合作配送下物流企业间考虑低碳效益的最优策略研究

汪 欣

(1.天津大学 环境科学与工程学院,天津 300072; 2.中国科学技术大学 管理学院,安徽 合肥 230026; 3.安徽城市管理职业学院 管理系,安徽 合肥 231635)

合作配送下物流企业间考虑低碳效益的最优策略研究

汪 欣1,2,3

(1.天津大学 环境科学与工程学院,天津 300072; 2.中国科学技术大学 管理学院,安徽 合肥 230026; 3.安徽城市管理职业学院 管理系,安徽 合肥 231635)

文章从低碳视角建立优化模型,对两物流企业间合作配送策略进行分析,给出基于低碳效益的最优合作策略,并就相关因素对合作效果的影响进行探讨。结果表明:在一定条件下,就近配送的合作策略能降低两物流企业的共同能耗,但存在有的企业能耗不减反增,阻碍其合作意向的现象;合作配送的低碳效益主要依赖配送距离缩短和车载配送能力增加,行驶速度的优化可行性不大;两企业间速度差距越大,配送能力差距越小,减排的效果越明显。因此在合作伙伴的选择中,物流企业需要根据双方的配送中心位置、客户需求结构、配送能力及速度等因素综合考虑。

低碳效益;低碳物流;合作配送;最优策略

0 引 言

全球变暖向人类的生存释放危险信号。在此背景下,全球兴起以“低能耗、低污染、低排放”为基础的“低碳经济”(low-carbon economy)革命,它的重要性就是对碳排放量(carbon emission)的控制,而以能耗为核心竞争力的物流业是降低碳排放的重要环节。传统物流过程仍然存在低效率、高能耗作业缺陷,对环境的负面影响持续扩大。现代物流业为“新经济的利润增长点”,是各项经济活动的后勤保障和重要支撑。物流业仍待发展与环境亟待改善的矛盾日益突出,这需要从运营、技术、管理等方面着手,着力发展低碳物流。低碳物流以碳减排为具体目标,利用先进技术和运营策略,实现资源最优化的配置。目前关于低碳物流的研究大致分为如下3个方面。

(1) 低碳物流的定义。其一从物流的具体环节来看,认为低碳物流将“可持续发展”和“碳减排”融入到运输、储存、配送、信息处理等物流活动中;其二从物流系统着手,认为低碳物流的本质是物流的合理化,是基于低能耗、低污染的一种物流模式。

(2) 低碳物流的实施对策。文献[1]从运营的角度对低碳物流园区的规划提出了相应的建议；文献[2]将企业的低碳物流分为9个步骤,以此来帮助企业进行碳减排;文献[3]认为物流业需要信息技术、精细化管理来实现低碳化。

(3) 低碳物流的定量分析模型。一些学者利用供应链优化的方法建立数学模型来实现企业的低碳物流。文献[4]将温室气体的排放量考虑到了车辆的路线规划当中,研究了污染路线的优化问题；文献[5]研究了双目标的车辆路线问题，即能源消耗、配送时间;文献[6]考虑了碳排放对物流服务提供商配送战略的影响。

此外,一些学者认为企业间的合作能够在减少碳排放的同时促进企业长期经济效益的提高[7]。然而,现有关于低碳物流的文献并没有从定量的角度来分析企业间的合作对能源消耗的影响,仅仅是以利润最大化为目标,文献[8]通过博弈研究了合作配送中的成本分担和利益分配;文献[9]研究了合作配送时配送中心的选址问题和利益分配问题;文献[10]研究了不同环境下合作配送的路径选择问题,他们研究的问题都是从成本利益等角度出发,并给出了相应的最优解。本文则是从能源消耗角度出发研究合作配送的问题,关注低碳效益。实际上,能源消耗也是物流运输成本之一,主要由配送距离、配送速度、配送车辆数来决定[11-12]。合作配送虽然能够降低配送距离[7],但同时也会带来配送车辆的增加,根据配送中心到各配送区域的距离,权衡配送距离的降低与配送车辆的增加,基于此,本文从低碳经济的角度,分析两物流企业之间的合作配送,通过对企业属性等因素的分析,给出最优的合作模式以及合作条件。

