卷烟工业企业省外区域配送中心选址研究—以江西中烟为例
2018-01-15汪小平
汪小平,王 津
(江西中烟工业有限责任公司 物流中心,江西 南昌 330000)
1 引言
随着市场经济的发展,国内基础设施日益完善,烟草企业的竞争范围已扩展到全国,而产品缺货、送货时间长、送货费用高等问题一直是影响许多烟草企业在省外竞争力的消极因素,其原因是烟草企业只在本地设立仓库,省外市场的配送具有批量小、频次高、成本高的特点。因此,为提升省外市场的物流服务水平,探讨烟草企业在省外设立配送中心的可行性及其选址,是本文的研究目标。
配送中心选址问题是在众多需求点和众多供应点中,选择某一地点建设或租借第三方配送中心的过程[1]。优秀的选址方案可以使商品经过配送中心的储存、中转、分发、配送等功能,降低物流成本,提升服务水平,提高企业竞争力。每一次选址方案的实施成本较高,如选址不当,将带来较大的负面影响。常见的选址模型主要有德尔菲法、精确重心法、非线性0-1混合规划模型[2]、Kuehn-Hamburger模型、双目标模糊选址模型[3]等。
本文结合利用重心法和0-1混合整数规划的方法对江西中烟省外配送中心选址问题进行求解。
2 烟草企业省外配送中心选址的影响因素
影响烟草企业省外配送中心选址的因素有很多[4],本文主要从经济方面分析,其主要影响因素如下:租赁成本;维护、运营成本;劳动力成本;配送中心所在地各交通运输方式的便捷程度与衔接水平;配送中心与各市场的距离;与成品卷烟产地的距离;储存费用。
3 基于重心法和0-1混合整数规划模型的配送中心选址
重心法是选址的经典方法之一,该方法主要考虑各需求点之间的距离以及各需求点的运输量,使所有运输量乘以距离的和最小,以追求配送成本最小化[5]。因本文数据量大,如所有数据均使用0-1混合整数规划法计算,将耗费大量时间,所以本文将先使用重心法排除明显不符合要求的备选配送中心。
多目标规划模型的求解一般是通过主要目标法、线性加权法等将多目标转化为单目标优化问题,然后通过常规的线性或非线性求解方法进行解决[6]。0-1混合整数规划法的最大优点是可以对固定成本通过最优的方式进行计算,这使它成为应用广泛的商业选址方法。0-1混合整数规划法中的整数变量表示抉择,连续变量用以表示企业的资源分配,约束条件表示物流供需和平衡关系,适当采用罚函数[7]等,其最终目的是使最终选定的地址总成本最低。
由于卷烟工业企业在本省均有仓库进行配送,因此在省外设立配送中心可视为多仓库选址问题,由于备选点众多,是否选择备选点作为配送中心是非此即彼的抉择,配送中心的选择依据是总成本最低,因此本文将使用0-1混合整数规划法对卷烟工业企业租赁省外配送中心进行建模求解。
在建立模型时,本文做了如下假设:
(1)本文中运输是集中运输,即从卷烟工业企业将成品卷烟运至配送中心;配送则是从卷烟工业企业本省或选定的配送中心运至成品卷烟需求点。
(2)为便于计算,假定各省成品卷烟需求地集中于省会,即配送地为该省省会,运输也是如此,省会之外其他城市的配送与运输费将在文章后面通过其他方式计算。
(3)各地区配送中心储存费率一致,各地区运输费率、配送费率一致;配送费率高于运输费率。
(4)运输与配送费用只考虑两地的直线距离。
(5)卷烟工业企业在省外只租赁一个配送中心。不同地区配送中心租赁、运营等费用为固定成本。
(6)省外成品卷烟总需求量固定不变。
模型建立如下:
zi=1在i点设立配送中心;
zi=0不在i点设立配送中心;
aij:从配送点i到需求点j的成品卷烟配送量;
bi:从企业本库到配送点i的成品卷烟供应量;
ci:从企业本库到配送点i的距离;
dj:从企业本库到需求点j的成品配送量;
xij:从配送点i到需求点j的距离;
zi:第i个配送点整数变量;
Fi:第i个配送点设立的固定费用;
hj:从企业本库到j需求点的距离;
ej:需求点j成品卷烟需求量;
B:省外成品卷烟总需求量;
K:单位货物单位距离的运输费用;
g:单位货物单位距离的配送费用;
M:为一相当大的正数,即惩罚因子;
n,m,i,j,zi均为自然数。
4 实例计算
本文将以江西中烟为例对上述模型计算求解。
4.1 重心法确定备选配送中心
根据调研数据显示,江西中烟共有销区200多个,分布在除台湾、香港、澳门、西藏外的全国各地,某年省外销区总销量为254 298.8箱。由于销区过多,为简化计算,本文拟将其合并到省级层面进行计算,在模型计算中,将各省的需求以省会城市为集中点,每省市的销量见表1。
表1 各省市成品卷烟销量
由表1可知,表的左边为北方省份,总需求量为170 918箱;表的右边为南方省份,总需求量为83 380.8箱,不到北方省份的一半,且江西省位于南方,江西本省配送中心离北方省份较远,而北方省份需求量是南方省份需求量的两倍,根据重心法选址原则可判断,新配送中心应设置在北方地区。
