基于大数据环境下包装逆向物流仓库的选址
2020-07-04周超芳张国华
周超芳 张国华
摘 要:随着人们垃圾分类意识的逐渐增强,包装逆向物流发展形势良好,仓库的选址备受重视。因此,可以利用大数据技术将收集到的包装进行分类,采用精确重心法建立模型,并用Excel进行求解,从而选出包装逆向物流仓库最佳坐标,实现总运输成本最小。
关键词:包装逆向物流;仓库选址;大数据技术;精确重心法
随着人们消费水平的逐步提升,包装垃圾的数量随着交易量的增加而增多,这造成了资源的极大浪费。为了响应环保政策,供应商、分销商以及物流企业开始重视包装逆向物流,仓库选址、包装的精准分类回收以及对各项信息数据的處理就显得格外重要。大数据技术的出现,使得数据的采集和筛选、数据分析及使用更快捷,也可使包装逆向物流仓库的选址更加科学准确。
针对逆向物流中心选址的问题,目前有很多的研究。2015年,郭雄对铅蓄电池的逆向物流问题从消费、回收、处理、应用这四个层面进行分析,并考虑了将正向物流扩建和单独建立逆向物流系统的两种情况,以此建立了模型,并用遗传算法进行求解,利用matlab软件进行仿真。[1]2018年对于多商品多来源闭环选址这一问题的研究张震建立了一个以建设、配送、回收等成本的总和最小为目标的模型,运用了两阶段启发式算法来得到局部最优解,然后设计了局部迭代搜索算法从而得到全局最优解。[2]由此可见,降低包装逆向物流成本是至关重要的。
1 利用大数据技术对包装进行分类
从上海真正将政府政策落实到个人行动的令人“烧脑”的垃圾分类开始,如今越来越多的地方开始实行垃圾分类的政策,但是简单的垃圾分类不能合理区分包装的材料及来源和去处,而大数据采集技术可以很好地弥补这一弱点。
包装逆向物流有三种模式[3]:垃圾场处理,包装生产商回收,第三方物流企业回收。按照材料划分,包装所用的材料包括纸制材料,塑料材料,金属材料,玻璃材料,木质材料(麻、布、竹、藤、草等)和复合材料这几种。逆向物流目的地所要回收的包装需要大数据技术进行识别和分类。可以利用条形码、二维码直接读取包装品上的信息或者运用RFID(射频识别技术)通过电磁波读取电子标签里的信息并存入数据库,从繁杂多样的包装数据中筛选出需要回收的包装,并从存储信息中明确回收的主体是谁,目的地在哪里,然后将其分类处理。目前,对于上述所说的各种材料的包装,生产厂商和第三方物流企业均可回收再利用,但存在一些被污染和破损非常严重的包装,则需运往垃圾处理厂处理。
2 包装逆向物流仓库选址模型
2.1 问题描述
包装逆向物流仓库选址问题可以描述为:需要为回收的包装建立一个仓库,该仓库安排车辆前往包装收集点将包装运回到仓库,然后利用大数据技术对其进行分类,将可回收的包装按照一定比例送往生产商和第三方物流企业,将损毁及被污染的包装送往废弃物处理点。目标是找到使该仓库收集并运输包装到各个目的地所花费的运输费用最小的位置来设立包装逆向物流仓库。
2.2 问题需要考虑的因素
(1)单位运输费率:货物在两地间运送时每单位里程或者每单位重量所消耗的费用;
(2)运输距离:运用一定的设备或工具将货物从一地转移到另一地所产生的距离变化;
(3)运输量:在某一时间段内运输的货物数量;
(4)各地点回收的包装物类型及各自占包装总量的比例。
2.3 模型假设
(1)车辆在等待过程中没有费用产生;
(2)运输距离是两地的直线距离;
(3)研究的区域内分别只有一个厂商、垃圾处理站、垃圾分类回收点、第三方物流企业;
(4)当天各种包装发往各地的车辆车型、数量固定;
(5)当天需回收的包装物总数量为Q;
(6)送往同一地点的运输费率相同。
2.4 建立模型[4]
根据影响因素和模型假设可以列出各需求地坐标及运量运费等相关信息的表:
2.6 某地区包装逆向物流仓库选址计算
3 结语
运用大数据技术可将包装上承载着信息的二维码、条形码等进行识别,并按照逆向需求分类。建立一个包装逆向物流仓库可利用精确重心法建立模型并配合excel进行求解,最终得到最优的仓库位置,实现总运输费用最小。在此基础上,还可以考虑包装的体积、车辆的不同车型及数量对结果的影响,从而得到更精确的仓库位置,完成仓库选址。
参考文献:
[1]郭雄.基于废旧铅蓄电池回收的逆向物流中心选址模型及应用研究[D].北京交通大学,2015.
[2]张震.多商品多来源闭环选址-库存-路径问题模型与算法研究[D].华中师范大学,2018.
[3]乐雄平.电商企业包装物逆向物流回收模式研究[J].商业经济研究,2016(14):73-74.
[4]李国俊,蔡军天.基于精确重心法的配送中心选址研究——以乌鲁木齐市天山区蔬菜批发配送中心为例[J].物流科技,2015,38(05):11-13.
作者简介:周超芳(1997-),女,汉族,山西大同人,硕士研究生,研究方向:物流信息化;张国华(1970-),男,汉族,湖南株洲人,教授,博士研究生,研究方向:物流信息化、大数据等。