基于多目标的电商仓配中心选址模型研究

刘 存

(安徽商贸职业技术学院，安徽 芜湖 241000)

电商发展初期，电商企业大多选择自建仓方式来管理商品库存。但随着电商渠道的变化，单批次进出货数量增长迅猛，以中小微企业为主的电商企业盈利能力有限，加之供应链管理能力不强，为降低物流管理运营成本，此时物流运作模式由自建仓模式向电商仓配模式转变。

电商仓配模式是销售企业专注于商品与渠道选择，将仓配中心外包给第三方物流企业建设运营。其具有两大作业特征：一是订单就近分配。相对于传统仓配服务的货物品类单一、大批量集中配送作业。利用电商平台的大数据分析技术，销售企业可依据客户订单异地就近匹配合适仓库，并借助自动化、智能化设备适应小批量、多批次货物拣选作业需求。二是多地分仓发货。销售企业依据销售预测情况将货物存储在第三方物流企业的不同区域电商仓配中心，当客户完成在线下单后，货物从仓配中心分拣装包后，通过第三方物流企业的配送网络送至客户端。该作业方式有助于提升物流服务水平，缩短配送时间。

图1 电商仓配模式示意图

为适应电商仓配模式的运作需求，第三方物流企业需要布局建设多个电商仓配中心，向上为供应商提供仓储管理，向下连接区域快递分拣场(站)的末端配送网络，构建完善的电商仓配服务体系。因而合理布局电商仓配中心是电商仓配服务体系的基础性任务之一，它影响着电商仓配服务成本及其配送服务时效，是电商企业构建核心竞争力的关键要素。

1 电商仓配中心选址问题研究现状

当前国内外学者对于仓库选址问题的研究方法基本成熟，大多基于重心法、线性规划法、Baumol-Wolf、CFLP、启发式算法[1-7]等定量分析模型研究选址问题。与此同时，部分学者[8-9]以定性定量相结合的方法提出选址方案。

建设电商仓配中心不仅需具备仓储配送作业能力，还应及时响应客户服务需求。因而目前学者大多基于运作成本效率与客户服务水平多目标进行决策选址。如陈梦南等考虑到影响跨境电商海外仓选址的要素主要包括客户距离、仓库建造与作业成本、国家税收政策等，以混合整数规划法进行定量研究，构建了包括运营成本最小化与客户满意度最大化在内的双目标选址模型，并采用粒子群优化算法进行模拟求解，验证了有效性[10]；沈彬彬等依据海外仓的运营特征，提出了轴辐式海外仓网络形式，考虑了运输、仓库建设及处理、退换货和时间窗等成本因素，以总成本最小化为目标构建了多枢纽节点的选址模型，并以改进遗传算法求解模型[11]；宋振波等考虑了电商仓作业量及客户服务需求特征，基于“区域配送中心+前置仓”的网络结构，探讨了前置仓的选址优化问题，采用CFLP法构建了以总成本最小化为目标函数的选址规划模型，其中成本项包括运输成本、仓储作业成本以及退货成本，并通过模拟算例求解分析了该选址模型的可行性[12]。

综上所述，当前对于电商仓配中心选址问题的研究依旧停留在一般仓库选址规划层面，依据电商物流网络结构构建选址规划模型的相关研究文献较少，少量文献大多关注跨境电商的海外仓选址。因此，本文结合国内电商仓配网络结构优化各节点选址，利用定量分析法探讨电商企业如何合理选择仓配中心，以实现物流服务网络效益最大化。

2 电商仓配中心选址模型的建立

电商仓配中心选址模型与一般物流中心选址模型的差异性主要体现在目标函数与相关约束条件的不同,构建模型时应强调客户服务水平的优先性，同时考虑有效控制成本的理念。其中对于电商客户而言，货物配送时效性是其关注的焦点，因而本文以货物是否准时送达作为衡量客户服务水平的指标。

2.1 问题描述及参数定义

本文中选址模型需要解决的问题是：如何在若干个备选地址中，选取合适的数量作为电商企业的仓配中心，在保证时效性，兼顾经济性的原则下，由仓配中心将电商订单货物配送至区域内快递分拣站，以有效达成货物递送时限性要求。

