基于改进因次分析法的区域粮食中转库选址研究——以黑龙江省为例

牟维哲，张盼盼，李 腾

（哈尔滨商业大学 管理学院，黑龙江 哈尔滨 150028）

1 引言

2014 年9 月国务院下发了《物流业发展中长期规划（2014-2020 年）》，提出着力加强物流基础设施建设的规划。仓库是仓储基础设施网络中的节点，交通运输通道是仓储基础设施网络中的神经线，节点和通道构成了仓储基础设施网络。因此，合理的仓库选址和运输路线的布局，是加强粮食仓储基础设施建设的关键。

综合国内外的研究成果，目前研究选址的文献以研究配送中心选址的居多（关菲，2013；朱辉，2013），缺乏专门针对粮食中转库选址的研究。并且大部分的选址模型都是以一个指标最优为目标，比如以成本最小或是以利润最大为目标建立函数模型（金莉，2010），这样的模型是针对实际情况抽象出来的理论模型，对于解决实际选址问题的意义稍有欠缺。在方法选择上，虽有学者将因次分析法应用于对配送中心的选址中（王飞飞，2014），但是由于粮食的特殊性，粮食仓库的选址与一般的配送中心的选址不同，既要考虑选址的一般因素，更要结合粮食的特点以及区域经济的发展要求。因此，本文针对影响粮食中转库选址决策的各类经济因素和非经济因素做出进一步的细分，利用变异系数法对因次分析法进行了改进，并运用量化后的指标，建立了粮食中转库选址的因次分析法模型，从而将定性判断和定量计算有效结合起来，选出符合实际要求的区域粮食中转库的地址。

2 粮食中转库选址的因次分析法模型

2.1 选址影响因素的确定

因次分析法模型的关键在于确定具体的选址影响因素，包括经济因素（成本因素）和非经济因素（非成本因素）两部分，不合理的影响因素的选择将会导致选址结果的偏差和不合实际。所以本文结合粮食中转库选址的实际，将经济因素和非经济因素确定如下：

2.1.1 经济因素的确定。一般的因次分析法中的经济因素通常指从配送中心等设施的建设成本的角度进行考虑，包括各候选地址每年的各项经营费用，例如劳动力费用、运输费用和能源费用等。但是，由于粮食是人们生活中不可或缺的物资，粮库的建设属于国家规划，建设成本各地基本相同，本文认为，对于粮食中转库的选址来说，经济因素可以通过各地的GDP值来反映，更符合粮食仓库建设的特点。

2.1.2 非经济因素的确定。非经济因素的选择则可以根据粮食产品的特殊性，考虑以下五个方面：

（1）粮食产量：区域粮食中转库作为粮食配送中心存在，要求辐射范围内应有足够大的粮食产量作为支撑；

（2）交通条件：交通条件因素下考虑各种粮食运输方式。通常在粮食运输中，以公路、铁路、水路运输为主，个别地区也有航空运输的方式。具体运输方式要结合所选区域进行选择；

（3）自然条件：自然条件包括土地条件和气候条件。土地条件即为每个备选地址建设粮食中转库的适宜性；气候条件为备选地址的气候对粮食储存、加工等的适宜性；

（4）人力资源条件：粮食中转库属于劳动力密集型作业形态，需要充足的技术操作人员等人力资源；

（5）政策环境：国家对于粮食物流的政策直接影响该区域粮食的发展和粮食流向，宽松的政策是发展粮食物流的良好环境。

2.2 模型的建立及求解过程

2.2.1 分析粮食产量，删除不合理的备选地址。研究粮食中转库选址中要考虑的各种因素，从中确定哪些因素是必要的，如某一选址无法满足一项必要因素，就应将该备选地址删除。假设有t 个粮食中转库的备选地址，对于粮食产品来说，各备选地址的粮食产量是主要考虑的因素之一。因此，收集各备选地址历年粮食产量数据，通过对比分析，删除粮食产量过低的地区。假设有p个产量过低的地区，则接下来的分析主要针对其余的t-p个地址。