1 问题描述及非合作模型分析

1.1 问题描述

本文以2个风险中性的物流企业为主体,基于文献[7]提出的合作配送模型,从低碳经济的角度分析两者的合作策略。运输油耗是物流的重要成本,也是影响环境的重要因素,配送是物流运输的一个重要环节,因此,本文重点关注合作配送对油耗的影响。根据文献[4]对物流油耗的描述,车辆的单位距离油耗与车辆的行驶速度相关,本文假设物流企业i提供的车辆的配送速度为vi(i=1,2),v1>v2。在配送阶段,2个物流企业需要满足各个区域的需求。不失一般性,将整个地区的需求区域划分为n个小的区域,这些区域不重合。在实际运营中,很多物流企业是将一个地区划分之后来进行业务配送的。

2个物流企业需要满足这n个区域的物流配送需求。每个小的需求区域有无数个需求点,为了简便计算,选取每个区域的一个核心点来代替整个区域进行成本核算。当两者合作配送时,双方需要共同以低碳为目标重新制定计划来完成这些区域的配送业务。

1.2 非合作模型分析

因为本文研究重点为能源消耗,所以假设安排一辆运输车辆的费用为0,即只考虑能源消耗的费用。实际生活中,配送车辆往往受到当地政府管制,然而这并不影响分析,因此在本文中忽略其分配费用。

根据文献[4]对物流能耗的描述,车辆单位距离的耗油量是与配送速度相关的,并且呈现U型曲线,也就是说当速度低于某一阈值时,能耗与速度成反向关系,而当速度高于这一阈值时,能耗与速度成正相关,如图1所示。由于模型过于复杂,在维持相关关系不变的前提下稍作简化,设定每个车辆单位距离的耗油量为:

(1)

图1 油耗与速度的关系

(2)

2 基于低碳效益的合作配送分析

如果2个物流服务提供商在业务配送阶段不进行合作配送,那么两者都需要安排车辆与人员对每个区域的货物进行配送。根据(1)式、(2)式,配送距离、配送速度和车辆数量是影响能耗费用的主要因素。

文献[7]提出的合作配送模型指出合作可以减少配送距离。另外,该合作模型涉及到的转运会带来配送车辆的增加或者配送次数的提高。因此,有必要对两者进行权衡分析。

本文参照之前文献研究过的合作配送模型[7]提出基于低碳效益的合作配送模型,也就是说以低能耗为目标的合作配送策略。两者合作的一种极端情况为“合二为一”,也就是说2个物流企业变为1个具有2个配送中心的大的物流企业,这样同一区域的需求就整合为1个企业来进行配送。而该物流企业需要重新制定配送计划,即重新分配配送业务,以此来获得最小能耗。采取合作配送后,原本企业2在需求区域j的配送需求q2j可由企业1代为配送；反之,企业1在需求区域j的配送需求q1j也可由企业2代为配送,这样一来就实现了捎带配送。此时相应的物流企业只需要将各自负责的货物分别配送到相应区域即可。实际上,在配送中需要考虑不同区域之间的配送路线优化问题,即当企业1帮企业2捎带配送时,捎带配送部分可能会导致配送距离不同程度的增加。在这里引入整合效果rj的概念,不同的rj代表不同的整合效果。由于每个区域的配送任务是独立的,只要每个区域的能耗最小,整个区域的能耗就会最小。为了获得最大的利润,整合后的物流服务提供商需要重新安排配送计划,主要涉及到如下2个决策:① 每个区域的业务由哪一家服务提供商来负责；② 每一个服务提供商在每个区域负责的业务量是多少。

为了分析简便而又不失一般性,设定如下场景:物流企业1帮助企业2在需求区域j配送qj个包裹。若qj为正值,则表示企业1帮助企业2配送；相反,若为负数,则表示企业2帮助企业1配送。据此,如果2个企业达成合作配送协议,那么对于企业1而言,面临的总能耗为:

(3)

(3)式的第1部分表示企业1帮助企业2配送,有可能需要增加车辆或者次数,第2部分表示企业2帮助企业1来配送,有可能需要减少车辆或者次数。

对于企业2而言,面临的总能耗类似地也分为2个部分,即

(4)

因此,2个企业在配送阶段进行合作时,需要考虑到整体的能耗,整合的物流企业需要决定qj来获得最小能耗:

(5)

因为非合作情况下的能耗是不变的,同时只有能耗低于非合作的情况,2个企业的合作才存在意义。由此将(5)式变为：

(6)

对(6)式进行化简得到:

(7)

s.t. -q1j≤qj≤q2j,j=1,2,…,n;

v1>v2。

通过分析模型(7)的结构,以及不同区域配送任务的独立性,将模型(7)分为2种情形来讨论。

(1)qj≥0。如果qj≥0,物流企业1帮助企业2配送业务,那么最优化模型可以表示为:

(8)

s.t.-q1j≤qj≤q2j,j=1,2,…,n，v1>v2

(9)

