配送中心安全库存优化

配送中心安全库存优化（精选4篇）

配送中心安全库存优化 篇1

安全库存是企业为了预防原料采购和产品需求方面的不确定性因素 (如原料交货期突然延期、大量突发性产品订单) , 在基本库存之外维持的缓冲库存, 它的持有是由于需求预测的不确定性和因实际需求超过预期需求而产生物品短缺。安全库存的作用体现在一方面, 提高安全库存水平能满足顾客对产品的满意度, 增加来自顾客的边际效益, 缩短顾客的响应时间;另一方面, 提高安全库存水平的同时, 也增加了供应链中的库存持有成本, 这一点对于产品寿命周期短、需求不确定的高科技产业尤为重要, 较高的安全库存可抵消需求不确定性的影响, 但也会产生副作用, 随着新产品的上市, 对老产品的需求降低, 现有库存可能成为过时产品。

通常, 供应链中的不确定性越大, 企业需要设置的安全库存水平越高, 安全库存在企业的总库存量中也占有很大比例。根据调查显示, 52.1%的企业安全库存占总生产量的比例不到25%, 23.9%的企业安全库存在26%~50%之间, 24%的企业的安全库存在50%以上。安全库存偏大主要是由于企业采购部门从商业部门获得的反馈信息和顾客的反馈信息大约只占50%, 对市场需求变化趋势了解不充分。这样, 作为提供专业物流服务的配送中心应增加相关节点企业和整个供应链的信息传递和反馈, 提高对市场需求的预测准确性, 从而降低安全库存量, 从而降低成本, 增强企业的竞争力。

供应链的安全库存与供应链的不确定性有密切的关系。供应链不确定性集中表现为信息的不确定性和提前期的不确定性。显然, 企业的计划无法顾及那些无法预知的因素, 如市场变化而引起的需求波动, 供应商的意外变故而导致的缺货, 以及企业内突发事件引起的生产中断等, 这些不确定因素是形成库存, 特别是安全库存的主要原因。不确定因素的作用对于库存及服务水平均有影响。在不确定性较大的情形下, 企业常常维持一定的库存, 以提高服务水平。显然在不确定性存在的情况下, 高服务水平必然带来高库存, 因此, 在这种不确定性条件下, 如何对安全库存进行优化, 就成了配送中心库存管理的一大难点问题。

安全库存与损失

根据单周期库存的特点, 在假定产品需求量可以预测的情况下, 单周期库存控制模型的关键在于确定订货量, 最理想的情况是订货量等于实际需求量, 然而, 现实生活中需求量往往是不确定的。当供不应求时, 就会失去潜在的销售机会, 导致利润降低且服务水平下降;当供大于求时, 所有未销售出去的产品可能以低于成本的价格出售, 既造成浪费又使利益受损。因此, 企业为了扩大市场占有率, 提高服务水平, 可以通过持有安全库存来实现。当然, 过多的安全库存往往会产生损失, 而较少的安全库存又可能不能满足客户的突发性需求, 从而造成机会损失。

由于需求的不确定性, 设某商品的需求量 (不含已合同订购的部分和可以预测的那部分需求量) 为随机变量r, (r≥0) , p (r) 为商品需求量为r的概率, ∑p (r) =1, S为安全库存量, C为单位商品缺货损失费用, 设K为单位商品过剩损失费用。

对离散型随机变量r, 当需求量大于安全库存量而产生的缺货损失为: , 当安全库存量大于实际需求量而产生的过剩损失为 ;

同理, 对连续型随机变量r, 当需求量大于安全库存量而产生的缺货损失为:K (r-S) p (r) dr, 当安全库存量大于实际需求量而产生的过剩损失为 。

风险模型

为了应对需求的不确定性状况 (如大量突发性需求、客户需求突然提前等) , 配送中心往往准备一定的安全库存以满足临时的需求。从供应链的角度讲, 库存管理不仅可以降低库存水平, 从而减少资金占用及库存维持成本, 而且还可以提高客户满意度, 从而有利于整个供应链的利益。当然, 从真正意义上讲, 作为生产方式下的努力目标的零库存在现实中是不可能实现的, 它只是将企业库存转化为社会库存, 而作为原材料提供商和对客户提供物流服务的配送中心就往往成为核心企业转嫁库存风险的主要对象。

