配送网络优化

配送网络优化（共9篇）

配送网络优化 篇1

1农资物流的发展现状

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。

关键词：农资物流,网络优化,配送中心选址,聚类分析

配送网络优化 篇2

配送是一项综合性、一体化的物流运动，作为实现第三利润源泉的重要方式，显得比任何时候尤为重要。2000年我国全社会流通费用为17880亿元，约占GDP的20%，如果全社会流通费用能够降低一个百分点，就可以节约资金178．8亿元。如此大的利润空间，的确令人神往，在全球的任何一个角落、任何一个企业都在关注成本控制、经营效率、改善顾客服务，都在于建立一个高效率的物流配送系统。

一、S配送中心的背景

S配送中心是深圳市的S（集团）股份有限公司下属的全资子公司。S配送中心目前主要面向集团内部的各家商场、超市和集团外的商业批发零售企业或个人提供配送服务。中心于2005年成立，目前共有工作人员170余名，每月销售额超过3000多万元，2005年全年销售额预计超过4亿元。S配送中心不仅处理自己企业的家电类和日百类商品，其中家电类商品在业务量和交易金额方面都占据主要地位。还接受其他的企业的外包给他们的种种业务，涉及商品达到数十个品牌，共计2800多种，所有商品分散放置在其属的15个仓库中，这15个仓库主要分布在深圳市内。

由于S集团的产品市场比较稳定，品牌知名度比较高，产品质量过硬，所以客户群比较稳定，客户忠诚度比较高，S集团将全国销售区域划分为7个区域：东北、华北、华东、华中、华南、西南、西北。由若干业务员分别负责，定期到客户走访，了解客户需求，及时掌握客户需求动态。客户一般采取电话和传真等传统通信方式与S配送中心联系并下定单，销售模式大多采用分销模式，所有产品面向国内市场，销往全国各地。产品覆盖除西藏、港澳台外所有省区直辖市，比较稳定的客户有大约1300多家，地域分布比较分散。

二、S配送中心存在的物流问题

1．物流配送设施不匹配，物流技术装备水平低

国外现代化的配送中心作业面积大，配有自动分拣机、电动升降机、自动传送带等机械设备，并采用自动化管理，充分表现了其快速、准确的配送服务。S配送中心设施设备比较陈旧，70%是普通平房仓库，普通车辆占70%以上，现代化的箱式货柜和集装箱拖斗及<优麦电子商务论文>特种运输车辆很少。计算机的应用仅限于日常事务的管理，内部数据采集、外部接口系统等都没有完全建立起来，影响了配送质量和速度。

2．统一配送率低，规模效益不明显

S配送中心对各分店经营的所有商品没有实行完全的统一配送，原因是企业没有严格执行统一配送制度，S集团供货不及时，运输部门不及时送货或配送中心不按要求送货，使分店不愿统一配送，还有管理上的问题，这些都导致统一配送率偏低，由于配送率低，造成人员闲置，运输设备不能充分利用，物流成本偏高因而就无法收获规模效益。

3．S配送中心功能不完善，流程不合理

一个配送中心应具备的基本功能为：进货和商检功能；保管和库存控制功能；受理订货功能；出库（分拣、配货、包装）功能；流通加工功能；送货功能；信息处理功能。而S配送中心功能不完善，流程不合理，“配”与“送”未能形成有机的结合。目前的商品配送，因其大都脱胎于送货上门，又因配送设备设施、配送资源等方面的限制，往往造成“配”与“送”的相互脱节。一方面大部分的物资配送只是以送为主，而考虑分货、配货、配载、配装的则很少；另一方面有的虽然做到了分货、配货，但又因缺乏必要的运输车辆而无法做到送货上门。

4．专业人员缺乏，员工素质低

S配送中心物流专业人员不多，员工素质普遍较低，在制定物流方案、实施管理、开拓物流市场以及经营管理等方面都十分欠缺专业人才，对物流业的理解仍然停留在运输、仓储的概念上，还没有上升到物流服务的理念。

三、S配送中心物流系统优化的对策

1．加强物流配送设施和设备的现代化建设

在硬件设置上，要加快配送设施建设，实现装卸搬运等过程的机械化与自动化、拆零商品电子化。在软件建设上，引进GPS、EOS与ECR等先进的物流技术，如华联超市与上海捷强集团公司以及宝洁公司建立了自动补货系统（ECR），将“连锁超市补货”转变为“供货商补货”。这一举措开创此模式在连锁超市中运作之先河，削减了整体成本、库存与有形的资产的投资。引进GPS、EOS与ECR等先进的物流技术，能够提高信息的传输速度和准确性，降低票据处理成本、人力资源成本和库存控制成本，实现配送过程的无纸化。

2．贯彻执行统一配送制度和共同配送制度

S集团与配送中心之间、配送中心内部、配送中心与各分店之间的配送制度要高度统一，实现配送时间与配送商品种类的无缝衔接。近年来，配送中心不断涌现和高速发展，对配送业提出了更高的要求，共同化配送已成为必然趋势。共同化配送可以提高物流的专业化水平，最大限度的降低物流成本，提高配送中心的运营效率，还能够使分散经营的分店分享到“第三利润源泉”。3．配送中心作业流程重组对原有的流程进行全面的功能和效率分析，可以发现存在的问题。可以找出现有流程中增加了物流成本的主要原因，组织结构不合理而影响到工作效率的各种原因。可以根据市场对配送中心的发展要求，对定单处理、入库作业、配货作业与出库作业等流程中的关键环节进行重新定位和重新排序，使配送中心充分地适应客户们对产品、服务等需求的变化，来夺取更大的客户市场。

仅用定单处理流程的优化来说明作业流程重组的重要性。（如下图为原S配送中心的定单处理流程图）。

原流程存在的问题：

（1）接受客户订货的方式为传统的人工下单、接单方式。

（2）对定单的确认只是对品项数量及日期的确认，只检查品名、数量、送货日期等是否有遗漏、笔误或不符公司要求的情形。而缺乏对客户信用度的确认，不论订单由何种方式传至配送中心，配销系统的第一步骤即要查核客户的财务状况，以确<优麦电子商务论文>定其是否有能力支付该件订单之账款。

（3）原流程过于简单，缺乏与信息系统接口的流程环节。在结合原流程存在的问题和利用流程数据统计表等统计工具进行分析后，得到了新的定单处理流程（如下图所示）。

优化后的“定单处理”流程图中还增加了存货查询、依订单分配存货、排定出货时程三个环节。利用EDI订货系统大大缩减了客户的等待时间，也增加了几个新的环节，使配送中心的“定单处理”的流程更为科学，更保证了配送中心的服务质量，总流程时间从原来的“3．5天又35分钟”变成了“102分钟”。

配送网络优化 篇3

随着危险品物流需求的快速增长, 我国危险品物流企业数量逐年增多, 企业规模逐步扩大, 现代物流信息技术如GPSGPRSGIS/RFID及企业危险品运输监管系统均开始得以应用。随着国家对危险化学品物流安全问题的重视, 我国危险化学品安全所涉及的各个领域包括危险化学品标准化工作得到了一定的发展。目前我国危险品专用车辆较少, 运营企业的规模普遍较小, 缺乏规模较大的运输和仓储企业。危险品物流运输企业从业人员素质较低, 危险品物流运输调度科学化水平较低, 这些因素造成了我国危险品物流事故频发, 引起了重大的经济损失和不良的社会影响。目前国内外高度重视危险品的运输调度, 政府高度强调安全, 一项报告显示危险品物流公共信息平台的建设可做到危险品物流资源信息的共享, 最大限度地优化配置危险品物流资源、降低危险品物流成本, 提升危险品物流全过程的整体运作水平。当前我国政府正在积极鼓励和参与危险品安全监管信息平台的建设, 并将危险品物流公共信息平台建设纳入《物流业调整和振兴实施方案》。危险品物流配送网络及路线优化是危险品物流公共信息平台建设需要解决的关键问题。

