物流成本优化模型分析

物流成本优化模型分析（通用7篇）

物流成本优化模型分析 篇1

物流成本指产品的空间移动或时间占有中所耗费的各种活劳动和物化劳动的货币表现, 是产品在实体流动过程中所支出的人力、物力、财力的总和。作为考证物流在国家经济中价值量化的主要研究指标, 物流成本占GDP比重已成为衡量一个国家物流业发展水平的重要指标。2011年, 我国社会物流总费用8.4万亿元, 与GDP比率为17.8%, 与美国等发达国家相比要高出8—10个百分点, 社会经济运行的物流成本仍然较高。随着企业内部制造成本管理方法的日渐完善与成熟, 通过提高劳动生产率和节约企业内部资源来增加利润空间正逐步减少, 改善企业内部物流来增加利润成为当今企业管理的热点和重点, 应用物流成本优化模型是控制和降低企业物流成本的一种有效方式[1]。

一、基于财务核算的物流成本优化模型分析

物流成本传统核算方法是在现有会计报表成本资料的基础上, 按照一定的原则和方法, 从传统成本会计的各项费用中剥离出物流费用。传统法局限于现有会计资料, 并且人为因素较多, 从而难以准确归集和分配物流成本, 因此, 需要对物流成本的财务核算进行建模优化。

(一) 财务核算优化模型概述

1. 任务成本法

任务成本概念是在“物流任务方法”基础上提出的, 它改变了传统的物流总成本计算法没有考虑物流系统各环节具体运作过程以及横向的以部门为单位的成本结构, 代之以纵向的以功能为单位的成本结构。任务成本方法认为, 物流各子系统间相互作用并提供不同水平的客户服务, 该方法既能从总成本角度来强调物流系统内各个子系统之间的相关性, 又能从系统的角度来提供对不同客户服务的成本信息。但该方法核算过程繁杂, 在分配某项作业成本时往往存在人为因素, 导致结果不准确, 特别是公共作业领域成本分配没有客观标准[2]。

2. 作业成本法

作业成本法是以作业或活动为基础, 将企业消耗的资源按资源动因分配到作业或活动中, 再把收集的作业成本按作业动因分配到成本对象中的核算方法, 其基本逻辑是:各种资源耗费驱动成本的发生, 使各种产品成本多少应取决于对各种活动的消耗量, 并以此来核算成本具有更大的准确性。作业成本法是应用最为广泛的物流成本财务核算优化模型。

作业成本法不仅可以更全面的核算物流成本, 也为企业考核物流项作业活动成本提供绩效考评的依据。它可以分析针对每一种 (类) 产品在物流各个作业环节上的花费, 寻找成本挖潜对象和目标;可以对未来物流成本进行预测, 制定针对性的成本控制计划和长期的物流成本战略, 及时掌控成本变化信息, 利于形成动态的成本管控体系。

3. M—A模型法 (Mission Cost—ABC)

任务成本法和作业成本法的逻辑思路是一致的, 都是以过程为导向, 用成本来追溯特定的活动或任务成本。M—A模型法将任务成本法与作业成本法结合在一起进行物流成本核算, 构建物流成本核算的M—A模型, 界定了物流成本的涵盖范围, 明确了物流成本数据的信息来源, 描述了M—A模型的理论框架。该方法把物流成本的测算过程分为两个阶段:根据任务成本法确定成本目标, 再由作业成本法分析物流活动及相关资源, 并对企业物流活动中各个成本要素向各个环节的分配途径作了清晰、直观的描述。

(二) 财务核算优化模型比较分析

上述三种物流成本核算的优化模型各有利弊, 在实际运用中要根据企业具体情况进行选择。三种模型的优缺点和适用范围见表1。

二、基于成本控制的物流成本优化模型分析

物流成本控制建模具有很强的实用性与针对性, 可以对管理方面提供依据, 可以用于企业高层分析财务信息以制定相应的物流政策。成本控制建模多用运筹学的方法, 主要有排队网络法、极大代数法、Petri网法等形式化建模技术以及活动循环图、流程图、面向对象的建模技术等非形式化建模技术。

(一) 成本控制优化模型概述

从具有可操作性的物流成本控制模型研究来分析, 可将现有的成本控制优化模型分为两大类, 分别是针对具体物流作业的和全局式规划的优化模型。

1. 针对具体物流作业的成本优化模型

首先是库存问题。现有研究中, 主要是对各种库存模型讨论, 大多集中在生产/库存系统和库存/分配系统。经济批量 (EOQ) 模型是最早应用较为广泛的库存模型理论, 此后很多学者从不同角度出发, 应用不同理论方法对库存管理进行了广泛研究, 并提出了一系列经典模型, 例如, 经济生产批量模型、允许缺货的经济订购批量模型、经济订购批量折扣模型、需求为随机变量的订货模型、物料需求计划和准时化生产方法等等[3]。

其次是运输及配送中的物流成本优化模型。在企业物流层面, 对运输成本的研究通常与采购、库存和网点建设等活动相联系。即运输成本体现出某种一体化特性, 目前物流运输成本优化模型则多是利用线性和非线性的运筹学理论, 如最短路径法、最小费用流法等进行建模计算, 以实现运输总成本最小。

2. 全局化物流成本优化模型

第一类是供应商选择物流成本模型。关于供应商选择的物流成本模型涉及面较广, 混合型整数非线性规划模型, 将实际价格、库存、运输成本纳入物流总成本的考虑范围, 此外, 采购预算限制、质量、服务等因素也被包括到该模型之中[4]。

第二类是物流网络/布局策略中的物流成本。国外学者对物流布局/区位问题的研究, 最早开始于货物运输网络设计和设施选址领域, 以后加入了整体网络规划。其中, 公共物流终端模型利用排队理论和非线性规划开发了用于确定最优规模和最佳布局的数学模型。该模型考虑了运输成本和设施成本之间的交替作用, 以实现成本最小化;该模型在日本得到实际运用。最近的研究是应用博弈论讨论区域物流网络。

第三类是逆向物流成本优化模型。因为逆向物流几乎包括了所有的物流活动, 所以对其的研究包括了配送规划、库存控制、生产规划等领域。1992年, Pohlen和Farris就提出可以利用个别渠道成员的既有功能与能力执行回收和再制造任务[5]。

(二) 成本控制模型比较分析

根据上述物流成本控制优化模型的介绍和使用情况, 从两方面分析其优缺点并据此划分适用范围, 如表2所示。

三、物流成本优化模型分析小结

财务核算优化模型的产生很大程度解决了原有会计制度对物流成本核算的片面性, 帮助企业更加全面完整的了解内部物流成本的总额和分布情况, 为物流成本控制提供了基础。基于财务核算的成本优化模型开始是针对作业环节进行建模优化以核算物流作业成本, 后来发展到从产品甚至供应链的角度进行成本核算。成本控制优化模型则是在较为全面的物流成本会计资料的基础上运用运筹、数理分析等方法对物流流程包括库存、运输等物流项目进行优化, 以达到最优物流成本。基于成本控制的优化模型是从开始优化某一具体环节到将整个物流流程都纳入模型中以求得整体最优解。

在实际操作中虽然能取得整体最优是企业运营的最理想状态, 但是并不代表所有企业都应选择最全面先进的优化模型。

首先, 有些企业虽然没有建立专门的物流成本会计科目, 但是因为企业费用发生明确具体, 可以很容易地进行归集和分配, 并不需要再去建模优化核算流程。有些企业的物流流程较为简单, 并不包括所有物流活动, 或者产品服务较为单一, 使用有针对性的优化模型其实也可以达到很好的效果。如专门进行仓储或者运输的企业只要根据企业情况有针对性, 建模, 就完全可以达到减少物流成本的目的。

其次, 在企业构建一个从核算到成本控制的整体物流优化模型, 需要专门的技术软件和设备, 这是一笔不小的开支, 并不是所有企业都能承担。而且整体最优模型考虑因素庞杂繁多, 当企业在使用时需要添加海量的变量和限制条件, 只要有一个参数设置错误结果都会与最优解相距甚远, 而且每当企业环境有变化都需要从新调整模型, 这需要使用此类模型的企业有雄厚的技术、资金支持, 在企业内要设有专门的技术部门, 这也增加了企业管理开支。

最后, 只有不同部门间合作协调, 信息畅通的企业才能发挥整体优化模型的最佳效果。如果企业部门信息不能及时反馈到优化模型, 那么得出的最优解结果也没有实际操作的意义。所以, 要构建整体优化模型的企业首先要对企业流程进行优化重组。

综上, 物流成本优化模型的选择最重要的是要符合企业现实情况, 而不是一味选择最先进, 最全面的模型。本文通过对物流成本优化模型的介绍分析, 使企业可以对各个模型的适用范围有所了解, 便于企业选择最为合适的优化模型。

摘要：物流成本占GDP比重已成为衡量一个国家物流业发展水平的重要指标。改善企业内部物流来增加利润成为当今企业管理的热点和重点, 应用物流成本优化模型是控制和降低企业物流成本的一种有效方式。通过对物流成本优化模型的介绍分析, 使企业可以对各个模型的适用范围有所了解, 便于企业选择最为合适的优化模型。

关键词：物流成本,优化,模型

参考文献

[1]2011年中国社会物流统计数据http://xxw3441.blog.163.com/blog/static/75383624201211791620468/

[2]何伟.生产企业物流成本控制[J].铁路采购与物流, 2010, (11) .