2.2.2 确定经济因素的重要性因子。设经济因素的重要性因子为Fj，其求解公式如下：

式中cj为其余的t-p 个备选地址所反映的经济性成本的倒数。本文取各备选地址的GDP作为衡量粮食中转库的建设成本、劳动力费用、运输费用和能源费用的经济性因素。GDP越高，表示粮食仓库建设成本和经营管理费用越高，相对的该备选地址的经济因素重要性因子Fj就越小。

2.2.3 确定非经济因素的重要性因子。如前所述，非经济因素的选择根据粮食产品的特殊性，考虑粮食产量、交通条件、自然条件、人力资源条件、政策环境五个方面。设非经济因素的重要性因子为。

其求解步骤如下：

（1）确定各非经济因素的权重比率Gi。权重比率由变异系数法计算得到。变异系数法是直接利用各项非经济因素所包含的信息，通过公式计算得到各个非经济因素的权重，是一种客观的赋权方法。计算变异系数用νi表示：

式中σi为t-p 个备选地址关于非经济因素i 的数据的标准差，为t-p个备选地址关于非经济因素i的数据的平均值。

权重比率Gi公式为：

（2）确定单一非经济因素对不同备选地址的重要性。设单一非经济因素对于备选地址j的重要性因子用Fij来表示，则：

式中wij是备选地址j 粮食产量、交通条件、自然条件、人力资源条件、政策环境等单一非经济因素的比重值；是这些单一因素对于备选地址的比重和。

将备选地址的同一非经济因素进行两两比较，优者得一分，否则得零分。

（3）确定粮食产量、交通条件、自然条件、人力资源条件、政策环境五个方面非经济因素对各个备选地址的重要性因子

式中Gi为非经济因素i的权重比率值；Fij为非经济因素i对备选地址的重要程度。

2.2.4 分别计算t-p个备选地址的重要性指标Ej

式中M、N分别为经济因素和非经济因素的相对重要性。

粮食中转库选址的经济因素和非经济因素确定之后，设经济因素和非经济因素重要程度之比为m:n，则经济因素的相对重要性M=m/（m+n），非经济因素的相对重要性N=n/（m+n），且有M+N=1。通常取M=0.5，N=0.5。

最后比较这t-p 个备选地址的重要性指标Ej，高者为最优粮食中转库的选址。

3 实证分析

3.1 黑龙江省粮食仓库现状分析

黑龙江省是我国重要的商品粮生产基地、农业大省。2013 年黑龙江省的粮食收购总量达到1 200 亿斤，从2008 年起，黑龙江省粮食总产量连续增长，计划到2015年粮食总产量达到1 500亿斤（李丹，2013）。所以本文选择黑龙江省作为研究区域，运用因次分析法模型进行黑龙江省粮食中转库的选址。

通过对黑龙江省的调研发现，农户收粮之后由于资金和自有仓库有限，收获的粮食多为露天存储；黑龙江省粮食收储库为国家政策性的粮食委托收储库，经过各库点的申请、国家资格认定后下发文件，公布每年秋收之后的国家政策性委托收储库点，这些库点从农户手中收购粮食，进行粮食的整理和储存；中转储备库是粮食仓储中心，接收来自各地的收储库的外运粮食，是对商品粮集中处理的仓库，其功能包括粮食的加工、处理、集散等功能，该类仓库的机械化、自动化程度相对较高，粮食流转速度快，建设在铁路干线的周边具有战略性意义的位置，其中三分之二的中转库配有与全国铁路网相连接的专用铁路干线。收储库到中转储备库之间的粮食运输多为公路短途运输。

3.1.1 收储库布局。随着粮食产量逐年增产，收储库的数量也在不断增加。通过黑龙江省粮食局等了解到，2012 年国家政策性粮食委托收储库点为442 个，2013 年国家政策性粮食委托收储库点认定了480 个粮库，2014 年国家政策性粮食委托收储库点达到了551个。黑龙江省粮食收储库布局范围广，分布无规律，主要靠近粮食的主产区分布，其中少部分中转库也被暂时认定为收储库点来使用。黑龙江省粮食收储库点的数量和地址由国家进行统筹安排，库点、数量根据每个仓库的可利用空余仓容和当年粮食预计产量而定。