2 国内外研究现状及分析

国内外学者关于危险品物流配送网络规划、危险品运输车辆调度优化研究进行了一系列的研究。

2. 1 危险品物流配送网络优化模型研究现状

Erkut等首先研究了危险品配送单层网络规划, 将网络路径限制为树, 求解以总的运输风险最小的整数规划问题, 并用启发式算法不断添加新的路径以使政府更好地权衡风险企业成本。Kara和Verter第一次将双层规划思想引入危险品物流配送网络规划, 根据危害等级将危险品进行分类, 并为每一类危险品设计配送网络。学者Erkut分析了政府无管制模式、过度管制模式、松弛管理模式和双层规划模型这四种不同的道路危险品运输网络规划模式的优缺点, 并在基于Kara的双层规划模型的基础上, 提出了双层规划模型最符合目前危险品道路运输网络优化现状。Lucio等建立的双层模型不但考虑最小风险, 同时也兼顾了风险在子区域内的均衡性, 将双层模型通过KKT条件和线性化互补约束转化为单层混合整数线性规划问题, 并用启发式算法求解。

我国学者宋杰珍等考虑道路危险货物运输路线选择问题的双重约束特征, 兼顾政府监管部门和运输企业双方不同利益偏好, 建立一个双层路线规划模型。2010年, 储庆中等分析了危险品道路运输网络设计问题的双层特性, 建立了以政府期望的风险最小化为上层目标、运输者期望的成本最小化为下层目标的危险品运输网络双层规划模型。采用遗传算法, 以Pydev为平台, 运用Python编程以及Trans CAD生成网络, 实现了运算和结果可视化; 其实例验证结果表明, 遗传算法能给出稳定的最优解, 而且所得风险符合预期并接近于最低网络风险。

2. 2 危险品物流配送网络是双层多目标规划问题

危险品物流配送网络优化问题涉及管理部门、运输企业以及路线沿线的普通居民等多个参与方, 其中当地政府监管部门和运输企业是两类主要决策体, 但它们的决策目标不同: 运输企业关注运输距离、运输时间、运输成本等, 而当地政府监管部门除重点关注运输影响内的人员风险, 还须考虑运输风险在其管辖区域内的均衡分布问题、危险品在地区行业中的供需平衡问题以及其管辖范围内诸多运输企业的实际经济利益兼顾等问题。在实际决策过程中, 当地政府监管部门与危险品运输企业的决策相互影响, 政府监管部门通过限制某些区域或路段通行危险品运输车辆等方法来规划危险品运输网络, 进而干涉危险品运输企业的路线选择; 而运输企业则通常考虑经济利润, 选择最小运输成本或最小运输时间的路线进行运输, 从而影响政府最小运输风险路线的规划。因此, 危险品物流配送网络优化问题是一个典型的双层多目标规划问题。

2. 3 考虑负载均衡及动态调度的公共调度优化研究现状

公共调度模式下的危险品车辆配送路线优化问题有别于传统的单个企业的危险品配送路线优化。公共调度模式下的危险品车辆配送路线优化问题是一典型的基于均衡优化的动态多目标调度问题, 其优化参数和约束条件随时空变化而变化。关于动态车辆配送路线优化问题, 张娟将人工免疫算法与蚁群算法结合起来, 提出基于免疫疫苗的蚁群优化, 设计并实现了一种解决动态物流配送路径问题的方法。李锋以易腐货物配送中的时变车辆路径问题为研究对象, 提出应用计算机建模的方法建立此类时变车辆路径问题的仿真模型。关于调度的负载均衡问题, 一些学者也进行了相关研究, 清华大学的但正刚等利用Clarke &Wright算法, 结合打包原则和装配路线均衡算法的思想, 设计出一种称为HRC的启发式算法来处理两个目标的车辆路径优化问题: 一是最小化总距离, 二是均衡各条线路间负载。

3 配送网络及路线研究的不足

综上所述, 已有的研究成果表明危险品配送网络优化研究的重要性, 并将双层规划和启发式算法、智能进化算法的思想引入到危险品配送网络优化研究中, 这为科学规划危险品物流配送网络提供了一个很好的思路和途径。但目前针对危险品配送网络优化中, 还有很多问题未得到有效解决, 这些问题主要是:

(1) 现有危险品物流配送网络规划模型大多仅侧重考虑最小化运输风险和运输成本, 未考虑区域整体和子区域间的风险均衡分布、危险品在子区域间的供需平衡等问题。此外, 现有双层规划模型涉及的目标与约束不够全面, 尚无同时考虑区域整体及子区域之间均衡优化、路网通行能力、道路运输风险、且兼顾运输企业的经济效益与危险品供需平衡等问题的优化模型。

(2) 公共调度模式下危险品车辆配送路线优化模型的求解算法研究不足。目前研究多目标优化算法大多是针对小规模运输网络, 大规模运输网络的路线优化则多采用启发式方法进行人为分解和简化, 然后调用如模拟退火算法、遗传算法、禁忌搜索算法、粒子群等进化算法进行求解。而目前尚无统一的分解简化方法和标准, 且传统的进化算法在求解效率和准确性等方面仍存在着不足。

4 总结及展望

随着对危险品需求的增多, 及国家对危险品物流安全的重视, 公共调度模式下考虑负载均衡的动态多目标优化算法的研究还须进一步深入展开。目前各级相关的危险品物流行政管理机构基本设有自己的网站, 但针对于危险品物流的公共调度平台在国内尚无设立, 综合考虑政府和运输企业利益的优化模块开发应用方面更是相对滞后。应进一步研究公共信息平台下的物流管理技术。在运输过程实时优化选线以及选线标准的定量化和标准化处理方面仍需进一步研究。均衡优化在实际危险品物流配送网络规划中是需重点研究的技术, 因此有必要研究考虑均衡优化的模型构建方法。

摘要：我国危险品物流企业的特点是规模小、运量小、管理水平低, 因此单个企业的调度优化 (局部优化) 难以做到区域内整体优化, 本文通过分析国内外危险品物流配送网络及路线优化现状, 提出政府监管模式下的危险品物流公共信息平台管理是我国危险品物流管理发展趋势, 在优化物流配送网络及路线时考虑负载均衡及动态调度的特点。

关键词：配送网络,优化,公共信息平台

参考文献

[1]李俊韬, 刘丙午.中外危险品物流管理对比研究[J].中国流通经济, 2010, 11:

[2]宋杰珍, 丁以中, 孟林丽.基于双层规划的运输网络设计[J].上海海事大学学报, 2006, 27 (2) :56-59.

[3]储庆中, 张家应, 谢之权.基于双层规划的危险品道路运输网络设计[J].重庆交通大学学报 (自然科学版) , 2010, 29 (4) :597-630.

[4]师立晨, 魏利军, 吴宗之.危险品道路运输多目标路径优化方法研究[J].中国安全生产安全技术, 2007, 2 (5) :59-63.

[5]钟凯.B2C模式下第三方物流模式的优化设计——以乐淘网为例[J].中国市场, 2011 (49) .

网络配送合作协议书 篇4

乙方：_________

订立本协议旨在建立跨地区的经营架构的同时，使网络配送服务的价格趋于合理化，并真正成为大多数消费对象所普遍认可的一种消费形式，从而架起传递情感的桥梁。

双方本着公平、诚实、信用及互惠互利的合作原则，就乙方成为_________地区代理商一事，于_________年_________月_________日签订本协议，并就有关合作事项，签订协议内容如下：

一、双方权责：

1．甲方所制订的工作流程是凭借多年的业务经验沉积所得到的理论精华，它使合作双方的经营风险降到最低极限。合作双方在运作业务的过程中必须严格按照该流程进行每一步的确认操作，如有疏漏，并因此而造成的一切损失均由没有按照该流程操作的一方予以承担；

2．由于采用货到付款的业务流程，甲方规定在确认交货后的一周之内将款项结清，否则，付货方有权协同收货人追缴款项，情节严重者将诉诸法律解决；

3．在合理合法的条件下，甲方鼓励业务运作过程中的主观创造能力，也不拘泥于产品的经营范围，但作为发起人，甲方对乙方所作出的任何经营上的方案和策略享有知晓权和否定权；

4．在确保订购方已收取货款的前提下，付货方在必要的情况下有权直接与订购人（消费者）取得联系，以确认相关情况，这并不影响双方的合作关系；

5．甲乙双方必须按照国家有关法律法规的规定，对消费者履行如产品退换或售后服务等义务。在确保付货方严格按照订购方和订购人（消费者）的意愿按时实施服务，并保证质量的前提下，甲乙双方应共同承担由其他因素所造成的任何纠纷或赔偿的责任（各承担50％）；