[3]耿邯利.企业成本会计核算优化[J].现代商业, 2008, (6) .

[4]张人千, 魏法杰, 等.基于成本的车间作业优化模型及实证研究[J].中国管理科学, 2002, (5) .

[5]黄湘民, 刘大成, 周阳方.国外物流成本研究前沿及进展[J].商业研究, 2008, (23) .

物流成本优化模型分析 篇2

【关键词】成品油；“四位一体”；物流成本；控制分析

一、成品油运输成本的有效控制策略研究

对于成品油的成本控制来说，运输成本的控制是基础与前提。成品油运输成本的控制涉及到运输距离、运输工具、运输承载量、运输路线及运输时间等因素，目前来说实现成品油运输成本控制需要做好以下3个方面的努力。首先确保运输的合理化。以成品油的流通规律为前提，确保运输路线的合理性，减少运输费用，提升运输效率，将运输距离、运输时间、运输成本、运输工具等四大要素综合统筹起来，创造最佳运输效益。其次确保运输路线的优化。运输路线设计直接决定运输成本，因此必须选择合适的运输路线，确保运输的最优化。现代通讯及导航技术完全可以应用到成品油运输路线的制定中并借助全球定位系统实现现有运输资源的合理配置，实现运输车辆的合理调度与配送线路的合理选择。此外借助先进的物流管理系统可以实现运输基础数据的分析，确定最佳的运输方案，实现运输成本的降低。最后利用运筹学中的数理原理做好运输成本的最佳控制。为实现运输车辆数量及运输人员安排的合理统筹，企业可以利用运筹学中的线性或者非线性、整数规划及图论等知识构建油气运输的数学模型，借助先进的计算软件进行模型求解，以此实现运输人员的合理调度，并实现运输车辆的数量控制，从而达到节约运输成本的目的。

二、成品油仓储成本的有效控制策略研究

成品油的运输除了基本的运输成本控制外，也必须做好成品油仓储成本的有效控制。而成品油的仓储成本控制策略又具体划分为3个方面：首先要做好成品油销量需求的合理分析。依据现代物流仓储活动的往期财务资料，综合现有的使用情况，科学合理地预测成品油的未来销售需求量，以此作为成品油物流仓储成本控制的依据。目前，大多数企业是通过实际业务开展或者物流业务量百分比进行销售需求量的计算。其次要做好仓储的优化管理与引导。在科学合理预测成品油未来销售需求量的基础上必须做好仓储的优化管理，具体地说就是以仓储成本控制总目标为前提，从多个备选方案中寻找最优，从而带动仓储管理的优化。最后通过改善成品油的保管条件，实现仓储损失的最小化。大量的研究调查表明，保管不善是造成成品油仓储损耗的首要因素。一旦成品油存在保管不善的风险，必然会影响成品油的品质，导致成品油遭受污染或者泄露，成品油的性能普遍降低，从而失去自身原有的特性，导致成品油仓储成本的无形增加。影响成品油品质的因素除了温度、湿度，还有尘土、震动等，必须做好这些细节的完善，确保成品油品质，从而最大限度减少仓储损耗。除此以外，石油企业要想实现仓储环节的成本控制，必须与物流运作联系起来，特别是实现仓储管理与运输配送环节的结合，以系统化的理论与优化控制理论进行对应协调处理，从而创造最大化的利益产值。仓储是成品油物流管理的重要环节，也是成品油成本控制的突破口之一。

三、成品油配送成本的有效控制策略研究

除了运输与仓储管理可以做好成品油成本控制之外，配送也是成品油成本控制不可忽略的环节。从本质上解读，配送就是以现代送货形式进行资源的合理配置的经济属性活动。常规意义上来说，配送效率的高低将直接影响配送成本，通过对成品油配送成本影响因素的分析，只有加强成品油物流配送成本的控制才是实现配送科学规范化的有效途径，通过合理选择并确定最优的解决方案，解决加油站配送需求与配送中心配送成本目标控制之间的矛盾，才能实现成品油配送成本的精细化管理。具体来说需要做好3个方面的努力：首先做好对车辆的优化与调度。成品油配送环节的车辆优化属于关键一环，与企业的经济利益息息相关。只有确定最合适的配送路线及配送方案才能实现经济性与合理性的控制。其一要注意做好行政区划分，在此基础上建立省、市及县三级运输存储物流体制，以经济区域的划分带动网络配送体系的建立与完善，通过物流网络配送体系的交相呼应，实现区域经济资源的合理配置与消费流向的分析，从而实现成品油配送环节的社会化、规模化与专业化。其二要充分发挥石油企业现有储运设施的运输优势，坚持就近配送的原则，通过重新规划油库布局的基础上实现原有不合理油库隶属关系的调整，实现区域范围内成品油资源的合理配置。其次通过分析成品油的正常流向从而确定最佳运输路线，提升一次配送比例，这也是实现成品油配送优化的努力层面。当然可以尝试在成品油消费量最为集中的地区建立科学布局的成品油运输管道，从而实现成品油运输及配送结构的合理化。最后最大限度提升配送效率。配送效率的保证需要两方面的基础性准备。一方面企业可以尝试24小时运转模式，在确保配送安全的前提下，在固定费用不变的情况下，通过固定资产利用率的提升从而实现成本的降低；另一方面可以借助科学合理的配送运力分布实现配送效率的提升。简单地说就是借助运输车辆结构的优化，将配送车辆数目控制在合理范围内，在确保合理运转的前提下做好大吨位车辆的占比提升，以时间、道路情况及目的地的线路进行车辆资源合理配置，从而做到配送时间的量化，实现成品油配送时间的最大限度缩短，确保配送效率的最大化。目前许多发达国家已经充分意识到物流方式选择及物流体制优化在成品油运输中的重要意义，因此多数国家的成品油运输配送以配送中心为核心点向四周区域扩散。从炼油厂到加油站只需要两次物流配送，从炼油厂到油库是成品油运输的第一站，而从油库到加油站则为成品油运输的第二站。目前借助现代技术构建的成品油配送是对传统成品油运输存储的调整与优化，通过加速成品油的流通周转实现了成本的有效控制。

四、成品油客户服务成本的有效控制策略研究

成品油供应对象是不同类型的客户，不同的客户对物流服务也有不同的质量需求，因此要想实现物流服务质量的整体性提升也必须做好不同顾客服务策略的调整，而这也是成品油成本控制的一个方面。具体来说，以下三项努力必不可少。其一对客户进行差别化的管理。大量的调查发现，企业80%以上的利益来源往往是由20%的客户创造的。随着生活水平的提升，人们对服务质量的关注也越来越高，因此针对不同的客户服务也应该体现差异化。这种基于客户特定需求的差异化服务可以让顾客体验到独特的服务享受，从而在心理上得到被尊重的满足感。而石油企业也应该侧重于企业品牌与形象的塑造，并且将客户的差异化服务与企业的品牌形象塑造结合起来，注重客户忠诚度的培养。在服务的过程中要及时发现并改进问题，特别是针对客户不满意的地方进行大幅度调整与改进，从而使得既存的客户群体不断发展壮大，实现企业利润的提升，从侧面实现企业成本的降低。其二做好成品油供应链内部环节的协调。在成品油物流的供应链中，会涉及多个环节的内容，铁路运输部门、炼油厂及第三方运输等环环相扣，如果这些环节或者部门之间存在冲突，那么将会导致成品油物流供应链条的断裂，造成成本的增加。而对于石油企业来说，实现产品与服务的最佳流动，以客户为服务中心带动供应链条的稳定与流畅，是实现物流成本降低的关键，同时完善客户服务，提升服务质量与水平，实现区域范围内有限资源的二次利用，做好成品油的成本控制。其三注重客户服务的集成化。现代信息网络的飞速发展使得现代物流体系建立并日趋完善，而现代物流服务体系的科技优化也是实现客户服务质量提升的方面。石油企业通过建构集信息收集、信息分析、信息发布、信息查询为一体的物流体系才能实现石油企业物流各个环节的实时跟进与同步项目开展，确保整个物流链的高速运转。这种信息的集成化体系也带动了客户服务的集成化，借助客户服务的集成化管理可以做好客户服务信息的搜集与专项服务，缩短成品油供应及备货时间，使得石油企业能基于客户的需求做出最佳决策，以优质的服务提升客户的满意度，从而提升服务质量，做好潜在客户的发掘与既有客户的保留，实现石油企业成品油成本的控制。以上3个方面，作为针对客户的建议举措理应作为成品油成本控制的涉及项目得到有效关注。