命题1 以低碳经济为目标,2个物流企业之间的最优合作配送策略为:

命题1给出了基于低碳经济的物流企业之间的最优合作配送策略,包括每个区域的业务由哪一家服务提供商来负责,以及负责多少。结果显示,相互竞争的物流服务提供商可以达成合作配送,并且在一定的条件下,能够帮助物流企业带来能耗的减少,实现低碳化。

实际上,整个地区被划分为了很多个不同的需求区域,一旦形成合作联盟,联盟中的每一个物流企业只需要负责配送距离自己的配送中心较近区域的业务,可缩短配送距离,以此来实现能耗的降低。

3 数值算例分析

3.1 基础算例

本节通过算例的形式来模拟前面提出的合作配送模型。考虑到文献[7]从成本费用出发得出物流企业应该通过合作配送来减少成本费用和缩短配送距离的结论,而本文则是从能源消耗的角度出发来分析问题的,2个问题属于同一主题,因此本文主要借鉴文献[7]中的算例输入。考虑2个物流企业,其中物流企业1的配送速度为v1=60,每个车辆的载货能力为L1=50,物流企业2的配送速度为v2=45,每个车辆的载货能力为L2=40。

在基础算例中先假设rj=1,在后文中再对rj作灵敏度分析。2个物流企业需要满足该地区中10个区域(j=1,2,3,…,10)的业务需求。该地区的总需求、每个物流企业的需求以及各区域的配送距离见表1所列。

表1 需求区域的需求与距离

从表2可看出:① 合作配送能够达到降低碳排放的效果,数据显示合作之后能耗降低了34.8%;② 2个物流企业只需要负责距离自身配送中心较近的区域,比如物流企业1只需要负责区域1、2、3和4,因为这些区域距离企业1比较近,见表1;③ 在合作后,企业2的消耗有所增加,而企业1的消耗则大幅度下降,因此2个企业需要在合作时达成协议,共同分担合作之后的能耗;④ 有些区域的低碳效益非常明显,比如区域6、7、9和10,降低了约50%,这与距离的差异、速度的差异以及需求数量是相关的;⑤ 采取合作配送策略后,有些区域所需车辆数有所降低,有些区域所需车辆数有所增加。由表2中的统计结果可知,在区域1、2、3和4合作配送后所需的车辆都减少了,而在其他区域所需的车辆数增加了,且增加的车辆数目要大于减少了的车辆数,因此整个区域内所需车辆有小幅的增加。究其原因,是由于2个物流企业的车辆的车载能力不一样,使得2个企业最终负责配送的区域不同,在本例中,企业2的车辆的车载能力较低,因而在企业2负责的区域内配送时需要更多的车辆。

下文计算了不同车载能力对企业的最优配送的影响,发现当L2=75时,最优配送策略为企业2负责所有的区域,通过计算得到所需车辆数目为218,相对于非合作下的359有较大幅度的下降。

表2 非合作与合作情况下的计算结果(γj=1.0)

3.2 灵敏度分析

根据前面的分析结果,可以看到合作配送能够帮助物流企业实现减排的效果,并且该效果与企业的配送速度和车辆能力是相关的,因此有必要对两者的变化对合作效果的影响进行探讨。

从表3中可以看到,当物流企业2的速度非常小的时候,2个物流企业的合作策略是由企业2负责整个地区的配送业务,这样可以通过降低速度来减少排放,且降低速度带来的效果要强于缩短距离带来的效果。当企业2的速度逐渐增大时,缩短距离带来一定的效果,企业1会负责一些区域的配送业务,从表3中可以看出,当企业2的速度为36时,企业1负责区域3和4的业务。随着企业2速度的进一步提升,企业1负责的区域也会有所增加,此时降低速度带来的能耗减少并不明显,而通过缩短距离带来的效果更加明显,从表3中还可以看出,企业1和企业2分区域合作,各自负责距离自身配送中心较近的区域。

表3 不同速度下企业的最优配送策略

图2 速度对合作效果的影响

由图2可以看出:① 随着企业2速度的增加,无论是在不合作还是合作的情形下,两者的总能耗都是增加的;② 合作配送在速度变化的情况下能够带来能耗的减少;③ 企业2的速度越小,或者说2个企业的速度差距越大,减排的效果越明显,如图2中的线条所示,随着速度的增加,降低的比例越来越小。