6．各自利益是促成甲乙双方合作的基石，双方应以维护对方的良好市场形象为己任，友好协作，达成共识，开拓市场；

7．由于付货方所提供的各地花市价位上的区别，订货方有权在同一地区选择不同付货方签订合作协议，不属违约行为。

二、合作期限：

本合同服务期为_________年。合同期满，双方如无异议，在结清有关费用后签定延续合同。

三、合约的修改、解除及终止：

本协议在履行过程中，如果任何一方认为需要修改，需向另一方提出书面的修改建议和理由，双方协商同意后才能以书面做出修改，并形成本协议的附件。如果双方未达成新的修改意见，则原有协议继续有效。解除和约时，须由解约方提前一周通知对方，并在一周内双方停止新业务往来，同时清理完已合作业务的款项，本协议自动终止。

四、条款的完整性：

甲、乙双方均承认，已阅读过本协议，并同意：本协议为双方关于合作事宜的所有协议和约定的全部记载，并已取代以前所有的口头的或书面的约定、意向书与建议。未经双方书面修订，不得对本协议加以变更。协议附件是本协议不可分割的组成部分，与本协议正文具有同等效力。

五、争议解决：

在合同执行期间，如果双方发生争议，应友好协商解决。如果协商不成，则应通过法律程序解决。

六、附则：

本协议自双方签字盖章之日起生效，有效期为_________年，如双方同意续约，应在本协议期限届满前30日内签署书面的续约协议。如逾期未能签署，则本协议在到期后自动终止。

甲方（盖章）：_________乙方（盖章）：_________

代表人（签字）：_________代表人（签字）：_________

配送网络优化 篇5

配送是物流系统中一个直接与消费者相连的重要环节, 优化配送网络, 进行合理的物流配送是实现运输规模经济、节省运输费用的重要手段。物流配送网络实际上由多个不同的网络组成, 每个网络都服务于特定的目标, 但每个网路又不是孤立进行运作的。确切地说, 在不同的运输网络之间存在极大的重叠和冗余。因此通过配送网络的优化, 消除这些冗余是降低配送成本的有效手段。聚类分析又称群分析, 它是研究 (样品或指标) 分类问题的一种统计分析方法。采用聚类分析的方法, 可极大地提高优化的性能, 增加所处理业务的规模。

二、聚类基本理论

“物以类聚, 人以群分”, 在自然科学和社会科学中, 存在着大量的分类问题。所谓类, 通俗地说, 就是指相似元素的集合。聚类分析起源于分类学, 随着人类科学技术的发展, 对分类的要求越来越高, 仅凭经验和专业知识难以确切地进行分类, 于是数学工具逐渐地被引用到了分类学中, 形成了数值分类学, 之后又将多元分析的技术引入到数值分类学形成了聚类分析。

假设一个要进行聚类分析的数据集包括n个对象, 这些对象可以是人、房屋、货物等。基于内存的聚类算法通常都采用差异矩阵[1]的数据结构。

差异矩阵是一个对象-对象结构。它存放所有n个对象彼此之间所形成的差异。它一般采用n×n矩阵表示, 如式 (1) 所示。

其中, d (i, j) 表示对象i和对象j之间的差异 (或不相似性程度) 。通常d (i, j) 为一个非负数, 当对象i和对象j非常相似或彼此“接近”时, 该值接近0, 该数值越大, 就表示对象i和对象j越不相似。由于有d (i, j) =d (j, i) 且d (i, i) =0, 因此就有式 (1) 所示的矩阵。

所采用的测量单位可能会对聚类分析产生影响。例如:将测量单位 (对于高度属性) 从英尺变为米, 或 (对于重量属性) 从英磅变为千克, 都会导致不同的聚类结果。通常采用一个较小的单位表示一个属性会使得属性的取值范围变大, 因此对聚类结构就有较大的影响。为帮助避免对属性测量单位的依赖, 就需对数据进行标准化。所谓标准化测量就是给所有属性相同的权值。这一做法在没有任何背景知识的情况下是非常有用的。而在一些应用中, 用户会有意识地赋予某些属性更大权值以突出其重要性。例如:在对货物进行聚类分析时, 可能就会给时间属性赋予更大的权值。

为了实现标准化测量, 一种方法就是将初始侧量值转换为单位变量。给定一个属性 (变量) f, 可以利用以下计算公式对其进行标准化:

(1) 计算绝对偏差均值S

其中, x1f, x2f, ……xnf是变量f的n个测量值, mf为变量f的均值, 也就是

(2) 计算标准化测量 (Z-分值)

其中, 绝对偏差均值sf要比标准差σf更为鲁棒 (对含有噪声数据而言) 。在计算绝对偏差均值时, 对均值的偏差|xnf-mf|没有进行平方运算, 因此异常数据作用被降低。

一种有效的聚类分析计算方法是基于密度的算法 (Densitybased Methods) , 它与其它方法的一个根本区别是:它基于密度而非基于各种各样的距离。这样就能克服基于距离的算法只能发现“类圆形”聚类的缺点。这个方法的指导思想就是:只要一个区域中点的密度大过某个阈值, 就把它加到与之相近的聚类中去。代表算法有:OBSCAN算法、OPTICS算法、OENCLUE算法等。

三、配送网络的优化

配送网络的底层结构由下述五个主要元素构成:

1. Facility (设施)

配送网络中的站点 (一般是物理的) 。在网络中, 站点代表了货物集中或分发的地点。例如, 在邮政配送网中, 它们可以是加工及分发站, 调度中心, 航空邮件中心和散件中心。

2. Delivery (一次投递的货物)

Facility之间配送的项目。在网络中, Delivery代表了在特定时间窗 (即, 从货物准备好到要求送达目的站之间的时间段) 之内、从起点到终点、有一定体积和重量、要运送的货物。不同类型的Delivery可能代表了, 从起点到终点、有不同的服务标准的货物 (例如, 从北京到上海的特快专递) 。

Delivery按是否可分开配送可以分成可分Delivery和不可分Delivery。可分的Delivery是可以被分成不同部分进行配送的。相反, 不可分Delivery不能分成不同部分进行配送。

3. Batch (班次)

配送网络中时间固定, 经过的站点固定的运送货物的路线。一个Batch的定义包括Batch的各个方面:运输工具的容量或载重能力, Batch的类型 (航空, 公路, 铁路等) , Batch的工作日 (一周里面哪天或哪些天有出发的安排) , 到达和离开每个中间站点的时间 (用时分秒表示, 不牵扯日期) , 签订一个班次的费用和提前解除班次合约的费用。

4. Leg (班次的一段)

Leg连接相邻的两个Facility, Batch由一系列Leg组成。Leg的定义包括:从属的Batch, Leg起点, Leg终点, 离开Leg起点和到达Leg终点的时刻 (用时分秒表示, 不牵扯日期) , Leg开始离Batch开始的天数, 容量或载重能力, 可变运输成本 (单位体积或重量的运输成本) 等属性。当然, 在一个Batch中, 前一个Leg的终点要和后一个Leg的起点相同。

5. TriP (行程)

真正意义上用于移动货物的途径 (路线) 。Trip的构成形式是多样的, 我们既可以把一个Batch看成是一个Trip来配送Delivery, 也可以取一个Batch的若干Leg作为配送Delivery的Trip, 还能使用多个Batch的Leg作为Trip, 只要它能在规定时间内把Delivery从起点运送到终点。Trip是为了方便建模而构建的一个虚拟的概念, 配送网络优化系统运行的时候, 先使用搜索技术把每个Delivery的所有可行配选Trip找出来, 再进行建模。

费用由Leg可变费用 (可变运输费用) , Trip迟到惩罚费用, Batch固定费用和Batch提前解约费用构成。优化的目标就是满足“指派约束”和“容量和载重能力约束”的情况下, 使总费用最小。

由于物流配送网络的Facility既能作为起点, 也能作为终点, 因此每个Facility可能既集中货物也分发货物。相应地, 一个Batch可能同时需要搜集和分发货物。假设将要优化的物流配送网络已经签订了一些班次。即优化的目标是判断哪些班次继续留用, 那些班次应该提前解除合同。