3.1.2 中转储备库布局。黑龙江省粮食中转储备库多为集粮食收购、中转和储备于一体的粮食购销企业。中转储备库大部分建设在黑龙江—大连（哈大线及延长线）附近。中转库配有专用铁路沿线，周围紧邻高速公路，交通便利。

从粮食产量—粮食储备量—粮食流通量之间的关联协调度的角度出发，可以发现黑龙江省粮食仓储基础设施网络层级划分不明确，各层级之间衔接不紧密，不同地段之间的粮食仓库分工不合理。主要原因是缺少作为大型粮食集散中心的中转库，将各功能的粮库通过合理的粮食物流链条有机地衔接起来，导致粮食仓储业务无法与粮食流通有效的结合，这对不同功能粮库之间的优势互补和资源共享起到限制，同时在一定程度上影响了粮食仓储业务的盈利能力。因此，规划建设以铁路运输网为纽带，在交通便利的铁路干线适当位置建设一批能够进行“四散”作业、具备正常与紧急调运能力的现代大型粮食中转库成为重点。

结合黑龙江省自然地理条件和粮食物流现状，本文将黑龙江省哈尔滨、佳木斯、齐齐哈尔、绥化、双鸭山、鸡西、鹤岗、黑河、牡丹江、大庆、七台河、伊春、大兴安岭等13个市作为建立粮食中转库的备选地址。

3.2 模型的建立及求解过程

为了便于分析，现将上述13个市编号如下：

哈尔滨—A，佳木斯—B，齐齐哈尔—C，绥化—D，双鸭山—E，鸡西—F，鹤岗—G，黑河—H，牡丹江—I，大庆—J，七台河—K，伊春—L，大兴安岭—M。

（1）删除不合理因素。根据因次分析法的步骤，首先对选址要考虑的因素进行分析，将不适宜的备选地址排除。备选地区的粮食产量不能过低，通过对2009-2013 年这13 个地区的粮食产量数据分析得到：七台河、伊春、大兴安岭这三个地区的粮食产量不充足，故排除备选地址K、L、M。

（2）确定经济因素重要性因子Fj。本文将各备选地址的GDP作为衡量黑龙江省粮食中转库的经济因素。由Fj的计算公式得表1。

表1 经济因素重要性因子

（3）确定非经济因素重要性因子

①利用变异系数法得到各非经济因素的权重比率Gi。

计算粮食产量变异系数ν1的数据，选取剩余10个备选地址的粮食产量（单位：亿斤），分别为：A:341，B:128，C:254，D:248，E:53，F:60，G:27，H:70，I:57，J:114。

计算交通条件变异系数ν2的数据来自于对剩余10 个备选地址辐射出的高速公路条数和铁路条数的和（见表2），由和作为计算变异系数的数据。

表2 各备选地址交通条件分析表

自然条件变异系数ν3按照自然条件的优劣依次给分，条件最好的备选地址为10分，依次递减，同级别分数相同。自然条件包括备选地址的土地资源条件和气候条件，土地资源条件要符合粮食中转库建设的要求，黑龙江省内铁路沿线的土地资源基本一致；气候条件要求满足粮食中转库正常作业要求，寒冷时间不能太长，同时气候条件要满足粮食储存的要求。备选地址的自然条件由好到坏依次为A、I、C、B、J、（DEF）、（GH）（括号内表示为同等级），即备选地址的得分为：A:10，B:7，C:8，D:5，E:5，F:5，G:4，H:4，I:9，J:6。

人力资源变异系数ν4计算以备选地址的城市人口数量（单位：万人）为数据，其数值分别为：A:1 200，B:252，C:581，D:580，E:151，F:186，G:169，H:150，I:280，J:290。

