APP下载

基于绿色评价的冷链物流车辆路径优化

2021-03-04郭红月王利东

关键词:冷藏车冷链物流

李 鑫,郭红月*,王利东

(1.大连海事大学 综合交通运输协同创新中心,大连 116026) (2.大连海事大学 理学院,大连 116026)

随着经济社会的发展和生活水平的提高,人们对生鲜产品的需求量越来越大,巨大的需求量推动了我国生鲜产品的快速增长[1].生鲜产品具有易腐易损性,为了保证产品的品质对运输提出了更高的要求.冷链物流通过对温度进行有效控制,在保证产品品质和减少产品损耗方面具有着明显的优势.冷链物流得到了更多的重视与发展,同时对冷链物流企业也提出了新的要求.

生鲜产品的配送作为冷链物流中重要的一环,其配送车辆的路径规划起着至关重要的作用,因此,对其进行了广泛研究.现有文献主要是以单一配送中心、同一种冷藏车辆、单一产品并且每位客户仅由一辆车进行服务为模型的基础设定,并带有时间窗约束[2-8].文献[9-10]在模型中采用异质车队,其中文献[9]采用门槛值算法进行求解,但此模型未考虑时间窗约束;文献[10]验证了异质车队能够有效减少配送成本、提升配送车辆的容量利用率.文献[11]建立了一个联合配送绿色车辆路径问题模型,模型中冷链物流企业通过考虑碳税政策和相互协作完成配送任务,研究发现,与单一配送相比,联合配送能够有效降低总成本与碳排放量.文献[12]考虑多配送中心下的车辆路径问题,提出一种半开放式的多配送中心联合配送模式,并设计蚁群算法进行求解,结论证明此模式下的配送过程较单配送中心独立配送更优.文献[13]将碳排放转化为成本考虑到冷链物流多配送中心的路径优化模型中,并通过引入虚拟车场将多配送中心模型转化为单配送中心模型,使用改进遗传算法进行求解.

节能减排成为全球共识,低碳技术、低碳经济在世界范围内引起广泛关注[14].物流行业作为燃料消耗与碳排放大户,特别是冷链物流,相比于常温物流需要消耗更多的能源以保证产品的质量.冷链物流的高能耗、高碳排放特性,对环境的影响更加突出,所以如何降低冷链物流能耗,实现绿色可持续性发展至关重要.近年来,随着汽车行业的发展和对低碳政策的响应,除了使用传统的柴油燃料冷藏车外,纯电动冷藏车、使用混合燃料、生物柴油和天然气的冷藏车也迅速发展起来,并广泛应用于生鲜产品的冷链运输中.

在冷链运输中,不同类型车辆的使用需要物流公司进行决策,车辆评价主要为车辆选择提供有价值的信息.车辆评价主要是指建立相关评价体系,使用某种评价方法对车辆的性能、车辆运输过程的指标进行量化的排序计算.文献[15]基于绿色设计的基本特征,为工程车辆的绿色设计建立了综合评价体系,为工程车辆的绿色评价提供了思路.文献[16]考虑驾驶员在驾驶过程中的心理和生理负荷,利用心率变异性的方法对车辆的舒适性与安全性进行评价.文献[17]使用模糊层次分析法对装甲车辆性能进行综合评价.文献[18]建立通过性、动力性、易操作性、安全性、经济性5方面构成的评价指标体系,使用TOPSIS的方法对方案评价并进行模糊运算,得到大件运输车辆选择的评价结果.

通过近年来对冷链物流车辆路径优化和车辆评价的文献研究发现对车辆系统评价的文献较少,冷链物流车辆路径优化主要以单配送中心和单一车型为主.文中综合考虑车辆的经济与可持续性,以冷链物流为背景,建立绿色的多车型、多中心、多商品种类的车辆路径问题模型,首先利用基于α-水平截集的模糊TOPSIS方法进行车辆评价,从社会环境、经济性和质量3个维度构建了车辆的评价指标体系,考虑人们对复杂事物判断的模糊性,采用三角模糊数将定性评价结果量化,结合α-水平截集和TOPSIS法建立车辆的综合评价模型,得到车辆评价值与配送总成本共同构成目标建立模型,并设计相应的遗传算法求解该问题.通过实例验证文中模型和算法的可行性和有效性,为配送过程及管理提供决策支持和方法指导.