在模型优化之前, 必须把原始数据转化成标准的数据格式输入模型。这个步骤包含分析数据和清理数据;依照特定的内容、结构和格式的要求准备好输入数据文件。在预处理时, 对数据进行彻底的检查。数据的错误、矛盾之处都得到更正。预处理过程中, 最重要的一步就是进行聚类预处理。

在货物数量庞大的配送网络中, 如果把每单货物都看成一个Delivery (即把每单货物都当成一个Delivery变量加入模型中) , 模型的求解过程将耗费相当长的时间。所以在模型进行求解之前, 我们可以使用一些成熟的聚类分析方法, 把权重属性值比较接近的货物聚合成一个Delivery, 从而减少模型的计算复杂度。模型的解在接近最优解的情况下, 能极大地缩短计算时间。所谓权重属性, 就是用来权衡货物是否能合成一个Delivery所参考的重要的属性。

在实际中, 一种较好的方法是采用基于密度的D B S C A N (Density-based Spatial Clustering of Application with Noise) 聚类算法对货物进行聚类。该算法通过不断生长出足够高的密度区域来进行聚类, 它能从含有噪声的空间数据库中发现任意形状的聚类。

由于要把时间和类型都类似的货物进行聚类, 所以选用货物的类型、货物就绪时间和要求送达时间等属性为聚类的权重属性。属性和算法都确定好了之后, 可编写Java程序实现DBSCAN聚类算法。输入不同的货物数, 输出聚合好的Delivery。通过每个Delivery可以查询到每个原始的货物。见表1:

使用Java程序编制配送网络的优化系统, 系统主要由以下几个部分构成:搜索行程、构建CPLEX模型、使用CPLEX进行优化。将表1的数据输入该优化系统, 得到测试结果见表2:

在近似于实际问题规模 (120个站点, 300个班次, 502段, 10000个配送货单) 的时候, 可以看出, 优化系统还是可在一分钟左右完成计算。

四、结论

通过比较测试结果可以发现, 使用优化系统的总花费要比传统方法少20%, 极大地降低了配送的成本。证明通过聚类分析对配送货物进行预处理可有效提高配送网络的优化性能。

参考文献

[1]Ian.H.Wjtten, EibeFrank, Data Mining:Pratical Machine Learning Tools and Techniques.Seeond Edition[M].Elsevier Ine.2005

[2]韩家炜堪博著范明孟小峰译:数据挖掘:概念与技术 (原书第二版) [M].机械工业出版社.2007.03

配送网络优化 篇6

随着电子商务经济的兴盛, 现代物流得到了空前发展, 而物流配送是电子商务物流的重点, 配送效率在很大程度上取决于信息的处理, 包括货物信息与地理信息, 如何对各类信息进行处理, 支持物流活动的科学调度、合理安排配送中心、线路优化等各项决策视为电子商务物流发展的要点。Web GIS技术的发展为物流服务提供了契机, 通过Web GIS可以实现地理信息共享, 为用户提供地理数据服务, 为配送中心规划与线路安排提供了强大的地理位置数据支撑。基于Web GIS对电子商务物流网络进行优化研究有助于提升网络优化的效率与准确度, 具有一定的实际意义。

二、物流配送网络研究现状

1. 物流配送网络模型研究

电子商务的发展改变了消费者的购物习惯, 同时也促进了物流业的发展, 物流成本的高涨成为物流运作的焦点, 另一方面, 消费者对于电子商务服务的满意度很大程度上受配套的物流服务影响, 而同时电商对于客户满意度的重视程度也在不断上升, 由此物流服务效率与质量也成为了买卖双方共同关注的问题。学术研究中对物流配送网络模型的构建一般是一个优化问题的解析, 构建以物流成本或客户满意度 (时间满意度、货物完好率、物流服务品质等) 为单目标或多目标优化模型, 运用优化算法求解, 从而获得网络中最佳配送中心选址与路径。

一般物流配送网络模型以物流成本为目标函数, 以配送中心拥有的配送工具配送量不超过上限, 车辆行驶不超过额定路程, 配送时间不超过客户要求上限 (部分模型以此为目标函数) 等为限制条件, 构建一个优化模型。然后, 运用遗传算法、模拟退火算法或蚁群算法等进行求解, 获得的结果一般为配送顺序 (路径) 。也有一些研究考虑更为复杂, 投入更大, 配送效率更高的配送方式:构建配送中心, 划分配送区域, 多点供应方式。该类模型首先要选择配送中心, 再进行二级配送路径规划, 获得配送中心与配送路径结果, 大多也以物流成本为目标进行优化研究。

2. 基于Web GIS的物流配送网络优化研究

目前对于物流配送的模型研究较多, 有从配送路径、车辆调度、配送中心选址等多角度开展的研究, 但是对于融合Web GIS思路的配送网络优化研究较少, 部分学者从构建物流信息系统、网络数据库等方面搭建基于Web GIS的物流网络体系结构, 为网络优化提供研究基础。通常, 基于Web GIS的物流配送网络优化涉及路径分析、地址匹配与资源分配三大块内容:

路径分析是GIS比较基本的功能, 路径分析的核心处理是求解最佳路径, 一般为最短路径, 也有模型做特定要求, 综合考虑物流成本, 如物流成本包含装卸、运输、管理等多类型成本, 或者还需要考虑客户满意度指标, 则最佳路径需考虑综合指标。

地址匹配是Web GIS通过网络地理信息共享后所引申出来的一个搜索功能, 比如根据客户订单与IP归属进行综合匹配查询, 通过在线地理信息进行二次编码, 根据自身要求进行定制, 提高搜索效率与质量。

资源分配实质上是二级配送的理念, 根据客户聚集情况与历史需求选择合适的二级配送中心, 做好备货, 以快速高效地给客户供货, 提高客户满意度, 并且集中给配送中心供货, 分散给客户配送, 与点对点总库配送成本更低, 因此合理的配送资源分配即合理规划物流配送中心, 分区域配送, 提高效率, 降低成本。

根据Web GIS地理信息技术优势与其融合物流配送网络的特性, 本文参考了相关学者网络模型, 构建了一个基于Web GIS的物流电子商务配送网络模型, 并做了相应实例验证, 为进一步研究提供参考。

三、配送网络优化模型构建

基于Web GIS的网络优化主要解决各节点间的资源分配问题, 分为配送点选择、配送点至需求点路径分析与优化两个步骤。

1. 网络描述

其中

2. 配送点的选择

(1) 假设条件

(1) 物流电子商务配送网络中有个配送节点V1 () , 其中个节点将被选取为配送中心, 作为备货与中转中心, 网络中有个n客户需求节点xi () 。

(2) 规划配送中心时参照的需求量与客户节点分布为历史数据, 选取配送路径为现实需求, 且需求由客户下单后产生, 本文假设客户节点的需求量在配送中保持不变;

(3) 对客户节点i的配送成本ci由需求量qi、配送距离lij、单位配送成本决定, ;;

(4) 配送点的配送量不能超过其配送上限, 对多个客户节点规划路径发现多个客户点需求由同一个配送点供货而超过供货上限时, 按先来后到原则执行, 对于无法满足的后到节点重新规划路线。

(2) 基于成本的配送点选择

根据第一部分对于网络的描述, 运用floyd算法逆向求解各需求点到最近的配送点路径, 可以用如下矩阵表示

其中节点1至m为n个待选点中选取出来的配送中心, n+1至n+m节点为客户需求点, li (n+j) 代表客户节点与配送中心 (i (i≤n) ) 的最短距离, 假设客户需求节点j历史需求量为hqj, 令各配送中心的总成本为TC,

其中, , 即选取离客户需求节点最近的配送中心。

由此, 我们可以用以下目标函数来求解最优移动配送中心

所有配送中心的成本之和即整个物流网络的总成本, 以总成本最小化为目标函数, 总成本最小时的配送节点即被选为配送中心, 一般配送中心具有中心位置, 离客户需求节点聚集区较近, 交通便利等特点, 有助于提前备货, 快速完成客户需求配送。配送中心选择一般基于历史数据的判断, 历史客户聚集区域、历史需求量等要素, 而实际需求与客户聚集往往会随着市场的变动而发生变化, 因此配送中心也应该需要定期或不定期变动的, 考虑到额外的成本支出, 本文暂不考虑这方面内容。