表3和图2显示合作配送能够带来能耗的降低,主要依赖速度的降低以及配送距离的缩短。在实际运营中,物流企业之间速度的差距并不大,依赖降低速度的减排效果并不明显。同时,消费者对物流服务的要求越来越高,特别是对配送速度的要求,因此物流企业需要不断地提升速度,这也使得通过降低速度达到减排的目的十分困难。但是,通过合作配送可缩短配送距离,以此来达到减排的效果。由图2可以看出,当企业2的速度为56时,通过合作配送,依然能够降低30.42%的能耗。因此在选择合作伙伴时,物流企业需要根据双方的配送中心位置、速度以及各自的需求区域来进行决策。

(2) 配送能力。配送能力是物流企业的一个重要属性,而运输设备是配送能力的一个重要体现,一些企业使用载重能力较强的设备,另一些使用较弱的设备,因此有必要对载重能力进行分析。假定物流企业1的配送速度为v1=60,每个车辆的载货能力为L1=50,物流企业2的配送速度为v2=45,每个车辆的载货能力为L2∈[30,70]。各地区的总需求、每个物流企业的需求以及各区域的配送距离仍然采用表1中的数据。

表4 不同车辆能力下企业的最优配送策略

图3 车载能力对合作效果的影响

从表4可以看出,当物流企业2的车载能力非常小时,物流企业1负责更多的区域,由于能力强可以减少车辆的数量,以此降低能耗。而当企业2的车载能力逐渐增大时,通过减少车辆的使用量来降低能耗的效果不再明显,而缩短距离将带来比较明显的效果。当企业2的车载能力很大时,减少车辆的作用再次变得显著,由企业2来负责整个地区的配送业务。

由图3可以看出:① 随着企业2的车载能力增加,无论是在不合作还是合作的情形下,两者的总能耗都是减少的;② 合作配送在车载能力变化的情况下能够带来能耗的减少;③ 企业2的车载能力越大,或者说2个企业的配送能力差距越小,减排的效果越明显,图3中的线条表明随着车载能力的提升,合作带来的能耗降低的比例越来越大。

表4和图3显示合作配送能够带来能耗的降低,主要依赖车辆使用的减少以及配送距离的缩短。在实际运营中,物流企业需要提升自身的运载能力,以此减少配送车辆的使用或者降低配送次数,以此达到减排目的。另外对于物流企业而言,需要选择具有较高运载能力的物流企业来进行合作,这样可最大程度地降低能耗。

对比表5和表2可以看出:① 当考虑企业之间配送路线的整合效果问题时,合作配送的油耗降低的幅度会减小,在配送区域1的需求时甚至出现了油耗增加的情况,但总体来看,即使考虑了配送路线的整合问题,合作配送相对非合作配送仍然能降低油耗,数据显示合作之后油耗降低了26.9%;② 当考虑了整合效果时,企业1、2之间的最优配送策略可能会发生改变。从表5中发现区域1变为由企业2进行配送,而在表2中区域1是由企业1进行配送的;③ 在合作之后,企业2 的油耗有所增加,企业1的油耗大幅度降低,因此2个企业需要在合作时达成协议,共同分担合作之后的油耗;④ 与表2反映的现象类似,有些区域在合作后低碳效益非常明显。比如说区域6、7、9和10。这与距离的差异、速度的差异以及需求数量都是相关的。

取不同的整合效果rj=1.1和rj=1.3来探讨整合效果对合作之后油耗的影响。计算发现,当rj=1.1时总油耗为Cj′=1 485.61,相对于非合作的情况降低了31.6%。当rj=1.3时总油耗Cj′=1 662.03,相对于非合作的情况降低了23.4%。结合本文合作模型可知,rj越小,合作后油耗降低得越多。因此物流配送企业在选择合作伙伴时,要充分考虑不同区域之间的配送问题,选择那些整合效果更佳的企业进行合作。

表5 非合作与合作情况下的计算结果(γj=1.2)

4 结 论

本文从低碳经济的角度,对2个物流企业之间的合作配送进行了分析。首先,通过建立优化模型,给出了基于低碳效益的最优合作策略,然后探讨了相关因素对合作效果的影响。根据模型分析,得出如下主要结论:① 给出了2个物流企业基于低碳效益的最优合作配送策略,主要包括合作方式和合作数量,在一定条件下,合作配送能够降低2个物流企业的能耗水平,从而实现低碳化;② 合作配送是否能够节约总的车辆数取决于车辆的车载能力以及最优的配送策略,当车辆的车载能力提高时,所需的车辆数有一定幅度的减少;③ 一般情况下,合作配送中的2个企业可以捎带配送,但是合作时,需要考虑不同区域之间的配送路线,以及同一区域的整合效果,不同的整合效果对最终的能耗会产生不同的影响,因此企业在选择合作伙伴时要选择整合效果更佳的企业;④ 合作配送能够带来能耗的降低,主要依赖速度的降低、使用车辆的减少以及配送距离的缩短;⑤ 2个企业的速度差距越大,配送能力差距越小,减排的效果越明显。