1 问题描述与模型建立

1.1 冷链物流多配送中心车辆路径优化模型

文中研究带有容量和软时间窗限制的冷链物流多配送中心车辆路径问题,模型中有不同车型的冷藏车辆完成配送工作,配送多种商品种类并采用分批到货的配送策略,图1为多配送中心下分批到货的车辆可能存在的配送路径.

图1 配送网络模型

1.1.1 假设条件

多配送中心车辆路径优化模型的假设条件为:

(1) 模型中有一定数量的配送中心、配送点和冷藏车辆.

(2) 每个配送中心都有不同车型、不同数量的车辆,且每辆车都有一定的容量限制.

(3) 车辆在运输途中匀速行驶,仅在配送点处停留.

(4) 所有车辆的配送过程必须从配送中心开始,到同一配送中心结束.

(5) 配送点和配送中心的地理位置已知,配送点的需求量已知并且固定,配送中心没有需求.

(6) 商品分为多商品种类,且每种商品的储存和运输的温度条件相同,并采用分批到货的配送方式.

(7) 每个配送点都有各自的规定时间窗和可接受时间窗.

(8) 每个配送点至少由一辆车服务.

1.1.2 参数说明

1.1.3 模型建立

(1) 成本分析

配送总成本包括固定成本、运输成本、制冷成本、货损成本和惩罚成本.

表1 符号表

固定成本指的是参与配送工作车辆所产生的固定费用,包括冷藏车辆的固定损耗、维护费用以及员工工资等费用,记作C1,计算如下:

(1)

运输成本指的是车辆在行驶过程中的油耗或能耗费用以及过路费用等成本,运输成本与配送车辆种类和运输距离有关,通常与运输距离成正比,记作C2,计算如下:

(2)

由于冷藏车辆运输货物具有易腐性,车辆在行驶和装卸的过程中要保证货物处在低温条件下,所以配送车辆要使用一定的费用保证车厢内的温度恒定,这就是制冷成本,记作C3,计算如下:

(3)

在配送的过程中,随着时间的累积和环境温度的变化,货物的质量会随着时间的变化而下降,因此会产生货损成本,记作C4.货损成本主要包括运输途中和卸货时的货损成本,在卸货时开启车门会产生热交换导致温度升高,所以运输时和卸货时的货损率不同.计算如下:

(4)

惩罚成本是指配送车辆未能在客户的规定时间窗内到达而产生的惩罚费用,记作C5,若配送车辆未在客户的可接受时间窗内到达,惩罚成本为无穷大的数Z,若配送车辆在客户的规定时间窗内到达,则惩罚成本为0,若配送车辆在客户的规定时间窗和可接受时间窗之间到达,则会产生一定的惩罚成本,计算如下:

(5)

(2) 模型构建

多配送中心车辆路径问题模型为:

(6)

(7)

(8)

(9)

(10)

(11)

(12)

i=1,2,…,N;j=1,2,…,c;r=1,2,…,R;

(13)

式(6)为目标函数:前半部分为车辆配送的总成本,后半部分是车辆评价的总权值,其中M为正常数,使用正常数能够使目标函数的值发生显著改变,确保评价更优的车辆被优先选择.车辆的评价值越高,车辆应该被优先选择,所以后半部分之前要用负号.式(7)保证每一个配送点的需求被满足;式(8)保证每辆车运输的商品重量不能超过车辆的最大容量;式(9)保证每一个配送点至少由一辆车服务;式(10、11)确保流量守恒;式(12)表示车队中车辆的数量限制;式(13)表示消除子环路.

1.2 基于α-水平截集的车辆评价模糊TOPSIS综合评价模型

模糊TOPSIS法在TOPSIS法的基础上,充分考虑评价者的主观思维与被评价事物的模糊性与不确定性.基于α-水平截集的模糊TOPSIS方法得到的评价值是一个区间,再去模糊化,其评价结果较模糊TOPSIS直接得到的评价值更加准确与客观.文中基于α-水平截集的模糊TOPSIS法对冷藏车辆进行评价,并将评价结果纳入冷链物流多中心车辆路径优化模型中.

1.2.1 建立车辆评价指标体系

对配送中心常用电动冷藏车、混合燃料冷藏车、柴油冷藏车、生物柴油冷藏车和天然气冷藏车5种藏车辆进行研究.在对冷藏车辆进行评价时,综合考虑车辆的绿色、可持续性与经济性,构建车辆评价指标体系图2.

图 2 车辆评价指标体系

该体系由社会环境、经济性和质量3个维度构成.在车辆的评价过程中,首先考虑车辆的绿色与可持续性,车辆的绿色主要体现在车辆的燃料排放与燃料能效上,燃料排放主要指车辆在行驶过程中排放的二氧化碳等气体对环境的影响,燃料能效越高则此燃料车辆更绿色;与车辆的可持续性相关的指标有车辆寿命和燃料可用性,其中燃料的可用性为使用燃料的易取性;同时考虑车辆在运行过程中的噪音污染.其次考虑车辆的经济性,即车辆的运营成本,主要包括燃料成本、车辆成本和维护成本.最后,车辆的质量主要包括车辆在行驶过程中的安全性和舒适性,安全性主要以车辆的事故率为标准,车辆的事故率越低,安全性越高;舒适性主要以是否有助于提高驾驶性能与操作性能为标准.

1.2.2 构建车辆评价的决策矩阵并标准化

(14)

j=1,2,…,m;s=1,2,…,p

(15)

(16)

1.2.3 计算α-水平截集及车辆评价的模糊相对贴近度

(17)

第i种车辆的评价值与正理想解的模糊相对贴近度为:

(18)

1.2.4 车辆评价值排序

(21)

利用平均水平截集方法,对模糊贴近度去模糊化[19]:

(22)

式中:(Ti)*为第i种车辆评价值模糊贴近度的去模糊值,即第i种车辆的评价值;αj为不同的截集水平,j=1,2,…,N,且0<α1<α2<…<αN≤1.

2 实验研究

2.1 基于α-水平截集的模糊TOPSIS方法进行车辆评价

基于α-水平截集的模糊TOPSIS评价模型对冷藏车辆进行评价,邀请4位专家组成评价小组,他们来自交通运输和物流领域,具体步骤为:

表2 评价小组对指标权重的评价

表3 指标权重语言集与对应的三角模糊数[20]

表4 车辆评价语言集与对应的三角模糊数[20]

表5 评价小组对车辆的模糊评价

表6 标准化决策矩阵

(3) 根据式(19~21)确定每种车辆基于α-水平截集的相对模糊贴近度,去模糊化后得到评价值,并对各种车辆的评价值进行排序,如表7,所得到的顺序即为车辆的优先选择顺序.

表7 基于α-水平截集的相对模糊贴近度及车辆优先选择排序

通过基于α-水平截集的模糊TOPSIS方法得到的结果,得到车辆的评价值大小排序:电动冷藏车>混合燃料冷藏车>柴油冷藏车>生物柴油冷藏车>天然气冷藏车.将车辆的评价结果考虑到冷链物流多中心车辆路径优化模型中,保证评价值较高的车辆被优先选择与配送车队的优质性.

2.2 遗传算法求解冷链物流多配送中心车辆路径优化模型

将评价结果与正常数相乘组成车辆评价的权重,并将其考虑至优化模型的目标函数中,通过改变车辆评价的权重使目标函数值发生显著变化,车辆评价的权值越大,配送车队的绿色与可持续性越好.

采用遗传算法求解冷链物流的多配送中心车辆路径优化模型,遗传算法的运行参数为:初始种群规模为200,交叉概率为0.9,变异概率为0.05,迭代次数为500次,代码运行的终止准则为迭代500次.

文中以大连市地利生鲜连锁超市的生鲜产品配送为算例对象,选取大连市内地利生鲜的13个店面为配送点与2个配送中心对模型进行实验验证,配送点与配送中心的具体位置如图3.各配送中心和配送点的经纬度、各种商品的需求量以及时间窗约束等数据见表8(经纬度数据来自百度地图),完成配送工作的冷藏车辆的相关信息见表9.

图3 配送中心及配送点位置分图

表8 配送中心与配送点相关数据

表9 各类型车辆容量及成本

在不考虑道路拥堵的情况下,假设车辆以50 km/h的速度匀速行驶,两种商品的平均价格分别为6 000元/t、8 000元/t,单位产品单位时间的制冷成本为0.5元/(h·kg),运输过程中的腐败率为0.002,在装卸过程中的腐败率为0.003,车辆在提前到达时的惩罚系数为20元/h,车辆在延迟到达的惩罚系数为30元/h,每个客户的服务时间为15 min,配送车队的车辆数量限制为13辆.

3 算例分析

分析不同M值对配送车辆选择、配送成本和配送过程的绿色和可持续性的影响.由于M为正常数,M值的改变能够有效改变目标函数的值,M的值越大,考虑车辆评价的因素就越多.

