的, 当价格较低的两种运输方式价格差异小于50元/吨时, 优先选择时效性高的, 以此作为最终的运输方式。

2.1 确定目标函数

用函数f (x) 表示某月集团公司产品的总运输费用, 如式 (1) 所示。

其中, n0代表化工产品种类的总数 (按不同的规格型号统计) , n1代表产品生产企业的总数, n2代表产品销售前沿市场的总数 (按不同的到站仓库统计) , n3代表运输方式的总数 (运输方式有铁路、公路、海运, n3=3) 。Pi, j, k, m代表某月某个生产企业的某种产品通过某种运输方式运到某个前沿市场仓库的单位运输成本, Pi, j, k, m代表相应的运输量。

2.2 设置限制条件

在实际生产中, 每种产品的产量和销量都是一定的。在建模时, 需要把限制条件加入进去。如式 (2) 、 (3) 所示。

式 (2) 中si, j代表生产企业j关于产品i的计划生产量, 式 (2) 说明, 对于一个生产企业的某种规格型号的化工产品, 其销往各地的产品总量不能大于其计划产量;式 (3) 中ri, k代表前沿市场某仓库k关于产品i的需求量, 式 (3) 则说明某种规格型号的产品运往某个前沿市场仓库的运输总量应不小于这个前沿市场的仓库对这种规格型号产品的需求量。

2.3 模型求解

建立好模型之后, 通过采用计算机编程, 实现模型的自动求解。模型所需的实际数据和求解结果都存放在数据库的数据表中, 如生产企业表、销售企业表、运输方式表以及运输方案表。生产企业表存放企业的产品生产计划, 销售企业表存放前沿市场的化工产品销售计划, 运输方式表存放产品从生产企业运到销售大区的各个前沿市场的到站仓库的运输方式。模型运行完毕后, 将优化结果写入到运输方案表中, 供各个分管运输调度的领导决策使用。

从模型的求解结果可以看出, 这是一个详尽的执行计划, 和原来的销售大区配置计划相比, 模型的求解结果粒度更细。该运输计划包含从生产企业至销售市场的各个到站仓库, 线性规划的数学特性保证了在该粒度上具有全局最优解, 运输的目标由配置计划的大区变为现在的运输到站仓库, 从地理位置粒度上保证了系统求解所能达到的最细粒度。因此, 这样的运输方案无需销售企业再根据运输计划, 人工制定更细粒度的运输方案, 减少了运输决策的劳动强度, 并保证了运输方案的科学性。

3 运输优化模型的应用

3.1 单位运输成本的预测及更新

在产品运输优化模型中所用的单位运输成本是从历史数据中计算得到的, 即单位运输成本=总金额/总吨数。在实际应用中会遇到如下问题:

(1) 产品第一次运输时无法获得历史的单位运输成本;

(2) 单位运输成本需要人工更新;

(3) 没有对历史数据中隐藏的规律做进一步的挖掘。

本模型采用时间序列对单位成本进行合理的预测和估计, 采用变异系数对预测结果进行评价。

3.1.1 初始单位运输成本的预测

以产品中类进行分组, 考察单位运输成本的分布情况。结果如表1所示。

以产品大类进行分组, 考察单位运输成本的分布情况。结果如表2所示。

从产品中类和大类的单位运输成本变异系数分布情况来看, 产品中类的单位运输成本变异程度略微小于产品大类。因此, 当产品第一次运输时, 其单位运输成本可以采用该产品所在中类的其他产品的单位运输成本的均值来获得。如果该产品所在中类的其他产品也缺乏单位运输成本数据, 则利用该产品所在大类其他产品的单位运输成本的均值来获得。如果该产品大类也没有单位运输成本数据, 则系统采用化工产品单位运输成本的总平均值作为初次单位运输成本, 当运输活动发生后, 采用实际的单位运输成本来更新该值。

3.1.2 单位运输成本的更新

首先, 以规格型号为粒度, 对2010~2011年的每种规格型号化工产品, 在不同运输方式条件下所产生的平均单位运输成本进行统计, 计算其变异系数, 即同一生产企业的同种规格型号的化工产品在同种运输方式下, 在不同月份向同一到站城市运输的平均价格的变异系数。规格型号粒度单位运输成本变异系数分布情况见表3所示。

从表3中可以看出, 公路单位运输成本变异系数<5%的样本占样本总数的97.72%;铁路单位运输成本变异系数<5%的样本占样本总数的70.51%;海运单位运输成本变异系数<5%的样本占样本总数的72.04%。虽然数据整体波动不是很大, 但也有一定范围的波动性。根据时间序列分析方法的特点, 采用二次指数平滑法对产品从生产企业至到站城市不同运输方式的单位运输成本进行预测并更新。

3.2 模型在销售经营调度指挥系统中的应用

集团公司建立的化工销售经营调度指挥系统, 涵盖销售、财务、物流、生产等信息, 实现对化工产品的生产、配置、调运、销售、价格、财务等信息的分析, 为企业领导和业务管理人员进行经营分析与决策提供了较大支持。为了降低运输成本, 将运输优化模型应用到该系统中。整个系统的组织架构图1所示。引入物流优化模型后, 系统的配置分析、调运分析两大模块由过去的人工制定配置计划和调运计划, 转变为计算机自动根据生产企业的生产计划和前沿市场的销售计划, 自动生成相应的、全局最优的调运计划, 从而大大缩短制定调运计划的难度和工作量, 并降低运输成本。

运输优化模型的总体流程如图2所示, 共分为五个步骤。

对于展示方案设计, 我们主要从运输方案展现与方案间的差异分析结果两条主线进行, 展示结构如图3所示。在这个展示方案中, 用户可以从多个角度对优化方案进行查询、对比分析, 并可以直接生成所需的报表结果和运输方案。

实践证明, ERP化工销售决策系统引入运输优化模型后, 优化了产品销售的业务流程, 提高了企业经营效率, 并降低了化工产品的物流运输成本。

4 结语

通过引入基于线性规划的物流优化模型, 实现了利用计算机[5]根据相关的限制条件, 直接生成全局最优的运输方案, 降低了化工产品的运输成本。采用数据挖掘技术, 利用时间序列对单位运输成本进行预测, 实现了单位运输成本的自动获取及更新, 使得系统在单位运输成本发生变化时, 能及时调整运输方案, 最大限度地降低运输成本。这种解决方案, 对其他行业的物流运输系统, 也具有借鉴意义。

对物流系统而言, 运输方案的优化, 仅仅是配送网络中的一环。整个配送网络, 涉及配送中心以及产品运输。对配送中心的设计, 需要运用RDC (区域配送中心) 理论等, 进行科学的选址, 以降低产品中转的费用。对产品运输的安排, 需要综合考虑车辆、线路、人员等因素, 根据线路的长短、各种车辆的最佳运距等, 确定合适的运输方式;利用最短路径算法, 科学地确定最优的运输线路;利用人员指派理论, 对运输的人员进行合理分配, 使得人员的费用最低。下一步将对配送网络等做深入的研究, 使得数据挖掘技术真正成为企业的“第三利润源泉”。

摘要：以化工产品运输为例阐述了运输优化模型, 利用线性规划算法对化工产品的运输方案进行优化, 直接生成全局最优的最细粒度的运输方案, 保证了运输方案的科学性。在运输优化模型应用过程中, 采用时间序列对单位运输成本进行预测, 解决单位运输成本初次运输无法获取以及单位运输成本更新的问题。在化工销售决策系统引入运输优化模型后, 提高了运输决策的科学性, 大幅降低了运输方案制定的难度及化工产品的运输成本。

关键词：线性规划,时间序列,运输优化模型,单位运输成本

参考文献

[1]Dantzig G B.Linear programming extensions[M].Princeton, NJ:Princeton University Press, 1963:32-62.