政策环境变异系数ν5计算按照备选地区国家给予的相关政策打分，最好的为10分，依次降低，同级别分数相同。国家对粮食产量大的城市的关注相对较多，给予的政策也相对比较宽松。因此，黑龙江省大豆、水稻和小麦的主要产区为政策环境相对较好地区，由优到劣排序为（ABC）、（DEFGHIJ）。即各备选地址的得分为：A:10，B:10，C:10，D:9，E:9，F:9，G:9，H:9，I:9，J:9。

由以上各组数据计算得到每组数据的平均值、标准差和变异系数如下：

②确定单一因素重要性因子。将备选地址的同一非经济因素进行两两比较，优者得一分，否则得零分。

粮食产量：

以2014年黑龙江省10个地区粮食产量数据为依据，对备选地址间进行两两比较，应用Fd的计算公式得表3。

表3 粮食产量比较表

交通条件：

由表2 数据对备选地址交通条件两两比较，由Fij的计算公式得表4。

表4 交通条件比较表

同理可得出自然条件、人力资源条件、政策环境的比较表。

③由的计算公式确定五个非经济因素对各个备选地址的重要性因子。

表5 各备选地址非经济因素重要性因子表

（4）取M=0.5,N=0.5，根据表1 中Fj的数据和表6 中的数据，计算各备选地址的重要性指标Ei，得到表6。

表6 各备选地址重要性指标汇总表

（5）由表6中可以看出，A、B、C三个备选地址的Ej相对比较突出，将三个备选地址取出作为选址的最优方案。所以应用因次分析法得出黑龙江省粮食中转库应建设在哈尔滨、佳木斯和齐齐哈尔三个城市。

3.3 结果的进一步优化

选择在这三个城市建立区域粮食中转库，通过铁路、公路或两路互转将粮食仓储基础设施网络中各层级间节点衔接起来。哈尔滨、齐齐哈尔和佳木斯三个城市的粮食中转库的辐射地区以及中转库之间线路连接如图1所示。

各层级间的仓储节点衔接以哈尔滨、齐齐哈尔和佳木斯三个地区为中心，全国铁路干线为依托，形成黑龙江省粮食仓储基础设施网络的线路布局。

4 结语

粮食中转库的选址研究是粮食仓储基础设施网络优化的重要部分。本文充分考虑了粮食中转库选址与一般配送中心选址的不同，既要考虑粮食产品的特点以及粮食的存储形式，又要结合粮食运输方式的特殊性以及国家的相关政策，对因次分析法中的经济因素和非经济因素进行细化，最终确定了粮食中转库选址的经济因素为各备选地址的GDP 值；非经济影响因素主要为粮食产量、交通条件、自然条件、人力资源条件、政策环境五个方面，利用变异系数法求解非经济因素的权重比率，构建了基于改进后的因次分析法的区域粮食中转库选址模型。以黑龙江省为例，结合黑龙江省的粮食物流发展现状和自然条件，利用改进后的因次分析法模型，求解得出黑龙江省粮食中转库应建设在哈尔滨、佳木斯和齐齐哈尔三个城市。根据分析，运用改进后的因次分析法进行粮食中转库的选址，既采用定性的方法分析了选址影响因素，又采用定量的方法计算了非经济因素的权重比率和影响因素的重要性因子，有效的将定性与定量的方法相结合，比单纯的定性或定量的选择方法更有效。同时，结合粮食产品和黑龙江省的实际情况，考虑各种影响因素，弥补了在粮食中转库选址方面研究的欠缺。

[1]关菲,张强.模糊多目标物流配送中心选址模型及其求解算法[J].中国管理科学,2013,(11):57-62.

[2]金莉,朱云龙,申海.三级物流网络选址-路径问题建模与求解算法研究[J].控制与决策,2010,(8):1 195-1 206.

[3]李丹,郭翔宇.黑龙江省发展现代化大农业的理论思考[J].商业研究,2013,(8):178-182.

[4]王飞飞,林文.基于改进的重心—因次分析法的3PL配送中心选址研究[J].物流技术,2014,(3):185-199.

[5]朱辉.基于灰理想关联熵的物流选址方法[J].统计与决策,2013,(18):40-43.