五、结语

物流成本优化模型分析 篇3

对于地下物流系统，国外的学者多集中于对这一系统的可行性研究以及地下物流系统的建设，在德国、日本、荷兰等国家，早已有建成的地下物流线路投入使用。

在国内，从2002年杨涛等[1]发表的《新型城市地下货运交通系统》开始，陆续有越来越多的学者开始关注这一研究方向，主要包括马保松等[2]对地下物流发现现状及历史的介绍，钱七虎院士对用地下物流系统解决特大城市交通拥堵问题这一思路的肯定，以及杨文浩[3]对现存问题的思考和策略。

目前，大多数研究主要探讨的是地下物流系统的可行性，风险评价和整体网络的规划问题。如HenryLiu[4]的《Feasibility of underground freight transport in New York City and lessons learned and implications to other major cities in the world》，介绍了纽约城市管道货物运输的概况,讨论了它对其他城市的启示，为相关领域的交通规划者提供了必要信息。傅方方[5]的《城市地下物流系统风险评价及发展前景研究》则采用层次分析法和综合评分法建立综合评价模型，对地下物流系统面临的投资风险进行评价。而李彤[6]认为，可以采用模拟植物生长算法来进行大型城市地下物流网络的优化布局。

而针对地下物流系统配送线路等问题目前的研究并不多，综合各类文献不难发现，地下物流运输与一般公路运输的区别之一就在于地下物流运输隧道的建设成本远远高于公路建设的成本，所以线路建设成本必须纳入考虑。而在进行物流配送活动时，时间问题正渐渐成为人们非常关注的问题。基于此，本文从整个系统的成本的角度出发，选择了投资成本和时间成本最小为目标函数建立了地下物流配送路线优化模型。

1 考虑时间成本的ULS路线优化模型的建立

1.1 问题分析

在进行地下物流配送路线设计时，可以结合已有的公路运输路径优化的一些方法。但是地下物流系统配送路线的设计还有许多特殊之处。

首先，地下物流系统的大部分工作场所都处于地下，包括运输线路。不同于公路运输的道路网络化，地下物流系统尚未发展成熟，所选路径必须专门进行规划、设计和建设。所以，在进行线路设计工作时，必需考虑因隧道建设等工作所带来的费用问题。

第二，地下物流系统的建设面临着的挑战之一就是巨额的投资。如果仅仅依据ULS所得的直接经济效益和直接费用来进行评价这一新兴运输系统，很显然，与公路运输相比，ULS并不占优势[7][8]。因此，在进行路径设计及优化时，若盲目参照已有的路面运输路径优化方案，一味地考虑运输成本问题则很不合理。

第三，地下物流系统在一定程度上比路面运输要自由，它可以实现直线运输，大大缩短了运输时间[9]。同时，与地面运输相比，“拥堵”这类情况将大大减少。所以，在进行路线选择时，几乎不用考虑因交通事故、道路损毁等引起的交通拥堵造成的时间损失。

在地下物流运输网络中，线路建设费用、运输费用、运输时间、运输质量及运输服务水平都是影响地下物流配送路线选择的重要因素[10]。其中，运输质量和运输服务水平的衡量指标虽然包括设施条件、场站服务质量等要点，但更大程度上来自于货物的配送时间即准点率。由于地下物流系统运行环境和条件的特殊性，在进行配送活动时，货物到达的准点率更易控制，这为配送工作带来便捷的同时，也要求配送线路要更加合理可行。

综合上述原因，本文以路网总成本最小为目标函数建立模型进行讨论。

1.2 模型假设

鉴于地下物流网络建设的投资成本偏高，地下物流系统更适用于发展较快且货流量偏大的城市[11]。为使模型更加合理可行，现对模型作如下假设：

(1)为了研究方便，本文讨论的运输货物不分品种；

(2)参与地下物流运输过程的车辆型号相同、容量相同，车况也相同，本文假设使用的是自动导向车。

(3)物流线路中每个节点的物流需求数量和位置已知；

(4)每个客户都必须接受配送服务；

(5)配送中心的货物量可以满足总的客户需求量；

(6)物流配送车行驶过程中速度固定不变。

1.3 模型构建

假设在一个地下物流系统中，现需在N条备选线路中选出合理的地下物流轨道线路，使得这个地下物流系统可以完成配送任务。因为本文针对的是货流量偏大的城市，为了简化问题，将配送中心和需求节点无差别化，都视作一般节点，一共有M个节点。由于本文在建立模型时，已经单独考虑了货物在各站的停留时间，所以可以不必再考虑货物经线网到达目的地过程中的“换乘时间”。

设地下物流轨道线路k的长度为lk；每公里的建设费用为ck；每公里的运营费用为dk；配送车在行驶过程中速度固定不变，设为v；货物从节点i出发，到达节点j，中间经过h站，每站停留的时间记作tijp，起点处i的停留时间记作tijo，从i到j的线路长度记作Lij；以i为起点，j为终点的路段的货物运输量为xij;C为建设投资成本；T为时间成本；Z为总成本；a为时间成本权重。引入ηk，，其中，

那么，模型的数学形式表示如下：

约束条件如下：

上述各式，式（1）是地下物流运输线路双向约束条件，其中，i,j是物流节点，T为所有节点的集合；式（2）中，Lmin和Lmax分别为地下物流运输线路总的布设长度最小值与最大值，该式保证了线路规模的合理；式（3）保证了任意两个物流枢纽之间的可达性，sij则是任意两个物流枢纽i和j之间的最短路；式（4）和式（5）表示的是取值范围。

2 算法设计

遗传算法[12][13]具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。采用0-1编码的遗传算法可以解决本文的问题。具体步骤如下：

Step 1.编码：因为有N条备选路线，对其编号依次为：1,2，…，n，故染色体长度为n，因含有0-1变量，编码为:{1,0,0,…，1,0}，其中，0表示该位置的备选线路未被选中，1则表示线路被选中。

Step 2.适应度计算：对种群中每一染色体解码求得对应的可行解，根据公式（3）求得目标函数值Z，适应度计算公式如下：

Step 3.算子选择：将每个种群的P个染色体按适应度值依次排序，并将值最大的染色体复制进入下一代。对剩下的染色体采用基于排名的轮盘式选择策略，以选择进入下一代种群的算子。

Step 4.算子交叉：使用单点交叉法进行算子交叉，例如：

Step 5.算子变异：根据变异概率Pm，执行变异操作，令gen=gen+1，从而得到新种群，并转至步骤2。

3 算例验证

某发展规模较大的城市拟规划建设地下物流系统。经考察分析，要以地下物流线路连接7个主要物流区域。图中，线段上数值表示地下物流系统行车距离。设搬运车在路段上的走行速度为固定值,不考虑进出站加减速的情况下按20km/h取值[14]。为简化计算，设所有路段的建设成本均为45万元/m，营运成本为1万元/m，且所有站点的停留时间均设为0.25小时。时间成本权重取12元/h。假设仅考虑物流系统行车时间及每站停留时间。由于货物流量分布基本对称，所以，线路断面货物流量两个方向相等，因此，这里只考虑单方向的线路规划。

已知各边长度情况如表1所示。

假设有5条备选轨道线路，依次为：

规定规划地下物流线路总长度不宜超过40km，各物流区域间货物流通分布见表2。

采用本文所提出的模型和求解方法，采用0-1编码，因备选轨道线路条数为5，故染色体长度设定为5，种群数取200，交叉率取0.65，变异率取0.05，通过MATLAB编程，运行后得到最优地下物流线路如下：

4 结论

与传统的物流配送路径优化模型相比，本文所建的考虑时间成本的地下物流配送路线优化模型以总的运输成本最小为优化目标，并考虑可达性约束与线网合理规模约束条件，建立了地下物流系统网络布局优化的优化模型。不仅考虑了线路的建设成本和运营管理成本，而且考虑了每站停留时间和运行时间对运输成本的影响，这一点对于如今要求有更多可靠性、更快吞吐量时间、更高服务水平和更大灵活性的物流行业尤为重要。同时，运用所建模型可对可能的地下物流线路进行筛选，以得到合理的线路网络布设方案。所建模型为地下物流线路的规划提供了理论依据。

摘要：为了缓解目前紧张的交通拥堵形势,有效规划合理的地下物流网络,文中进行了地下物流系统配送路线优化研究。文中分析了目前地下物流系统的研究概况,指出了配送线路设计的特殊之处,提出了配送时间和线路建设成本对地下物流配送线路的影响问题,考虑配送线网合理规模约束与可达性约束,以地下物流配送线路的总成本最小为目标,建立了基于投资成本和时间成本的地下物流配送路线优化模型。采用遗传算法对模型进行求解,算例结果表明,运用该模型可对所有可能的配送线路进行筛选,并得到最优的线路网络布设方案。该模型可用于城市地下物流系统的规划中,对配送线路网络进行优化布局。