于是, 对物流配送中心而言, 如何在利益和风险之间作一个权衡就自然而然转化为在过剩损失和缺货损失之间作一个权衡的问题。

缺货带来的间接的经济损失可以通过缺货量来直接或间接表达, 过剩损失也通过过剩量来直接或间接表达。

由于需求的不确定性及不同商品的特点 (对无差异商品, 缺货就意味着可能客户流失, 要求尽量不要缺货。对手机、电脑等高科技产品, 由于跌价、过时的可能性大, 要求尽量不要过剩) , 配送中心敢冒多大的风险来缺货就成为值得关注的问题。为了减少缺货损失、过剩造成的损失而影响客户满意度、进而影响配送中心的利益, 为此, 我们引入安全库存系数α (0≤α≤1) 来建立配送中心安全库存风险模型。

设物流配送中心考虑多种因素, 将安全库存系数设定为α, 它表示缺货的权重, 于是过剩的权重为1-α。安全库存系数α由决策者根据市场需求, 并考虑到供应链、商品的特点等因素由主观偏好确定。

于是, 包含缺货损失、过剩损失下的安全库存风险为:

以上分析得知:安全库存系数是决策者对于风险的偏好程度, 反映了在相同的市场条件下对于决策的态度。通过模型计算出的安全库存系数α越小, 缺货的重要性越被强调, 企业就要加大储备库存;α越大, 过剩的重要性越被强调, 此时可以适当缩减库存量, 以使得库存风险减小。α的取值不仅反映决策者主观的偏好、反映了对缺货和过剩的态度, 而且反映了与决策者风险相关的特性, 由α反过来可以确定安全库存量。

根据库存理论, 适当的库存对于企业来说是一个影响效益的相当重要的因素, α正是这个因素调整的最直观系数。利用好安全库存系数, 建立相对应的安全库存风险模型, 对于预期计划及施行有很重要的意义。

配送中心安全库存优化 篇2

连锁超市近几年来在中国迅速发展, 其依托广泛的店面网络, 采用现代化的物流方式, 实现了统一进货, 统一配送和分散销售, 它是物流、资金流、信息流高度集中的最佳形式, 同时具有价格、管理、品牌效应等多方面优势。统购分销这一系列活动正是通过配送中心来完成的, 配送中心的工作效率和运行状况就成为影响连锁超市生存和发展的关键因素。

2 连锁超市配送中心库存现状分析

连锁超市配送中心的库存既有一般配送中心库存的共性, 同时又具有其自身的特点。

连锁超市配送中心的一个主要特点是对其库存管理的难度较大。这主要是因为连锁超市配送中心的库存物资具有系列化和多样化的特点, 同时门店需求又具有小批量、多批次、短周期的特点。面对不同业态的连锁门店, 超市要采取不同的库存策略来满足消费者各种不同的需要。所以给配送中心的库存管理带来了一定的难度, 要求配送中心具有较高的库存管理水平。

3 连锁超市配送中心库存优化策略

通过以上对连锁超市配送中心库存现状的分析, 发现其在库存管理上有很大的优化和整合空间。可以从以下几个方面进行优化:

3.1 优化仓储布局

仓库的布局在仓储中起到至关重要的作用, 合理设计仓库货架, 提高存储率, 实现仓储能力最大化, 对改善企业物流发展状况有很大的意义。根据连锁超市物流常温库自身仓储业务流程的需要, 确定所需要的仓储空间类型, 将仓库划分成不同的区域, 大体可分为货架存储区, 收货发货区, 待检区, 周转区以及仓库人员办公区这几个区域。这些区域中只有存储区才会起到存储的作用, 其他区域要根据需要设立。

3.2 优化商品收发货作业流程

商品收发货作业流程应按照商品类型进行分类处理。连锁超市配送中心仓库商品主要分为存储型商品和直通型商品, 存储型商品主要包括日用品、办公用品等常用商品;流通型商品包括副食、蔬菜、服装等商品。现就两种商品的收发货作业流程提出以下建议:

3.2.1 存储型商品收货作业流程

预约——收货前准备——门卫管理——卸货——推码——检验——收货——收货确认——收货完成——上架

3.2.2 存储型商品发货作业流程

第一, 当一个批次中的门店存储型商品订单拣选开始后, 由发货人员到直通型商品集货区将相应门店的直通型商品拉到集货暂存区, 与存储型商品合流。

第二, 配送车辆到达, 发货人员依次将集货暂存区托盘装车, 并依次扫描托盘条码及周转箱标签。

第三, 完成装车后, 由发货人员为配送车辆施封, 施封后发货人员输入封条号码。

第四, 配送车辆司机到发货办公室打印发货单, 由司机持发货单送货。

3.2.3 直通型商品收货作业流程

直通型商品的收货作业流程同存储型商品的收货作业流程类似, 只是在检验环节有所不同。直通型商品的验收环节要求:卸货完成后, 收货人员按照送货单据所示信息和配送中心接收标准, 按10%的比例对商品进行抽查。如抽查属于不合格产品, 则该类商品全部拒收。

