流通配送中心选址的模型研究—以生鲜食品为研究对象

■ 李　鹏（黑龙江农业工程职业学院　哈尔滨　150088）

流通配送中心选址的模型研究
—以生鲜食品为研究对象

■ 李鹏（黑龙江农业工程职业学院哈尔滨150088）

内容摘要：本文采用加权马尔可夫GM （1，1）预测算法对各个区域的生鲜食品需求量进行预测，确定最佳候选配送中心地址，然后采用构建的配送中心选址模型从运输成本、固定建设成本、生鲜损耗成本等方面确定最佳选址，最后对该模型进行实例验证。

关键词：加权马尔科夫算法流通配送选址生鲜食品

生鲜食品配送中心选址的目标

生鲜食品配送中心是进行社会物流组织的重要节点，其运作模式的主要特点在于它并不是从事生鲜食品生产的社会组织，只是从生鲜食品生产者手中汇集各种生鲜商品资源，然后进行分类和生鲜产品配送的集约化活动，进而实现物流活动的规模经济性，实现降低生鲜食品物流成本的目的。因此，受生鲜商品资源分布、市场需求以及运输等因素的影响，如果生鲜食品选址规划在同一区域内的各个地点，不同的布局方案可能会导致整个物流系统的运作成本产生很大的差异。给用户提供更好的服务，实现更高的社会效益，是进行生鲜物流中心索要考虑的中心问题。在进行生鲜物流中心选址的过程中，物流中心选址应该以费用较低、服务较好、辐射区域大以及社会效益高作为主要目标。其中费用低指的是寻求物流中心，包括建设费用和经营费用在内的总费用最低；服务好指的是物流中心选择的地址应该保证生鲜食品能够及时、完好地送达给用户；辐射强以及社会效益高是指生鲜物流中心的选址应该要从整个区域的物流大系统出发，使生鲜物流中心的地域分布与区域物流资源和需求分布相互适应，适应地方经济发展的实际情况。

表3　相关系数及马尔可夫链权重计算结果

表5　生产基地和候选配送中心之间的单位运费及生鲜损耗系数

电商生鲜流通配送选址模型的构建

电商在进行生鲜流通配送中心选址时，必须要能够覆盖全部的市场需求点，并要综合考虑生鲜流通配送中心的固定建设成本、物流运营的管理成本、生鲜损耗成本以及运输成本等综合起来最小。

（一）模型基本假设

假设首先确定了生鲜配送中心的候选区域，在该区域内具体进行配送中心选址；假设市场每一个需求点的需求量是已知的，并且也只由一个候选配送中心为其提供生鲜商品配送服务；假设生鲜产品的运送费用已知，并且配送点和配送中心的运输费用和两者之间的距离成正比关系，且运费已知；假设已知的各候选配送中心的固定建设费用和运营管理费用。

（二）模型建立

其中式（1）代表模型的成本优化目标，目标函数由固定建设成本、运营管理成本、生鲜损耗成本和运输成本组成；其中 0 ＜β＜1， 表示配送中心的规模越小， 单位成本越大。公式（1）中，I代表生鲜产品需求点个数集合；J代表候选配送中心集合；K代表生鲜农产品生产基地集合；Ij代表候选配送中心j能覆盖的全部需求点集合；Xji代表0，1变量。Xji=1代表候选配送中心j为需求点i配送；反之，则代表候选配送中心j不为需求点i提供配送服务；Yj代表0，1变量。Yj=1代表候选配送中心j被选中建立；否则代表候选配送中心j未被选中建立；qi代表需求点i的年需求量；Aj代表候选生鲜产品配送中心j的固定费用，可包括基础设施建设、物流设备购置等固定建设费用，员工薪资、能耗等固定管理费用；Vj代表第j个配送中心的变动成本系数；λkj代表从生产基地k到候选配送中心j的单位运费；λji代表从候选配送中心j到需求点i的单位运费；lkj代表候选生鲜产品选配送中心j与生产基地k的运输距离；lji代表需求点i与候选生鲜产品配送中心j的运输距离；wkj代表生产基地k与候选配送中心j之间的配送量；wji代表候选配送中心j与需求点i之间的配送量；p代表生鲜农产品的市场价格；αkj代表生产基地k到候选配送中心j的生鲜度损耗系数，且αkj∈［0，1］；αji代表候选配送中心j到需求点i的生鲜度损耗系数，且αji∈［0，1］。

公式（2）保证各需求点只能由一个候选配送中心配送；公式（3）表示只有当候选配送中心被选中才能为需求点提供配送服务；公式（4）-公式（7）代表如果候选配送中心未被选中，则不能为任何需求点提供配送服务，且生产基地也不能向该配送中心供货；公式（8）、公式（9）代表供求约束：公式（10）、公式（11）代表决策变量约束。

