基于复杂网络视角的智能周转箱绿色配送模式设计

张 建 李 诚 张卫东 尹健康 罗 良 袁国旺 陶 林

(1.西南科技大学制造科学与工程学院 四川绵阳 621010;2.四川省烟草公司阿坝州公司 四川汶川县 623000；3.西南科技大学计算机科学与技术学院 四川绵阳 621010;4.四川省烟草公司成都市公司 成都 610014)

某市烟草销售配送采用常规周转箱，年使用30万次，单个周转箱循环一次排放8.3 kg CO2，属于高碳排放的物流配送模式。为了实现低碳节能的绿色物流，需要综合考虑周转箱使用频率、经济持有量、叠垛模型、车辆装载率、装卸便利性、使用持久性、交接便利性等多种因素。周转箱使用过程中存在多个因素相互影响，例如：增加周转箱强度，可提升使用周期，降低卷烟运输破损率，但是会增加制造成本，增加箱体重量，从而增加油耗；强度不够，会导致叠垛层数不够，卷烟损耗增加。为解决多个因素相互影响的现象，笔者拟基于复杂网络视角进行智能周转箱的绿色配送模式设计。

关于周转箱设计、绿色配送模式、复杂网络、网络搜索指数等问题，前人已有一些值得借鉴的研究成果。

在周转箱方面：Aoki[1]对条码技术和射频识别技术进行了对比，分析了条码技术和射频识别技术在周转箱智能化设计中的应用特点；文献[2]将射频识别技术应用到周转箱的系统设计中，进而实现对周转箱的监控，提高了物流效率；于彦斌[3]将传感器、条码识别等信息技术应用到周转箱的智能设计之中，对物流运输过程进行控制，降低物流运输风险；要学玮等[4]以北京卷烟市场为背景，结合卷烟分拣的实际条件，以感知技术应用为基础，提出了一套适应性强、准确率高、可实施性强的卷烟分拣信息化系统解决方案，实现卷烟分拣作业痕迹化和智能化水平的“双提升”。综上所述，周转箱的智能化应用是智慧物流实现的基本条件。

在绿色配送模式方面：王长琼[5]认为绿色物流的终极目标是实现经济利益、社会利益和环境利益的统一；马燕[6]认为开展供应链绿色物流管理能够提高客户满意度，提高企业竞争力，提升企业形象，节约社会资源，降低供应链各成员企业成本。

在复杂网络研究方面：孙玺菁等[7]采用复杂网络来研究现实世界中的各种大型复杂系统，其中热点问题是复杂系统的结构与系统功能之间的关系；统计物理的许多概念和方法也已成功地用于复杂网络的建模和计算[8]；王伟明[9]以关系网络为切入点，给出了一种指标权重的计算方法，提出一种新的复杂网络视角下的大规模群体DEMATEL决策方法；张东辉[10]采用问卷调查的方式对风险发生频率指标进行评价，基于复杂网络对风险关联规则进行系统性分析，得到信息风险和操作风险两者内部以及两者之间都存在着较强的传递性和耦合性结论；胡军[11]以全球航班信息为基础,借助复杂网络对全球航空网络进行分析表明,全球航空网络具有明显的区域聚集效应。

在物流领域：王军进[12]以复杂网络视角研究供应链企业合作关系，结合链路预测中相似性分析构建了供应链企业合作伙伴关系预测模型，并验证了预测模型的有效性；薛亮[13]基于复杂网络和区域物流的理论基础对贵州省茶叶物流运输网络进行分析得到需要重点建设和维护茶叶物流运输网的中心节点的结论；罗娟娟[14]构建了基于复杂网络的生鲜农产品冷链物流网络模型，研究了冷链物流网络中新节点的选择、点边连接关系及对点边关系的调整。

在网络搜索指数方面：通过研究关键词搜索趋势能够洞察网民兴趣和需求、监测舆情动向、定位受众特征。林枫等[15]基于百度指数对北京地区儿童过敏性鼻炎的网络关注度与真实就诊量及花粉指数进行了相关性分析，表明关注度与门诊量、花粉过敏气象指数相关；韩锋[16]通过搜索指数时间序列,应用向量自回归模型,分析了林产品与百度搜索指数之间的动态关系。