[2]L.G.Khachiyan.A polynomial algorithm for linear programming[J].Soviet Mathematics Doklady, 1979, (20) :191-194.

[3]Karmarkar N K.A new polynomial-time algorithm for linear programming[J].Combinatori ca, 1984, (04) :373-395.

[4]F.L.Hitchcock.The distribution of a product from several sources to numerous localities[J].Journal of Mathematical Physics, 1941, (20) :224-230.

[5]张美玉, 黄输, 杨晓伟, 等.求解线性运输向题的新型进化算法[J].广西师范大学学报:自然科学版, 2006, 24 (04) :74-78.

运输模型 篇2

【摘 要】 为比较中欧海铁联运与铁路运输的经济性，阐述铁路运输和海运的优缺点，从货物运输距离、运输时间、运输成本等的差异出发，建立竞争分析模型。以义乌和西安至欧洲的铁路运输及其海铁联运的经济性为研究对象，对其进行定量分析，比较铁路运输与海铁联运在运输时间和成本方面的优劣势。结果表明：在运输时间上，铁路运输具有明显优势；在运输成本上，海铁联运具有明显优势。在具体货物运输方式的选择上，应根据货物种类、价值及运输时间等进行综合分析，选择最经济的运输方式。

【关键词】 竞争分析模型；铁路运输；海铁联运；经济性

0 引 言

在过去的几十年中，我国与欧洲各国之间的货物运输主要通过海运。在国际货物运输中，海运是最主要的运输方式，其优势主要表现为运量大、航程远、单位运输成本相对低廉、通关程序便利。[1] 随着“一带一路”战略的实施，我国通过陆路运输与丝绸之路沿线国家间的贸易量迅速增长，扩大和深化了我国的对外开放。一般来说，时间成本和运费成本是企业选择铁路运输或海运的两个重要因素，因此，有必要对铁路运输与海运的时间差异和运费差异进行系统分析，比较两者在运输时间和运费成本方面各自的优势和劣势。

1 铁路运输和海运的优缺点

铁路运输适合大宗货物运输，其安全系数较高，较少受气象、季节等自然条件的影响，能保证运行的经常性和持续性，一般较为准时，具有较强的计划性；铁路运输受轨道线路限制，“门到门”服务运量小，且必须有其他运输方式为其集散，运输总成本中固定费用所占比重较大。

相较于铁路运输，海运运量更大，航程远，运输航线多且灵活，通关手续便利，运输成本较为低廉；但是，海运存在运输时间长、航行环境复杂、自然风险、意外风险大等不足，这些是制约海运发展的重要因素。

2 竞争分析模型

竞争分析模型的基本原理是：选择某条运输路线，除起点与终点重合外，路径上不应存在重合的节点，建立仅考虑某一路径的数学模型。由于起讫点可以位于港口或者内陆，因此内陆节点之间的运输可以由铁路一种方式来完成，经海运则需要多种方式联运。[2]

规定某条运输路线上的所有节点（包括起点和终点） R={ri / i=1，2，…，n}，各节点之间采用不同方式进行货物运输的最短运输距离为D= {di， i+1 / i=1，2，…，n 1}，所花费的运输时间和运输费用分别为T={ti， i+1 / i=1，2，…，n 1}和P={pi， i+1 / i=1，2，…，n 1}。在货物运输过程中，不同的运输方式会产生不同的中转费用和中转时间。各变量的目标函数表示为

D= d

P= p + c

T= t + h

式中： p为货物以k种运输方式从i城市到i+1城市的运价； t为货物以k种运输方式从i城市到i+1城市的运输时间； h 为i城市由k种运输方式转换到l种运输方式的中转时间；c为i城市由k种运输方式转换到l种运输方式的中转费用。

由于数据收集较为困难，运用上述模型所得到的数据具有一定的局限性，因此，部分数据可采用模型中的参数进行转化，如运输时间可通过运输距离与运行速度进行推算。铁路运价采用高、中、低3个基准费率。

对比某条路线的运输成本C，假设存在A、B两条路径，若CA

3 实例分析

3.1 研究对象

本文参照市场报价，海运运价为0.14～0.15美元/（FTU€穔m），铁路运价的高、中、低基准费率分别为0.7美元/（FTU€穔m）、0.6美元/（FTU€穔m）、0.5美元/（FTU€穔m）等3个基准费率。由于目前在我国境内以西安和义乌为起点的中欧班列的运营已经较为固定，因此本文研究对比线路以义乌和西安为起点，比较铁路运输与海铁联运的时间差异和运费差异。本文比较的时间差异主要包括具体运输时间差异和由班次差异引起的时间差异两个部分，运费差异主要指市场价格差异，不考虑成本价。

3.2 具体分析

以西安为起点，选择俄罗斯首都莫斯科、欧洲枢纽港鹿特丹港、德国汉堡港为终点，比较铁路运输与海铁联运的运费和运输时间。西安―莫斯科、西安―鹿特丹港、西安―汉堡港的3条运输线路的海铁联运与铁路班列运输的运费及运输时间比较见表1、表2和表3。

从表1 可知，在铁路运价低基准费率水平下，西安―莫斯科通过海铁联运方式所用的时间是铁路运输的4.8倍，运费是其1.1倍。这表明西安经铁路运往莫斯科沿线周边地区的货物具有一定的比较优势。从表2和表3可知，即便在最低基准费率水平下，西安―鹿特丹港、汉堡港的铁路运输运费仍比海铁联运高出许多。由此可以看出，在这两条运输路线中，铁路运输在时间上具有较大优势，海铁联运在运输费用上更具优势。

类比上述分析方法，义乌―莫斯科、义乌―汉堡港、义乌―马德里这3条运输线路的海铁联运（经上海港）与铁路班列运输的运费及时间比较见表4、表5和表6。

从表4可知：义乌―莫斯科通过海铁联运方式所用时间约是铁路运输的5倍；在铁路运价高、中基准费率下，海铁联运费用低于铁路运输。从表5、表6可知，即便在低基准费率下，义乌―汉堡港、义乌―马德里的铁路运输运费仍比海铁联运的高出1倍以上，而时间上仅比海铁联运分别节省50%和43%。由此可以看出，在这两条运输线路中，海铁联运在运费上具有明显的优势，铁路运输在时间上具有一定的优势。

3.3 结果分析

在3种铁路运价水平下，从西安出发的3条路线中，除西安―莫斯科运输线路外，其余运输路线经海铁联运至中欧的运费均显著低于铁路运费；从义乌出发的3条路线中，义乌―莫斯科运输线路只有在铁路运价低基准费率下，海铁联运运费略高于铁路运输。结论是，从西安和义乌到中欧港口的货物运输方式中，海铁联运优势仍大于铁路运输。

4 结 语

铁路运输相对于海铁联运在运输时间上有明显的优势；而在运输成本方面，海铁联运明显优于铁路运输。在具体货物运输方式的选择上，应根据具体货物种类、价值及运输时间等方面进行综合分析，选择最经济的运输方式。

参考文献：

[1] 杨莹.铁路运输在中欧国际贸易中的优势分析[J].铁道运输与经济，2016（2）：1-5.