3.2.4 直通型商品发货作业流程

直通型商品的发货作业流程同存储型商品的发货作业流程类似, 只是直通型商品累积量达到发车要求时, 不需要与存储型商品合流的, 直接安排发货。

3.3 物流策略优化

物流策略的具体实施对企业的工作效率和运营成本有着重要的影响, 根据商品配送量, 订货次数, 订货频率进行分析, 制定合理的物流策略。采用ABC库存管理法, A类物资为出货量的关键部分, 订货量和频率较高, 要进行重点控制和管理, 适合采用整箱出货或者整托盘出货;B类物资为出货量的次要部分, 订货量和频率较次, 适合采用整箱出货, 部分商品进行拆零, 要进行酌情控制和管理, 而C类物资订货量和订货频次很低, 适合采用拆零出货, 由于品种较多, 可考虑电子标签拣选模式, 从而提高作业效率和准确率。

3.4 配送方案建议

根据行业经验, 运输费用占据整个物流费用的60%及以上, 因此在进行物流费用优化时, 首当其冲的就是运输费用的合理优化。具体方法如下:

第一, 采用大、中型车辆进行配送, 将零担运输转为整车运输, 从而实现配送费用的降低;

第二, 门店订货周期应从店铺订货量、物流成本等多方面因素进行考虑, 对门店进行ABC划分, 根据区域、订货量进行订货计划的整合, 从而实现总体成本最优化。

3.5 加强配送中心员工的绩效管理

对于员工的管理, 要建立良好的管理体制和严格的管理制度。在一定时间段内要对员工和组长, 部门主管进行绩效考核, 通过对完成工作的成果来对绩效制定标准和手段, 并定期进行绩效考核, 对绩效靠前的人员采取激励措施。

3.6 加强配送中心的安全与质量管理

配送中心的安全也是至关重要的。配送中心安全与质量管理的提高也给企业节约了成本, 提高了利润。具体措施如下:

第一, 库存商品要进行定位管理, 将不同的商品按分类、分区管理的原则来存放, 并用货架放置。第二, 储存商品不可直接与地面接触。一是为了避免潮湿;二是为了堆放整齐。第三, 要注意仓储区的温湿度, 保持通风良好, 干燥、不潮湿。第四, 库内要设有防水、防火、防盗等设施, 以保证商品安全。第五, 仓库管理人员要与订货人员及时进行沟通, 以便到货的存放。此外, 还要适时提出存货不足的预警通知, 以防缺货。

摘要：配送中心被称为是连锁超市的“物流的支柱”, 可以说没有配送中心就谈不上连锁。我国连锁超市配送中心管理中存在着不少问题, 其中库存问题尤为突出。本文通过对连锁超市配送中心库存现状的分析, 发现了库存管理中存在的问题, 并提出了优化策略, 旨在优化配送中心的库存管理, 以达到降低库存成本, 提高工作效率的目的。

关键词：连锁超市,配送中心,库存

参考文献

[1]居长志.我国连锁超市发展的策略选择[J].中国流通经济, 2005, (1)

[2]张强.连锁超市物流配送中心探讨[J].商场现代化, 2008, (28)

[3]钟欣.浅析连锁超市配送中心建设中存在的问题及解决方法[J].企业导报, 2011, (12)

配送中心安全库存优化 篇3

近年来连锁零售业作为一种商业模式已经成功的扎根我国商业领域。较传统企业而言, 连锁零售业依托其配送中心实现了统一采购以及集中配送, 从而降低了物流成本和销售价格, 实现了规模效益, 提高了企业的竞争力。但是随着全球经济一体化的进程以及外国零售业的进入, 我国连锁零售业却迎来了前所未有的挑战, 顾客对服务水平的要求的提高、物流成本压缩的瓶颈、库存成本的持续上升给零售业配送中心带来了无尽的困扰。

对于现有的连锁零售业而言, 配送是其实现规模效益的关键。配送中心负有库存补充以及向实体店铺补货的双重职责, 在实际的运作中配送中心的库存控制策略和配送策略的决策大多是各自独立进行的。库存补充决策和配送决策作为两个独立的子系统为配送中心服务, 如此一来即使将两者都做到最优, 对于整个配送中心来说也不一定是最优的。其实只要掌握了准确客户需求信息, 解决了数量需求的不确定性因素, 再加上即时的供货策略, 那么库存决策与配送决策问题就是一个问题, 那就是零售业配送中心上下游的协调问题。

