焦点新闻 | 产业新闻 | 山东财经 | 上市公司 | 园区经济 | 鲁大夫财评 | 曝光台 | 人物 | 银行 | 保险 | 房产 | 证券 | 旅游
鲁网 > 财经频道 > 山东财经 > 正文

论文:随机需求下蓄冷式多温共配优化模型

2018-08-28 15:36 来源:鲁网 大字体 小字体 扫码带走
打印
随着人们对冷鲜品需求的不断增长,冷链物流业发展迅速。然而,由于冷链物流投资大、能耗高,冷链品易腐变质,而且需求呈现少量多样和不确定性,冷链配送的“最后一公里”日益成为制约冷链物流发展的瓶颈问题。

  随机需求下蓄冷式多温共配优化模型

  王淑云 孙虹 牟进进

  随着人们对冷鲜品需求的不断增长,冷链物流业发展迅速。然而,由于冷链物流投资大、能耗高,冷链品易腐变质,而且需求呈现少量多样和不确定性,冷链配送的“最后一公里”日益成为制约冷链物流发展的瓶颈问题。2014年12月26日国家发改委、财政部、商务部、国家税务总局、交通运输部等十部委联合发布《关于进一步促进冷链运输物流企业健康发展的指导意见》,其中提出 “要大力发展第三方冷链物流,鼓励企业购置节能环保的冷链运输车辆,大力发展共同配送等先进的配送组织模式”。

  冷链品多温共配问题是传统单一冷链品配送问题的延伸,早期的冷链配送大多是研究单一冷链品的配送问题,Chen等研究了随机需求下带时间窗的冷链品生产配送问题,运用启发式算法对配送路线进行了优化;Brio 等建立了需求不确定环境下冷冻品配送的模糊优化模型,并运用贪婪随机自适应搜索法和变邻域搜索算法进行模型的优化求解;Karin等通过构建混合整数线性规划模型研究了需求不确定且有服务质量限制的多周期冷链品配送问题;Bustos等建立了易腐品随机运输网络的多目标规划模型,并以鲜花运输为例验证了模型的有效性;Soysal等研究了考虑碳排放和顾客需求不确定的多周期易腐品库存路径问题,以新鲜西红柿配送为例验证了其模型的有效性。缪小红等建立了第三方冷链配送优化模型,不仅考虑了行驶过程产生的货损成本,还考虑了机械式开启车门产生的热交换而带来的货损成本;杨建华等建立了考虑碳税成本且冷库能力受限的冷链物流配送网络优化模型;石兆和符卓针对冷链配送过程中行驶路段时变因素变化而导致时间延误的问题,以客户满意度最大化为基础进行了车辆路径的优化研究;邵举平等针对生鲜农产品配送时效性强的特点,引入生鲜度损耗系数,研究了带时间窗的生鲜农产品配送问题的模型与算法。

  蓄冷式多温共配作为无冷冻动力运载系统,用常温车搭配蓄冷保温箱即可同时运送不同品温的冷链品,既能确保冷链品全程保鲜、降低配送成本,又能缓解交通压力、减少环境污染,日益受到冷链物流实践者和研究者的重视。

  台湾的运营实践表明,蓄冷式多温共配,在确保品质的同时,与传统冷冻车相比,实现节能40%以上,降低油耗12%左右。理论研究上,Cho 等总结台湾地区蓄冷保温箱的实践经验,论述了蓄冷式多温共配模式的可行性;Kuo 等综合分析食品冷链的框架体系,提出了多温共配的实施模式;吴重毅研究顾客需求变动下的多温共配多车种车辆路径问题,研究表明单温多车配送搭配蓄冷式多温共配模式优于使用单温多车配送模式;Hsu 等运用层级轴辐式网络,构建了多温共配优化路径模型,并通过算例证明了蓄冷式多温共配对少量多样冷链品配送的适应性;刘刚伯研究了多温共配物流的设施规划及自动仓储动态指派问题,并利用实际案例验证了模型的合理性;王淑云等、Hsu 等通过与传统单品温配送模式的比较,论证了蓄冷式多温共配的经济性。

