基于新鲜度损耗的社区团购电商配送中心选址研究

易海燕, 章圳琰

基于新鲜度损耗的社区团购电商配送中心选址研究

易海燕1, 章圳琰2

（1. 西南交通大学, 交通运输与物流学院, 成都 611756; 2. 东风汽车有限公司东风日产乘用车公司, 供应链管理部, 广州 510800）

社区团购电商S2B2C 供应链模式带来了新环境下的选址问题, 进行选址决策能够有效降低社区团购平台的运营成本并保障企业利益。为了使选址决策更符合社区团购运营实际, 作者调研了社区团购供应链模式并建立了考虑新鲜度损耗的混合整数选址模型, 借助蚁群算法设计两阶段求解模型, 用于优化选址过程中的成本求解, 最后通过算例进行比较分析。结果表明选址策略能够有效降低企业的运营成本, 局部最优解会在特定配送中心数量约束条件下出现。

社区团购; 新鲜度损耗; 配送中心选址; 两阶段算法

0 引 言

随着消费结构与消费者需求的变化衍生出的社区团购电商模式近年来成为电商领域发展的热点。针对社区团购电商供应链关键节点配送中心进行选址的研究较为缺乏，考虑配送车辆路径的配送中心选址问题是一个复杂的系统决策问题。

社区团购是于2016年前后出现的一种依托微信群与小程序，以社区为单位，用户当日线上下单，次日社区内自提，由相应的平台提供采购、物流仓储及售后的电商新模式。黄希[1]将社区团购模式归纳为基于真实LBS小区，由C端驱动B端的电商渠道，认为社区团购具有获客成本低、配送成本低、交付体验好、轻运作、风险低及扩展性强等优点，但同时也存在以生鲜引流的消费特点所带来的供应链与物流标准化的风险与困难。任慧媛[2]认为社区团购能够快速发展的主要原因是借助了微信这一超级流量入口和关系营销平台，并将社区团购模式定义为由一个统一供应链平台服务于若干个商家最终服务于若干个客户的S2B2C模式。

相比于社区团购，配送中心选址相关研究历史较长，分为离散型和连续型两种方法，其中离散型选址方法应用广泛。Barahona和Jensen[3]、王根基[4]考虑库存成本、运输成本、固定设施成本等建立配送中心选址混合整数规划模型。廖理[5]考虑不确定环境下的城市配送中心选址因素，建立基于服务水平约束的需求随机和配送时间随机的Baumol & Wolf选址模型，并将其转化为等价的确定性模型并提出动态规划求解算法进行求解。张开运[6]综合考虑物流规划部门和消费者双方利益，构建解决物流配送中心选址的双层规划模型，并利用遗传算法进行求解得到较为优化的物流配送中心选址方案。此外，CFLP[7]法也被用于配送中心选址问题的研究。

在考虑路径优化的配送中心选址问题中包含车辆调度问题（Vehicle Routing Problem，VRP），该问题已被证实为NP完全问题，因此通常借助智能算法以改进对这一类问题进行求解近似最优解。拉格朗日算法[8]、遗传算法[9]、免疫优化算法[10]、GIS[11]等智能算法在求解不同约束条件下的配送中心选址问题中得到广泛应用。

随着消费者需求的变化，电商生鲜产品的新鲜度逐渐被纳入到配送中心选址的考虑因素。生鲜类产品的新鲜度损耗主要可分为线性损耗与非线性损耗。Osvald和Stirn在研究具有时间窗和随机时间变化的旅行时间车辆路径问题时（VRPTWTD），将新鲜蔬菜的易腐性分为不受影响、线性损失、彻底损坏三个阶段，其中第二阶段的产品损失速度随时间线性变化[12]。Gacula[13]将工程思想运用于食品领域，通过实验设计的方法探究食品稳定性随时间变化的分布规律，得出生鲜产品的腐败过程满足Weibull分布，该结论作为生鲜产品品质非线性变化规律被广泛接受。此后，双参数和三参数Weibull[14,15]作为生鲜类易腐产品失效过程被广泛运用。