订单品项数量 (EIQ) 分析法是针对以市场需求导向为主, 且具不稳定或波动条件的配送中心作业系统的一种分析方法。正适合与本文对零售业物流配送中心货物数量需求不确定情况下的分析。并且可以根据EIQ的资料判断出零售业物流特性、物流中心的规模大小以及决定物流的正确库存。目前来讲, 对于连锁零售业配送中心的研究多集中于EIQ分析运营数据, 陆秀娥[1]只是就配送中心运营数据做了EIQ分析, 如果依此对配送中心库存费用控制等相关信息做出分析未免具有局限性。郭沛瑶[2]提出EIQ分析对连锁经营配送中心的作用, 却缺少相关实例, 难以证实其现实实践作用。郝燕[3]以及杨迪[4]只是通过EIQ分析对配送中心的储位管理和整体布局做了规划, 并没有对公司整体的运营做出分析。夏文汇和褚巍亚[5]采用供应商管理库存 (VMI) 这种库存管理手段, 对连锁零售配送中心库存控制进行研究。段妮妮[6]和刘钚[7]只强调VMI在解决时间滞后性上面的优势, 没有考虑其他情况。沙金和王爱虎[8]对三级供应链VMI收益及Shapley值分配进行了仿真研究。

由此可见, 虽然此方法较为适合连锁零售业配送中心库存控制, 但是就目前的研究情况来说, 大部分文章对运营数据的分析不明确, 忽略了连锁零售配送中心出货数量的不确定性以及货物需求时间滞后性两方面在影响配送中心库存控制整体运营上的联系。基于以上情况, 为了实现整个配送中心服务系统的最优化, 本文在EIQ分析的基础上延伸出SEIQ这一概念, 使供应商管理库存这一理论贯穿于零售业配送中心库存控制的上下游。既解决了货物配送数量不确定性的问题, 又通过供需双方的协调解决了时间滞后性问题, 实现了零售业配送中心库存控制的优化。首先运用EIQ分析配送中心运营数据, 然后将货物按照ABC分类法分类, 最后结合供应商管理库存实现对配送中心上下游整个供应链的库存补充策略优化。文中EIQ分析与供应商的结合体现于配送中心与其上下游客户之间VMI策略的运用。

2 SEIQ分析法

SEIQ分析法是EIQ和VMI两者的结合, 本文通过对物流配送中心运营数据的分析以及供应商管理库存策略的运用, 解决了现代零售业物流配送中心库存控制的问题。

2.1 EIQ分析

EIQ分析的分析项目主要有EN (每张订单的订货品项数量) 分析, EQ (每张订单的订货数量) 分析, IQ (每个单品的订货数量) 分析, IK (每个单品的订货次数) 分析。

EIQ分析是根据以上四个分析项目的结果进行综合考虑, 为配送中心提供规划依据。

同时, IQ与IK分析也能用于库存管理中ABC分类的参考依据。通过对配送中心运营数据的EIQ分析我们便可掌握其物流特性以及货物数量信息, 进一步预测未来货物数量信息, 如此便可初步解决本文关于现代零售业物流配送中心库存控制的主要难点中数量不确定性的问题。

2.2 VMI分析

VMI是一种在用户和供应商之间的合作性策略, 以对双方来说都是最低的成本优化产品的可获性, 在一个相互同意的目标框架下由供应商管理库存, 这样的目标框架被经常性监督和修正以产生一种连续改进的环境[9]。

买方不再拥有库存, 只制定服务水平。卖方完全控制库存, 直到销售完补充库存。相对于RMI (Retailer Managed Inventory) 而言, VMI可以大大缩短供需双方的交易时间, 并且可以大大减少买方的库存成本和资金占用成本。如此一来零售商配送中心就有更多的时间和资金可以运用于自身的核心业务, 提高自身竞争力。

2.3 SEIQ分析的步骤

(1) 订单出货资料的分解、取样。资料分解主要用于EQ、EN、IQ、IK四个类别的分析。其中EQ分析指单张订单出货数量的分析;EN分析是指单张订单出货品项数的分析;IQ分析指每单一品项出货总数量的分析;IK分析指单一品项出货次数的分析。

(2) EIQ统计分析。图表数据分析 (量化资料分析过程中最重要的步骤) 。

(3) 归纳出配送中心的特征, 如:订单内容、订货特性、接单特性、配送中心特性、EIQ特性等。

(4) 结合EIQ分析结果, 制定供应商管理库存战略, 预测未来一段时间内的社会需求水平, 协调配送中心的库存控制。

2.4 SEIQ分析的重点和局限性

在进行SEIQ分析时一定要注意订单出货信息的真实性以及即时性, 只有这样, 才能保证分析结果的客观性。另外, 配送中心上下游之间的合作关系直接影响到库存控制策略的成败, 只有完全的信息共享才能保证时间滞后性的消除。