3. 配送路径规划

配送中心确定后, 需要划定各自的配送区域, 根据各自的货物存储情况、配送车辆配置情况来确定具体客户需求配送路线。这里我们引入Web GIS网络优化分析中的地址匹配技术, 提高路径搜寻效率。

(1) Web GIS地址匹配

在区域电子商务物流配送中往往会存在一个问题, 实际配送路线路况与原先设定的线路会有一定出入, 为了避免临时路线再规划, 提高路线规划质量与效率, 根据客户下单地址与网络地址归属 (IP) 共同确定配送目标定位, 并且使用Web GIS地理信息数据库查看实时地理信息 (如百度地图等地理信息服务商) , 确保准确目标、实时路线路况。

(2) 配送路线规划

对于配送中心i, 其配送量上限为Q, 配送车辆m辆, 车辆k最大负荷为PK, 该配送中心的配送范围用集合

表示, 客户需求点的实际需求用qi表示, 需求点要求货物到达的最长时间用ti表示, 车辆平均运行速度为常数v。由于电子商务物流配送的客户群体对配送速度的诉求, 我们以最短距离, 最快配送为目标进行路径选择。

根据客户需求节点到配送中心的最短路径进行归属, 求解出各个配送中心的配送范围集合如下

按照就近配送原则汇集客户点得到了各配送中心的配送范围, 构成了整个配送网络。根据客户满意度优先 (现实中就是按下单时间来排序配送) , 沿途顺带配送原则确定配送先后顺序:

(1) 计算各配送中心最急配送需求,

(2) 给配送中心中等待时间与配送时间之差最小的客户优先配送, 运用Web GIS地址匹配技术查询路线, 根据路线配送。

(3) 对配送路径中经过的节点进行判断, 是否已经获得配送, 沿途需求是否获得满足, 则n=n-1, 转步骤 (1) 进入下一配送, 若未获得配送, 判断为其供货后是否能够满足目标客户的需求, 即车辆k最大负荷为pk与目标客户需求之差是否满足沿途需求, 若可以满足h个客户, 则进行供货n=n-h, 转步骤 (1) 。

四、物流电子商务配送实例

电子商务物流的发展得到了空前的发展, 前面我们构建了配送模型, 为了验证模型的实用性, 以下通过一个简单的实例来进行说明。

设某区域内电子商务物流配送网络有10个客户需求点, 从5个待选配送点中选择2个配送中心, 每个配送点各有车辆一台, 车载6吨, 平均行驶速度为60 km/h, 各需求点的历史需求量 (前一年全年需求量, 用于确定配送中心) 、当前需求量与时间要求, 各点之间的距离详见表格。

运用最短路径求解算法 (floyd算法) 求解获得路径矩阵, 根

据式 (4) 计算配送中心, 获得结果为配送中心V13, V14。

运用地址匹配技术搜寻目标地址与实时路线, 根据依据式 (6) 计算各个配送中心的配送范围集合, 两个配送中心集合分别为:V13负责客户需求节点V2, V3, V5, V6, V7, V10, V14负责V1, V4, V8, V9。根据式 (7) 及配送步骤获得配送路径为

V13路线:V13→V3→V8→V1→V13→V9,

V14路线:V14→V4→V7→V2→V6→V14→V5→V10。

从配送路径结果可以看出配送中心V13, V14被选中, 说明该两个点处于客户需求点的中心位置, 两个配送中心配送均经过两轮运送, 一方面车辆载重有限, 另一方面客户需求点位置较为分散。再者, 本文以配送网络成本最小为目标选取物流配送中心, 进一步规划配送路线, 获得的配送方案较普通配送成本更低, 客户满意度更高。

五、结语

物流配送网络研究不是一个新话题, 对于物流配送路径规划、配送点选址、车辆调度问题的研究比比皆是, 但是多数研究基于单方面考虑, 没有综合考虑配送中心、配送路径等多方面考虑, 尤其是在地理信息系统与Web技术快速发展, 运用Web GIS进行物流配送网络研究成为一个新的研究切入点。本文对Web GIS研究要点进行分析, 发掘Web GIS研究中的物流配送网络优化特性 (如路径优化、资源分配等) , 融合两者研究共性构建了一个基于Web GIS的物流配送网络模型, 分以成本为目标选择配送中心与以客户满意为目标规划配送路径两步对网络优化进行研究, 获得配送中心与最佳配送路线, 合理解决电商物流配送问题。但是, 本文考虑的Web GIS技术的浅层次应用, 更深层次的物流信息与地理信息系统集成平台构建与技术分析有待进一步深入, 同时本文配送中心为固定点, 更贴近成本优化的移动配送中心研究有待后续进一步开展。

摘要：电子商务物流蓬勃发展, 而物流配送是其中的关键, 配送成本的控制有赖于配送网络优化。Web GIS的核心问题就是实现地理信息共享, 以解决配送规划问题。本文基于Web GIS构建了一个物流配送网络优化模型, 通过选择配送中心、运用地址匹配搜寻目标、规划详细路线获得配送路径, 并通过实例对模型进行了验证。

关键词：Web GIS,物流配送,网络优化

参考文献

[1]朱鸿, 徐克林, 朱伟.动态需求下的多目标配送中心选址研究[J].物流技术, 2012, 31 (4) :68-70.

[2]陈浩, 吴洁明.基WebGIS的物流电子商务与配送网络优化集成[J].计算机与现代化, 2005, (3) :89-92.

[3]毛克彪, 覃志豪, 陈晓燕等.基WebGIS的电子商务数据挖掘研究[J].测绘学院学报, 2003, 20 (3) :180-185.

配送网络优化 篇7

随着我国流通领域的不断开放、发展和完善, 连锁超市成为日用消费品的主要流通主体, 成为消费者购买日用商品相对最为便捷、安全和经济的选择。近年来, 我国出现的有关食品安全的消费案例, 使企业社会责任问题成为备受企业关注的问题。作为供应链的末端企业, 连锁超市企业应首先承担起对利益相关者中的消费者的责任, 引导和保障消费者的安全、经济消费。

农超对接是我国政府部门近年来以促进新农村建设和城乡协调发展为宗旨, 发展现代流通、建设现代农业的一项工作任务。农超对接的基本原则是:坚持政府引导, 市场化运作[3,4]。连锁超市企业参与农超对接, 除受政策引导以外, 更重要的是, 这是企业承担社会责任的途径之一。当前我国大多数鲜活农产品的销售主要依靠农贸市场, 连锁超市销售只占很小比例, 相对于工业制品来说, 鲜活农产品一方面受农产品生产特点的影响;另一方面受农贸市场摊贩进货规模分散和缺乏严格质量标准等粗放式经营特点的影响, 消费者购买鲜活农产品的质量和价格很难从根本上得到保障。连锁超市企业通过农超对接一方面可引导农产品的生产者按照企业的质量标准和品种数量需求生产农产品;另一方面通过集中采购形成规模优势可降低农产品的售价, 此外, 通过企业连锁经营所形成的物流网络优势可使农产品进入连锁超市的高效供应链而及时上市, 所有这些优势能够极大地提高消费者购买农产品的安全性、经济性和便捷性, 使连锁超市企业承担起对消费者的社会责任, 同时也增强企业自身的竞争力。

然而, 要使农超对接真正成为连锁超市企业的主动行为且企业能通过农超对接真正为消费者带来上述福祉, 受到农产品本身易腐、低附加值等特征的制约, 对物流配送网络的便捷性、经济性和系统运行效率要求很高。而要保证物流配送网络的经济高效运行, 首先要对配送网络进行科学的布局。

1 文献回顾

关于物流配送网络的布局规划方法, 概括起来可归纳为四大类:专家选择法、解析方法、模拟方法和启发式方法[5]。在这四大类方法中, 学术文献中应用较多的是用于定量规划建模的解析方法和兼顾建模与求解的模拟方法。最早用此类方法研究网络设计的是Geoffiron和Gravest (1974) 用整数规划方法建模研究的多商品分销系统设计和Benders分解算法求解问题[6]。之后, 有Brown (1987) 提出的包含多种产品的加工制造和分销的混合整数规划模型[7];Kim和Lee (2000) 提出的有供应链容量约束的产品分销网络规划[8];Sim (2000) 提出的对网络规划问题的求解研究[9]。近年来, 国内学者对配送网络规划的研究有金海河等 (2002) 提出的多供应商、多产品、多客户分销配送网络的优化设计问题和基于混合遗传算法的求解问题[10];庞燕等 (2010) 运用混合整数规划模型建立的农产品物流网络优化模型和两层分解寻优算法[11];李梦觉等 (2011) 基于混合整数规划法构建的农产品配送中心选址模型等[12]。