[2] 张建斌.机构重组背景下我国铁路货运价格规制改革的思路[J].中国物价，2014（3）：46-48.

钢铁企业原料运输系统模型研究 篇3

1原料运输系统数学建模

1.1基本概念

任务:记一次连续运送预定重量的某种物料到某终点进入对应矿槽为一项任务;计算点:记每项执行中的任务的预测料尾出发点 (时间) 前移为△T1待执行任务的计算点;指令发出点:记计算点后移△T2为待执行任务的指令发出点;数据采集点:记执行中任务预测料尾出发点后移△T3为预测的数据采集点。1.2备选待执行任务项的确定

包括任务物料种类及到达终点的确定和任务物料运送量的确定两部分。

1.2.1任务物料种类及到达终点的确定

(1) 物料维持时间的计算。设 (i-k) 为第种物料到达第k个终点的任务。aik为第k个终点第i种物料在任务 (i-k) 执行点的预测存量。bik为第k个终点第i种物料的最小安全存量。∧ik为第k个终点对第i种物料的使用速率 (单位时间耗用量, 取期望值) 。计算dik= (aik-bik) /∧ik为第k个终点第i种物料的维持时间。

(2) 备选待执行任务的选取。将所有dik按从小到大排列, 逐个依次考虑选入备选待执行任务组。凡料尾未发出的执行中任务 (i-k) 或料尾虽已发出但其出发点与预测数据集点距离小于△T3的执行中任务 (i-k) , 其相应dik均不选取。所选取的任务数按其物料类型与执行中料尾未发出的同类型任务数之和, 不得超过线路结构所允许的该类型物料最大允许并行执行的任务数3。如dik≥T, 不予选取, 其中T为确定常数。通过以上步骤所选的dik其相应任务 (i-k) 构成备选持执行任务组。

2.2.2任务物料运送量的确定

(1) 高炉终点任务理论送料量的确定。炉顶TJ、TS、TK带运送方案分别按 (1) 中计算公式计算tik-1、tik-2、tik-3, 其中对TJ、TS带方案计算tik-1、tik-2时, 应以相应单排料仓中心卸料方式确定Cik、C'ik、aik;对TK带方案计算tik-3时, 应以双排料仓旁侧卸料方式确定Cik、C'ik、aik。比较tik-1、tik-2、tik-3的大小, 取tik-1=max{tik-1, tik-2, tik-3}以此值相应炉顶料带为该项任务的流程终点。tik-j为该备选待执行任务 (i-k) 的送料时间, Bitjk-j为送料量。

(2) 非高炉终点任务理论送料量的确定。设tik为备选待执行任务 (i-k) 的送料时间。t'ik为备选待执行任务 (i-k) 的料头到达前间隔时间 (取各可能流程的最大值) 。Bi为第i物料运送速率 (单位时间运送量, 实测数据) 。Cik为第k个终点第i种物料仓容。C'ik为第k个终点第i种物料仓容缓冲量。

2.3待执行任务组及其流程的确定

对备选待执行任务组采用多物种最大流算法在运送网络上确定待执行任务组及其流程, 该算法一般规定:所有任务发点最小发出量为1, 最大发出量为1;所有任务流程终点最小到达量为1, 最大到达量为1;网络中各有向弧上界容量为1, 下界容量为0;虚拟弧上界容量为1, 下界容量为1;各任务相应的物料弧流量允许取值为0或1;算法结果所得最大流即显示所确定的全部任务项的流程。

多物种最大流算法原理如图1所示。

S1, S2——任务发出点

t1, t2——任务流程终点

n, m——中间转运点

s——虚拟发点

t——虚拟收点

(a, b) ——a为弧容量下界, b为弧容量上界

确定待执行任务组及其流程时按如下优先序施行最大流算法。上一条算法如无解则自动进入下一条作计算:执行中任务流程不变, 但其中执行中料尾已发出任务所占用弧允许同类型物料流量通过 (规定其他类型物料在该弧流量为0) , 安排待执行任务组。如待执行任务组中有高炉终点任务, 且改变其同号炉顶流程终点时, 所得tik-h和原选定的tik-j之差不超过允许差界△t, 则改变同号高炉炉顶流程终点, 安排待执行任务组。执行中任务流程可改变。安排待执行任务组。在相应维持时间可以保证的前提下, 依待执行任务的dik从大到小顺序, 变更某个或若干个待执行任务, 安排新的待执行任务组。在相应维持时间可以保证的前提下, 依待执行任务的dik从大到小顺序, 删除某个或若干个待执行任务, 安排剩余的待执行任务组。在允许条件下减少某个或若干个前期已确定, 但在本期计算点尚未开始执行的执行中任务的运料量, 以使这些任务在本期确定的待执行任务执行点结束, 再安排待执行任务组, 如果需要有效实施此款, 须以计算点提前的相应措施相配合。在允许条件下减少某个或若干个执行中任务的运料量, 以使这些任务在本期确定的待执行任务执行点结束, 再安排待执行任务组。为使设备负荷均衡, 每次执行最大流算法时可对所有弧重新随机编号。

2.4作业暂停

2.5紧急中断处理

当系统运行过程中出现设备故障等突发事件时, 应立即中断原计算程序, 进入紧急计算, 重新计算正执行中任务的流程。

此时应将事件涉及不能运转的弧从网络中删除 (容量上界设为0) , 对于受事件影响的执行中任务, 在事件段之后部分的带上物料仍按原安排执行, 视作料尾已发出的执行中任务。事件段之前部分的带上物料及待发物料视作新的待执行任务, 以事件段紧前转运点为其发点, 原流程终点不变, 进入2.3中规定的优先序第1、2、3、5、7款逐条施行最大流算法。 (第7款改为:立即中止某个或某些执行中任务的发料, 在适当合理延迟后, 再安排待执行任务组) 。紧急计算过后, 相应修正各有关预测数据及网络构造资料, 转入原正常工作程序, 事故处理完毕后, 恢复原网络资料。

3原料运输系统功能模块设计

按照外供运输系统作业要求, 为本系统设计了五大功能模块:数据系统、监控系统、决策系统、查询系统和系统管理。

3.1数据系统

数据系统包括数据通讯与接收、基础数据两部分。数据通讯与接收子模块主要实现与数据采集系统获进行数据通信。其包括两个部分:发送端与接收端程序。发送端负责将数据按照已定义的协议组成传输包 (报文) , 存放在缓冲池中。利用SOCKET在线路两端建立连接, 将缓冲池中的数据包依次发送到目的地。接收端负责接收数据, 利用CRC或者HUSH摘要算法来校验数据的准确性, 如果错误通知发送端重发。将接收的数据落地存储在本机的数据接口文件中。基础数据模块属于数据系统的子模块, 负责建立和维护物料 (原料、熔剂、燃料) 代码、矿槽、高炉、烧结机、物流推移设备、计量设备、外供工艺流程几方面的静态数据, 为整个系统提供准确、可靠的基础数据参量。