结合已有研究可知，相比于一般配送中心的选址问题，社区团购配送中心需求点以社区为单位，供应点为城市配送仓，需求受社区购买力影响较大，且实际配送过程中顾客关注产品新鲜度要求，不涉及时间窗的约束，目前缺少结合社区团购订单特征的配送中心选址问题相关研究。现有研究在选址时较少考虑配送过程，对配送过程中非线性情况下生鲜类产品配送过程的损失成本缺乏考虑，不能较好地从实际配送、产品质量等角度进行社区团购配送中心的选址。因此，本文基于三参数Weibull分布下的新鲜度损耗成本对社区团购配送中心的选址进行研究，建立混合整数规划模型并借助蚁群算法设计两阶段算法求解该选址-路径问题。

1 模型建立

1.1 变量设置及假设条件

在本文后续建模及求解过程中用到的数学符号见表1。

表1 数学符号定义

Tab.1 Mathematical symbols

为了降低其他次要因素对主要研究因素的干扰，本文作以下假设：

（1）目标电商企业处于非垄断市场；

（2）配送中心无能力限制；

（3）每个社区点仅由一辆车辆配送；

（4）产品的进价与售价以及配送车辆配送过程中涉及的各参数已知；

（5）配送中心以租用模式计算租用成本。

1.2 新鲜度损耗成本推算

本文采用三参数Weibull分布函数作为刻画社区团购电商配送过程中产生的直接损耗，以此作为建模与求解过程依据。在三参数Weibull函数分布下，产品变质率概率密度函数为：

在三参数Weibull分布下，损耗率随时间变化规律如图1所示。

图1 Weibull分布下新鲜度损耗

因为供应商经过平台配送中心验收检验后商品所有权属于平台，所以被消费者申请退货的商品除了利润全部损失的同时平台还需承担已经支付的采购价格，该部分商品的残值为0。

新鲜度随运输距离变化函数关系以及随运输距离变化的新鲜度损耗分别为式（3）和图2所示：

图3 新鲜度损耗与复购关系

1.3 模型建立

根据上述配送中心选址过程中需要考虑的因素分析，构建社区电商配送中心选址模型中主要考虑的成本可以分为运输成本、仓储成本、配送中心租用成本、产品因新鲜度损耗引起的直接产品利润损失与间接市场复购损失。在对成都市主流社区团购平台进行调研时发现，所有被调研对象在区域配送中心都建有冷库、冷藏系统，且社区团购配送中心采取直接转运的模式，供应商运输到配送中心的商品存储时间非常短，因此只考虑在运输环节过程的损耗成本。下面对以上四类成本分别建模计算作为选址的总成本。

（1）运输成本：

（2）仓储成本：

（3）配送中心租用成本：

（4）三参数Weibull分布下的直接损耗成本与间接损耗成本。直接产品损失成本为：

可得间接产品损失：

社区团购电商配送中心选址模型总成本可以表述为：

模型中包含一些约束条件表述如下。

社区团购需求点需求限制：

配送中心流量守恒：

一个社区由一辆车辆配送：

配送车辆载重约束：

0-1变量：

配送中心存在性约束：

约束条件为公式（11）~（16）。

2 模型求解

对于混合整数规划模型的求解，通常有遗传算法、免疫优化算法、拉格朗日算法等，鉴于同时求解选址-路径问题过于复杂，本文设计了两阶段算法对问题求解进行简化。首先对选址问题进行近似求解，其次将求解结果再用蚁群算法结合matlab实现考虑配送情况下的配送中心选址模型的求解，如图4所示。

图4 两阶段求解方法

在第二阶段考虑由于商品新鲜度损耗带来的成本时，结合实际运输距离与Weibull分布对成本进行计算，并改进蚁群算法中路径的计算，主要步骤如下：

step1 计算第条配送路线行驶总距离。

step2 从第一个点开始计算配送中心至该点的总距离，并判断是否大于引起新鲜度损耗的最小成本，是则转step3，否则转step4。

step3 采用（7）~（9）式计算因新鲜度损耗引起的间接成本损失。

step4 计算路线的总成本，并作为判断该路线优劣性的条件进行算法迭代求解。

3 算例分析

3.1 算例数据及处理

本文采用成都市“你我您”社区团购电商平台作为算例背景。“你我您”是起家较早的社区团购平台代表，于2016年9月起源于湖南长沙，最开始主要经营水果、蔬菜等生鲜食品，经过两年多的发展产品范围逐渐扩展到百货、粮油、食品、水产、美妆、干货等多个领域，品类数量超过9万，其中，生鲜产品的比例约占40%，具有显著的商品品类特征。

“你我您”平台在成都市范围内有三个配送中心，分别位于西南部（SW）、东部（E）、中部（M）三个区，从小程序可查询到该平台的销售数据。为保证数据的随机性与真实性，本文对成都市范围进行坐标化，借助matlab随机打点并根据小程序实际社区点位对随机点位置进行调整，然后根据城市人口分布规律与联合采购成本采用的比例分配方法将城市需求分配到各社区点，作为需求点的需求：

表2 成都市你我您团购平台日销量

Tab.2 Sales of Niwonin platform in Chengdu

经调整后的社区点位如图5所示。

图5 社区实际位置点位

算例中所用到的其他参数如表3和表4所示。

表3 配送中心待选点数据

表4 配送环节相关参数

3.2 现有配送中心选址成本

“你我您”在成都的三个配送中心坐标化后的位置分别为SW（2.9，20.6）、M（26.4，13.3）、E（39.1，6.2）。调用第一阶段选址算法，求得各配送中心辐射社区点情况，结果如图6所示。

图6 现有模式选址路径

借助改进路程长度后的蚁群算法对各配送中心配送路线进行优化，可得每个配送中心的优化路线，如图7所示。

图7 现有选址优化路径

现有选址模式下成本如表5所示。

表5 现有选址模式下成本

Tab.5 Cost under existing location mode

3.3 配送中心数量约束下的选址

本文通过假设配送中心数量约束分别为3、4、5，对成都市“你我您”社区团购平台配送中心进行选址，选址结果如表6所示。

表6 方案选址结果配送成本

Tab.6 Distribution cost of solution location result

3.4 结果对比

综合以上两阶段算法对成都市某社区团购平台的现有配送中心与待选配送中心进行比较，分别求解计算现有配送中心、配送中心数量为3（方案一）、4（方案二）、5（方案三）时的单日总成本，如表7所示。

表7 选址方案总成本

Tab.7 Total cost of location scheme

随着配送中心数量的增加，总成本呈现先降低后增加的变化规律。当配送中心数量约束为3个时，总成本降低比例最大，达到4.41%，为所有方案中最优的方案。在现有订单历史的情况下，再增加配送中心的数量至4时，与现有方案成本相比降低3.52%，当配送中心数量为5时，与现有方案成本相比降低0.44%，结果证明了本研究的有效性。

4 结 论

本文将生鲜产品新鲜度损耗成本考虑进社区团购配送中心选址过程中，借助改进的蚁群算法设计两阶段算法对模型进行求解，得出如下结论：

（1）考虑新鲜度的选址模型符合生鲜团购平台特征，配送中心的选址优化能够为租赁方式下的社区团购电商配送中心选址提供依据。

（2）采用配送中心数量约束策略可有效降低企业末端配送总成本，在一定变化范围内存在总成本最优方案。

本文考虑新鲜度损耗成本求解选址-路径问题并借助改进的蚁群算法求解，取得一定程度进展，未来可结合GIS技术采用实际距离进一步做相关研究。

[1] 黄希. 基于移动平台的社区团购模式研究与分析[J]. 现代营销, 15(2): 2019, 99

[2] 任慧媛. “社区团购”正在重演“百团大战”[J]. 中外管理, 2019, 29(1): 102-104.

[3] BARAHONA F, JENSEN D. Plant location with minimum Inventory [J]. Mathematical Programming, 1998(83): 101-111.

[4] 王根基, 李莉. 电商物流配送中心选址布局问题研究[J]. 物流科技, 2019, 43(2): 27-29

[5] 廖理. 不确定环境下的城市配送中心动态选址研究[D]. 成都: 西南交通大学, 2007.

[6] 张开运. B2C电子商务的物流配送中心选址研究[D]. 秦皇岛: 燕山大学, 2017.

[7] 马雪鸿, 李光明. 基于CFLP模型的物流配送中心选址问题研究——以石河子XX纯净水公司为例 [J]. 企业活力. 2012, 28(3): 16-20

[8] BARCELO J, CASANOVAS J. A heuristic capacitated lagranean algorithm for the plant location problem [J]. European Journal of Operational Research, 1984, 15(2): 212-226.

[9] TOHYAMA H, IDA K, MATSUEDA J. Genetic algorithm for the uncapacitated facility location problem [J]. Electronics and Communications in Japan, 2011, 94(5): 628-635.

[10] 胡朝阳. 基于免疫优化算法的第三方配送中心选址研究[D]. 太原: 中北大学, 2016.

[11] FARAHBASKHSH A, FORGHANI M A. Sustainable location and route planning with GIS for waste sorting centers, case study: Kerman, Iran [J]. Waste Management & Research, 2019, 37(3): 287-300.

[12] OSVALD A, STIRN L Z. A vehicle routing algorithm for the distribution of fresh vegetables and similar perishable food [J]. Journal of Food Engineering, 2008, 85(2): 285-295

[13] GACULA M C. The design of experiments for shelf life study [J]. Journal of Food Science, 1975, 40(2): 399-403.

[14] JOLAI F, TAVAKKOLI-MOGHADDAM R, RABBANI M, et al. An economic production lot size model with deteriorating items, stock-dependent demand, inflation, and partial backlogging [J]. Applied Mathematics and Computation, 2006, 181(1): 380-389.

[15] PHILIP, GEORGE C. Generalized EOQ model for items with weibull distribution deterioration [J]. AIIE Transactions. 1974, 6(2): 159-162.

Location Selection of A Community Group-buying E-commerce Distribution Center Considering Freshness Loss

YI Hai-yan1，ZHANG Zhen-yan2

（1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, China; 2. Department of SCM, DongFeng Nissan Passenger Vehicle Company, Guangzhou 510800, China）

The S2B2C supply chain mode of community group-buying e-commerce brings about the location problem in the new environment. The location decision can effectively reduce the operation cost of community group-buying platforms and protect the interests of enterprises. To ensure the location decision is in line with the actual operation of community group purchase, this study investigates the supply chain model of community group-buying based on actual investigation and establishes the mixed integer location model considering freshness loss. A two-stage solution model is designed using an ant colony algorithm to solve the cost considered in the process of optimizing the location. Finally, an example is provided and the results are compared and analyzed. The results indicate that the location strategy can effectively reduce enterprises’ operating costs, and the local optimal solution will appear under the constraints of the number of specific distribution centers.

community group buying; freshness loss; location selection of distribution center; two-stage algorithm

1672-4747（2020）02-0059-09

F724.6; F252

A

10.3969/j.issn.1672-4747.2020.02.007

2019-07-08

易海燕（1978—），女，汉族，湖南株洲人，博士，副教授，硕士生导师，主要研究领域为供应链风险管理、物流园区规划、汽车物流研究，E-mail：yihaiyan@swjtu.edu.cn

易海燕, 章圳琰. 基于新鲜度损耗的社区团购电商配送中心选址研究[J]. 交通运输工程与信息学报, 2020, 18（2）：59-67.

（责任编辑：李愈）