逆向物流成本收益优化分析 篇4

伴随电子商务的兴起, 产品退货、报废产品正日益增多, 逆向物流这一概念也越来越被人们所熟知。人们对物流管理的理念也从前向物流转向逆向物流。在激烈的市场环境竞争下, 商家的退货政策成为吸引顾客进行购物的一个重要砝码, 但与此同时, 频繁的退货也加剧了企业的成本, 降低了企业的收益。为有效应对这一问题, 降低成本, 增加收益, 我们就必须加强对逆向物流成本收益优化的研究。

1 逆向物流的定义

Jame S.R.Stock在1992年时最早提出关于逆向物流的概念, 他认为产品从买方回到卖方、产品的二次使用、产品的报废处理以及产品的再制造等活动都属于逆向物流的范畴[1]。

在中国, 被广泛采纳的关于逆向物流的概念是来自《中国国家标准·物流术语》 (CB-T18354-2001) 的对其界定。它根据商品价值的大小把逆向物流分成两种:①回收物流 (Returned Logistics) :在这一部分当中, 质量不符合生产规范的半成品、成品等经过返修、再制造等流程可重新具备应有的使用价值。②废弃物物流 (Waste Material Logistics) :在这一部分当中, 产品基本不再具有使用价值或者原有价值, 要对其进行适当的分类、运输、焚烧、掩埋等, 但这一部分废弃物产品并不是不存在任何价值, 例如某些废弃物物流在焚烧时, 会产生能源。因此, 要对其进行合理应用[2]。

综上, 逆向物流是对废弃产品、有缺陷商品以及废弃材料等不具备正常使用价值功能的产品进行再利用的过程, 同时也是提高能源利用率、资源的使用率以及进行生态保护的过程。

2 逆向物流的成本构成

从企业的角度来看, 逆向物流的成本包括回收物流的搜集成本、测验成本、零件再造成本、材料二次利用成本、填埋成本和废弃排放支出费, 以及废弃物流的搜集成本、预处理成本、废弃物填埋成本和废弃物排放环保费用[3]。具体如图1。

3 逆向物流的收益构成

企业在进行逆向物流管理的同时, 不仅保护了环境, 履行了应尽的社会责任, 而且降低了企业的能源消耗, 提高了资源、能源的利用效率, 降低了生产成本, 同时由于产品再回收、再利用, 提高了企业的经济效益。

逆向物流的收益主要分为零部件再造所获得的收益, 材料二次利用收益, 能源回收效益, 仍具有某些使用价值的废弃产品二次出售获得的收益, 环境保护收益, 政府支持所获得的收益[4]。具体如表1。

4 逆向物流成本收益优化模型构建

在逆向物流过程中, 逆向物流的成本主要发生在起始部分, 本文模型假设物流过程中其他成本可以忽略不计, 同时逆向物流的收益主要包括逆向物流的再造收入以及逆向物流的材料再生收入, 本模型主要从这三个方面出发, 来构建逆向物流的成本收益优化模型[5]。

①起始成本用C1表示, 主要包括运输费用、支付回收物品的费用以及存储费用。

其中:P1m指支付m回收品所需要的单位费用;

Q1m指支付m产品的数量;

P2m指m产品的单位运输成本;

Q2m指支付m产品运输成本的数量;

P3m指m回收品的单位存储成本;

Q3m指m回收品的存储数量;

(2) 逆向物流的再造收入

再造收入用Rm表示

其中:P3m指再造后产品m用于二次销售的销售收入;

Q3m指再造后产品m用于二次销售的数量;

P4m指产品m经过再制造后具有产品原有实用价值从而节约的企业成本;

Q4m指可再制造产品m的数量;

P1j指再造后的零部件j用于二次销售的销售收入;

Q1j指用于二次销售的零部件j的数量;

P2j指零部件j经过再制造后具有零部件原有使用功能从而节约的企业成本;

Q2j指可再制造零部件j的数量;

Wmj指再造后参与物品m制造的零部件j的单位重量;

Qmj指再造后参与物品m制造的零部件j的数量;

Pmj指再造后参与物品m制造的零部件j为企业所节省的环境污染支出费;

③逆向物流的材料再生收入

材料经过再生处理后, 既可以作为产品的生产材料进行出售, 也可以作为企业的生产原材料, 从而降低企业的生产成本。材料再生的收入用Rp表示, 计算公式如下:

其中:P5m指材料m再生后用于二次销售的单位价格;

W5m指再生后用于二次销售的材料m的重量;

P6m指材料m再生后参与产品生产、制造所节省的企业成本;

W6m指材料m再生后参与产品生产、制造的总重量;

综合以上分析, 逆向物流的成本收益计量模型为:

5 结论

通过模型我们可以看出, 要想提高逆向物流的收益, 就必须不断提升企业的再造能力及再生、回收能力, 同时政府要加强对企业环境污染的监管, 制定相应的法律法规, 以此来约束企业的破坏环境行为;另外, 政府还要出台相关的优惠政策, 激发企业保护环境、进行逆向物流管理的热情, 从而使政府的相关政策能够真正落实到实处;最后, 要动员广大的消费者参与其中, 消费者是逆向物流的起点, 逆向物流的管理离不开广大消费者的参与, 政府要积极的进行环境保护的宣传, 通过各种渠道促使消费者养成绿色生态环保意识, 引导消费者进行绿色消费, 最终使消费者以极大的热情参与到逆向物流的成本收益优化工作中。

参考文献

[1]Stock J R.Development and implement of reverse logistics program[M].1998.

[2]陈绪芳.逆向物流的成本收益分析及运作流程设计[D].安徽:合肥工业大学, 2007, 12 (8) :5-7.

[3]季金震.基于供应链的企业物流成本研究.物流科技, 2014.

[4]朱权, 廖秋敏.成本收益与逆向物流系统构建[J].物流工程, 2008 (4) :72-73.

物流成本优化模型分析 篇5

柔性交流输电系统(Flexible AC Transmission Systems,FACTS)是指基于电力电子技术或其他静态控制器以提高可控性和传输容量的交流输电系统。它为潮流柔性调控提供了一种新的手段,并可有效改善电网的输电阻塞和电压调整困难等问题,从而提高了电网的可靠性和运行灵活性。然而FACTS元件价格比较昂贵,因此从可靠性成本/效益的角度实现FACTS元件的优化配置具有重要学术意义和实用价值。

现有FACTS元件的优化配置模型研究较多关注FACTS元件的最优位置确定,以实现输电能力或系统稳定性的改善为目标[1,2],这些研究往往基于确定性方法,没有考虑电网自身的诸多随机故障,其结果具有一定的局限性。针对FACTS元件的优化配置研究,文献[3]对单一类型的FACTS元件进行了研究;文献[4]虽然涉及多种FACTS元件的配置,但是缺乏FACTS元件的容量优化以及系统的整体经济性考虑。随着电力体制的改革,电力市场机制的引入,经济因素已经越来越被重视,各种FACTS元件对电网参数的柔性调节能力各不相同,所以在充分考虑电网的经济性和可靠性的基础上,进行多种FACTS元件的优化配置研究尤显重要;同时FACTS元件的投资成本随容量成比例增长,不合理的容量配置方案可能导致可靠性和经济性之间的失衡。

文献[5]采用遗传算法实现多种FACTS元件的优化配置,但基于交流潮流的可靠性评估模型本身计算相当耗时,因此采用遗传算法进行可靠性成本/效益分析在工程应用中缺乏实用性。针对上述问题,本文基于启发式思路提出了优化配置模型的二阶段逐次迭代算法,即通过可靠性的灵敏度指标寻找FACTS元件的最佳位置,然后在该位置基于期望值容量指标进行安装容量的优化,通过安装地点和安装容量的多次协调求解,最终得到协调总费用最小时的优化配置方案。

1 可靠性成本/效益分析

在电力市场环境下,电力公司的电网规划决策需要在可靠性投资成本和可靠性效益之间进行综合权衡。电网规划中的供电总成本不仅包括用于电网扩展或增强的投资成本、运行成本,还包括由于电网电力供给能力不足所造成的用户停电损失,而后者是供电可靠性水平高低的直接经济体现。显然,高可靠性与低投资成本之间是相互矛盾的,如何综合协调二者的关系,以合理的投资成本获得最佳的可靠性水平改善是值得深入探索的课题,而基于可靠性成本/效益分析的电网优化配置模型为其提供了一个新的解决思路[6,7]。

电力系统可靠性成本是电网为达到一定供电可靠性水平而增加的投资及运行成本,而可靠性效益则定义为电网因供电可靠性水平的提升而增加的效益或因此而减少的停电成本,可靠性成本/效益即是在可靠性成本和可靠性效益中寻找到最佳的平衡点。本文对FACTS元件的优化配置模型展开研究,因此系统投资总费用包含FACTS元件的投资以及运行维修费用,故基于可靠性成本/效益分析的系统总费用模型如下[8]