3.2监控系统

监控系统的功能是对料场、用户及各项作业流程进行实时监控, 获取系统运行的动态信息, 如高炉的矿槽的料位、流程运行、作业量等数据。监控系统能及时反映和捕获外供现场的动态信息, 以便中控工作人员利用人机对话、决策模拟子系统等手段有序安排和调度外供作业, 确保生产正常进行。

3.3决策系统

决策系统由作业流程预测、当前作业流程决策两个模块构成。作业流程预测模块的输出包括:各项作业供料的目的地;使用的运输路线;输送时间;输送的原料量。并考虑以下约束条件:保证每个矿槽设定的下限料位;避免输送设备的冲突;尽可能把同种原料的各个小批供料作业集合成一个大的连续作业。当前作业流程决策模块的功能是确定当前作业的优选流程, 依据为当前作业的可选流程的优先级、约束条件、设备状态、负荷率及检修计划。

3.4查询系统

通过处理服务器的定时采样数据、基础数据库, 查询系统分类产生和保存故障日志历史数据库、外供作业流程历史数据库、设备状态库, 设备故障查询可以给出故障设备名称、故障类型、故障发生时间、故障修复时间、故障原因。外供作业流程可对作业流程历史数据库的查询, 给出作业所对应的作业流程号、作业时间、启动时间、结束时间、主从流程、物料源点、物料代码, 作业总量、作业分量及所属计量设备。

3.5系统管理

系统管理为整个系统提供完善的管理机制和便捷而丰富的操作手段。包括数据源管理、用户及权限管理、用户初始化、权限设定、密码修改五部分。

4结论

通过针对马钢港务原料厂外供系统的实地调研与相关资料分析, 并借鉴国内外大型原料厂先进的原料运输管理理念与运作模式, 结合当模糊决策技术, 完成了马钢原料运输智能决策系统的研究和开发。系统能够有效实现外供决策的智能化与动态化, 在满足实际需求的基础上, 减少了原料无效运输的时间, 降低了生产操作难度, 提高了生产效率。

摘要：本文针对马钢2#、3#高炉相继投产运行后导致的物流量加大, 物流供应操作工艺流程复杂度大幅上升等问题, 以动态规划和模糊决策为基本模型构建了钢铁企业原料运输系统数学模型, 阐述了该模型的基本概念、框架结构、执行流程等内容, 并设计了包括数据系统、监控系统、决策系统、查询系统和系统管理在内的五大功能模块。本文构建的原料运输系统在满足实际生产需求的基础上, 减少了原料无效运输的时间, 降低了生产操作难度, 提高了生产效率。

关键词：钢铁,原料运输,运输模型,动态规划,模糊决策

参考文献

[1]杜轶峰, 孙朝太.钢铁企业物流模式研究[J].安徽冶金科技职业学院学报, 2008 (01) :41-46.

[2]邹安全, 刘志学, 刘迎, 熊志远.钢铁企业物流流程再造模式设计与评价[J].物流技术, 2006 (09) :46-50.

[3]梅书荣, 杨阳.钢铁企业物流流程优化及其在武钢的应用[J].中国管理现代化, 2010 (11) :17-20.

[4]冯梅, 成邀荣.钢铁企业仓库布局优化及物流量分配研究[J].武汉理工大学学报, 2010 (06) :28-32.

考虑运输批量的经济订货批量模型 篇4

经济订货批量 (Economic Ordering Quantity, EOQ) 模型的目标是实现一定时期内 (通常以年为单位) 某产品的库存相关总成本最低, 其基本模型考虑两种库存相关成本, 表达式为:

库存相关总成本=订货成本+持有成本

式中:TC:年库存相关总成本 (元/年)

D:该库存产品的年需求量 (件/年)

Q:每次重复订货量 (件/次)

S:每次订货成本 (元/次)

H:该产品每件年库存持有成本 (元/件·年)

D/Q为每年重复订货的次数, Q/2是该产品库存量的平均值, TC是Q的函数, 对其求导, 并令导数为0:

在EOQ上, TC取得极小值, 即该库存产品每次重复订货量均为EOQ, 可使库存相关总成本达到最低, 情况如图1所示:

2 在经济订货批量模型中考虑运输批量的必要性

2.1 经济订货批量有减少的趋势

由式 (1) 可知, EOQ与每次订货成本S成正比, 重复订货是一项常规性的工作, 其成本S主要包括订单准备、订单传输的费用。随着信息技术、通讯技术的进步, 该过程已经普遍由人工方式发展为电子方式, 费用大大降低, 因此, S有降低的趋势, S的降低会导致EOQ的降低。

2.2 运输批量显著影响运输费率

运输过程是充分体现规模效益的, 运输费率与运输批量高度相关, 运输批量越大, 运输费率越低, 零担运输与整车运输的费率差距很大。例如深圳至北京的公路运输, 零担费率为:0.55元/kg;运量达到1吨以上, 为0.25元/kg;运量达到3吨以上, 为0.18元/kg。目前运输市场普遍采用协议运价, 运输批量是影响运价的最主要因素。

综合考虑上述两点, 一方面, 经济订货批量有减少的趋势, 另一方面, 过低的订货批量在运输环节会出现不经济, 因此, 在经济订货批量模型中考虑运输批量的影响是必要的。

3 考虑运输批量的经济订货批量模型

3.1 建立模型

考虑运输批量的经济订货批量模型与基本经济订货批量模型的目标是一致的, 只是在库存相关总成本中添加了一项“运输成本”, 其表达式为:

库存相关总成本=订货成本+持有成本+运输成本

F为单位运价 (元/件) , 其随着批量的递增而递减, 是一个阶段性的常数。

举例说明此时的情况, 如图2所示:

在图2中可以看到3条总成本线 (有几个阶段运价就有几条总成本线) :

分别对应阶段运价:

F1 (QF2>F3;

运输成本线FD是一组平行于横轴的直线 (图中未画出) , 由于F的不同而高低不同, 因此, 包括运输成本FD的总成本线TC也呈垂直排列状态;

各条总成本线TCi的最低点的横坐标, 即EOQ, 是相同的;

各条总成本线TCi均在一定范围内有效, 这个范围就是与其对应的运输批量的范围, 即图中的实线部分。

3.2 求解步骤

3.2.2 检查EOQ所在的运输批量区间

(1) 如果EOQ落在运价最低的运输批量区间, 从图上看就是落在最低总成本线的实线部分, 那么EOQ就是整个问题的最优解;

(2) 如果EOQ没有落在运价最低的运输批量区间, 从图上看就是没有落在最低总成本线的实线部分, 那么EOQ目前只能是它所属运输批量区间的最优解, 用其计算该运输批量区间的最低总成本;

计算所有比EOQ所属运输批量区间单位运价低的运输批量区间的最低总成本, 这些区间的最低总成本是与区间的起始运量对应的;

把上述各区间的最低总成本与EOQ所属区间的最低总成本一起比较, 其中最低的一个对应的批量就是整个问题的最优解。

4 算例

某库存产品年需求量2400件, 订货成本每次50元, 库存持有成本每件每年20元, 运输费用如表1所示:

解:

(1) 计算EOQ

(2) EOQ=110落在60～149运输批量区间, 情况如图3所示:

EOQ所属运输批量区间的单位运价为60元/件, 与EOQ对应的总成本是该区间的最低点, 求出该值:

EOQ所属运输批量区间不是运价最低的运输批量区间, 比EOQ所属区间运价低的区间还有1个, 即当Q≥150件时, F=50元/件, 该区间总成本最低的点是当Q等于150件时, 求出该值:

比较TC60*和TC50*, TC50*小, 那么与之对应的Q*=150件就是整个问题的最优解, 即每次重复订货量为150件, 可以实现库存相关总成本最低, 其值为122300元/年。

摘要：研究指出由基本的经济订货批量模型得出的经济订货批量有减少的趋势, 但过低的订货批量在运输环节会出现不经济, 因为运输费率与运输批量高度相关, 因此在经济订货批量模型中考虑运输批量的影响是必要的。提出了考虑运输批量的经济订货批量模型及其求解方法, 并给出了具体算例。

关键词：经济订货批量模型,订货批量,运输批量

参考文献

[1]Ronald H.Ballou.企业物流管理[M].北京:机械工业出版社, 2002.