综上所述，目前复杂网络普遍应用于权重与关系分析，能够通过节点之间的关联性分析出整体网络的特性及各个节点的重要程度，而复杂网络节点的度、平均路径和网络全局效率方面的研究有所欠缺。如何利用社会调研来源大数据和复杂网络为各行业服务以降低碳排放水平，实现更好的社会效益和经济效益，有待进一步研究。本文以烟草销售配送过程为研究对象，采用搜索指数和问卷调查数据构建复杂网络，筛选出周转箱设计、使用过程中各因子的优化顺序排名，确定在配送环节对减排方面最具影响力的因子，并通过Flexsim仿真软件模拟智能周转箱实际物流作业系统运行状况，进一步改善物流配送模式，实现绿色配送。

1 优化因子的选取

首先对物流优化因素进行调研。对某烟草公司近几年周转箱配送中的经验和问题进行了调研(发放问卷并回收141份)，将周转箱绿色物流优化因素分为仓储、加工、配送、结算、回收5个环节，各环节的影响因素如图1所示。

图1 周转箱绿色物流优化因素Fig.1 Optimization factors of green logistics of turnover box

根据以上因素进行网络搜索，采用ROST Content Mining文本分析软件对提取到的网络搜索关键词进行概念化处理和分词处理，并进行词频统计，得到初始高频词目录，然后剔除其中的无实际意义或无明显指向的词语，得到90个高频词。按照逻辑关系与相关关系对同类属性的词语进行归类，这些高频词涉及某烟草公司周转箱配送过程的仓储、加工、配送、结算、回收环节。

高频词权重采用TF-IDF加权方法，公式为:

tfidfi,j=tfi,j×idfi,j

(1)

词频TF是指词条在文档中出现的频率，公式为：

(2)

其中ni,j为特征词ti在文本dj中出现的次数，是文本dj中所有特征词的个数。计算的结果即为某个特征词的词频。

IDF为逆向文件频率,是一个词语普遍重要性的度量，公式为：

(3)

通过对高频词权重分析，得到排名前20位的高频词如表1所示。

表1 排名前20位的高频词 Table 1 Top 20 high frequency words

2 复杂网络分析

按照逻辑关系与相关关系对同类属性的词语进行归纳，并持续性地进行范畴化实验，从而将每个词语一次性纳入到各个范畴之中。经过分析，可将90个高频词分为14个范畴，反映周转箱的14个待优化的因子(I1，I2，…I14)。

2.1 复杂网络模型构建与仿真

语义网络图能直观地呈现高频词之间的关联逻辑关系。使用分析软件MATLAB对14个待优化因子进行复杂网络分析，调用graph绘制出高频词语义网络图如图2所示。

图2 高频词语义网络图Fig.2 Semantic network diagram of high-frequency words

在复杂网络理论中，节点的度、平均路径和网络全局效率分别从网络的局部属性、传播属性和全局属性刻画了节点在网络中的重要性。其中，节点的度用于表示节点与相邻节点的连边数，一定程度上体现了节点在网络中的直接影响力。平均路径则用于描述节点在网络中操纵信息流通的重要程度，与通过节点的最短路径息息相关。因此，本次研究基于复杂网络理论，将每个因子作为网络中的一个节点，将节点的度、平均路径和网络全局效率作为因子重要性的依据。

设在一个无向网络结构中Node={Node1，Node2，…NodeN}表示网络中所有节点的集合，对于节点Nodei，度、平均路径和网络全局效率的定义如下：

度：表明该节点的重要性。从网络局部属性来看，度值越大，则与在网络中该节点直接通过边相连的节点越多。设与节点Nodei直接相连的节点数为Numi，则称Numi为Nodei的度，这里1≤i≤N，Numi≤N-1。归一化处理后，可得节点Nodei的度为：

(4)

(5)

其中N为网络节点数。网络的平均路径长度也称为网络的特征路径长度，它表明网络中节点间的分离程度，反映了网络的全局特性。

“城市驿站不仅给居民提供服务，也是解决城市管理问题的站点，更为城市管理者、环卫工人提供了休息吃饭的地方，冬天还可以用微波炉加热食物。”负责党群城市服务驿站管理者永济市住建局党建办副主任王雷说。