从表1中还可以看出,需求量较大的省份集中在北方的中部与东部,而其余省份中需求量最高的黑龙江仅为1 058.6箱,根据重心法原则,可排除西北与极北省份,因此,备选省市可进一步缩减为山东、河北、山西、河南、内蒙古、辽宁、北京。
4.2 参数确定
(1)根据从第三方运输公司得到的数据,各地区运输费率为0.62元/t·km,配送费率为0.68元/t·km;达到一定规模的运输则按运输费率计算,否则按配送费率计算。
(2)各地区配送中心固定成本与各地经济水平相关;由于配送中心一般在郊区,相对而言各地差距并不太大,而且配送中心为租赁而非建设,成本较低,为简化计算,本文假定各地配送中心固定成本相等。
(3)由上文可知,备选配送中心被缩减为7个,分别为山东、河北、山西、河南、内蒙古、辽宁、北京,加上江西本省,总共8个,该8个省市的省会城市与全国销区省会城市距离可在地图查询,由于版面有限,本文不再列出。
(4)鉴于云南中烟和安徽烟草曾达成合作协议,互相以低于市场价为对方提供仓库并代为提供物流服务,江西中烟可以借鉴这种模式,探索与山东烟草进行协助,以比市场更为低廉的价格租赁对方的仓库作为配送中心,据调研,若要租赁如此数量级的配送中心,包括管理费用在内,一年的花费约为100万元。
(5)根据上文,备选配送中心共7个,包括已有的江西本库,共8个,因此n=8,备选配送中心与i、c之间的对应关系见表2。
表2 备选配送中心与江西本库对应距离
(6)根据调研,省外需求省市有29个,因此m=29,其省会城市与j之间的对应关系见表3。
表3 需求地省会城市对应表
(7)在实际运费计算时,成品卷烟以10箱为1t,运费也是吨每公里多少元,因此,每个需求点的需求量为表1中数值除以10。
4.3 计算结果修正与分析
4.3.1 lingo运算。将上述模型及参数用lingo进行编写,并运行该程序求解,可得如图1所示结果。
从程序运行结果中可看出,z6与z8均等于1,即在本地仓库之外,应选济南作为省外配送中心。
图1 Lingo程序运行结果
4.3.2 计算结果修正。实际操作中配送收费是阶梯式的,因此配送时满载率常小于1,导致配送成本大大增加。以江西中烟为例,该年江西中烟成品卷烟总共发货1 613次,共25 429.88t,总运费25 158 410元,若无配送箱数限制,根据计算,实际花费将约为1 9163 451.61元,比原运费低约25%。
配送费率尽管为0.68,由于空载的存在,平均配送费率为0.893,运输费率不变,可得表4。
其中南昌列下的数值为需求地到南昌的距离乘以平均配送费率,济南列下的数值为南昌到济南的距离乘以运输费率加需求地到济南的距离乘以平均配送费率,供应地列下的地址为南昌与济南两列中数值较小的一项,支出金额数为由南昌供应的费用与由济南供应的费用。
4.3.3 计算结果分析。租赁新的配送中心后,运费将节省约376万元,由南昌运至山东进行配送的成品卷烟的储存、管理费用约100万元,因此,共节省约276万元,相较不设立省外配送中心,成本节省约为11%。
表4 计算结果
5 结论
本文研究了多数量备选配送中心选址问题。由于重心法只考虑了运输距离和货物量对运输成本的影响,还有许多因素没有考虑,因此本文先采用重心法排除明显不适合作为备选配送中心的省市,为后面0-1混合整数规划节约了计算量。但该模型仍然十分复杂,传统的运筹学无法求解,因此本文采用LINGO编程的方法,迅速而准确的解决了配送中心选址问题。将重心法与0-1混合整数规划组合非常实用,再结合Lingo软件建模求解,相比普通的单一选址方法具有明显优势。由于空载情况的存在,本文最后对计算结果做了一定修正,使之更贴近现实情形。
[1]Ji Shou Wen,Huang Ting Ting,ZhangYun Feng.Study on Manufacturing Enterprises Distribution Center Location[J].Advanced Materials Research,2014,(834-836):1 938-1 941.
[2]丁小东,姚志刚,程高.LINGO语言与0-1混合整数规划选址模型的再结合[J].物流工程与管理,2009,(10).
[3]张晓楠,范厚明,李剑锋.B 2C物流配送网络双目标模糊选址模型与算法[J].系统工程理论与实践,2015,(5).
[4]杨雅婧,王成林.考虑客户视角价值的物流企业网点选址影响因素研究—以D企业为例[J].物流技术,2016,(12).
[5]程珩,牟瑞芳.物流配送中心选址的重心法探讨[J].交通运输工程与信息学报,2013,(1).
[6]谢金星,薛毅.优化建模与LINDO/LINGO软件[M].北京:清华大学出版社,2005.
[7]陈国华,廖小莲.0-1非线性混合整数规划的罚函数解法[J].应用数学与计算数学学报,2007,(1).