本文在明确了参与农超对接是连锁超市企业承担社会责任的途径之一的基础上, 通过分析连锁超市企业所主导的农超对接物流配送体系, 主要聚焦于支撑企业实施农超对接的鲜活农产品物流配送网络的优化设计, 在前人研究的基础上, 运用混合整数线性规划 (MILP) 方法建立模型来对农超对接商品的配送网络进行选址决策, 同时考虑到网络节点农民专业合作社的选择起着对未来网络的长期持续运行的基础性和保障性作用, 除了考虑其所处位置以外, 还要综合考虑其产品品牌影响力、质量保证水平、供货保障程度等方面对网络未来发展可能产生的因产品滞销或缺货而形成的潜在成本, 而这些影响因素却难以综合地进行定量化评价, 故引入层次分析法 (AHP) , 通过专家评价进行不同影响因素的评价, 并将定性评价转变为定量数据、引入模拟概率函数来进一步优化配送网络。

2 连锁超市企业主导的农超对接物流配送体系

农超对接是一种鲜活农产品“超市+基地”的流通模式, 其实质是农产品供应链的优化[13]。连锁超市企业主导的农超对接即以城市大型连锁超市为主体, 通过企业连锁经营的大规模采购优势和超市自身对消费者在产品品质上所形成的品牌号召力, 向农民专业合作社提出符合企业要求的鲜活农产品品质标准和品种数量需求, 借助企业完善的配送体系和信息系统与农民专业合作社的标准化、即时化生产形成互动, 构建由企业需求所引导的超市与农民专业合作社作为生产基地的双赢模式。

连锁超市企业主导的农超对接模式的成功运作, 其根本在于企业配送网络的构建要能够满足鲜活农产品及时、经济配送的需求。立足于当前企业的经营实践和未来发展的长远规划, 企业引导型物流配送体系所涉及的物流节点包括:农民专业合作社 (兼有流通加工功能的生产基地) ;鲜活农产品配送中心, 连锁超市各门店。配送体系运作过程如图1所示。

要使上述配送体系经济高效运作, 关键在于生产基地和配送中心的选址布局要既能够满足鲜活农产品因利润空间小而对物流配送网络运行总成本的经济性要求, 又要充分考虑生产基地作为体系源头对系统运行的持续保障。

3 连锁超市企业主导的农超对接物流配送网络优化设计

3.1 问题的提出与数学描述

连锁超市企业主导的农超对接物流配送网络设计问题源于如下企业实践:连锁超市企业需要在某一区域市场内备选的数个具有一定规模、能够满足超市需求量并有一定品牌影响力的农民专业合作社中选择某几个作为农超对接的产品生产基地, 即供应点, 既生产产品也根据超市销售所需进行不同程度的流通加工, 向区域内超市各连锁门店供应鲜活农产品。供应方式可以是直供或经配送中心转运, 具体选择因门店既有位置而定。在连锁超市原有的配送网络较为成熟的条件下, 配送中心不考虑新建, 而计划从现有的配送网点中根据系统运行的经济性选择某几个作为农超对接的鲜活农产品配送中心, 承担转运功能。在保证对超市供货能够充分满足的前提下, 被选中的配送中心在承担农超对接产品配送的同时, 不影响其对其它商品的配送。

鉴于在某一区域内备选的生产基地所供应的鲜活农产品因具体品种不同而产生不同的发运费、运营费等, 一般差距不大, 所以, 为简化问题, 这里忽略不同产地产品的具体品种区分。通过分析测算, 已知:区域内各连锁门店对鲜活农产品的年均需求量;各节点间的产品单位发运费用;备选的各农民专业合作社和配送中心的产品供应能力和储存周转能力;超市企业对各农民专业合作社的技术指导、管理等年均固定成本;各配送中心的冷链设施、人员等投入的年均固定成本;各配送中心存储、配送、管理鲜活农产品和各连锁门店销售鲜活农产品的单位运营成本;单位产品的滞销或缺货损失费;可能的滞销和缺货比率。

现在需要确定、优化该区域内连锁超市企业所主导的鲜活农产品配送网络结构, 要在满足合理的需求分配和必要的约束条件下, 以年均鲜活农产品进货总成本、运营总成本、固定成本投资总额和潜在的滞销或缺货总成本之和最小为目标, 解决如下问题:

(1) 应该从现有的农民专业合作社中选择哪几个作为鲜活农产品生产基地?

(2) 应该从现有的配送中心中选择哪几个作为鲜活农产品的配送中心?

(3) 各生产基地向连锁门店供应的商品, 直送的和经配送中心转运的数量是如何分配的?

针对上述问题的背景、目标和要求, 建立数学模型。

3.2 模型符号说明

(1) P为所有农民专业合作社的集合, Sp为第p个农民专业合作社的年供货能力;D为所有配送中心的集合, Rd为第d个配送中心的农产品年存储周转能力;S为所有连锁超市门店的集合, Ds为第s个门店的年均农产品需求量;TC为网络运行年均总成本;I为网络建设的年固定成本投资限度。

(2) 参数:表示从第p个农民专业合作社到第d个配送中心的农产品单位发运成本, 表示从第d个配送中心到第s个门店的农产品单位发运成本, 表示从第p个农民专业合作社到第s个门店的农产品单位发运成本;表示第d个配送中心的农产品单位运营成本, 为第s个连锁门店的农产品单位运营成本;表示企业向第p个农民专业合作社投入的年均固定成本, 为企业向第d个配送中心投入的服务于农产品配送的年均固定成本;Cw表示单位产品的滞销和缺货损失, Rw表示预估的滞销和缺货比率。

(3) 决策变量:xpd表示从第p个农民专业合作社到第d个配送中心的农产品发运量, ydi表示从第d个配送中心到第s个门店的农产品发运量, zps表示从第p个农民专业合作社向第s个门店直送的农产品发运量;up为是否将第p个农民专业合作社选为生产基地的0-1变量, 是取1, 否取0;vd为是否将第d个配送中心选为农产品配送中心的0-1变量, 是取1, 否取0。

(4) f (P) 表示网络潜在的滞销和缺货概率函数。该函数的建立, 来源于对待选的农民专业合作社从其产品品牌影响力、质量保证水平、供货保障程度三方面进行定性评价之后, 运用层次分析法, 通过指标排序得到对每个专业合作社的综合排序权重后, 经模拟试算得到。

3.3 模型构建

约束条件:

目标函数表达式TC共有8项式, Min TC表示网络规划总目标为年均总成本最小, 表达式前3项之和为农产品年均总进货成本;第4、第5项式分别表示配送中心和连锁门店的年总运营成本;第6、第7项式分别表示企业向农民专业合作社和配送中心投入的年均固定成本;第8项式表示网络潜在的滞销和缺货成本。

约束式 (1) 描述了网络的容量平衡限制;约束式 (2) ~ (4) 表示最大能力和最小需求约束;约束式 (5) 固定成本总投资约束;约束式 (6) 、 (7) 规定了变量的取值范围。

该模型是一个含0-1整数变量的混合整数规划模型, 利用求解软件 (如L ING11.0) 可以求解得出分别为所选择的农民专业合作社和配送中心的个数以及up为1时所对应的各农民专业合作社和vd为1时所对应的各配送中心;求出xpd为第p个农民专业合作社经配送中心转运的农产品数量;zps为第p个农民专业合作社向第s个门店直送的农产品数量。之后通过层次分析法, 对影响网络未来发展的农民专业合作社进行定性评价之后的定量分析, 通过试算模拟, 得到以备选的农民专业合作社个数及其排序权数为变量的网络的潜在滞销和缺货概率函数, 来进一步对比优选农民专业合作社。