式中:Z为系统总费用;Cuec为系统停电损失费用;CF为FACTS的运行、投资、维修等费用之和,如式(2)所示。

式中:CT为FACTS元件的一次性投资费用;CY为FACTS元件的运行维修费用。本文对CT采用等年值法进行计算,其表达式如下

其中:j为FACTS元件的类型;Nj为第j种类型FACTS元件的个数;i为贴现率;CTj=Pj·Gj,CTj为第j种类型FACTS元件单价,其中Pj为FACTS元件容量,Gj为FACTS元件单位容量的价格;Lj为FACTS元件的使用寿命。

式中:CY为运行维修费用,FACTS元件的运行费用按其投入的百分比给出,H为运行费用占投资的比例系数。

Cuec为停电损失费用

式中:n为系统的负荷节点数;IEARi是节点i的停电损失评价率,单位为元/(kW·h);EENSi为节点i的电量不足期望指标,单位为kW·h/y;本文对FACTS元件的最优配置目标是使系统总费用Z达到最小,而其中对EENS指标的计算是本文实现的关键,该过程涉及了含FACTS元件的系统潮流计算和最优负荷削减。

2 计及FACTS元件的电网可靠性评估

电网可靠性评估模型包括:系统状态选取、系统状态分析、系统可靠性指标的累计。系统状态选取包含了对线路、发电机以及FACTS元件的故障状态进行枚举或者抽样;系统状态分析包括了对选定系统状态进行潮流计算,确定系统是否违背运行约束,如果违背约束,则采用校正措施对系统进行优化调整,该校正措施包括对发电机出力的调整,FACTS元件参数的调整,以及变压器分接头的调整等,若经优化调整后仍为故障状态,则最后将进行负荷削减,校正措施由最优负荷削减模型来仿真实现,因此它也成为可靠性评估的关键部分;计及FACTS元件的柔性调控能力对大电网进行可靠性评估时[9,10],需建立FACTS元件的潮流模型以及最优负荷削减模型,为保证模型精度和计及电压无功的影响,将采用交流潮流模型。

2.1 静止同步补偿器STATCOM潮流模型

STATCOM通过调节其输出电流来调整输出无功功率的大小,且其输出电流与系统电压基本无关。它在功能上类似于同步调相机,但它的动态性能却远优于同步调相机:启动无冲击,调节连续,运行范围大,响应速度快,损耗小。在电力系统潮流计算中,由于STATCOM属于并联型FACTS装置,它可以看作是并联在节点上的无功电源,可向系统注入或者从系统中吸收无功功率,在最优负荷削减模型中,安装STATCOM的节点将增加一个无功控制量,其约束为QSTATCOMmin≤QSTATCOM≤QSTATCOMmax,按照数学优化模型的标准格式,该约束条件可以改写成2个约束如式(6)所示。

2.2 可控串联补偿器TCSC的潮流模型

TCSC是一种串联型FACTS装置,对于TCSC的潮流计算模型,本文采用阻抗型模型,当其安装在线路ij上时,阻抗型模型中ZB=-j XTCSC,ZS=0,Ui、Uj为线路两端电压,其潮流等效模型如图1。

由上述模型得出线路阻抗Zij′、线路导纳Yij′,如式(7)、式(8)所示。

由式(7)~式(8)推出注入电流Iij注入复功率Sij如式(9)、式(10)所示。

2.3 计及FACTS元件的最优负荷削减模型

本文采用基于交流潮流的非线性规划模型实现系统故障后的最优负荷削减,为保证节点负荷的功率因数为常数,本文假定当有功负荷被削减时,相应比例的无功负荷也被削减。

目标函数

其中:LC为系统负荷削减量;Pdi是校正措施前负荷节点i上的有功负荷;Pli是经过校正措施后负荷节点i上的有功负荷。

ST:

系统潮流等式约束

负荷有功、无功约束

发电机有功、无功约束

线路容量约束

节点电压约束

FACTS元件的参数约束

其中:QSTATCOMi为第i个STATCOM的无功输出;XTCSCi为第i个TCSC的串联补偿电抗约束。

3 多种FACTS元件的优化配置

3.1 FACTS元件安装位置的配置

在非线性优化的求解中,不但能求得最优解,而且可以计算出等式约束和不等式约束的Lagrange乘子,这些乘子在物理意义上反映了在该节点或线路安装STATCOM或TCSC对系统可靠性产生的潜在影响。Lagrange乘子越大,表示该元件对系统可靠性的改善越有效[11]。

式(17)和式(18)是FACTS元件控制参数的不等式约束,为得出Lagrange乘子,可以改写成如下形式

λSTATCOMimax,λSTATCOMimin,λXimax,λXimin分别是对应的拉格朗日乘子,它们的实际物理含义为

它们分别表示在某一节点或线路安装STATCOM或TCSC时对最优负荷削减量LC(X)的边际影响。该乘子越大,表明该元件对系统负荷削减量的减少越有效。在对系统进行优化计算时,我们可以把STATCOM和TCSC参数的上下限都设置为零,此时得出的计算结果和没有安装FACTS元件的结果一样,但是却能得到上述的拉格朗日乘子。为了更好地观察FACTS元件对系统可靠性的影响。本文选取能反映系统停电损失大小的可靠性指标EENS(电量不足期望)来求取其灵敏度。

式中:P(x)为对应故障状态的概率;LC(x)为对应故障状态的失负荷量。

对上式两边求偏导,得出

其中,F代表FACTS元件的控制参数,在本文中即是和。

由以上两式可以进一步得出式(26):

式(26)的物理含义表示在某一节点安装STATCOM或某一线路安装TCSC对系统EENS的边际影响,该指标越大,意味着对EENS的改善越大。本文将根据式(26)所得出的指标对FACTS的位置进行优化配置。每安装一个FACTS元件后,其灵敏度影响将发生变化,所以文中每安装一个FACTS元件后,将需重新计算FACTS元件对线路和节点的灵敏度指标,然后重新选出具有最优灵敏度指标的位置进行新一轮FACTS元件的配置。

3.2 FACTS元件的容量优化配置

在通过灵敏度分析得出某类FACTS元件的具体安装位置之后,再对其容量进行优化配置。本文提出了一种FACTS元件容量的计算方法如下:首先通过灵敏度分析确定FACTS元件的安装位置,然后对其调整参数的上下限设置为无穷大。设某种系统故障状态下FACTS元件的调整参数为Ai,该故障状态的出现概率为Pi,则根据数学期望的概念可以得到FACTS元件的归一化期望调整参数,如公式(27)所示。

对于STATCOM而言,由于其是并联无功补偿装置,其调整参数为其无功出力。STATCOM元件的出力分为吸收无功出力和发出无功出力,根据有关文献假定STATCOM吸收无功出力上限和发出无功出力上限相等。因此令STATCOM的期望容量等于STATCOM的期望调整参数,如式(28)所示。

对于TCSC而言,XTCSC为TCSC的调整参数即TCSC的串联补偿电抗。设IN为线路的额定电流,UN为节点的额定电压,SL为线路容量。上述变量均采用标幺值时,UN=1,因此其期望容量可定义为

通过上式得出TCSC和STATCOM的期望容量,本文把这种期望容量定义为FACTS元件的最终容量配置方案。

3.3 FACTS元件的配置算法

传统的FACTS元件优化配置大都基于某种数学优化方法,例如遗传算法,但如果要把可靠性成本/效益分析作为判定准则,则需要对其进行可靠性评估,其中涉及到交流潮流计算的最优负荷削减,因此模型计算耗时很大,如果再把遗传算法等应用其中,则该模型的计算量将难以忍受。因此本文采用一种启发式的思路:利用灵敏度分析方法对其逐步配置,每确定一种FACTS元件后,再通过式(28)和式(29)求出其容量,并对系统总费用Z进行累加,然后再重新计算灵敏度并进行配置,通过逐次迭代直到系统总费用Z不再减少为止,此时的配置方案即为最优配置方案,其基本流程如图2所示。

FACTS元件的优化配置算法如下。

步骤一:对系统进行可靠性评估,由式(1)得到未安装FACTS时的系统总费用Z0。计算系统EENS对FACTS元件参数的灵敏度,选择灵敏度最大处对FACTS进行安装,并由式(28)和式(29)得到FACTS元件的期望容量。