网络全局效率：网络中的信息流是在网络节点之间的路径上进行传播的，现实世界的真实网络里的信息流可以包括交通运输网的货物、航空网络的乘客、邮件网络的电子邮件等。在信息量一定的情况下，网络信息流的传输效率与网络路径长度相关，且满足以下关系：

(6)

其中：εij表示由节点i流向节点j的信息流传输效率；dij表示节点i和节点j间的最短距离。当节点i和节点j之间没有路径时，dij趋于无穷大，则其信息传输效率εij=0。

2.2 复杂网络属性计算结果

节点度：通过计算得到的语义网络的节点平均度大小为62.29，其点度分布如图3所示。

图3 网络节点度统计图Fig.3 Statistics diagram of network node degree

各节点的平均路径：复杂网络共14个待优化的因子，按照因子的序号每次删除一个节点，使节点和边被移除，再观察剩余网络的平均路径长度，通过网络平均路径长度的变化得出影响程度大的因子。通过计算得出该网络的平均路径长度为3.14，因此该网络具有小世界网络的特征，各个因子之间的距离较近，是一个连通性强的网络。由此可见选取的周转箱待优化因子之间的联系十分紧密。在对因子进行评价时，如果忽略因子间的关联作用，将会得到有偏的评价结果。

网络全局效率：越重要的节点被移除，网络全局效率越低。重要节点对其他节点的影响很大，节点对应的因子是使用周转箱时的重要改进因子。经过计算，初始网络节点的效率为0.189 9，通过观察移除各个节点后整体网络全局效率的变化，可找到因子的内在联系。移除某节点后网络全局效率如表2所示。

表2 移除节点后网络全局效率统计表Table 2 Statistics table of network global efficiency after removing nodes

2.3 复杂网络结果分析

通过分析该复杂网络的属性，得出在周转箱使用过程中重要的因子有：循环利用性低、安全运输、操作舒适性等。针对待优化的因子进行归纳总结，结果如表3所示。

表3 待优化因子属性归纳表Table 3 Attribute summary table of factor to be optimized

3 智能周转箱及配送模式设计

3.1 智能周转箱设计

工艺结构设计：采用优质的纳米改性聚丙烯PP材料，中空瓦楞三维结构，使周转箱在重量减少100 g的前提下，最大承重提升70 kg。对于操作舒适度方面，改进智能周转箱的加工工艺，要求其符合人因工程设计要求；封边加工光滑无毛刺，增加强度，保护操作人员；箱体连接采用无缝一体焊接，焊接强度高，增加使用寿命。

配件设计：为了进一步减少碳排放，采用了魔术贴以减少透明胶带的使用，减少对环境的污染；加入电子标签，建立“云边端”一体化解决方案的硬件前提；为了提高清除纸标签速度和防滑，加入磨砂片，提高了回收周转箱效率，进一步降本增效。

标识设计：从成本、安全性、技术成熟度、使用便捷性、标签抗污性和标签数据可更改性等6个方面对RFID，NFC，一维码和二维码4种识别方式进行综合比较，二维码绑码正确性高，双芯片可提高可靠性；智能周转箱配置1个二维码以及2个RFID芯片。

3.2 配送流程设计与仿真

传统周转箱在配送流程中主要采用手工管理，“找、管、维”的问题无法解决。为解决以上问题，本文对周转箱配送使用业务流程进行改善设计。

给每一个周转箱设定“身份号”，实现“二维码”“RFID”双芯管理，将三者采用感光识读的方式，通过数据的传递、共享进行周转箱流转管理。在配送环节实现如下功能：在分拣流水线实现香烟及周转箱精确绑码；在周转箱配送以及回收环节实现零售户配送周转箱的信息准确查询；周转箱追溯照片展示以及周转箱的配送及回收确认；流转状态数据显示周转箱流转状态。

改善前后周转箱使用业务流程对比如表4所示。

表4 改善前后周转箱使用业务流程对比表Table 4 Comparison table of business process of using turnover box before and after improvement