4 连锁超市企业主导的农超对接物流配送网络优化设计算例分析

4.1 算例

某连锁超市企业计划在某区域内5个备选的农民专业合作社中选择某几个作为企业鲜活农产品销售的生产和加工基地, 并计划在该区域内目前已经建立的3个配送中心中选择几个作为企业与农民专业合作社合作的农超对接配送中心, 该区域内现有连锁超市门店8家。该计划项目的预算投资额为年均10万元。单位产品的滞销或缺货损失大约为200元/件, 预估的产品滞销和缺货率为10%。网络的其余参数资料见表1、表2。

单位:元/件

4.2 求解及分析

应用LINGO11.0对该问题进行编码并求解, 在不考虑农民专业合作社的选择给网络未来发展所带来的潜在的滞销和缺货成本的情况下, 网络最小成本为4810.3万元, 应选择农民专业合作社P1、P2、P4和选择配送中心D1。其余变量求解结果见表3。

若考虑农民专业合作社的选择给网络未来发展所带来的潜在的滞销和缺货成本, 则求解结果可能会发生因该成本的加入而导致的差异。

如前文所述, 该函数的引入是源于对农民专业合作社的选择受到多种因素的影响, 而这些因素又难以量化, 且农民专业合作社的合理选择对于网络未来的持续运行起着源头上的基础作用, 因此, 通过对各农民专业合作社在其产品品牌影响力、质量保证水平、供货保障程度三方面的评价, 运用层次分析法对本算例进行分析, 选择农民专业合作社Pp (p∈P) 的评价权重结果为:

选择权重较高的Pp时, 网络未来的滞销和缺货成本最低。因此, 通过对各农民专业合作社产品可能的滞销和缺货概率结合实际运行情况和评价结果进行反复试算模拟, 得到如下的滞销和缺货成本概率函数:

加入该概率函数之后, 再进行软件求解, 得出:当选择P1、P3、P4时, 模型的网络总成本最小, 成本值为5884.669万元。将不考虑该概率函数时所选择的方案P1、P2、P4代入加入概率函数后的模型中求出网络总成本为5996.741万元。加入潜在的滞销和缺货成本之后, 两方案比较总成本可节约112万元, 节约比率约为2%。且总的潜在滞销和缺货成本在两种方案下分别为1074.169万元和1186.441万元, 两者比较, 该项成本节约比率约为10%。因此, 加入潜在的滞销和缺货成本后, 可对原有模型进一步优化。优化后模型的其余变量同样可求出, 这里只为说明两方案对比的结果, 故不再列出其余变量值。求解结果说明该模型有较好的适用性和有效性。

5 结束语

配送网络优化 篇8

长期以来, 供应链配送网络的设计与优化都是物流研究领域的重要课题。研究的内容主要包括单一配送中心 (Distribution Center, DC) 选址方法和多个配送中心选址及分配方法两个方面[1]。人们也提出了很多著名的方法和模型来求解这些问题[2]。但是却很少考虑运输过程中, 在运输能力有限的条件下如何最大限度地发挥运输效率的问题。配送网络的流通效率是影响供应链绩效的关键因素, 发挥供应链配送网络最大流通效率解决方案的文献较少, 这些研究的主要方法是通过建立物流的数学模型, 运用运筹学和最优控制理论来控制和优化整个供应链配送网络。但由于供应链系统的复杂性、物流模型的局限性等因素, 导致供应链优化控制的效果不理想。

具有自主性、移动性、协作性等特点的智能体 (Agent) 为供应链配送网络这个复杂的大系统开辟了新的解决途径, 基于多智能体的供应链系统已成为一个研究热点。区域协调是基于多智能体的供应链配送网络协调的一个主要问题, 它是指在运输能力有限的条件下, 根据不同的运输策略, 均衡某几个节点企业所组成的小区域的运输量, 从而提高整个供应链配送网络的流通能力。它要求各小区域间的良好协作, 而现实中的供应链配送网络是由利益相对独立的多个企业通过联盟或合作关系组成的, 为实现整个供应链配送网络的协调必然会引起各小区域之间一定程度的冲突。因此, 如何解决这些冲突是急需解决的重要问题。博弈论是研究理性的主体之间冲突及合作的理论, 它研究主体的行为是如何相互影响的, 主体是如何在相互作用中做出自己的行为选择和行为决策的[3,4,5]。用博弈论的方法来分析问题, 使问题的研究不仅局限于站在某个决策方的立场上找出针对其他方的对策, 更重要的是在分析这些决策过程时能够发现各方相互制约、相互作用的规律, 从而导出合理的结果并用以解决相应的实际问题[6]。将供应链配送网络上的各个仓库、配送中心、中转仓库、分销商、零售商等都看成是一个个的中转站, 而将原材料、装配件、半成品、成品等都看成是运输的资源, 使供应链上的全部资源在配送网络中最大效率地流通顺畅。

二、Agent代理供应链配送网络系统的运作机理

配送网络是由多个单元构成的, 基本的单元包括仓库、配送中心、中转仓库、分销商、零售商等, 这些单元可以称为子系统[7], 这些子系统当中任何一个或几个结合起来都可以构成一个配送网络。这些不同的单元共同构成了配送网络不同的具体内容和功能。所有这些单元互相区别又互相联系, 它们既是不同的单元, 彼此又互相联系着。由它们的互相区别性, 可以各自发挥自己的特长, 由它们的互相联系性, 又可以起到互相协作、互相补充的效果。根据单元在配送网络上所处的位置, 可以把整个的供应链配送网络分成一个个的区域, 而每个区域又分成一个个的单元, 在每个区域内的单元都是交互的。因此, 多Agent供应链配送网络协调系统主要包括两类Agent:由单个单元组成的单元Agent和由几个单元所组成的区域Agent。

每个Agent主要包括3个层次[8]:通信层、协作层和控制层。通信层由通信模块构成, 主要完成与其他Agent的信息交互;协作层由学习机、推理机、规则库和知识库4个部分组成, 主要完成和其他Agent进行协调并生成最终决策的功能;控制层由控制模块构成, 主要完成指导控制任务, 并将控制任务的信息通过通信层传递给其他Agent。

所有的单元Agent和区域Agent都有着共同的全局目标———使得整个配送网络绩效最优。而又有自己的局部目标———尽量使本单元利润最大 (或是本区域利润最大) 。单元Agent之间, 单元Agent与区域Agent之间, 区域A-gent之间是相互影响、相互作用的, 因此, 每个Agent的决策必然要受到另一些Agent策略选择的影响, Agent之间必然会发生一定程度的冲突。下面应用博弈论的相关知识, 建立基于Agent的供应链配送网络系统运输模型, 实现博弈均衡, 实现配送网络的整体运输效率最大, 以提高整个供应链系统的绩效。

三、供应链配送网络系统协调优化模型

1. 基本符号和定义

为建立供应链配送网络运输系统的协调模型, 引入以下符号和定义:

(1) 将每个单元都看成是中转站, 在某一时段内要运出的资源数量是一定的, 运输能力也是一定的。用东、西、南、北4个方向表示资源要运去的4个其他单元。Qi (t) 表示t时段内等候在第i个单元的产品数量的向量。Qi (t) ={Qi, E (t) , Qi, S (t) , Qi, W (t) , Qi, N (t) }, Qi, E (t) , Qi, S (t) , Qi, W (t) , Qi, N (t) 分别表示t时段内等候在i单元的运往东、南、西、北4个单元的资源数。

(2) Qi表示第i单元的资源数值的向量, Qi={Qi, E, Qi, S, Qi, W, Qi, N}, Qi, E, Qi, S, Qi, W, Qi, N分别表示运往不同单元的等候资源的数量值, 可以根据具体情况进行修改。

(3) A表示博弈协调中的行为和决策Agent, 它的目的是通过选择行动策略以最大化自己的效用水平, 是所有A-gent的集合。A={Agent1, Agent2, …, Agent n}。

(4) I表示每个Agent拥有的信息, 包括其他Agent的特征和行动策略的信息。

(5) S表示Agent的所有可能的策略或行动的集合, 一个Agent的全部可行策略称为它的策略空间。每个Agent有一个纯策略的有限集, 为了表示有限运输能力和运输的有序性, 运输策略S只取4种策略, S={东西直运、南北直运、东西双左运、南北双左运}。例如:东西直运表示在东西方向等待的资源运往东西两个单元, 那么运往南北两个单元的资源要继续等待。东西双左运表示在东西方向等待的资源分别运向南北两个单元, 而南北方向的单元要继续等待。在每个方向上运输能力也是有限制的, 用阈值表示, 阈值就是每个方向上可运输资源的最大量。阈值可根据具体情况进行修改。