步骤二:由式(1)得到系统总费用Zk,K=1。如果Zk

步骤三:重新计算EENS对FACTS元件参数的灵敏度,并再次选择灵敏度最大处进行安装,并计算得到其期望容量,然后计算其系统总费用Zk+1。

步骤四:如果Zk+1Zk,则表明安装第K台FACTS后,系统可靠性成本效益达到最大即总费用最小,此时即为FACTS元件的最优配置方案。

步骤五:配置完K台FACTS后,计算此时的系统总费用,并与原系统作出比较,得出结论。

4 算例分析

4.1 在RBTS系统上对FACTS元件进行优化配置

本文采用Matlab7.4编写基于交流潮流的可靠性评估及其灵敏度分析程序,并结合RBTS[12]系统对上述FACTS元件优化配置的算法进行验证,其中可靠性评估中的状态选取方法包括枚举法和蒙特卡洛模拟法,由于可靠性评估进行灵敏度分析时需要较高的精度,枚举法相对于蒙特卡洛模拟法采用了更为严格的数学手段,因此,本文采用枚举法进行状态选取。为了兼顾精度以及运算速度,系统故障状态枚举到3阶,且不考虑FACTS元件本身的故障。计算中,设STATCOM价格为200元/kvar,TCSC为400元/kvar[13,14],两种FACTS元件使用寿命均为20年。每年的运行费用为投资的5%,贴现率i为10%,单位停电损失取为7.5元/k Wh。RBTS的接线图如图3所示,对原系统的评估所得指标如表1所示:EENS表示电量不足期望,CT为FACTS元件的投资费用,CY为FACTS元件的运行维修费用,Cuec为停电损失费用,Z代表系统总费用,上述指标均是年度化指标。

由于STATCOM安装在母线上,TCSC安装在线路上,从表2可知节点1到节点6的灵敏度指标,即是EENS对STATCOM的控制参数的灵敏度指标,线路1到线路9的灵敏度指标即是EENS对TCSC的控制参数的灵敏度指标。从表2不难发现节点2的灵敏度为0,这是由于节点2上的发电厂具有较充足的无功发电能力;线路1和线路2、线路4和线路5的灵敏度相等是由于这2组线路是并联双回线。综合节点和线路上的灵敏度可知,节点4安装STATCOM的灵敏度最大,表明在节点4安装STATCOM能最大程度改善系统EENS,因此选择节点4安装STATCOM。由式(28)计算得出STATCOM的容量即为30.66 Mvar。因此,在节点4安装一个容量为30.66 Mvar的STATCOM,并对系统进行可靠性评估,得出指标如表3。

表3表明在节点4安装STATCOM后系统总费用和系统期望缺电量EENS都得到了改善。节点4安装STATCOM后,重新计算EENS对STATCOM和TCSC控制参数的灵敏度,如表4所示。

从表4可知,系统在节点4安装STATCOM后,EENS对FACTS元件的控制参数的灵敏度已经发生变化,这表明每安装一个FACTS元件后,节点和线路的灵敏度指标都会出现较大变动,如果需要采用灵敏度指标指导安装地点的优化配置,必须在每安装一个FACTS元件后重新计算灵敏度指标。从表4中得知线路1安装TCSC的灵敏度最大,因此选择此处继续安装一台TCSC,由式(29)计算其容量得出QTCSC=5.67 Mvar,并对系统进行计算,得出指标如表5所示。

由表5可知,系统总费用继续能得到改善,由表6得知,系统EENS在节点6对STATCOM参数的灵敏度最大,因此在节点6安装STATCOM,并计算其指标,得到QSTATCOM=6.68 Mvar,以及系统指标如表7所示。

由表7可知,系统可靠性指标EENS虽然得到改善,但由于添加了新的FACTS元件,系统总费用也相应增加。如果只考虑可靠性因素,表7的方案优于表5的方案,但是如果把可靠性和经济性结合起来,并基于可靠性成本/效益则表5的方案好于表7的方案。在电力市场机制引进的今天,经济性往往不能忽视,显然,综合考虑可靠性和经济性会显得更加合理。因此在节点4安装30.66 Mvar的STATCOM和线路1安装6.68 Mvar的TCSC即为本文的优化配置方案。安装后系统总费用减少了(1331.6-1138.5)=193.1万元。表明该优化配置方案在RBTS系统上的有效性。

4.2 FACTS元件容量的影响

文献[4]采用50 Mvar的SVC进行配置,在该模型的效果相当于50 Mvar的STATCOM。为验证FACTS元件容量的配置对系统总费用的影响。本文采用所求期望容量的STATCOM和50 Mvar的STATCOM进行比较,保持位置不变。结果如表8。

表8表明安装不同容量的FACTS元件会对系统总费用Z产生影响,显然采用期望容量的STATCOM优于50 Mvar的STATCOM所带来的系统改善,因此适当容量的FACTS元件能有效地改善系统总费用。

5 结论

本文结合可靠性评估及其灵敏度分析并基于可靠性成本/效益提出了FACTS元件的优化配置算法,在RBTS系统上进行了验证,得到如下结论:

(1)与传统的FACTS元件配置模型相比,本文考虑的因素更全面,并把可靠性和经济性相结合进行多种FACTS元件的组合优化配置,所得的结果比单纯考虑可靠性更加符合实际工程需求。

(2)传统FACTS元件的配置往往是容量给定后仅对地点进行优化配置,本文提出了安装地点和容量配置的逐次迭代优化算法。计算结果表明,FACTS元件容量的大小会对系统总费用产生较大影响,适当的容量配置能有效改善系统可靠性并兼顾系统的效益。

(3)算例表明可靠性成本/效益及其灵敏度分析可以提供有效的FACTS元件优化配置方案,有利于系统总费用的改善。

摘要：柔性交流输电(FACTS)技术是对传统电网的革命性创新,能对电网可靠性产生重大影响。在综合兼顾可靠性和经济性的前提下,提出了基于可靠性成本/效益分析的静止同步补偿器(STATCOM)和晶闸管控制串联电容器(TCSC)的安装地点和安装容量的优化配置模型。该方法计及了FACTS元件的潮流计算和最优负荷削减模型,基于启发式思路实现了优化配置模型的逐次迭代算法:采用灵敏度分析方法对FACTS元件安装位置进行排序,再使用期望容量指标对其容量进行优化,通过逐次迭代求解系统总费用最小时的FACTS元件优化配置方案。采用该方法对RBTS可靠性测试系统进行了评估分析,计算结果验证了方法的可行性和正确性。

物流成本优化模型分析 篇6

关键词：作业成本法,物流中心,成本估算,成本预测

进入21世纪以来,我国国民经济快速发展,社会物流需求量显著增长,服务于不同行业的物流中心如雨后春笋般发展起来。作为“第三利润源泉”,物流越来越受到人们的重视,物流中心的成本核算与控制也成为各行业关注的重点问题。物流企业往往只重视物流中心外部运送车辆、人员等带来的成本,而忽略物流中心内部运营过程中设施设备折旧、能耗、物流作业环节不规范等带来的“细节”成本。将作业成本法引入物流中心内部进行成本核算可有以下优势:

一是以“作业”为中心,将物流中心的整个工艺流程划分为不同的作业环节并进行成本归集;

二是在作业成本法下,成本核算深入到作业层面,通过开展作业分析,可以寻求降低成本的可靠依据和物流中心优化作业组合的方法,使得物流中心的服务流程越来越合理化,降低总资源费用;

三是作业成本法不仅能提供相对准确的成本信息,而且能提供改善作业的非财务信息。

一、物流中心物流成本的分类及特征

按照物流中心物流成本的性态分类及作业成本法的基本思想,可将物流中心的物流成本分为变动成本、固定成本和惩罚成本。

1. 变动成本

变动成本是将各作业环节作为间接费用的分配基准,它的变动与作业量的变动成正比。例如物流中心运营期间的流通加工材料成本、设备运行能耗成本、计件工资/检验成本、调整准备成本、搬运成本等。

2. 固定成本

固定成本是指在有关范围内不随物流中心服务商品的数量基础以及作业成本动因量的变动而变动,相对稳定不变的成本,例如物流中心管理部门人员的工资,房屋、土地、设备等固定资产的折旧等。

3. 惩罚成本

惩罚成本指的是当实际作业超过物流中心的作业能力时,物流中心要付出的额外成本以及在物流产品(或服务)生产流程中各种意外损失引起的成本,例如货损费用等。可通过优化物流中心资源配置,提高服务质量来降低该部分成本,将惩罚成本单独列为一项,可引起物流中心管理者对于超出工作能力水平以及意外损失引起的成本增加的重视,以便更快更有效地控制成本。

二、物流中心内部作业中心的划分

对于一般制造型企业,其作业中心的划分可以根据产品生产的工艺流程进行比较简洁明确的划分。但物流企业属于服务型企业,主要为商品提供仓储、配送服务,不涉及商品的生产过程,所以对于物流中心内部作业中心的确定需按照物流中心的服务行业及内部布局“量体裁衣”,以得到贴合物流中心内部实际运营情况的作业成本数学核算模型。

根据作业成本法中作业中心“质的相似性”的确定原则,并通过总结各类物流中心运营涵盖的作业项目,可归纳出如表1的典型作业中心及相应的作业动因。

三、物流中心内部资源消耗的分析

要对物流中心的作业成本进行核算,首先要明确物流中心在服务运营期间可能产生的资源消耗项,并确定各资源消耗项的资源动因,以进行下一步作业成本分析计算。

物流中心操作中所涉及的变动资源主要包括人员、设施、设备、流通加工材料等,按照作业成本法的常规核算流程,此部分应在区分作业的基础上,将资源成本按资源成本动因分配到各个作业。但针对物流中心提供服务型产品的特殊性,不同资源类型的成本动因较为复杂,本节采用“分配资源到作业”与“基于作业找资源”交叉分析的方法,将作业与资源对应。

总结物流中心运营期间的成本构成项,可将典型物流中心的资源消耗项分为人员费用、设备能耗、维护修理费用、低值易耗品、固定资产折旧费用、管理费用、惩罚费用七大类,具体如表2所示。

四、选择实施范围

物流中心实施作业成本法的最初级阶段采用统计方式作业成本法,因此,在一开始确定作业成本法的实施范围是很重要的。

1. 从时间范围看

首先必须确定实施作业成本法的产品的所属会计期间。物流中心可以每个月都对当月产品的作业成本进行核算,也可以每个季度进行一次作业成本的计算,甚至在作业成本法实施的初期,可以半年或一年来进行一次作业成本计算,分析产品作业成本与现有成本核算方法下的成本差异。

2. 确定作业成本应该包含的核算内容

确定作业成本应该包含的核算内容。物流中心作业成本的内容应该包括从货品入库、搬运、储存、流通加工、出库等各个作业环节,通过作业成本的运用,将物流中心运营期间的各项资源费用分配到各作业环节,再根据物流中心服务商品品种的分类,最终计算出各类商品的物流服务成本。

五、物流中心作业成本计算模型

物流中心“生产”服务型产品,其运作方式为“推动式生产”,即物流中心在最初规划时要进行最大储量的设计,以配置相应的设施设备及管理、人力等资源,满足各类服务商品的仓储配送要求。假设某物流中心在一个核算期内服务于m种商品,需要n种作业,令矩阵C表示商品成本,Dij表示i类商品消耗j作业的作业数,Vi表示j作业的总作业值,Tij表示i类商品消耗j作业的比例矩阵,矩阵Si表示j作业消耗的资源价值,Wj表示j作业的作业成本动因率,A、P分别表示商品消耗的固定成本和惩罚成本,Qi表示i商品的设计储量,Ki表示i商品的设计储量比例,现提出物流中心作业成本计算通用模型,如式(2)所示。

对于自营服务模式的物流中心,通过式(2)可以得到更加准确的服务于各类商品所消耗的物流成本。对于第三方物流服务模式的物流中心,设物流中心服务于x个客户,令矩阵Z表示各客户消耗的物流成本,Pji表示服务于j客户的i类商品数,Ui表示i类商品单位成本,表示i类商品的实际储量,则各类商品的单位成本计算公式如式(3)所示,服务于不同客户的物流运营成本计算公式如式(4)所示。

六、物流中心作业成本预测模型

物流中心作业成本预测是指根据物流中心往期的各作业环节作业量及资源消耗费用值,来预测未来某个会计期间内,已知物流中心各作业环节作业量的情况下,物流中心正常运营所耗费的作业成本。

本文提出两种物流中心作业成本预测的方法,一个是基于往期作业成本动因分配率的物流中心作业成本预测,另一个是基于往期总成本与作业量的多元线性回归模型的物流中心作业成本预测。

1. 基于往期作业成本动因分配率的物流中心作业成本预测

根据公式(1)可以获得物流中心往期会计期间的各项作业成本动因率汇总,如表3所示。

设物流中心未来某个会计期间内的各作业中心作业量向量D,则物流中心作业成本预测值为:D=[d1,d2…,d5]-1

2. 基于往期总成本与作业量的多元线性回归模型预测

根据公式(2)可以获得物流中心往期会计期间的总成本与作业量汇总, 如表4所示。

设物流中心总成本C与作业量满足关系式:

式中β0,β1,…,β5和σ2均为未知参数,可根据表4中的作业观测样本值,采用最小二乘法,求出参数β0,β1,…,β5的估计值从而获得5元线性回归方程:(7)

根据公式(7)可进行物流中心作业成本预测值计算。

利用最小二乘法求解参数估计值的计算过程如下:

根据表4中的n组观测值,代入以下方程组:

在得到参数的最小二乘法估计值后,将物流中心未来某个会计期间内的各作业中心作业量向量D=[d1,d2,…,d5]-1代入,可以得到物流中心作业成本值预测C0,并根据给定的显著水平a,求得作业成本值的近似预测区间。

近似预测区间求值方法如下:

对于给定的显著水平a,C0的1-a置信区间为:(C0-δ,C0+δ)

综上,当物流中心的资源耗费数据及各作业中心的作业量是按照会计期间进行统计时,我们易算出各会计期间的作业成本动因率,此时易采用第一种方法(基于往期作业成本动因分配率法)进行物流中心作业成本的预测;当物流中心的资源耗费数据是按照年度统计,各作业中心的作业量是按照会计期间统计时,我们容易得到各会计期间作业量与总成本值数据,此时易采用第二种方法(基于往期总成本与作业量的多元线性回归模型法)进行物流中心作业成本的预测。

七、结论

物流成本控制及评价模型研究 篇7

1 企业的物流成本

企业物流成本是指在物流活动中, 物品在空间位移 (包括静止) 过程中所耗费的各种资源 (包括时间资源) 的货币表现总和。他具有系统性、隐含性、复杂性、背反性、削减的乘数效应等特征。在企业物流成本构成方面, 美国物流学界认为:企业物流总成本=运输成本+存货持有成本+物流行政管理成本。物流成本不是面向企业经营结果, 而是面向客户服务过程, 所以, 物流成本的大小就具有了以客户服务需求为基准的相对性特点。这是物流成本与企业其他成本在性质上的最大区别。

企业物流管理的目的就是为了降低物流总成本, 然而在买方市场条件下, 客户具有最终的决定权。因此, 企业要保证其市场地位, 就必须尽可能满足客户的服务要求。显然, 满足客户服务要求的过程还受到企业投入资源的能力制约。所以, 企业必须在物流服务成本和客户服务要求之间进行一定的经济权衡。因此, 物流成本成为了企业应对市场竞争和维护客户关系的一种重要战略决策资源。我们对物流成本与服务水平的研究也就是为了更好的掌控这一战略资源。

然而现在很多企业的物流管理采用的是分散管理物流的体制:物流系统的规划设计、能力建设、合理化改进、物流运作、信息系统建设与维护分别由若干部门完成, 物流系统涉及成本方面的基础数据很难进行完整有效的统计以及某些信息的高度共享。企业发展对物流成本受控的要求十分急迫。物流成本受控的基本要求是明确成本现状, 而有效把握物流成本现状的基础保障是构建系统的组织。因此, 企业物流系统组织流程再造、机构整合, 变分散管理物流为集中系统的管理物流, 使企业物流真正的系统化。

我们要对物流成本进行系统控制, 还因为物流成本存在二律背反性, 即事物或事件若干功能要素之间存在着损益的矛盾, 即某一功能要素的优化或投入增减, 必然会存在另一个或几个功能要素的利益反向变化, 反之如此。这是一个此消彼长, 此盈彼亏的现象, 比如在储存和运输两个环节中, 考虑减少仓库数量是为了降低保管费用, 但是在减少仓库数量的同时必然会带来运输距离加长、运输次数增加等后果而导致运输费用增大。如果运输费用的增加部分超过了保管费用的减少部分, 总的物流成本反而增大, 这样就失去了减少仓库数量的现实意义, 即构成了物流成本的“二律背反”状况。这就要求企业不仅要控制和改善每一物流成本因子, 还要从整体上把握好物流成本的平衡。

2 物流成本控制

物流成本控制, 就是在物流过程中, 对物流成本的各种影响因素, 按照事先拟定的标准进行监督, 发现偏差并予以纠正, 从而使物流过程中的各项资源的消耗和费用开支限定在标准规定的范围之内。物流成本管理的意义在于, 通过对物流成本的有效把握, 利用物流要素之间的关系, 科学、合理地组织物流活动, 降低物流成本。

从企业发展的实际出发, 通过对企业物流成本因子的确定及分析, 实施有效的物流成本控制与管理应从六个途径入手:一是根据企业的实际情况, 对物流成本水平做一个评价, 制定总的控制目标;二是制定物流成本管理规范;三是通过效率化的配送来降低物流成本;四是利用现代化信息管理系统及物流外包等控制和降低物流成本;五是加强企业职工的成本管理意识;六是对商品流通的全过程实现供应链管理。

从上面的分析可以看出, 要对企业的物流成本进行控制先要对物流成本水平有个总体的认识, 下面介绍一种评价企业物流成本水平的模型。

3 企业物流成本水平的评价模型

3.1 物流成本因子的构成

物流成本涵盖了生产、流通、消费全过程的物品实体与价值变化而发生的全部费用。它包括了从生产企业内部原材料的采购、供应开始, 经过生产制造中的半成品、产成品的仓储、搬运、装卸、包装、运输及在消费领域发生的验收、分类、仓储、保管、配送、废品回收等所有的成本。具体来讲, 物流成本可以包括物流活动中的物资消耗、物资在物流活动中发生的合理耗损、企业为了开展物流活动的人力成本、用于保证物流系统运作顺畅的资金成本、研究设计重建与优化物流过程的费用、物流活动中发生的其他费用等。我们把这些构成成本的因素都称为物流成本因子, 用i表示。各企业可根据自己企业的实际情况选择适合本企业的物流成本因子, 设为n个, 以求更符合实际。