[2]William J.Stevenson.运营管理[M].北京:机械工业出版社, 2005.

[3]胡运权.运筹学教程[M].北京:清华大学出版社, 2003.

整车物流运输计划优化模型研究 篇5

关键词：整车物流,运输计划,优化模型

1 背景

随着我国经济近年来健康持续快速的发展, 汽车产业也迎来了高速的发展。中国汽车市场在国际汽车市场中占有极其重要的地位, 汽车产销量位居世界第一, 并继续保持稳健增长的势头, 这对整车物流而言无论从规模还是服务水平都提出了更高的要求, 特别是乘用车的整车物流量迅速增长。乘用车生产厂家根据全国客户的购车订单, 向物流公司下达运输乘用车到全国各地的任务, 物流公司则根据下达的任务制定运输计划并配送这批乘用车。为此, 物流公司首先要从他们当时可以调用的“轿运车”中选择出若干辆轿运车, 进而给出每一辆轿运车的乘用车装载方案以及目的地, 以保证运输任务的完成。由于轿运车、乘用车有多种规格等原因, 目前物流公司在制定运输计划时主要依赖调度人员的经验, 而在面对复杂的运输任务时, 往往效率低下, 并且运输成本不尽理想。

本文使用2014年全国研究生数学建模竞赛E题的数据, 根据客户订单的需求, 研究乘用车物流的装载方案以及运输计划问题, 以达到提高物流企业的工作效率, 降低整车物流配送成本的目的。

2 轿运车满载方案

轿运车规格和乘用车规格如下表所示:

通过计算可得轿运车1-1和1-2分别装载Ⅰ、Ⅱ、Ⅲ型乘运车的最大数量, 如表3所示:

注:轿运车1-1型上下层装载数量相等;轿运车1-2型上层装载是下层装载数量的2倍。

通过MATLAB软件编程, 使用穷举法列出1-1型和1-2型所有最优满载的组合情况, 如表4和表5所示 (由于数据很多, 所以表中只列出满载组合情况的一部分数据) 。即1-1型轿运车运输三种乘用车共有35种满载组合方式, 1-2型轿运车运输三种乘用车共有73种满载组合方式, 考虑到运输过程中乘用车装载不对称的情况会影响运输过程的稳定性, 故剔除四种不符合稳定性要求的满载的组合方式, 只保留了69种。

3 运输计划优化模型建立与求解

表6给出了运输各种乘用车到目的地的运输路线及需求量:

图1为运载乘用车的运输路线图, 其中各段长度:OD=160, DC=76, DA=200, DB=120, BE=104, AE=60, 在这里将运输路线设定为两条, 分别为:O→D→C为第一条运输路线;O→D→B→A为第二条运输路线, 由图1可看出两条路线的运输都经过O→D段。设h为第一条路线上在D点卸载的Ⅰ型乘用车的数量, 那么根据题意, 在第二条运输路线上在D点卸载的Ⅰ型乘用车的数量为41-h辆。

以完成4个目的地运输任务最少轿运车使用量为目标, 分别以Ⅰ型乘用车沿第一条运输路线被运输到目的地C、Ⅰ型乘用车沿第二条运输路线被运输到目的地D, B, A、Ⅱ型乘用车沿第一条运输路线被运输到目的地C、Ⅱ型乘用车沿第二条运输路线被运输到到目的地A、第一条和第二条运输路线上满足1-2型轿运车使用量不超过1-1轿运车使用量的20%为约束条件, 建立运输计划整数规划模型如下:

约束条件:

其中, 所有变量均为正整数;由于使用1-1型轿运车运输三种乘用车共有35种满载组合方式, 设第i种满载方式使用1-1型轿运车每辆车装Ⅰ、Ⅱ、Ⅲ型乘用车分别为ai、bi、ci辆;使用1-2型轿运车运输三种乘用车共有69种满载组合方式, 设第k种运载方式使用1-2型轿运车yk辆, 每辆车上装Ⅰ、Ⅱ、Ⅲ型乘用车分别为dk、ek、fk辆;x1i是第一条运输路线上1-1型轿运车满载组合方式中第i种运载方式需要的1-1型轿运车数量;x2i是第二条运输路线上1-1型轿运车满载组合方式中第i种运载方式需要的1-1型轿运车数量;y1j是第一条运输路线上1-2型轿运车满载组合方式中第i种运载方式需要的1-2型轿运车数量;y2j是第二条运输路线上1-2型轿运车满载组合方式中第i种运载方式需要的1-2型轿运车数量;h是在第一条路线上D点卸载的Ⅰ型乘用车的数量。

使用Lingo软件编程求解模型Ⅰ, 可得到41种优化方案, 当h=39、h=40和h=41时, 完成运输任务需1-1型与1-2型轿运车数量共25 (1-1型21, 1-2型4) 辆, h取1-38之间的数值时, 需求的轿运车总量大于25辆, 即轿运车最优调用数量为25辆。

浅谈商品混凝土运输调度模型 篇6

1 混凝土运输调配模型

1.1 混凝土运输模型

混凝土运输调配限制条件包含了利润、混凝土质量及运输车使用率，并将限制条件规划成求解目标式以达到弹性满足限制的目的。本研究依照限制式重要性列序如下。

H1：混凝土质量方面，是考虑妥善规划生产配送的安排，减少缓凝剂、甚至添加水的影响质量的作法(详细求解略)。

H2：成本方面，分成出车成本以及外部成本此两方面，而供应商必须在合法前提之下，尽可能减少运载次数，避免成本不断地增加(详细求解略)。

H3：运输车使用率方面，若集中使用某辆运输车，车体老化、折旧的速度会愈快，车排放的污染浓度愈高，因此混凝土拌和厂各车辆的指派使用要平均并配合定期维修保养，才能降低空气污染量(详细求解略)。

1.2 其它限制条件

由于调度运送车辆属于运输网络分析，在硬式及软式限制式下，亦需要其它限制式，让求得的解更为接近现实状况，以供供应商参考。

2 模型分析及求解

2.1 模型分析

本研究所拿到的数据是在执行新道路交通管理处罚条例之前，当时是使用容积法，运输车最大容量为8～9m3，但现今已回归重量法管理，运输车载重法限制载运数量3.5～4m3。因此，本研究首先针对容积法，求解出最佳解，并比较当时供应商调度运送情况与本研究结果之间的差异。其次针对重量法，进行求解分析，给供应商作为参考，让运输效率达到最大值。