Flexsim仿真软件可模拟实际物流作业系统运行状况，统计和分析模拟结果，用以指导实际物流作业系统的优化设计与运作管理。如图4所示，在分拣环节中，将人工手持扫描改为机器自动扫描完成智能周转箱回收过程，工人利用率从98% 降低到85%，降低了工人劳动强度，减少了一个人工岗位。在货物交接环节，定点取货方式的单户交接平均时长5.76 min/户，可下降到1.9 min/户；送货到户方式的单户交接平均时长3.22 min/户，可下降到1.8 min/户。

图4 智能周转箱分拣环节Flexsim仿真Fig.4 Flexsim simulation of intelligent turnover box sorting

4 智能周转箱及配送模式实证研究

4.1 智能周转箱及配送模式运行情况

智能周转箱循环化利用，通过在某市实践，形成了《周转箱二维码识读软件操作手册》、《商零周转箱循环利用操作规程》、《周转箱管理平台操作手册》等应用流程、作业标准。如使用SOP分析流程，将卷烟分拣和配送工作进行流程标准化设计，形成了依托智能管理平台实现按户装箱的配送模式，卷烟分拣效率由146件/h提升至177件/h，平均送货响应时间由2018年下半年的73.68 h缩短至2021年6月上半年的55.56 h，相比周转箱循环利用前缩短18.12 h，优于省内同类高原山区。

4.2 碳排放计算

碳排放具体计算方法参考文献[17-18]。

4.2.1 传统周转箱碳排放计算

(1)使用周转箱产生的碳排放。2016年至2017年所用周转箱数目为17 800个，单个周转箱生产碳排放为0.005 1 t/个，2016年至2017年周转箱平均产生碳排放为90.78 t/年。

(2)周转箱物流运输产生碳排放。2016年至2017年物流运输车，柴油使用年总量为698 947.2 L，汽油年使用总量：278 964.0 L，每升柴油排放CO2质量是2.68 kg，每升汽油排放CO2质量是 2.25 kg，2016年至2017年物流平均产生碳排放为2 500.85 t/年。

(3)包装中心年耗电产生碳排放。2016年至2017年包装中心耗电总量为17 800 kWh，电力排放因子(以CO2计)为0.714 kg/kWh，2016年至2017年包装中心碳排放为12.71 t/年。

4.2.2 智能周转箱碳排放计算

(1)使用周转箱产生的碳排放。2019年至2021年之间智能周转箱使用个数为10 596个，单个生产智能周转箱碳排放为0.005 2 t/个，2019年至2021年平均产生碳排放为55.10 t/年。

(2)物流运输产生碳排放。2019年至2021年之间柴油使用年总量为498 430.0 L，汽油年使用总量为334 625.6 L，每升柴油排放CO2质量是2.68 kg，每升汽油排放CO2质量是2.25 kg，2016年至2017年物流平均产生碳排放为2 088.7 t/年。

(3)包装中心年耗电碳排放。装载速率提高、周转箱需求量减少，工作时长缩短，计算得出耗电碳排放为6.4 t/年。

4.2.3 智能周转箱减少碳排放量

通过2019年至2021年实际运行，对比分析传统周转箱碳排放和智能周转箱年消耗数量、汽车总里程、单位油耗、分拣耗电等数据，智能周转箱通过提升单箱强度、增加箱体寿命、智能化设计、提升单次装箱利用率、降低分拣工位工人人数、降低工作强度、减少总体配送时间等措施，每次使用能减少碳排放0.11 kg，减少幅度达15%，社会效益和经济效益显著。碳排放情况对比如表5所示。

表5 传统周转箱与智能周转箱碳排放情况对比Table 5 Comparison of carbon emissions between traditional turnover boxes and intelligent turnover boxes

4 结论

某市烟草公司积极响应国务院关于加快建立健全绿色低碳循环发展经济体系的指导意见，自主设计、探索“低碳、环保、可回收”的智能周转箱及其配送模式。在数据收集阶段，采用了百度指数和问卷调查收集并整理出物流配送中的90个高频词，采用复杂网络处理数据，将处理后的优化因子变为周转箱设计、周转箱溯源、回收模式等可设计因素，对这些设计因素采用智能设计制造和Flex物流仿真，改善配送过程流程，实现了“低碳、环保、可回收”智能周转箱绿色配送模式。实际运行结果显示，相对于传统周转箱，每次使用智能周转箱能减少碳排放0.11 kg，减少幅度达15%，社会效益和经济效益显著。