表1　每个区的年销售量统计

表2　模型计算结果与实际结果分析

表4　候选配送中心与各个区域之间的单位运费（元/km·t）

表6　候选配送中心和需求点之间的生鲜度损耗系数

选址模型具体案例分析

某一生鲜电子商务企业在特定的区域范围之内，建设流通配送中心向该地区市场提供生鲜产品。将该地区具体划分为10个区，通过建设一个生鲜流通配送中心向这个区域的配送站配送生鲜商品，送货上门。文中在研究时，选取2012-2014三年各个区销售的平均值作为原始数据，以半年为一个时间序列（见表1）。

得到初始数列：

X（0）=（x（0）（1），x（0）（2），…，x（0）（10））=｛118.3 6，123.53，129.56，137.45，126.67，150.16，1 33.15，147.23，140.16，127.33｝

本文通过公式计算，得到销售量序列时间相应序列，即

再由公式（1）计算相对误差，拟合结果及相对误差见表2。

状态1：高估状态（4＜δ＜15）；状态2：较高估状态（1＜δ＜4）；状态3：正常状态（-1＜δ＜1）；状态4：较低估状态（-4＜δ＜-1）；状态5：低估状态（-10＜δ＜-4）。则可知1-10区的时间序列状态分别为：3、4、3、2、1、3、1、4、2、2。根据公式（2）和公式（3）计算相对误差序列各阶自相关系数rK和权重wK，计算结果见表3。

通过上述计算，得到马尔可夫链的转移概率矩阵p如下：

经过修正最终得到预测结果，10个区的生鲜果蔬的需求量分别是：1区需求量为180.4吨；2区需求量为123.5吨；3区需求量为128.1吨；4区的需求量为163.7吨；5区的需求量为178.9吨；6区的需求量是159.4吨；7区的需求量是125.3吨；8区的需求量是166.6吨；9区的需求量是121.2吨；10区的需求量是124.7吨。

采用专家打分法根据上述分析结果确定3个候选配送中心，生产基地位置坐标（km）［580，80］，J1［265，212］，J2［283，207］，J3［453，228］。该候选配送中心与生产基地及各需求点的相关数据如表4-表6所示。

候选配送中心建设以及运营费用，其中J1候选配送中心的建设费用为111万元，生鲜食品的每吨运营费用为95元；J2候选配送中心的建设费用总计为146万元，用于每吨生鲜食品的运营费用为123元；J3候选配送中心的总建设费用是125万元，生鲜食品每吨的运营费用为104元。最后，利用Lingo软件求解该混合整数规划模型，其配送中心的选址为J1，总成本为661.9万元。

结论

“互联网+”是我国“十三五”时期的发展方向，是充满前瞻的中国战略。政府、市场主体和网民，都需各尽其分，让信息革命的生产力牵引中国成为网络经济强国，从而充分发挥电商在我国经济建设以及服务人民中的重要作用。网络信息技术的进步催生我国电商的迅猛发展，以此为背景我国生鲜电商迎来了重要的发展机遇期。从申银万国证券报告预测来看，2016年我国生鲜电商的增速可以达到75%，2016年的生鲜电商的销售额也将达到911亿元，但是，与此相对应的是在整个市场中盈利的生鲜电商却是寥寥无几，这与我国当前生鲜电商物流选址有着十分紧密的关联。在我国生鲜物流发展的过程中，网购生鲜损耗率高已经严重影响到企业的盈利以及用户的体验，究其原因，流通配送是最大的短板，我国的电商生鲜食品供应链体系发展的还不够健全。本文对电商生鲜流通配送选址问题进行研究，得出以下结论：

第一，通过对生鲜食品配送中心选址问题的研究，发现以往的研究很少考虑生鲜食品的市场需求情况。本文在该背景下采用了灰色—马尔可夫模型进行需求点的需求预测，并通过检验证明了该模型的合理性。

第二，本文在理论分析和实践研究的基础上，根据生鲜商品配送中心选址中存在的特点，在构建生鲜食品配送中心选址数学模型时，引入新鲜度作为选址的一个影响变量，利用Lingo软件求解，得到最优选址结果。

参考文献：

1.李梦寻，李志.新鲜度条件下生鲜食品配送中心选址模型研究［J］.重庆与世界（学术版），2013，30（4）

2.郭睿.M集团生鲜食品配送中心的选址问题研究［D］.南京理工大学，2010

3.杨华龙，刘金霞，郑斌.灰色预测GM（11）模型的改进与应用［J］.数学的教学实践与认识，2011，41（23）

4.杨皓翔，梁川，崔宁博.基于加权灰色—马尔科夫链模型的城市需水预测［J］.长江科学院院报，2015，32（7）

5.赵玲，许宏科.基于灰色加权马尔可夫：SCGM（1，1）c的交通事故预测［J］.计算机工程与应用，2012，48（31）

6.谢道文，施式亮.基于云理论与马尔科夫模型的矿井用水量预测［J］.中南大学学报（自然科学版），2012，43（6）

7.仲远见，李靖，王龙.改进马尔科夫链降雨量预测模型的应用［J］.济南大学学报（自然科学版），2009，23（4）

中图分类号：◆F252

文献标识码：A