“云倉儲”是現代物流業在信息技術支撐下衍生出來的一種全新的物流倉儲運作模式, 本質上“云倉儲”就是通過實體分倉的方式, 以“云”的思路為指引, 集合社會各方面的資源, 實現分倉的全面覆蓋, 同時通過構建一體化的信息系統實現對供應商及銷售商的聯網管理, 這樣各個供應點、銷售商或客戶則成為了“云”, 一體化的信息系統則扮演了服務器的角色, 從而形成了一個完整的公共倉儲體系。在“云倉儲”模式下, 各物流參與主體可以通過便捷的信息網絡, 快速地完成貨物的配送和倉庫的選擇, 同時也極大的提升了物流風險的可控性和效率, 有效地降低了物流企業的經營成本, 為客戶帶來了全新的物流感受, 這將成為現代物流實現飛躍發展的“助推劑”。
當前物流呈現出配送業務十分繁雜、單筆業務量小、覆蓋范圍大、配送頻率高等特點, 在很大程度上增加了物流的負擔, 普通的倉儲模式很難滿足實際的物流需求, 尤其是給物流倉儲的選址帶來巨大的挑戰。在客戶企業較為分散的情況下, 延長了物流的線路, 極大地增加了物流成本, 僅僅依靠單一的配送中心很難滿足配送的需求, 這就要求物流中心探索出一種既能節約物流成本, 又能提升企業服務效率的倉儲選址模式, 而“云倉儲”模式則成為了當前B2C環境下電子商務企業倉儲模式的最佳選擇, 可以有效地解決當前物流企業面臨的諸多問題。
云倉儲實施思路 (如圖1) 具體如下:
(1) 通過構建實體分倉的方式, 解決客戶分散、預算路線過長的問題。在實體分倉模式下, 物流企業可以根據不同地區客戶對需求地的差異化需求, 將客戶選擇的商品放置于距離客戶需求地最近的倉儲中心, 同時通過選擇恰當的物流承運商進行相關貨物的配送, 在商品未發生破損的情況下, 如果客戶提出退換貨的要求則不需要將商品退回倉儲中心, 可以直接將商品運送至貨物中轉站, 退回的商品可以留作下次配送, 這樣有效地節省了貨物來回運輸的費用。
(2) 通過構建分倉信息聯網系統, 實現對貨物的信息化管理。憑借完善的社會化信息系統平臺, 可以對社會物流資源進行有效整合, 實現物流信息的透明化、高效流通化, 從而有效地提升了信息的共享性, 保證信息的高效流通, 有效地避免了因信息流通不暢而導致的貨物運轉成本增加情況, 從而減少物流企業經營成本, 提升運營的靈活性, 同時通過構建完善的社會信息系統, 有效地提升自身管理水平和服務效率, 增強客戶對電子商務企業的忠誠度和滿意度, 有利于物流企業核心競爭力的形成。
(3) 通過整合物流企業, 實現集團化運作。通過發揮國家郵政部門和政府部門的強大號召能力, 集合一些具有較強實力和發展潛力的大規模物流企業形成集團的運作模式, 提升整體的物流水平。在集團運作模式下, 各參與主體可以充分發揮出各自的資源優勢, 實現資源的優化配置, 提升整體的服務水平和經營效果, 讓廣大客戶享受更加優越的服務體驗, 同時通過企業整合, 各物流企業之間可以起到資源互補的作用, 實現共同發展。
(4) 推進物流信息化工程建設進度, 快速構建出完善的區域網絡配送體系。進一步加大對物流基礎設施的建設進程, 構建全面的物流通道網絡, 實現海、陸、空物流通道網絡的全面覆蓋, 快速推進區域配送的一體化建設, 從而實現對物流信息的高效管理, 幫助電子商務企業縮短物流路線, 實現就近配送, 減少商品運輸的成本投入, 同時利用區域網絡配送體系, 快速實現最佳配送路線的選擇, 極大地提升電子商務企業服務的效率, 滿足客戶對不同需求地的需求, 為客戶提供更為便捷、優質的服務。
假設有i (i=1, 2, ?, n) 個點可作為配送中心備選地點, 對應k (k=1, 2, ?, m) 個供應商, 第i個配送中心對應j (j=1, 2, ?, l) 個目標客戶。將選址后的凈收益 (f) 作為最終評價目標, 則有
其中S為物流配送中心的總收益, 表示為 ;Y為運輸成本, 表示為 ;K為庫存成本, 表示為K=eihimi;G=timi+gimi+nivi, 表示配送中心的固定成本。
其中dki表示供應商k到物流中心i的距離, aki表示從供應商k到物流中心i的過程中物流中心通過提供物流服務所獲取的單位收益, xki表示供應商k到物流中心i的運輸量, cki表示供貨點k到物流中心的運費;dij表示從物流中心i到目標客戶j的距離, aij表示從物流中心i到目標客戶j的過程中物流中心通過提供物流服務所獲取的單位收益, xij表示從物流中心i到目標客戶j的運輸量, cij表示從物流中心i到目標客戶j的運費; , mi表示物流中心i的實際倉儲量, hi表示平均存儲時間, ei表示物流中心在單位時間內的單位倉儲成本, ti表示物流中心單位容量建設成本, gi表示物流中心單位容積的維護消耗成本, vi表示人工的平均工資, ni表示物流中心需要的總員工數量。