正是因为SEIQ分析法对订单出货信息以及配送中心信息共享程度的严格要求, 才形成了其实施的局限性。

3 零售业配送中心库存控制方法

在物流中心运营整体设计上, 必须全面考虑配送中心的特性, 才能规划出符合当前物流需求与为来发展的物流系统。下面我们运用SEIQ分析法对某物流中心运营数据进行分析, 并给出对物流中心运营的定性总结和关于运营设计的若干方案。

3.1 总体订单SEIQ分析

收集到的客户订单信息有113条之多, 进货品项缩略表如下所示:

我们直接给出总体订单SEIQ分析。

首先, 我们从整体角度对配送中心的特性进行分析。我们根据113个客户的订单情况进行SEIQ分析的EQ分析和EN分析。

3.1.1 EQ分析

根据数据进行EQ分析得到的结果如图1所示。

由图1可知, 大约20%的订单占到了80%的出货量, 而剩余80%的订单只占到出货量的20%。自然, 企业经营的大部分利润来自于20%的客户, 对此, 我们可以制定如下的运营设计方案:

(1) 客户分为重点客户和普通客户两个等级。

(2) 对不同等级客户制定不同的供应策略。

(3) 将重点客户发展为忠实客户, 普通客户发展成重点客户。

3.1.2 EN分析

EN分析图如图2所示。

根据图2分析可知, 40%的商家的进货品项在20以上对比EQ分析以及数据表格可知其中大部分商家属于重点客户, 由此可通过优化拣选过程对运营进行设计。方案如下:

(1) 按照订单品项数量对订单进行分割, 采用不同的分拣方式。

(2) 对于进货品项在20以上的采用分区分拣方式, 最终汇总整理订单。

(3) 进货品项在20以下的采用订单合并策略, 逐个订单进行拣选作业。

3.2 代表性商品局部分析

由于数据量巨大, 无法做到对每一种商品进行IQ分析, IK分析, 我们对下表中的10种商品进行分析, 以局部代替整体, 对物流中心的运营数据进行分析。

10种代表商品的信息如表2所示。

3.2.1 IQ分析

首先根据各自的订货数量对运营数据进行IQ分析。

根据表中数据得到下面的柱状图:

根据图表数据分析可知:该公司出货量两极化差异较大体现出配货中心货品种类繁多, 需求较为分散。可由此对物流公司的运营提出以下方案:

(1) 采用不同的分拣系统, 提高效率。

(2) 设计一套机械化、流程化的拣货系统服务于大批量单品项的作业系统。

(3) 制定一套半自动化的人工拣货流程服务于小批量的作业, 以完成大量小批量货品的分拣。

3.2.2 IK分析

接下来我们根据不同货品的订货次数差异对运营系统进行IK分析。

根据表格数据得到图4的柱状图。

根据图表分析, 并结合IQ分析我们可以看出, 不同商品的出货频次是不同的, 后文中我们会根据此处的结果运用ABC分类法对储位管理做出优化, 这里我们给出以下方案对物流公司运营进行分析:

(1) 根据ABC分类法对货品进行分类。

(2) 根据分类结果, 对A类货品进行重点管理, 考虑使用自动化设备。

(3) C类货品价格低, 效益小, 可减少库存和储位, 保证正常供应即可。

通过对物流中心的进行总体和局部的双重SEIQ分析, 我们认识到, 物流配送中心的运营系统十分庞大, 工作相当繁琐, 并且订单出库量具有不确定性, 由于客户位置分散, 需求不确定, 要实现统一化配货基本不可能。但是, 通过对物流中心的运营数据分析得到的结果, 我们可以看出, 少量的客户占据了大量的订货量, 少量的订单决定了公司的效益。所以, 我们可以制定相应计划, 运用ABC分类法对客户、商品以及订单进行分类, 实施重点管理策略, 并根据上文中提出的优化方案减低运营成本, 优化运营过程。

根据前述分析, 可了解该配送中心的物流特性以及营运能力。可根据数据分析预测下一阶段市场需求, 制定相关的补货策略, 并整合上下游资源, 实现整个供应链的供应商管理库存, 实现该零售业配送中心的库存控制优化。

4 结论

鉴于EIQ分析以及供应商管理库存对于现代连锁零售业配送中心库存优化的局限性。本文对二者加以融合提出了SEIQ分析法, 并使供应商管理库存贯穿于整个供应链, 解决了配送中心库存控制中数量不确定性以及时间滞后性两大问题, 优化了连锁零售配送中心的库存控制系统。SEIQ分析法的前提是订单出货信息完善、供应链信息共享程度高, 两者的满足度越高, 得出的结论就会越接近于实际。因此, 我国连锁零售业要想在激烈的市场竞争中取得优势, 一定要完善内部信息系统以及协调外部供应链。

参考文献

[1]陆秀娥.浅析EIQ分析法在物流中心库存费用控制中的应用[J].物流技术, 2010 (226) :47-49.

[2]郭沛瑶.基于EIQ分析法的连锁经营配送中心应用及实例研究[J].商业经济研究, 2016 (12) :32-34.

[3]郝燕.基于EIQ-ABC模型的仓库管理优化—以H商场配送中心仓库管理优化为例[J].物流技术, 2015, 34 (15) :186-188.

[4]杨迪.武钢物流某成品库仓库布局和储位优化研究[D].武汉:武汉科技大学, 2015.

[5]夏文汇, 褚巍亚.基于供应商管理库存 (VMI) 的牛鞭效应及控制[J].财会通讯, 2016 (20) :64-84.

[6]段妮妮.基于VMI的成品油销售企业的存货管理模式探讨[J].中国总会计师, 2016 (156) :66-67.

[7]刘钚.供应链环境下的H公司库存管理研究[D].大连:大连理工大学, 2013.

[8]沙金, 王爱虎.三级供应链VMI收益及Shapley值分配仿真研究[J].工业工程与管理, 2016, 21 (3) :12-24.

配送中心安全库存优化 篇4

关键词：库存配送系统,联合优化,遗传算法,C-W算法

一、库存与配送系统联合优化研究分类

1. 联合优化思路。

在库存与配送联合优化研究提出之前, 大多学者都是单独对企业库存与配送进行研究的, 比如考虑输入输出对动态库存进行研究, 单独进行配送线路规划, 动态库存管理研究中输入输出是已知的, 没有考虑输入输出受企业采购过程中供应商配送的影响, 而单独的运输线路规划问题则没有考虑库存内部动态管理, 因此, 对库存与配送系统联合优化研究很有必要, 目前该类研究大致可以分为以下类型:

一类研究基于供应链整体成本, 构建模型求得整体的订货量与配送策略。此类研究综合考虑了供应链各节点企业的三大成本“库存、采购与运输”, 基于各方需求统一确定, 互相了解需求, 并且不允许缺货情况的发生, 运输服务统一由第三方提供, 构建的目标优化模型以生产商的生产成本、零售商的采购、库存成本, 以及运输服务提供方的运输成本, 以此求得最优解。但是该类研究没有考虑供应链参与各方的合作情况, 各方对于利益的分配、成本的分摊机制没有考虑, 容易造成分配不均而产生摩擦。

另外一类研究则是是由供应商主导库存配送, 考虑一个供应商对多个零售商的库存-配送进行管理, 构建模型对各独立零售商的库存进行管理, 基于各地库存对时间、数量的需求, 以自身成本最小为目标, 进行路线规划, 及时给零售商补货。供应商管理库存与前一类研究不同, 两类研究均从总体成本最优角度出发, 但是前一类研究没有厘清供应链中各企业角色, 及相应的职责, 此类研究确定了供应商管理库存, 则明确了研究的类型, 对于成本分配问题有了较好的解决。通过建立合理的数学算法可以对基于库存考虑的线路规划问题求得最优解, 通过供应链各节点的协同配合促进运作效率, 各方均获得最大收益, 为实际供应链运作提供参考。

2. 算法研究分类。

库存-配送系统可以视为库存-路径问题的升级版, 但是本质考虑的重点仍然是供应链各方库存保有量、采购量、采购周期, 与运输路径选择之间的合理调节。对于库存-路径问题的算法研究较多, 我们可以借鉴其相关算法应用于库存-配送系统研究。

(1) 启发式算法。运用启发式算法对库存-路径问题进行求解的研究比较普遍, 如蚁群算法、邻域搜索算法、禁忌搜索算法、模拟退火算法、遗传算法及人工神经网络等智能算法都或多或少有应用于库存-路径研究领域, 其中遗传算法有较好的收敛性, 能较快地达到全局最优解, 并且有优胜劣汰的算法规则, 最多地被运用或改进后运用于库存-路径求解。