本模型包括顾客的需求量及所在地、顾客需求时间点、运输车容量限制、固定维修日期, 通过UrMap系统进行厂拌混凝土厂和顾客之间的距离量测、以及运输车从混凝土拌和厂至顾客所在地所花的时间，运输车时速设定为50公里，所以移动时间的长短将以距离来换算。

2.2 模型求解

本研究使用数学软件包进行求解，分别求出容积法管理、重量法管理下的最佳调度模型，通过比较分析，了解调度趟次的运载变化，给供应商参考之用。

3 应用实例

3.1 调度分析

某混凝土拌和厂，其一天共有十个有需求的顾客点，需求量为1.5～128m3不等，进行一日的调度配送，并设定运输车1进厂维修保养，以确保运输车于平日配送时的安全性以及防止车辆快速老化现象。

运输车调度模型是从混凝土拌和厂至工地再回到混凝土拌和厂，之间的活动时间主要包含：旅行时间 (包括去程和回程时间) 、需求时间等信息。表1为每一个工地的营运信息、时间与需求。

在重量管理办法下，由于有装载量限制因素，最高容许运载量为4m3，所以整体调度次数会提升，但拥有15台厂拌混凝土车，执行重量管理办法下，运载过程中出现车辆不足现象，直至将车辆数加至27辆时，才能求解出最佳解。因此，厂拌混凝土供应商需租赁或购置车辆，让调度模型符合合理条件，且满足所有顾客需求，增加运输效率。因此本研究设计重量管理办法下，供应商拥有27辆运输车可用于调度作业。

3.2 不同限制条件下的目标值结果对比

实行优先权目标规划，依据供应商选择，按照目标式的重要性给予优先权。表2为目标值求解结果。

可以看出，在目标式一混凝土质量方面，容积法和重量法结果相同，换句话说，所有车辆皆可在1.5小时内将混凝土送达至顾客点。在目标式二成本有所变化，容积管理法成本低重量管理办法，是由于容积管理法允许装载较多的混凝土数量，使得供应商能够减少运载次数，进而降低出车成本以及外部成本。

3.3 调度安排

本研究所拿到的数据是在执行了新道道路交通管理处罚条例之前，也就是实行容积法管理时期。依据供应商所给予的的信息，在人工安排下，大多会装载至8m3，而通过数学规划，求解出来的运送数量也是大部分会装载至8.8m3。容积管理法调度安排可知，一日运载趟次共为35次。重量管理办法下，运载数量大多会装载至4m3，总运载趟次为66次。

配合工地订购顺序、需求时间、需求点离工地的距离与时窗限制，通过数学规划软件，可以计算出车辆出发时间点，不但能降低对工地进度的影响，亦能让混凝土拌和厂掌握出车时间点。

4 结论

1) 由于厂拌混凝土有其时效性，所以在生产时必须符合拉式(pull)需求，并遵守Just In Time (JIT)规则，才能够维持产品的质量，增加整体工作的效能以及生产的效率，因此需考虑混凝土质量以及工地时窗限制，混凝土品质的维护，从厂内拌和、运输车去程及等待时间的总合不能超过1.5小时，以维持混凝土质量。

2) 在目标式一混凝土质量方面，容积法和重量法结果相同，换句话说，所有车辆皆可在1.5小时内将混凝土送达至顾客点。

3) 在目标式二成本有所变化，容积管理法成本低重量管理办法，是由于容积管理法允许装载较多的混凝土数量，使得供应商能够减少运载次数，进而降低出车成本以及外部成本。

4) 目标式为运输车使用率时，不论在容积管理或重量管理办法下，车辆能平均地使用。

参考文献

[1]邹琢晶.推广使用商品混凝土势在必行—商品混凝土技术经济分析.四川大学硕士论文.2004

[2]宋益旭.商品混凝土的优越性[J].油气田地面工程, 2005 (12)

[3]郑武.基于遗传算法的商品混凝土配送模型研究[D].中南大学硕士学位论文, 2005

[4]胡先芳.预拌混凝土产量预测方法的研究—对全国预拌混凝土产量和搅拌运输车需求量的预测.建筑机械化.2003, (11) :23-25

[5]Lu, Ming and Lam, H.C.Optimized Concrete Delivery Scheduling Using Combined Simulation and Genetic Algorithms.Proceedings of the 2005 Winter Simulation Conference, 2005:2572-2580.

运输模型 篇7

关键词：货运,收益管理,路径优化,空车调配

1 行业分析

现代的物流公司都在自身具有专业化运输优势的基础上，不断的追求高效率和高效益。但是这些企业如何才能实现高效率，既达到顾客满意的目的，实现顾客的需求，又能够减少企业的运营成本，提高公司的收益水平，是当今物流公司面临的挑战。

虽然已经有很多文献对货运业、航运业、民航客运业、出租车业的收益管理问题进行了研究，但充分的考虑路径优化和长期运力合同，空车调配的货运收益管理模型还不多见。货运业与民航业、航运业在运作管理的目标、产品和需求的特点、定价等方面具有较多的相似性[1]。比如：运输能力相对都是有固定值的，客户的需求带有季节性、波动性，同时也是可以进行分类的。最明显的是：低价货物的货主对运费比较敏感，而贵重货物的货主比较注重服务和时效。但是两者并不关心货物运输的路线以及中转的过程，只要按时到达就能满足客户的需要。而不同的路径选择，直达货运和中转配货，他们的成本是不同的，这就给了货运公司自行选择的余地[2]。通过收益管理模型的建立，找出其中成本最低，收益最高的路径，从而提高效率，增强竞争力，对货运公司具有现实指导意义。

2 模型建立

在不考虑体积限制的条件下，假设模型中所用的各参数，如运输成本、装卸成本、转运调配成本、各物流节点的运价等参数都是已知的，货运公司的车辆种类为K类，各路径的物流节点及顺序都是已知的。用T表示货运公司所有运输路线的集合，每条路径上有Nt个运输段；用Ω表示所有经停节点对（ij）的集合，Ω={（ij）}；用P表示Ω中各路径上所有起止节点对可行路径的集合；用Daijk表示起止节点对（ij）之间k类货车长期需求的需求量；用Dbijk表示起止物流节点对（ij）之间k类货车的临时需求的需求量；用raijkp表示起止节点对（ij）经路径P所运输的k类长期需求的单位收益（即在长期需求合同下，运价减去该运输路径的所有成本，包括运输费用、装卸费用、转运费用等）；用rbijkp表示相应的运输临时需求的单位收益。

假设节点j在某段时间内的空车调配的需求为Mj（假定该需求在某段时间内的空车调配的需求平均量是已知的），用yijkp表示分配给节点对（ij）通过路径P调配k类空车的数量，而cijkp为相应的单位调配费用；决策变量xaijkp表示分配给起止对（ij）通过路径P所运输k类长期需求的车辆数量；xbijkp是分配给运输k类临时需求的车辆数量；wfijk表示经停节点对间k类车辆的满载平均重量（即重车的平均重量）；wk为k类车辆的空车平均重量；基于货运公司及车辆自身条件的限制，用Ct表示各路径t上可用的最大车辆数量，Wt表示个路径t上的最大载重量。