(6) U表示Agent获得的利益, 是指在既定策略组合条件下Agent的得失情况, 即在一个特定的组合下得到的效用水平。U为Qi (t) 的收益函数。收益即是排队的资源数。排队的资源数越少, 效用水平越高。

(7) Nash均衡:设有n个Agent的博弈描述为G={A, S, U}, 若此问题中战略组合S*={S1*, S2*, …, Sn*}是一个纳什均衡, 则必须满足Ui (Si*, S*-i) ≥Ui (Si, S*-i) , 坌si∈Si, 式中:Si*表示第i个Agent选择的战略;S*-i表示除i之外的所有Agent的策略组成的向量;Ui表示第i个Agent的效用水平;Si表示第i个Agent的策略空间。

2. 协调模型[9]

一个Agent的决策会影响其他Agent的决策, 同时, 也受其他Agent决策的影响, 因此, 一个Agent在做决策时, 应考虑其他Agent可能采取的战略来决定自己的战略。通过Agent间的相互通信, 每一个Agent对其他Agent的特征 (策略空间、效用函数等) 有完全的了解, 这决定了Agent间的协调过程是基于完全信息的博弈过程。一次博弈协调, 定义为G={A, I, S, U}, 式中:A={Agent1, Agent2, …, Agent n}, I表示每个Agent拥有的信息, S={东西直运、南北直运、东西双左运、南北双左运}, U为Qi (t) 的收益函数。每个Agent依据它所拥有的信息I, 在S中选择合适的策略, 通过不断的协调, 使它们的盈利达到纳什均衡, 即:

整个协调过程分为3个层次:下层是单元Agent与其相邻的单元Agent之间的协调;中间层是区域Agent与单元Agent之间的协调;上层是区域Agent与其相邻的区域Agent之间的协调。如图1所示。

3. 协调算法:Q2 (T|s1, s1)

第一步, 单元Agent的资源排队数超过阈值, 则向相邻的单元Agent发出请求。

第二步, 相邻的单元Agent响应请求, 并构建如图2所示的博弈树 (博弈树分枝上的字母代表Agent的策略) , 根据式1寻找Nash均衡。

第三步, 如果Nash均衡存在, 则Agent的行动策略就是达成Nash均衡时的策略, 每个Agent按照该策略控制单元策略, 本次协调结束。如果没有Nash均衡, 则向该单元Agent所在的区域Agent发出请求。

第四步, 区域Agent响应请求, 对其所管辖的单元Agent进行博弈协调, 寻求Nash均衡, 如果Nash均衡不存在, 则该区域Agent向相邻的区域Agent发出请求。

第五步, 相邻的区域Agent响应请求, 进行博弈协调, 寻求Nash均衡, 如果Nash均衡不存在, 协调失败, 则每个Agent保持原先的策略不变。

四、计算案例

用图3所示的一个简单供应链配送网络来说明上面的协调算法。Agent 1、Agent 2、Agent 3分别是3个单元Agent, 它们由区域Agent管辖。为分析方便, 每个Agent的策略集为S={东西直运、南北直运、东西双左运、南北双左运}。图中的数字为t0时段内各个单元向各个方向等待运送的资源数。

由于运输能力有限, 当等待的资源数超过阈值时, 单元Agent间就要进行协调。在t0时段西口的排队产品数Q2, W (t0) =19, 大于阈值QW (设QW=15) , 则Agent 2向Agent 1发出请求, Agent 1响应请求并进行博弈协调, 博弈协调的收益即是排队资源数, 它是Agent 1、Agent 2博弈协调的目标和得失情况的体现, 收益的多少取决于它们的策略组合。假设每个运货周期, 到达单元的每个方向的资源数为λ, 可运往到各单元的资源数为μ, 并假设μ=1.5λ, 那么单元1和单元2在t1时段的排队资源数是由在t0时刻采取的策略决定的。通过构建博弈树可以知道有以下的4种情况:

(1) Agent 1, Agent 2都选择s1, 两个单元的资源数分别是15+2λ, 13+3.5λ。

(2) Agent 1选择s1, Agent 2选择s2, 两个单元的资源数分别为15+2λ, 25+2.5λ。

(3) Agent 1选择s2, Agent 2选择s1, 两个单元的资源数分别为16+2.5λ, 13+2λ。

(4) Agent 1, Agent 2都选择s2, 两个单元的资源数分别为16+λ, 25+λ。

当λ<12时, Agent 1, Agent 2都选择s1, 达到Nash均衡;当λ>12时, Agent 1, Agent 2都选择s2, 达到Nash均衡。Agent 1, Agent 2根据其相应的策略控制单元。以上介绍的是下层协调, 如果单元3南口的资源排队数Q3, S (t0) 等于18而不是图中所示的9, 那么Q3, S (t0) 大于阈值QS (设QS=15) , 则Agent 3向Agent 2发出请求, 而此时Agent 2也向Agent 1发出请求, 这种情况下Agent 3和Agent 2, Agent 2和Agent 1之间的Nash均衡很难达到。于是它们向区域Agent发出请求, 区域Agent响应请求并进行博弈协调, 开始中间层协调。

通过搜索博弈树可知, 当Agent 1选择策略s2, Agent 2选择策略s2, Agent 3选择策略s2, 达到Nash均衡。上层协调与下层协调类似。

通过区域Agent与区域Agent间的协调, 可以使在各个单元等候的资源数达到最少, 从而可以最大限度地使资源在整个配送网络上流通顺畅。

五、结束语

供应链配送网络是配送过程中相互联系的组织与设施的集合。它的最终目的是为了使最终顾客满意, 从而实现整个供应链的价值, 并增强供应链的竞争能力。但是因为配送网络中的元素是属于不同实体所有的, 这些不同实体之间都有着自己的利润和风险, 因此它们会从自己的利益出发, 采取相应的措施使自己利润最大化。一方做出的看来合理的决策有可能会对整个系统带来很大的影响。因此, 在进行配送网络协调时就要把供应链的协调和整合机制作为指导思想, 从而把供应链中的不同实体作为一个整体来进行协调。

用Agent技术来协调供应链配送网络, 就可以发挥系统协调整合的优势。每一个配送网络都是—种有机结合体, 而不是一个组合体。系统各个单元之间变成一种互相联系、不可分割的关系, 只有这样才能互相协调力量。使系统的整体功能大于各个单元功能之和。只有这样, 供应链配送网络的协调才能从整个系统的角度进行较为全盘的优化。

摘要：供应链配送网络的流通效率是影响供应链绩效的关键因素。在运输能力有限的条件下, 加快企业间的资源流通, 促使配送网络最大限度地流通顺畅, 对提高供应链整体绩效有着十分重要的意义。本文以多智能体技术为基础, 利用博弈论的相关知识提出了供应链配送网络优化的协调模型, 以求网络运输系统最终达到Nash均衡, 从而较好地解决有限运输能力条件下的供应链配送网络的整体优化问题, 达到整个配送网络的整体绩效最优。

关键词：Agent,供应链配送网络,博弈协调,Nash均衡

参考文献

[1]李延晖, 马士华, 刘黎明.基于时间约束的供应链配送系统随机模型[J].预测, 2004 (4) .

[2]日通综合研究所.物流手册[M].吴润涛, 等, 译.北京:中国物资出版社, 1986:226-245.

[3]Martin J Osborne, Ariel Rubinstein.博弈论教程[M].魏玉根, 译.北京:中国社会科学出版社, 2000.

[4]施锡铨.博弈论[M].上海:上海财经大学出版社, 2000.

[5]Fei Yue Wang.A Coordination Theory for Intelligent Machines[D].Rensselaer Polytechnic Institute, 1990.

[6]陈进.论区域博弈分析的方法研究[J].管理科学, 1999 (4) :66-68.

[7]任春玉, 王晓博, 李子群.基于供应链的物流配送网络模型研究[J].哈尔滨商业大学学报:自然科学版, 2006, 22 (4) .

[8]陈森发.复杂系统建模理论与方法[M].南京:东南大学出版社, 2005:42-43.

配送中心安全库存优化 篇9

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。