3.2 成本因子权重

成本因子权重是指某一成本因子在公司总成本中所占的重要性, 因不同成本因子在不同企业、不同行业成本控制中的重要性和优先性不同, 这就要求企业根据其所在的行业特点选定一定的成本因子并对其设定不同的权重来更好的考量企业的物流成本水平。在本模型中我们用综合评定法算出行业标准权重, 根据企业所在行业的数据 (可从财务报表得到) , 通过访问有经验的专家、学者, 以他们在实践中的经验分析哪项指标项重要、哪项指标项不太重要, 结合该行业成本因子所占总成本比例, 确定成本因子的行业标准权重记为ai, 且∑ai=1

记:R= (a1, a2, …, an)

3.3 李克特量表

李克特量表要求受测者对一组与测量主题有关陈述语句发表自已的看法。李克特量表要求受测者对每一个与态度有关的陈述语句表明他同意或不同意的程度。李克特量表仅仅需要对态度语句划分是有利还是不利, 以便事后进行数据处理。李克特量表制作的基本步骤如下:

(1) 把每一成本因子进一步细分出几个测试项目

(2) 选择一定的受测者对全部成本因子进行测试, 要求受测者指出每个成本因子各细分项目的成本情况: a.成本较大b.成本大c.成本中d.成本小e.成本较小

(3) 对每个成本因子的各测试项目的回答给一个分数, 如从成本较大到成本较小分别为5、4、3、2、1。这样我们把企业的物流成本水平分为了5个档次, 成本较大, 成本大, 成本中, 成本小, 成本较小, 分别记分为5分, 4分, 3分, 2分和1分, 用j表示分值, Q为一个向量:

记: j=5, 4, 3, 2, 1, Q= (5, 4, 3, 2, 1)

(4) 根据受测者对每个成本因子的各个项目的分数计算平均值作为该成本因子的成本分值, 得到每个成本因子的个人态度得分, 进一步得到所有受测者的分值, 同时记录下每个分值有多少人给出, 作为每一成本因子得到这一个分值的概率, 概率=给出该分值的人数/总受测者人数, 即我们得到每个成本因子从成本较大到成本较小的概率bij, 且undefined, 构成一个物流成本因子李克特量表。

3.4 由RP得到企业总成本在5个档次的概率值A

undefined

这样我们以undefined的概率认为该企业的物流总成本较大, 以undefined的概率认为该企业的物流总成本大, 以undefined的概率认为该企业的物流总成本中, 以undefined的概率认为该企业的物流总成本小, 以undefined的概率认为该企业的物流总成本较小。

3.5 我们给出物流成本水平加权平均分值VV=AQT

我们可以看出V值的大小反应的就是企业物流成本的大小, 通过查表2即可得到该企业在行业中的物流成本情况。

我们根据计算得到的企业物流成本分值, 可以清晰的看出企业在该行业物流成本水平中所处的位置, 根据不同的分值可以采取不同的物流成本控制措施。

3.6 根据不同分值的物流成本控制对策

(1) 对于成本水平分值在0-1 (含1, 以下同) 之间, 说明企业的物流成本水平在同行业中比较有优势, 这就要求企业不要轻易对自己的物流成本控制体系进行调整, 而是去发现自己成本控制实施较好的原因和措施, 并加以总结和发扬, 使这些措施得到进一步的改善和实施。再就是精细化公司的物流控制系统, 从细节处节约和控制支出, 已达到成本水平进一步降低的目的。

(2) 对于成本水平分值在1-2之间, 说明企业的成本水平在同行业中有优势但不明显且某些成本控制做得不好, 与标杆企业有一定差距, 这就要求企业在发挥优势的基础上寻找自己的不足, 最好采取跟踪策略, 学习标杆企业成本控制的方法, 吸取它的成功经验为我所用。同时尝试运用一些新的物流控制技术, 如通过对流通过程中物流信息的采集与利用, 利用Internet/Intranet的开放技术, 使企业物流各环节以及企业与上下游企业之间能有效方便地沟通, 避免效益背反对物流成本的影响。

(3) 对于成本水平分值在2-3之间, 企业物流成本在同行业中已经没有了优势, 在很多成本控制方面都存在问题, 而且各方面控制没有形成一个整体, 因此在对企业物流成本进行控制时我们必须采取联合优化的战略, 既要重视物流成本的局部控制更要重视其综合控制, 采用计算机功能软件使整个物流系统化, 协调好各要素之间的矛盾, 把局部成本控制措施与综合成本控制措施有机地结合起来, 组成一个联合优化的整体, 促使企业物流成本趋向最小化。

(4) 对于成本水平分值在3-4之间, 企业物流成本大, 在同行业中处于劣势, 企业要在自身物流成本控制上进行深入分析和检讨, 要大力度改变现行的控制策略, 一方面要对物流的各功能即运输、储存、包装、装卸、配送、流通加工和信息等进行重新审核, 加强控制;另一方面要对供应链协调和控制。可以考虑企业物流系统组织流程再造、机构整合, 变分散管理物流为集中系统的物流管理, 使企业物流真正的系统化。

(5) 对于成本水平分值在4-5之间, 企业的物流成本控制肯定是不成功的, 在采取 (4) 的策略之外还应该在以下几方面改进:a.明确企业物流成本的构成;b.强化物流成本管理意识 ;c.借助现代化的智能信息管理系统, 控制和降低物流成本;d.重视物流人才的培养, 提高物流成本控制水平; e.从流通全过程优化的视角来降低物流成本 ;f.全面推行企业物流目标成本控制;g.明确权责归属, 防止责任转嫁责。分清类似的责任有利于控制物流总成本, 防止销售部门随变配送计划, 堵住无意义、不产生任何附加价值的物流活动。

4 算例

武汉Y公司是华中地区最大的电子生产商之一, 根据公司情况, Y公司设定的主要物流成本因子有采购成本, 库存成本, 包装成本, 运输成本, 管理成本五个, 即n=5。根据综合评定法得到这五个成本因子的权重, 见表3

即R= (0.15, 0.30, 0.15, 0.30, 0.10)

即p=0.1 0.1 0.6 0.2 00.1 0.2 0.5 0.1 0.10.1 0.3 0.5 0.1 00.1 0.2 0.5 0.2 00 0.2 0.4 0.3 0.1

则 A=RP= (0.090 0.200 0.505 0.165 0.040 )

这样该企业以0.090的把握认为其物流总成本较大, 以0.200的把握认为其物流总成本大, 以0.505的把握认为其物流总成本中, 以0.165的把握认为其物流总成本小, 以0.040的把握认为其物流总成本较小。接下来我们算出该企业的成本分值V

V=AQT=3.135

对照表2可知该企业物流成本在该行业中处于成本大的水平, 成本控制存在问题, 这就要求企业对其物流成本按照策略 (4) 进行控制和改进, 同时根据自己企业的实际情况采取其它策略。

5 结论

对于物流成本控制, 本文主要从系统角度进行了论述, 企业对物流成本的控制不能只侧重一方面成本进行控制, 要注意它对整体成本的影响, 要注意到物流成本控制的“二律背反”性。而物流成本受控的基本要求是明确成本现状, 物流成本水评价模型在这里正好发挥了它的作用。我们通过算例可以看出这个模型简单易操作, 可以很好的反映出企业在物流成本控制方面的总体水平, 在企业制定物流成本控制策略时能够起到参考作用, 应用性比较强。

摘要：首先对物流成本及物流成本控制进行了介绍和分析, 同时介绍了物流成本的一些特性, 然后针对目前很多企业不知自己的总物流成本状况及如何考核自己的综合物流成本水平, 提出了新的评价企业物流成本水平的模型, 通过该模型给企业的物流成本打出的分数, 参考成本分值与物流成本水平对照表, 便可知道自己的物流成本水平情况, 并对每一成本水平给出相应的对策, 为企业制定物流成本控制政策提供依据。最后用算例对这一模型进行了解释, 以便企业很好应用这一模型。

关键词：物流成本,成本评价模型,成本分值

参考文献

[1]张国庆, 叶民强, 刘龙青.企业物流成本控制研究综述[J].科技管理研究, 2007 (8) :195-197.

[2]刘高常.利用模糊分析法控制企业物流成本[J].企业天地, 2005 (11) :145-146.

[3]黄由衡, 周凌云, 韩霜.物流企业应用作业成本法的模型与层面[J].武汉理工大学学报:交通科学与工程版, 2007, 3 (6) 498-501.

[4]朱智明, 李克特.式量表与模糊语义量表计分的差异比较[J].统计与决策, 2007 (22) :160-162.