定义：

如果节点对(ij)的路径p经过运输网络t运输段0,否则

那么，该问题的最终目标就是通过调配重车和空车的合适数量，选择优化路径，使运输利润最大化，即：

运输能力约束：

载重量约束：

空车调运需求约束：

重车需求约束：

在上述模型中，该问题的目标就是分配重车和空车的合适数量以使运输利润最大化，那么约束条件就有：经过某路径的节点对所运输的车辆数不能大于该路径上的最大运输能力；各路径上的所有节点对所运载的货物重量不能超过该路径上的车辆最大载重量；增加约束使车辆调配的数量不大于已预定需求和预测需求的总和。

3 模型求解

在以上模型中，由于各变量是随机的，不能直接求解。我们可以考虑采用确定性规划方法，用随机变量的期望值代替随机变量对模型进行转化[3]。再用灵敏度分析（SA）进行验证，来检验决策者的风险态度和偏好问题，验证结果的可行性，然而这种方法是一种事后的验证性方法。

本文采用一种前摄性的方法来解决问题。这种方法是稳健优化法[4]，它将目标规划与对不确定数据进行情景描述相结合来求解随机规划问题。因此把收益管理模型通过稳健优化方法转化成以下模型：

上述模型中，目标函数的第一项为期望收益，第二项为收益的平均绝对偏差，用于衡量解是否优化，第三项是违反约束平衡的平均绝对偏差，用于衡量解的可行性；其中：s∈Θ={1,2，…s}表示任意一种情景，Ps为情景s实现的概率，参数λ可以看作是决策者的风险态度，wijk是作为对约束背离的惩罚权重，两者都是非负权重参数。

下一步我们需要以上模型进行转换，去掉模型中的绝对值符号，以便应用线性规划方法对模型进行有效求解[4]，转化如下：

经过转化后，以上模型就变成了典型的整数规划模型，可以通过现有的一些求解整数规划的软件（如Lindo）等进行求解。但需要注意的是，模型中以各运输路径上的车辆数量为决策变量，一旦路径增加或转运节点数量增加将会导致问题规模急剧增加而不易求解。因此，在求解时主要考虑直达或者仅调配一次的情况，以便得到问题的优化方案。

4 结束语

本文在收益管理的思想基础上，对不确定环境下的货运车辆调配问题和路径优化问题进行了研究，建立了考虑长期需求和临时需求的情况下多线路运力分配的规划模型，并进行模型的转换进而求解。该模型同时考虑空车调配、长期运力需求、临时运力需求、路径选择等因素，更能够确切的反映了货运公司的实际情况，同时更好地反映了需求的波动特征和决策者的风险偏好，提高了运力的利用率以取得更好的效益[5]。

但是，本文章所进行的研究仍有需要完善的地方。一方面，仅仅讨论了静态运输网络的情况，没有对动态网络有更好的研究，而动态网络的研究对现实会更有指导意义；另一方面，基于算法的有限性，对多次车辆调配问题无法顺利求解，模型会随着调配次数的增加而规模骤然增大，不易求解，希望以后能够有更好的算法对这些问题进行完善和补充。

参考文献

[1]Kimes S E..The basics of yield management[J];Cornell Hotel and Restaurant Administration Quarterly,1989,30(2):14-19.

[2]Talluri K T and G Van Ryzin.A randomized linear programming method for computing net work bid price[J];Transportation Science,1999,33(2):207-216.

[3]Mulvey J M,Vanderbei R J and S A Zenios.Robust Optimization of large-scale System[J];Operations Research,1995,38:673-688.

[4]Li H L.An Efficient Method for Solving Linear Goal Programming Problema[J];Journal of Optimization Theory and Application,1996,90(2):456-469.

运输模型 篇8

运输 (本文专指公路运输) 在整个物流中占有很重要的地位, 其成本大约占物流总成本的35%-50%。因此, 运输成本对物流总成本具有举足轻重的影响。运输成本的计算结果将直接影响运输企业价格策略的选择, 并将直接影响制造企业对运输方式的选择以及企业的经营效率。因此, 科学、合理地计算运输成本显得非常重要。

为了科学地计算运输成本, 国内外学者进行了大量的研究。从已有的研究来看, 美国学者John J.Coyle, Edward J.Bardi针对不同的运输方式提出了运输成本的分析框架和计算方法, 但其没有考虑各种不同折旧方法下运输成本计算的差异性, 因而其研究成果在适用性上受到了较大的限制。

我国学者林理升、王晔倩 (2006) 从经济地理的角度构建了运输成本分析框架, 并结合我国具体情况分析了运输成本和劳动力流动的相互关系及其作用机制, 指出运输成本差异形成了制造业在沿海地区的选址优势, 而这一优势和目前的高劳动力流动成本一起形成了沿海地区高成本压力而中西部收入低下的新“二元”空间结构。

学者谢雄、曹晶在评价公路项目经济效益在国民经济中的地位的论述中, 阐述了汽车运输成本的计算方法, 并以实例论证了汽车运输成本中主要构成因素的调整方法, 进而对国民经济效益计算、交通量与车速的关系、车速与运输成本的关系进行了说明, 为公路项目可行性研究报告及后期评价报告的编制提供了借鉴。

学者李文兴、陆伟忠在引入物量指数概念的基础上, 探讨了铁路运输成本费用指数体系和计算方法, 并将影响运输成本费用的价格因素和非价格因素区分开来, 扩大了运输成本费用指数的应用范围。

学者李岱安、徐刚构建了我国铁路运输成本的计算系统, 该计算系统将铁路运输生产过程划分为发送、中转、运行和到达四个作业环节, 并通过确定作业量以及对应的单位变动支出来计算铁路运输成本。

此外, 我国理论界对运输成本信息化管理以及计算机运用进行了讨论。学者赵艳玲在对国内部分物流企业进行了实地调查的基础上, 分析了国内物流市场的相关数据并与国外相关企业数据进行了比较, 初步分析了我国物流业运输成本偏高的原因, 并提出了相关建议。

总体而言, 现有的研究虽然对运输成本的计算框架进行过讨论, 也得出了一些计算模型, 但对于不同折旧方法对运输成本计算的影响尚未涉及。本文基于两种主要折旧方法———直线法和工作量法, 在考虑资金的机会成本的基础上, 对公路运输的运输成本构成进行了详细分析, 建立了两个运输成本的计算模型, 分析了影响运输成本的主要因素, 并比较了两种折旧方法对承运人收益的影响。

二、运输成本计算模型的建立

现有一批货物用货运卡车从A地运送至B地, 需要对其运输成本进行计算。为了简单起见, 我们假设: (1) 管理费用以固定比率计提; (2) 资金的期望收益率为i0; (3) 将集货、长途运输及配送等环节合并考虑; (4) 运输工具的行驶速度不受折旧方法的影响。

1. 直线折旧法下运输成本计算模型。

一般公路运输的运输成本由运输工具的折旧、燃料费用、人工成本、其他成本 (保险、维修、过路费及管理成本) 以及资金的机会成本构成。如果采用直线折旧法, 各项成本则按如下方法计算:

(1) 折旧。假设该货运卡车的购买价格为P0 (元) , 残值为Pf (元) , 折旧年限为n (年) , 运输工具平均每年行驶时间折合为天, 每天24小时, 那么, 每小时折旧费用为:。