(2) C-W节约算法。C-W算法是解决旅行商提出的, 基于节约的理念, 适用于物流单元间流量较为稳定, 变化不大的问题, 是一种较为简洁实用的算法。由供应商主导库存, 为多个零售商供货可以解决信息不对称造成的库存过度配置, 配送次数多配送量过大的情形, 可以达到配送次数最少, 配送量最经济 (供应商、零售商采用最佳采购量) 的效果, 此时配送路线上配送较为稳定, 配送变化不会太大, 不会因为市场需求变动过大而引起配送问题, 因为供应商对零售商的库存需求情况十分了解。因此C-W算法比较适合研究库存-路径问题, 多数学者采用遗传算法或其他优化算法是都会结合C-W算法特点进行研究。

(3) 其他算法。除运筹学领域优化算法、智能算法与C-W算法这几类典型的库存-路径求解算法之外, 一些学者还采用概率论领域的马尔科夫决策过程研究随机需求下的库存-路径算法, 也有学者采用分散决策算法 (DDA decentralized decision algorithm) 以求解分散决策情形下的库存与运输问题) 。

二、库存与配送系统联合优化模型构建

库存与配送系统联合优化是促进供应链一体化的有效手段, 本文基于供应商统一管理库存构建一个供应商对多个零售商配送的简单两级供应链模型。

1. 模型假设。

(1) 各零售商需求确定, 且均与供应商形成直接连接网络; (2) 零售商不允许缺货, 不考虑提前期; (3) 运输费用与距离成正比; (4) 一个运输车辆一天只做一次配送, 在不超过运输车辆的满载负荷前提下可以为多个零售商配送; (5) 多个零售商的不同货物可以拼车运货, 这一点由供应商统一管理库存, 统一配送可以比较好地解决。

2. 符号表示。

本文考虑的是由供应商管理库存, 由单供应商与多个零售商构成的一对多的简单二级供应链, 用数字序号下标表示供应商与零售商, i∈ (0, 1, 2, ..., N) , 0表示供应商, 1至N表示零售商。货物由供应商负责配送, 共有M辆运输车, 每辆车的载重相等为Q, 供应商的补货周期为T, eij表示供应商及各零售商之间的距离, di表示零售商的需求率, A0, Ai表示供应商与零售商的补货成本, h0与hi表示供应商与零售商的库存成本, C表示车辆的运输成本, 在供应商的补货周期内, ni表示零售商的订货次数, ti表示零售商的订货周期, 则T=niti, 令Xijkt表示车辆k在时间t从点i开往j进行配送, 是则值为1, 否则为0, 令Qjkr表示车辆k在时间r为点j配送的货物量。

3. 数学模型。

本文将采用遗传算法, 较好地控制库存, 并利用C-W算法来寻找车辆调度, 路径选择方案, 通过这些手段要达到一个统一的目的, 那就是我们所要设定的目标函数, 本文以成本最小为目标, 更细化为单位时间的供应商库存、运输成本, 零售商的库存成本, 同时还需要获得供应商与零售的采购周期, 配送路径方案作为输出, 以 (T, ti, ni, Xijkt) 为决策变量构建如下目标函数:

上式表示零售商不能缺货, 是缺货限制条件, 如果供应商配送与供应链中任何一个零售的需求之差小于零, 则会造成缺货, 缺货会带来缺货成本对供应商与零售商双方都有不利因素, 因此制定此约束条件做缺货限制。

本条件是一个基础条件, 运输车辆不能超负荷作业, 任何两点之间单趟运输量都不能超过运输车辆的运输上限。

此项条件为避免回路, 一个车辆对零售商进行配送后必须前往下一个零售商, 即必须要有下一个不同的出口, 或者配送完毕直接返回供应商点, 而不能原路返回上一个零售商处。

此项约束条件规定一天内配送车辆数不能超过总车辆数。

以上为库存-配送系统数学模型, 是库存管理与运输路径规划模型的结合, 对此类问题的求解必须采用启发式算法, 逐步求得最优解。

三、基于改进遗传算法的求解算法设计

从前述章节对库存-配送系统问题的求解算法介绍中我们可以了解到遗传算法具有较好的全局搜索能力, 其优胜劣汰法则适用于库存控制, 而C-W算法适用于路径求解, 将两种方法结合, 对遗传算法进行改造可以获得一个更优的求解算法。本文以单位时间总成本最小为目标, 以零售商的采购周期的倍数对问题进行分区, 提高求解速率, 缩短运行时间。算法分为主算法、遗传函数、适应度函数与C-W算法三部分, 循环嵌套, 具体如下:

1.主算法。

(1) 令T'为供应商补货的最长期限, 将T'平均分割成S个部分 (S为T'的约数) , 那么整个补货周期可以分别表示为[1, T'/S], [T'/S+1, 2T'/S], ……, [ (S-1) T'/S+1, T']。

(2) 设定S+1个处理单元, 对于处理单元i, 对T∈[ (I-1) T'/S+1, i T'/S]进行遍历搜索, 调用遗传算法函数Gen (T) 对目标函数进行求解, 获得单位时间成本最小时供应商与零售商的采购周期, 运输路径。

(3) 输出最小成本值及供应商、零售商的采购周期, 配送路径。

2. 遗传算法Gen (T) 函数。

(1) 首先需要选取初始化种群, 取T的S个约数, 随机选取其中约数作为染色体基因, 由此生成长度n的染色体, 多次操作获得初始种群规模为U, 代数上限为G。

(2) 求解种群中各染色体的适应度值, 适应度值通过适应度函数f (·) 求解。

(3) 根据个体的适应度值进行排序, 选择其中前h个个体。

(4) 将被选择的个体以某一特定概率进行随机交叉操作, 以获得新个体。

(5) 再以一定概率对选中个体进行基因变异操作。

(6) 重复以上操作, 到达最大代数为止, 输出结果。

3. 遗传算法适应度函数。

(1) 令ghj表示第h代中的第j个个体, 初始化mit=0, (i=1, ..., N, t=0, ..., T) 。

(2) 令配送量设为d, 则d=l Q+qi, mit=l+1, l∈{0, 1, ..., M}。

(3) 当mit>1时, 先给零售商派送mit-1个车辆进行配送, 满足需求中的车载Q的整数部分, 赋值X0ikl与Xi0kl均为1, 令qt, h=qi, 代数h增加1;若mit=1, qt, h=d。

(4) 使用C-W算法cw (qth[]) 计算Xijkt与Qikt, 将两值代入目标函数ts, f (·) =1/ts。

4. C-W算法cw (q[])

(1) 令q[]表示需求点集, 即零售商集合, 分别将需求点集中点与供应商 (以0表示) 连接, 令Sij=e0, q[i]+e0, q[j]-eq[i], q[j]。

(2) 将Sij进行降序排序, 若Sij=0, 则结束算法, 将所有无回路路径连接至供应商点, 对运输整数倍车辆负荷之外的车辆Xijkt进行赋值, 输出路径。否则满足q[i]与q[j]都在同一路径或两分别在两条路径的头和尾则进入下一步。

(3) 若在q[i]与q[j]之后的路径货运总量q小于车载Q则连接两点。

(4) 初始化Sij=0, 重复操作, 直到输出所有路径。

四、算例

1. 实例运行。

令零售商个数为15, 需求率分别为 (17, 5, 7, 5, 5, 7, 3, 4, 3, 2, 5, 2, 8, 14, 4) , 单次补货成本分别为 (100000, 50, …, 50) , 第一项为供应商采购成本, 后面为零售商成本, 车载负荷为40, 车辆单位行驶距离成本为90, 供应商补货最大周期为80, 需要遍历6组 (有6个处理单元进行处理计算) 。遗传算法初始种群规模50, 最大代数5000, 交叉与变异概率分别为0.8与0.2, 距离矩阵在此不做列示, 可以得到如下结果:

2. 结果分析。

对运行结果进行分析, 可以看出:一方面, 供应商与零售商的单位库存成本的上升必然导致总成本的上升, 这是合乎常理的;另一方面, 随着单位库存成本的上升, 系统为了获得低成本降低了采购周期, 包括供应商与零售商采购周期均缩短, 增加采购次数, 以保持较低库存水平, 虽然运输成本和订货费用会有所增加, 但会大大减少库存成本, 可以将由库存成本增加带来的影响降低。因此, 运用改进遗传算法计算获得的最优采购周期具有较强的实践意义, 算法具有具备有效性。

五、结语

库存-配送系统问题的研究是物流领域的一个重点研究问题, 对于物流成本的控制有重要作用。在此类问题求解中, 一般采用启发式算法, 存在一定的求解时间复杂度问题, 当问题的求解复杂度增加时, 启发式算法的求解时间复杂度将呈指数增长, 因此借鉴部分学者对C-W算法的研究, 本文融合C-W算法对遗传算法进行改进, 使用改进的算法对库存-配送问题进行求解, 求解精度较好, 对实际应用有一定的参考价值。

参考文献

[1]李仲兴, 朱向顺, 李锦飞.供应链中配送系统联合优化的数学模型及求解的混合算法[J].物流技术, 2005, (9) :92-94.