通过对研究结论的分析提出如下建议:① 在实际运营中,物流企业需要选择适当的配送速度,以此来达到最优的能耗;② 物流企业需要提升自身的运载能力,以此减少配送车辆的使用或者降低配送次数,以此达到减排目的;③ 物流企业可以根据双方的配送中心位置、速度、需求结构以及配送能力来进行合作伙伴的选择。首先,物流企业之间速度的差距并不大,依赖降低速度的减排效果并不明显,但是,通过合作配送,可以缩短配送距离,以此来达到减排的效果，因此,物流企业需要选择具有合适配送中心的合作伙伴；其次,需要选择具有较高运载能力的物流企业来进行合作,从而可以最大程度地降低能耗。

[1] 戴勇.低碳物流园区的运营优化研究[J].中国科技论坛,2013(11):144-150.

[2] 杨光华.低碳物流发展的系统动力学分析[J].物流科技,2012(12):32-35.

[3] 王乐鹏,黄鹄绩,张世翔.智能低碳物流发展策略探讨[J].商业经济,2010(22):28-29.

[4] BEKTA S T,LAPORTE G.The pollution-routing problem[J].Transportation Research Part B: Methodological,2011,45(8):1232-1250.

[5] DEMIR E,BEKTA S T,LAPORTE G.A review of recent research on green road freight transportation[J].European Journal of Operational Research,2014,237(3):775-793.

[6] LI H C.Optimal delivery strategies considering carbon emissions,time-dependent demands and demand-supply interactions[J]. European Journal of Operational Research,2015,241(3):739-748.

[7] YANG F,YANG M,XIA Q,LIANG L.Collaborative distribution between two logistics service providers[J].International Transactions in Operational Research,2016,23(6):1025-1050.

[8] 王婧婷.共同配送中的多方博弈问题研究[D].北京:北京交通大学,2014.

[9] 杨冬.共同配送下配送中心选择及利益分配问题研究[D].大连:大连海事大学,2005.

[10] 廖伟.考虑共同配送和能耗的车辆路径问题优化研究[D].成都:西南交通大学,2014.

[11] 刘浩，张纪会.油耗最小化有能力约束的车辆路径问题研究[J].青岛大学学报(工程技术版),2017,32(1):123-128.

[12] 庞婕，焦建玲，李兰兰.我国居民居住碳排放系统动力学分析[J].合肥工业大学学报(自然科学版),2017,40(2):260-265.

Studyofoptimalstrategyoflow-carbonbenefitamonglogisticsenterprisesundercooperativedistribution

WANG Xin1,2,3

(1.School of Environmental Science and Engineering, Tianjin University, Tianjin 300072, China; 2.School of Management, University of Science and Technology of China, Hefei 230026, China; 3.Dept. of Management, Anhui Vocational College of City Management, Hefei 231635, China)

From the perspective of low-carbon economy, the optimal model is built and the cooperative distribution of two logistics companies is analyzed. The optimal cooperative strategies based on low-carbon benefits are provided and the influence of relative factors on cooperation is discussed. The results show that under certain circumstances, the cooperative strategy of shortest delivery distance can reduce the overall energy consumption of the two logistics companies while the consumption of some companies may increase instead of reducing and hamper cooperative intentions; savings of energy consumptions mainly depend on the shortening of delivery distance and reduction of number of vehicles while the feasibility of the speed optimization is low; the effect of reductions of energy consumption is more obvious with greater speeds differences, smaller capacities differences between two logistics companies. In practice, logistics companies should select the appropriate partners with consideration of locations of distribution centers, speeds, customer demand structure and distribution capacities.

low-carbon benefit; low-carbon logistics; cooperative distribution; optimal strategy

2017-02-21；

2017-06-26

国家自然科学基金国际(地区)合作与交流资助项目(71520107002);安徽高校自然科学重点研究资助项目(KJ2015A379)

汪 欣(1969-),男,安徽合肥人,天津大学博士生,中国科学技术大学访问学者,安徽城市管理职业学院副教授.

10.3969/j.issn.1003-5060.2017.11.026

F406.9;F505

A

1003-5060(2017)11-1569-08

(责任编辑 张 镅)