假设条件：

(1)电商企业依据大数据等技术可以较好预测客户需求变化，即运输量较为稳定，同时区域快递分拣站能及时将运输到达货物基本处理完，滞留成本可忽略；

(2)每个快递分拣站的地理位置确定且单位商品的配送费率恒定，与运量成正比例关系，不受批量折扣等因素影响，同时退换货成本与退换量、运输距离及运输费率相关；

(3)一个快递分拣站只接受一个电商仓配中心服务，这符合电商企业实际运作特征，如京东等电商企业在配送区域网络规划中遵循单一来源原则；

(4)为了确保运输路网的准点率，电商企业一般会设定平均行驶速度，即仓配中心到快递分拣站的速度取值是常数。

相关参数定义：

Fi：备选地址i改扩建为电商仓配中心产生的建造成本；

ci：电商仓配中心i的单位货物处理费用；

dij：电商仓配中心i到快递分拣站j的货物配送距离；

Xij：电商仓配中心i向快递分拣站j的货物运输量；

Tij：电商仓配中心i到快递分拣站j的货物配送时间；

Pi：电商仓配中心i能承受的货物最大处理量；

αij：单位货物的运输费率；

Mj：快递分拣站j的货物需求量；

kj：快递分拣站j的货物退换率；

vij：电商仓配中心到快递分拣站的行驶速度；

Zi：属于0-1决策变量，若备选点i改扩建为电商仓配中心，则Zi=1，若备选点i未被选中，则Zi=0；

Yij：属于0-1决策变量，若电商仓配中心i向快递分拣站j配送货物，则Yij=1，否则为0。

2.2 构建多目标选址规划模型

针对电商仓配中心管理目标的多重性，本文建立的电商仓配中心选址模型包含物流总成本最小化与客户最长等待时间最小化的多目标函数，并设定了相应的约束条件。

(1)

(2)

(3)

(4)

(5)

(6)

(7)

Zi={0，1} (i=1,2,…,m)

(8)

Yij={0，1} (i=1,2,…,m，j=1,2,…,n)

(9)

其中，目标函数(1)表示物流总成本最小化，第一项为货物从电商仓配中心到快递分拣站的配送成本，第二项为扩建成电商仓配中心的固定投资成本及货物处理管理成本，第三项为区域快递分拣站的货物退换货成本。目标函数(2)表示客户最长等待时间的最小化。约束条件(3)表示仓配服务中心的货物运输量不能超过中心最大处理能力；约束条件(4)表示电商仓配中心的运输量不低于各快递分拣站的配送需求；约束条件(5)表示电商仓配中心均有配送作业任务，满足特定快递分拣站的配送需求；约束条件(6)表示该备选地址被选为电商仓配中心时，快递分拣站才提供配送服务；约束条件(7)表示电商仓配服务中心扩建数量不超过备选地址数量。

2.3 模型求解算法

目前解决多目标规划问题的求解方法主要有线性加权法和主要目标法。为简化求解程序，本文采用主要目标法将多目标选址模型转化为单目标规划模型进行求解，得到转化后模型的最优解，即为原问题的Pareto有效解。

3 算例分析

3.1 算例概述

假设某电商企业为适应商品SKU快速增长的作业需求，同时提高仓配作业专业化水平，需要设立若干个电商仓配中心，以有效衔接供应商与快递分拣站。依据交通便利性、电商客户消费频次、土地价格等影响要素，选取15个具有较好基础条件的传统仓作为电商仓配中心的改扩建备选地址。15个备选点扩建成电商仓配中心的改建成本及单位商品分拣管理费用如表1，电商仓配中心备选地址到快递分拣站的运输距离可依据地图经纬度数据，由欧几里德直接距离计算公式得出其运输距离，如表2所示，考虑到区域内物流运输方式以公路运输为主，各路段的单位商品运输费率差异较小，因而可将其设定为固定值，即aij=15元/吨*公里。vij=50km/h，模拟数据不失一般性。

表1 电商仓配中心备选地址(Di)的扩建及作业成本

表2 电商仓配中心备选地址(Di)到快递分拣站(Cj)的运输距离(公里)

3.2 模型结果分析

将以上参数的数值代入混合整数规划模型中，考虑到该问题属于求解0-1变量的非线性规划问题，本文使用Lingo软件进行编程求解，其中对于配送时限允许值T0的值域，在设定客户允许时间上限值内设定电商仓配中心数量，进而求解得出物流总成本最小的选址方案。当配送时限可允许值T0取值依据客户要求约定T0=3时，选址模型通过找到全局最优解，说明该选址优化方案在时限性约束条件下均成立，即为最终优化选址方案。相对于未考虑客户时效性的优化选址方案，相关结果数值对比情况如表3所示。

表3 不同约束条件下选址方案对比

由表3可知，在满足一定客户时效性前提下的选址方案，虽然其总运营成本较高，但考虑到电商客户对于时效性要求较高，因而相对于仅考虑成本最小化目标的选址方案，可以通过客户更高的购买频次来获得销售收入的增长，这也是京东等自营物流体系相对于阿里系第三方物流体系的差异化服务竞争优势。其最优选址-配送方案为电商仓配中心D1为快递分拣站C3和C18提供服务，电商仓配中心D5为快递分拣站C1、C6和C10提供服务，电商仓配中心D6为快递分拣站C2、C7和C11提供服务，电商仓配中心D7为快递分拣站C13和C15提供服务，电商仓配中心D9为快递分拣站C4、C12和C14提供服务，电商仓配中心D10为快递分拣站C5和C9提供服务，电商仓配中心D11为快递分拣站C8、C16和C17提供服务，如表4所示。

表4 考虑多目标的选址-配送优化方案

4 小结

本文在建立的电商仓配中心选址模型中，考虑了客户时效性和成本双目标的，使得电商仓配中心选址优化方案不仅基于客户服务满意原则，还兼顾成本最小化原则，具有一定的实践指导作用。本文对于客户满意度主要以服务时间为衡量标准，服务时间可能是硬时间窗或软时间窗，为了模型求解的简便，选择硬时间窗来衡量，还可以选择软时间窗，或以服务可靠性来衡量客户服务满意度则是下一阶段研究的主要工作。