(2) 燃料费用为:c0 (元/公里) 。

(3) 人工成本为:b0 (元/小时) 。

(4) 其他费用。记年全额保险费为d1, 年养路费为d2, 则每小时保险及养路费用为:;维修成本及过路费为:w0 (元/公里) 。

(5) 资金的机会成本。资金P0在n年后的终值为:P0 (1+i0) n, 增值额为:P0[ (1+i0) n-1]。年均增值额为:P0[ (1+i0) n-1] (A/F, i0, n) =P0i0, 每小时的资金成本为:。

(6) 管理费用的计提比率为:r0。

假设A地至B地的距离为s0公里, 行驶时间为t0小时, 那么整车运输的总运输成本Cg1即可以表示为:

其中:t0 (小时) 为行驶时间;s0 (公里) 为行驶距离;P0 (元) 为货车购买价格;Pf (元) 为货车残值;n (年) 为货车折旧年限;i0为期望收益率;d1 (元) 为货车的全年保费;d2 (元) 为货车的全年养路费;b0 (元) 为货车司机的小时工资; (天/年) 为货车的每年行驶折合天数;c0 (元/公里) 为货车的燃料费用;w0 (元/公里) 为货车的维修成本及过路费。

(1) 式中, 影响运输成本Cg1大小的大多数因素都是外部条件决定的, 承运人并无能力调控。因此运输成本的高低主要由承运人选择的折旧年限和运输工具的年行驶天数决定。并且, 从 (1) 式中不难看出, 选择的折旧年限越长, 运输成本Cg1将越低;同样的, 年行驶天数越多, 运输成本Cg1也越低。由于折旧年限一旦确定就不能改变, 因此, 实际上运输成本Cg1的高低完全由运输工具的年实际行驶天数决定。

2. 工作量折旧法下运输成本计算模型。

如果折旧方法选择工作量法进行计算, 则每公里折旧费用为: (P0-Pf) /L0 (元/公里) 。其中, P0 (元) 为货车的购买价格, Pf (元) 为残值, L0 (公里) 为运输工具预计行驶总里程。

与前述情形一样, 假设A地至B地的距离为s0公里, 行驶时间为t0小时, 整车运输的总运输成本Cg2即可以表示为:

其中:L0 (公里) 为预计行驶总里程; (公里/年) 为货车每年实际行驶里程;其余与 (1) 式中相同。

与 (1) 式类似, (2) 式中, 运输成本Cg2的大小主要取决于预计行驶总里程L0 (公里) 和货车每年实际行驶里程 (公里/年) 。不难验证, , 运输成本Cg2是的减函数。与前一情形相同, 每年实际行驶里程越多, 运输工具的利用率越高, 运输成本越低。

3. 两种计算方法的结果比较。

从 (1) 式和 (2) 式可以看出, 由于式中的大多数变量都是由外部条件决定的, 因此, 承运人降低运输成本主要依靠提高管理水平、改善其营运状况来实现。具体而言, 就是努力提高货车的年实际行驶里程 (公里/年) 或年折合行驶天数 (天/年) 。一般而言, 承运人的业务范围及行驶路线均较稳定, 因此, 其年平均行驶速度也相对稳定, 可记为 (公里/小时) 。在考虑年平均行驶速度时, 行驶时间包括取货、等待、运输及配送等环节所花费的时间。这样, 年实际行驶里程与年折合行驶天数便有如下关系:

(2) 式- (1) 式, 并将 (3) 式代入整理得:

其中:v0 (公里/小时) 表示本次运输的实际行驶速度; (公里/小时) 表示承运人的年平均行驶速度。

如果每次运输均按年平均行驶速度计算, 亦即时, (4) 式又可变为:

三、计算举例

为了进一步说明上述计算模型的应用, 现以成都至重庆的公路运输为例, 应用上述成本计算模型, 对整车运输的运输成本进行计算。

相关数据:行驶距离340公里 (成渝高速公路起于成都五桂桥, 止于重庆陈家坪) ;平均行驶时间5.67小时;货车为东风EQ1254W2型载重货车, 购买价格26.5万元, 核载重量15吨, 柴油发动机, 百公里耗油32升;0号柴油价格5.28元/升;司机平均工资2 400元/月;全额保险费为12 000元/年, 养路费为220元/月·吨;维修成本 (包括轮胎磨损、轮滑油等) 及过路费为1元/公里;管理费用计提比率为10%;直线法折旧时, 折旧年限为5年, 残值为1.5万元;工作量法折旧时, 货车报废前预计行驶总里程为60万公里, 残值为1.5万元。根据承运人经营情况, 此货车每年平均行驶里程大约为90 000公里, 货车的实际平均速度约为60公里/小时, 折合行驶天数约为62.5天。

根据以上基础数据, 可得:t0=5.67 (小时) , s0=340 (公里) , P0=265 000 (元) , Pf=15 000 (元) , n=5 (年) , i0=10%, d1=12 000 (元) , d2=12×15×220=39 600 (元) , b0=2 400÷ (30×8) =10 (元/小时) , c0=32×5.28÷100=1.69 (元/公里) , w0=1 (元/公里) , , L0=90 000 (公里) , 。

事实上, 将以上数据代入 (1) 式得到总运输成本为:Cg1=1601.1 (元) , 吨公里成本为:1 601.1÷ (340×15) =0.314 (元) 。将以上数据代入 (2) 式得到总运输成本为:Cg2=1 548.8 (元) , 吨公里成本为:1 548.8÷ (340×15) =0.304 (元) 。

另外, 根据基础数据, 可得出:L0÷n=120 000, L=90 000, 。根据 (5) 式判断, 此时, Cg2

四、小结

公路运输中的运输成本包括折旧、燃料费用、人工成本、保险金、维修金、过路费、管理费用及资金的机会成本。折旧方法的不同, 对运输成本的计算结果有一定的影响, 但这种影响仅限于承运人产生利润的时间。在其他费用确定的情况下, 如果选择加大运输成本的折旧方法进行折旧, 则意味着承运人将成本前移, 利润后移;反之, 如果选择降低运输成本的折旧方法进行折旧, 则意味着承运人将成本后移, 利润前移。总的说来, 由于影响运输成本的大多数因素是承运人所不能控制的, 承运人只有努力改善经营管理, 努力提高运输工具的利用率, 才能有效降低实际运输成本。

摘要：本文根据直线法和工作量法两种主要折旧方法, 在考虑资金的机会成本的基础上, 对公路运输的运输成本构成进行了详细分析, 构建了两种折旧方法下运输成本的计算模型, 并用实例验证运输工具的利用率是影响运输成本的主要因素。同时比较了两种折旧方法对承运人收益的影响, 承运人可以根据其实际营运情况, 适当地选择折旧方法以调控其会计利润。

关键词：公路运输,折旧方法,运输成本,计算模型

参考文献

[1].Edward J.Bardi, John J.Coyle, Robert A.Novack.Management of Transportation.北京:清华大学出版社, 2006

[2].林理升, 王晔倩.运输成本、劳动力流动与制造业区域分布.经济研究, 2006;3

[3].谢雄, 曹晶.公路项目国民经济评价中汽车运输成本的计算.林业机械与木工设备, 2004;12

[4].李文兴, 陆伟忠.铁路运输成本费用指数体系及计算方法.铁道学报, 1997;5

[5].李岱安, 徐刚.中国铁路运输成本计算系统的研究.铁道学报, 1999;6