約束條件為: (1) , 表示配送量總和不高于供貨商供應能力; (2) , 表示對客戶j的預備倉儲量不能低于目標客戶j需求量; (3) , 表示選中的物流配送中心數量不可能高于可選的物流中心最大數量; (4) 表示選中物流中心存儲總量不能高于選中物流配送中心的最大容量; (5) mi≤Mi表示任意一家配送中心的倉儲實際容量要低于其最大容量; (6) 表示供貨點k到物流中心i的運輸量與從物流中心i到目標客戶j的運輸量要相符, 這樣才能保證穩定的倉儲數量; (7) xki, xij≥0表示進貨與配送是不可逆向的; (8) Mi>xkij, 供應商k經物流中心i到目標客戶j的運量不能大于物流配送中心的最大容量。
其中Mi表示物流配送中心的最大容量, xkij表示從供應商k經物流中心i到目標客戶j的運量 (可能存在多種情況: (1) 某一供應商k可能對應多個目標客戶j; (2) 多個供應商k可能對應一個目標客戶j; (3) 某一供應商k與某一目標客戶j是一一對應的。這都需要經過配送中心i進行統一調配后進行配送, 因此設定角標為“kij”) , Dj表示目標客戶j的需求量, Ak表示供應商k的供貨能力, P表示可選的物流中心最大數量。
本文通過遺傳算法對上述模型求解, 步驟如下:
(1) 編碼:以連續自然數對預備物流中心進行編號, 以二進制編碼對每一個自然數編號進行編碼, 編碼位串總數等于備選地址總數量。例如在有五個位點可以作為物流中心的備選方案中, {0, 0, 0, 1, 0}代表自然數編號為4的備選地址。
(2) 適應度:本文采用適應度函數計算遺傳算法中各個個體是否適合作為最終結果。最具備適應度的值應具備以下條件: (1) ≥0; (2) 數值最大。以函數表示為:
遺傳算法各代中f (x, z) ??的最大值, 隨著遺傳代數的變化Fmax的值也在改變。例如在初始群體數量為10的情況下, 隨機生成的十個染色體 (即編碼位串) , 其中包含{0, 0, 1, 0, 1}, 因ei、hi、ti、gi、mi、cki、dki、aki、aij、cij、dij、ni、vi是可以經過調查得到的值, 這種情況下其適應度計算步驟如下:
(1) {0, 0, 1, 0, 1}表示Z1=Z2=Z4=0, Z3=Z5=1, 將數值帶入公式, 將其變成普通的運輸問題。
(2) 求出十個初始染色體f (x, z) ??的值, 將其中數值最大的作為Fmax。
(3) 算出十個初始染色體的適應度g (x, z) 。
(3) 本文對第一代種群適應度最大的染色體對在子代中最少出現1次, 而后以輪盤賭方式傳代來保證優秀染色體的傳代過程[3]。
(4) 以黃金分割系數法進行遺傳因子交叉, 進行交叉算子。
(5) 通過上下界約束方式保證變異后的染色體符合要求, 設染色體x的最大值為ζimax, 最小值為ζimin。隨機生成在[0, 1]內的隨機數λ1、λ2, 得到變異后的染色體:x=λ1? (ζimin-x) +λ2? (ζimax-x) 。
(6) 通過對不可行解的懲罰方式將約束問題轉化為無約束問題[4]。
遺傳算法求解的過程如圖2所示:
某地區有五個地點可作為物流配送中心備選地址, 以P1-P5分別代表每一個備選地址, 各備選地址具體情況見表1 (因為最終目的是備選方案利潤數值的比較, 為計算方便將各數據去除量綱, 以無量綱的純數大小進行比較, 表2、3、4同) 。
表1 備選地址各參數情況 下載原表
其供貨地共有2個, 以R1和R2代表。各供貨地情況見表2 (運費率及收益率表示該備選地址相對于其他備選地址運費及收益的比率) 。
表2 備選地址各參數情況 下載原表
物流配送中心對應的主要客戶區域為六個城市, 以C1-C6分別代表每一個客戶區域。C1-C6各客戶區域需求量分別為7.5、8、5.5、10、7、11。
各客戶區域情況見表3。
表3 備選地址各參數情況 下載原表
以Matlab7.0進行計算, 將變異概率 (pm) 設為0.9, 種群規模 (Pop-size) 設為50, 最大迭代次數 (max gen) 設為300, 交差概率 (pc) 設為0.8。得到結果見表4。
表4 各選址方案對應凈利潤 下載原表
可見備選地址P1對應的凈利潤為531, 在所有備選方案中最高, 因此物流配送中心應選擇建立在P1點。
以云倉儲概念為基礎, 結合現代物流配送中心訂貨、存儲、出貨的特點, 分析了影響物流配送中心盈利的各個要素, 并建立以最大盈利為目的的模型。通過實例驗證獲得了良好的效果, 說明這種方法可以較為準確的計算物流配送中心對應的凈利潤情況, 為物流企業進行物流配送中心選址提供了有力的決策依據。
上一篇: WMS系統在倉儲物流中的應用
下一篇: 化工危險品物流倉儲管理優化研究