表10对比了在不同M值下的配送车辆选择情况,M值越大说明对于配送车辆评价的要求越高,即对于绿色与可持续性水平要求越高.这样,评价值越高的车辆会越被优先选择进行配送工作,配送过程越绿色且更具有可持续性.

表10 不同M值下的配送车辆选择情况

不同M值下的配送成本与车辆行驶距离见表11,由表可知,当M等于0时,即不考虑车辆评价因素时,配送成本为2 563.7元,其中固定成本为1 780.0元,运输成本为291.0元,制冷成本为129.0元,货损成本为10.0元,惩罚成本为353.7元,车辆行驶距离为123.2 km,其车辆的配送路径如表12,其中括号内的数字分别表示坐标点编号和商品类型.

表11 不同M值下的配送成本与行驶距离

表12 不考虑车辆评价时车辆的配送路径

由实验结果可以得出,考虑车辆评价因素的配送成本高于未考虑车辆评价因素的配送成本,随着M值的增加,车辆评价因素的影响增大,配送成本会随之增加.由于车辆的绿色与可持续性性能越高,车辆的固定成本和运输成本都会有一定的增加,说明了配送过程的经济性与绿色是相悖的.寻找经济与绿色平衡的配送方案是物流企业在降本与环保要求下的主要课题,同时物流企业也可以根据长期配送方案整合企业资源,重新构建经济与绿色的配送车队.

文中采用的是分批到货的配送模式,而此前大部分车辆路径模型是一辆配送车辆只能服务一个客户,即未采用分批到货模式.为对比两种配送模式,在相同算例和算法下运行未分批到货的优化模型,得到在未分批到货下的车辆选择情况与配送成本(表13、14),其中车队车辆数量为13辆.

表13 未分批到货下不同M值时的配送车辆选择情况

表14 未分批到货下不同M值时的配送成本与行驶距离

通过表13可以发现,随着M值的增大,评价值越高的车辆越被优先选择进行配送工作,其配送过程也更加绿色且具有可持续性.

由表14可知,随着M值的增大,配送成本较未考虑车辆评价因素时也有所增长.分批到货与未分批到货的配送成本对比见图4,在M值相同的情况下,分批到货相比于未分批到货配送模式具有更低的配送成本.分批到货的配送模式可以到达每一个配送点,而未分批到货的配送模式只能服务一个配送点,分批到货使用的配送车辆少于未分批到货,配送成本更低,因此分批到货优于未分批到货的配送模式.但相关物流企业要注意实现分批配送,商品要处于相同的贮藏环境,商品之间不能相互影响质量.

图4 不同M值下分批到货与未分批到货配送成本的对比

4 结论

针对多车型多配送中心的冷链物流车辆路径问题,首先考虑到冷藏车辆的绿色与可持续性、经济性等需求,以及客观事物的模糊性和复杂不确定性,运用基于α-水平截集的模糊TOPSIS法对各类冷藏车辆进行评价.然后,基于车辆的评价值和配送过程中产生的固定成本、运输成本、制冷成本、货损成本和惩罚成本构建目标函数,建立相应的冷链物流车辆路径优化模型,通过设计的遗传算法进行求解,得到分批到货的车辆路径.该模型可以改变车辆评价的权重,权重值越大,代表配送过程更加绿色且更具有可持续性,物流公司可以根据企业自身需求选择合适的配送方案.

电动、混合燃料、柴油、生物柴油和天然气5种车型冷藏车辆在考虑成本、绿色等指标情况下的评价结果,为冷链物流公司进行配送车辆的选择和整合提供了参考;通过对大连市地利生鲜物资配送实例的验证说明.文中模型和算法的可行性,且证明了在一定程度上考虑车辆评价因素会增加配送成本,但能够有效提升配送过程的绿色和可持续性.通过与未分批到货的模型进行对比,发现分批到货较未分批到货的配送模式产生更低的配送成本.研究为解决多车型多配送中心的冷链物流车辆路径问题提供了新的思路,为物流公司的配送决策提供了一定的参考.

猜你喜欢

冷藏车冷链物流
要不要做冷链物流?
新型冷链物流用复合相变材料制备及过冷度影响因素
利用光伏发电制冷的冷藏车设计选型
2019年我国冷藏车市场回顾及2020年一季度市场分析
本刊重点关注的物流展会
“智”造更长物流生态链
欧洲冷藏车主流技术介绍
企业该怎么选择物流
冷链物流用复合蓄冷材料的研究
劲达电装联手开发冷链物流市场