  本研究首先依据所有顾客的历史需求,综合考虑配送过程中的固定成本、行驶成本、保温箱成本、碳税成本以及顾客需求的随机性,以配送成本最小化为目标规划初始配送路径,然后根据顾客的实际需求进行路径再优化(如果物流企业在依序访问顾客前能够获知具体的需求,初始配送路径是路径再优化的基础)。建模中既考虑了正向配送,又考虑了因随机需求而带来的回程补货问题。对于回程补货模型构建既采用事前估计策略,又根据概率分布构造了多维冷链品剩余量分布图用以决策可能的前行方案/回程方案。在算法设计中,将容量无法交叉使用的多区隔车厢的补货路径的随机动态规划算法拓展到了车容量可以交叉使用的蓄冷式多温共配。建模及算法设计给出的多维车辆前行或回程补货的路径规划方案及灵敏度分析可以为我国冷链物流配送提供切实可行的理论依据与方法指导。

  本研究建模的思路是:由于客户对冷链品的需求量易受季节、气候等因素的影响,物流配送在开始访问顾客前,有时难以提前获知确切的顾客需求,只有到达才获知具体信息。通常,物流企业会依据所有潜在顾客的需求期望规划出初始配送路径,并依序访问服务顾客。当然,如果物流企业在依序访问顾客前能够获知具体的需求,则就可以基于初始配送路径规划进行配送路径的再优化。因此,采用预优化策略,即在顾客的需求状态还未确定之前确定路径,当需求状态确定之后再简单地调整路径,具体分为两个阶段:第一阶段,根据顾客的需求均值构建初始配送路径;第二阶段,配送车辆按照预定的配送路径行驶,并根据顾客的实际需求、剩余货物量,判断是否进行回程补货,最终按次序为预先指定的顾客完成配送任务。

  在具体的模型构建中,假设每条路径起始于配送中心并终止于配送中心;每个顾客节点需求必须得到满足,有且只有一辆车为其配送;配送车辆的规格完全相同;顾客需求随机,只有当车辆达到顾客点处才得知其实际需求量;每个顾客节点的需求总量不超过配送车辆的容量;在第一阶段预先设计初始配送路径时不允许配送车辆回程补货,第二阶段为了完全满足顾客的实际需求,对回程补货次数没有限制;不允许缺货,配送中心的配送车辆及货源充足。

  蓄冷式多温共配模式利用常温车搭配蓄冷保温箱进行配送,与机械式多温共配的区别在于装有各个温层冷链品的保温箱可以同时混合放于常温车的车厢中,只要总量不超过车厢容量即可。由于蓄冷保温箱可保持冷链品所需的温度长达12小时之久,所以,这里假定在配送过程中不会产生变质成本,即蓄冷式多温共配的配送成本主要包括固定成本、行驶成本、保温箱成本以及碳税成本。

  固定成本是派遣每辆配送车辆所担负的成本,包含配送车辆的固定损耗、驾驶员的工资等;配送车辆的行驶成本包含油耗、保养等成本。由于配送车辆匀速行驶,行驶成本与行驶时间成正比;保温箱成本主要指蓄冷式保温箱的购买成本、加冷设备的使用成本以及保温箱的维修成本、保养费用等;碳税成本指对二氧化碳排放征税产生的成本。

  在初始模型构建中以配送总成本最小化为目标函数,相关约束包括:每个顾客仅被一辆车服务一次,且每条路线的起止点均为配送中心;每个顾客的流量守恒;只有一条最优化行驶路线;每辆车最多只能使用一次;车辆到达后一个顾客 的时间,大于到达前一个顾客 的时间与顾客 服务时间以及从顾客 到顾客 行驶时间之和;车辆到达第一个顾客 的时间,为车辆从配送中心出发的时间与配送中心到达顾客 行驶时间之和;车辆返回配送中心的时间,位于车辆服务完最后一个顾客之后;有时间窗限制;有保温箱数量限制;有变量的值域限制。

  关于回程补货,目前有关回程补货的策略,大多数文献都采用当出现缺货的时候才进行回程补货,这种策略简单但会延长配送时间,不仅会造成配送成本的增加,而且会导致冷链品品质的下降。本研究采用事前估计策略,即在未出现缺货时就根据顾客的需求概率判断选择直接驶向下一顾客节点还是返回配送中心补货。

  为了清晰地描述建模过程,以两种冷链品为例构建模型。如果配送车辆直接驶向下一顾客节点,有四种情况可能发生,如区域A为配送车辆上的剩余冷链品的量能够完全满足顾客 的需求;区域B和区域C为顾客 只有一种冷链品能够得到满足,此时配送车辆需要返回配送中心补货,然后返回顾客 处完成配送任务;区域D为顾客 的两种冷链品需求均得不到满足,此时配送车辆需要返回配送中心补货,然后返回顾客 处完成配送任务。

  首先运用蚁群算法规划初始配送路径,后运用动态规划算法规划蓄冷式回程补货路径。

  为了验证模型与算法的有效性,本研究以一个配送中心为30个顾客节点配送冷藏、冷冻两种冷链品为例,给出了顾客及配送中心之间的坐标系。顾客对冷藏产品和冷冻产品的需求相互独立,均服从均匀分布,且需求量为整数。

  经过规划,求出了配送路径数及其每个路径服务的节点和最小总成本及回程补货方案。

  最后就需求方差对配送时间及成本的影响、车容量对配送时间及成本的影响进行了灵敏度分析。

  在保持两种冷链品需求不变的情况下,配送时间随需求方差的降低而下降。由此可知配送时间与需求方差呈正向关系,所以当顾客的需求方差比较大时会导致较高的配送成本。故冷链配送企业应采用数据挖掘等技术对顾客的需求量进行预测,以降低配送成本、提高企业利润。

  为了探讨车容量对配送成本的影响,在保持其他条件不变的前提下,观察当车容量发生变化时候,配送成本的波动情况。分别令车容量减少/增加4个单位,重新规划初始配送路径和回程补货路径,并计算出相应的配送时间和配送成本,然后与原始的数据进行比较,研究中发现随着车容量的增加,配送路径数量、配送时间、配送成本及时间差相应减少,但是每条路径的配送时间都在增加。由于冷链品的配送时效性比较强,所以配送企业需根据自身配送业务的特点选取适宜容量的配送车辆。

  本研究的结论如下:以新兴的蓄冷式多温共配模式为研究对象,将顾客需求的随机因素引入数学模型,能够更好地贴近实际,首先,综合考虑配送过程中的固定成本、行驶成本、保温箱成本、碳税成本以及顾客需求随机所引起的成本,以配送总成本最小化为目标,构建了随机需求下蓄冷式多温共配优化模型,并设计了随机需求下蓄冷式多温共配路径优化模型及优化算法,通过算例验证了模型及算法的有效性。对冷链品的需求特性、车厢容量对车队规模、配送车辆路线、配送时间与配送成本影响的灵敏度分析表明,配送时间与需求方差呈正向关系,即意味着,当顾客需求方差比较大时会导致较高的配送成本;车容量与配送路径数量、配送时间、配送成本及时间差呈负向关系,亦意味着,冷链配送企业需采用数据挖掘等技术对顾客的需求量进行预测,并根据自身配送业务的特点选取适宜容量的配送车辆,以降低配送成本、提高企业利润。值得说明的是,尽管本研究中考虑了顾客需求的随机性,但并未将配送时间随机等因素考虑在内。另外,假定蓄冷保温箱的体积相同,然而,在实际配送中,冷链物流企业有可能根据不同产品特点及顾客需求特点配备不同容量的蓄冷保温箱。所有这些都可能将成为今后研究的重要方向。

  本研究与已有文献的区别在于,一是,考虑了需求的随机性,而以往对蓄冷式多温共配的优化研究针对的是确定性需求,这往往与现实不符;二是,以往有关随机需求的配送问题针对的是单一品种或单一品温的冷链品,本研究则是对多品温冷链品的共同配送进行优化建模和算法设计及灵敏度分析。尤其是,本研究将容量无法交叉使用的多区隔车厢的补货路径的随机动态规划及其算法拓展到了车容量可以交叉使用的蓄冷式多温共配。对于随机需求而带来的回程补货问题,既采用事前估计策略,又根据概率分布构造了多维冷链品剩余量分布图用以决策可能的前行/回程方案。所有这些可以为我国冷链物流配送提供切实可行的理论依据与方法指导。

  (转自系统管理学报,2018年第27卷第4期)

 

  

  

  

  

  

  


责任编辑:张铭芳
分享到: