考虑服务可靠度的生鲜电商前置仓选址问题研究

吴竞鸿

考虑服务可靠度的生鲜电商前置仓选址问题研究

吴竞鸿

（安徽商贸职业技术学院，安徽 芜湖 241000）

目前包括生鲜电商企业在内的新零售企业积极探索前置仓模式，它是以总仓为商品供应源，根据订单密度在核心商圈和社区建立一定面积的前置仓，每个仓服务特定服务半径之内的区域，实现周边客户在线上下单后可直接由附近仓配送。本文在生鲜电商前置仓选址问题研究过程中，不仅考虑了前置仓成本要素，还考虑了商品新鲜度、服务可靠度等服务要素。将服务半径、运输成本、仓储投资及运营成本等综合要素考虑在内，构建了多目标选址模型，并以每日优鲜为案例背景，利用lingo求解了选址规划模型，可为生鲜电商企业的前置仓选址问题提供合理的决策依据。

前置仓；服务可靠度；多目标选址模型

网络零售的快速发展促使传统生鲜零售市场变革，逐步形成生鲜电商产业。2019年生鲜电商市场规模达到2 796.2亿元，预计未来几年，生鲜电商交易规模仍会保持30%左右的增速，2023年将超过8 000亿元[1]。

早期生鲜电商企业以一般网络零售形式销售生鲜商品，商品在用户下单后从总仓到分仓后再送达客户，以喵鲜生、天天果园为代表。但随着生鲜电商市场进入垄断竞争阶段，加之线上线下“新零售”消费场景普及，诸如前置仓等新型仓配模式成为生鲜电商市场主流。不同于早期一级总仓到二级分仓的普通快递服务方式，二级分仓仅是链接总仓与客户的仓储中转节点，送货时间通常为1～3 d。依据每日优鲜企业物流运营体系，本文整理出前置仓模式下的生鲜电商物流体系结构图如图1所示。

图1 生鲜电商物流体系结构图

前置仓模式是以城市总仓为商品唯一供应源，根据订单密度在核心商圈和社区建立若干个合适面积的前置仓，每个仓服务周边特定半径之内的区域（一般为2～3 km）。客户在线提交订单后，系统将其订单自动分配到距离最近的前置仓，由其完成拣货、打包和配送作业，送货时间可控制在2 h以内[2]。因为距离目的地客户较近、订单密度高，前置仓具备仓储、分拣、包装和配送等多项职能，一些前置仓还可成为销售站点，具有零售门店的诸多功能，注重周边客户群的服务体验感。作为线上生鲜类商品的线下服务设施，前置仓选址过程中不仅要考虑物流总成本以及生鲜品新鲜度，还应体现及时满足客户服务需求的即时物流特征。

1 生鲜电商仓选址问题研究综述

1.1 仓库选址问题研究现状

当前国内外学者对于仓库选址问题的研究方法基本成熟，包括定量分析、定性定量混合分析2类方法，其中定量分析方法通过将选址影响要素定量化，进而构建选址模型，并设计特定算法求解该模型。如金莉等[3]针对仓库与零售点两级设施的选址问题，构建了一个三级物流网络的选址-路径（LRP）优化模型, 并集合仓库-零售点-客户之间运输组织形式的差异，提出三阶段确定性求解算法, 采用分枝定界方法分阶段求解, 并利用拉格朗日松弛优化了求解规模，结合模拟算例验证了分支定界优化算法的有效性；李梦觉等[4]针对农产品物流中心选址问题，选取了离散型选址模型，考虑了农产品运输、腐烂损失在内的总成本最小化目标，构建了混合整数规划模型，并采用MATLAB软件完成模型求解；王道平等[5]考虑带时间窗的选址与路径优化组合决策问题，利用双层规划法构建了多目标整数规划模型，设计了两阶段启发式算法进行求解，并结合案例验证了该模型及其算法的可行性；在一些选址决策过程中，选址评价要素类型多样，有些因素难以量化，部分学者以定性定量混合分析方法提出选址方案，如李丹[6]尝试综合应用重心法和AHP法解决选址问题。首先根据重心法以及定性分析法分别提出不同的初始方案,再利用AHP法对2个初始方案进行对比排序分析；李珍萍等[7]探讨了北京市奶制品的选址路径优化问题，构建了有容量约束的双层混合整数规划模型，并设计了三阶段算法进行求解。其中第一阶段以K-means聚类方法完成客户点分类，第二、三阶段依据旅行商问题算法分别计算不同类型配送中心的选址方案及配送路径。并通过对比两种配送模式的运营成本，验证了该模型算法的合理有效性。

1.2 生鲜电商仓选址研究现状

目前学者们大多针对线下流通渠道的生鲜仓探讨其选址决策问题。如宋华岭等[8]以樱桃为对象，考虑了冷链物流的设施建造成本、运输配送成本、生鲜品腐烂成本等，构建了以总成本最小化为目标函数的选址模型，并求解得出供应-配送方案；陈淑童等[9]认为冷链物流网络构建中应考虑时效性和货损率，因此在多周期前提下考虑了运输及货损成本、运营成本和固定建造成本，以仿真方法对不同生鲜品的货损率与收货时限进行了成本敏感度分析，提出各项选址成本在时效和货损率作用下存在权衡效应；李冰等[10]在构建非线性混合整数规划模型中，以运输成本、惩罚成本、货损成本等总成本最小化为目标函数，考虑了车辆容量、货物作业时间、取送作业时间窗等约束条件，并提出综合客户间距离、送取货的需求量、配送时间窗要求的中心评估指数实现生鲜农产品配送中心选址决策。一些学者探讨了生鲜电商企业的末端配送站点布局规划，如王晶等[11]针对基本LRP问题，在时间窗约束条件下构建了生鲜电商配送中心选址及配送路径优化模型，并以实证数据验证了构建的LRP模型的有效性；谢凤等[12]认为生鲜电商社区店的选址属于零售选址和服务设施选址问题，即要考虑仓储配送成本、损耗成本，还应考虑消费需求量、消费时效性等多因素，进而构建了以经营效益最大化为目标函数的最大覆盖模型；还有一些学者对电商前置仓选址问题进行了初步探索，如宋振波等[13]总结了电商前置仓网络规划结构，构建了以总成本最小化为目标函数的前置仓选址模型；周晓晔等[14]以指定的前置仓配送服务范围为约束条件，构建了前置仓选址聚类模型，并利用最短实际行驶距离判定聚类结果是否合理；杨振宇等[15]针对不同类型前置仓在面积、建设成本等方面的差异，考虑备选门店规模限制、服务能力限制与周边需求量等选址影响要素，建立了以总成本最小化为目标函数的选址模型。

综上所述，线下流通渠道下的生鲜仓选址方法已基本成熟，但对于生鲜电商仓的选址问题的研究还存在不足，现有研究文献虽然总结了电商前置仓基本网络结构，但在考虑前置仓选址要素时，大多基于一般仓库选址要素，依据生鲜电商前置仓运作特征提出改进选址模型的相关文献较少。

依据参考文献[1-2]，目前以每日优鲜为代表的生鲜电商企业在前置仓选址过程中关注“偏僻物业”或者“闲置物业”，以求减少租金成本。同时为降低纸箱、泡沫、冰袋等可变成本，要求尽量缩短骑手的单次送达距离。并根据周边客户群体消费需求差异，不断改进升级补货算法，减少生鲜品损耗率。因而本文认为影响生鲜电商经营效率的主要因素包括损耗率与履约成本。其中损耗率是商品从产地到销地的各环节在途损耗情况，履约成本是为履行约定时限交付所产生的仓储运营成本（包括仓库建造投资）、配送等相关服务成本。当前以每日优鲜为代表的生鲜电商企业，物流链结构是“产地或供应商—城市中心仓—前置仓—客户”，其中产地或供应商—城市中心仓—前置仓已基本实现标准化冷链物流作业，此两个环节商品损耗率及履约成本极低，而前置仓—客户环节大多以普通车辆配送方式为主，损耗率较高，加之主要由第三方配送员承担“最后一公里”履约交付任务，存在服务水平不稳定现象。

在线上线下融合的“新零售”环境下，前置仓设施的合理布局直接影响着末端环节的损耗率和履约成本，是关乎生鲜电商企业运营绩效的关键内容。本文在生鲜电商前置仓选址问题研究过程中，不仅考虑了前置仓成本要素，还考虑了商品新鲜度、服务可靠度等服务要素。将服务半径、送达服务水平、运输成本、仓储投资及运营成本以及生鲜品损耗等综合要素考虑在内，基于多目标函数情形下，优化前置仓设置数量及服务对象。

2 电商前置仓服务可靠性测度方法

依据参考文献[15-16]，配送服务可靠性是衡量物流服务水平的关键指标之一，因而本文以服务可靠性作为物流服务水平的评价指标。对于服务可靠性，可使用在一定时间和限制条件下,客户的物流服务需求的满足情况来表达，一般以概率形式进行测度。在生鲜电商前置仓模式运作过程中，前置仓作为末端节点，其分布数量及服务范围极大影响着生鲜电商服务可靠性，故而合理选择前置仓数量及服务关系尤为重要。这里假设生鲜电商前置仓模式的运营中，其他作业环节的可靠性均为1，前置仓服务可靠性仅受配送服务影响，则前置仓服务可靠性的测度值如式(1)所示。

式中：K表示在一定的条件下将生鲜品在规定时间内送达客户的概率；T表示生鲜品从前置仓到客户的实际送达时间；T表示客户的期望送达时间；S表示生鲜品从前置仓到客户的配送距离；V表示前置仓到客户的送货速度；F为考虑到送货速度受道路性质、交通状况、车辆驾驶水平、送货员等随机因素影响,利用统计方法定义送货速度的分布函数，一般具有正态分布特征。

在一段持续时间内，该前置仓系统的物流服务可靠度d，如式(2)所示。

式中：分子部分表示前置仓系统对客户总需求的满足量，分母部分表示客户期望需求总量，D表示客户的需求量。

3 生鲜电商前置仓选址模型的建立

3.1 问题描述及参数定义

生鲜电商前置仓选址问题属于多目标选址问题，该问题可描述为：如何在若干个备选地址中，选取合适的数量成为前置仓，使得生鲜商品从前置仓-客户的物流总成本最小，服务可靠度最大以及商品新鲜度最佳。

假设条件：

(1)生鲜电商企业依据大数据等技术可准备预测客户需求，即生鲜品每日到仓量较稳定，同时客户群体的地理位置确定且单位商品的配送费率恒定，与配送量呈正比例关系，受批量折扣等因素影响非常小；

(2)当前从前置仓到客户以普通运输方式为主，存在新鲜度损耗现象，这里假设离开前置仓的初始新鲜度为1，新鲜度损耗与配送距离相关，同时前置仓能及时将到达货物派送完毕，滞留成本可忽略；

(3)一个客户群只接受一个前置仓服务，这符合生鲜电商企业实际运作特征，如每日优鲜等电商企业为每个客户群分配指定前置仓。

3.2 构建多目标选址规划模型

针对生鲜电商前置仓选址决策目标的多重性，本文建立的前置仓选址模型以物流总成本（包括货物从前置仓到客户群的配送成本、扩建前置仓的固定投资成本及货物处理成本）的最小化、服务可靠度最大化以及商品新鲜度最大化为目标函数，如式(2)所示。

约束条件包括前置仓到客户的配送路径不超过前置仓的最大服务半径；前置仓均有配送作业任务，可满足周边客户群的配送需求；备选地址被选为前置仓时，才提供配送服务；前置仓设置数量不超过备选地址数量等，如式(3)所示。

式(2)、(3)中：F为备选地址变为前置仓产生的改造成本；c为前置仓的单位货物分拣费率；S为前置仓到客户群的货物配送距离；为单位配送里程的新鲜度损耗率；R为前置仓的最大服务半径；α为单位货物的配送费率；D客户群的货物需求量；T客户群的期望送达时间；Z为0-1决策变量，若备选点改建为前置仓，则Z=1，否则Z=0；Y为0-1决策变量，若前置仓向客户群配送货物，则Y=1，否则为0。

3.3 模型求解算法

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。

主要目标法的总体求解思路是在多目标函数中选取一个目标进行最小化，而将其他目标转换成约束条件。每日优鲜以成本控制管理为企业经营目标。因此，本文以总成本最小化为最终目标函数，将服务可靠性最大化函数与新鲜度最大化函数均转换成模型的约束条件，这里设定一个前置仓服务可靠度的下限值d0以及送达商品新鲜度的下限值Ψ0，据此变更约束条件(3)，如式(4)所示。

4 算例分析

4.1 案例概述

每日优鲜作为生鲜电商市场的代表性企业，采用了前置仓模式来解决生鲜品在途损耗、冷链物流成本高以及高频低价等行业突出问题。其前置仓模式是纯仓储模式的前置仓。

截至到当前，每日优鲜已在全国20个城市开设了1 500多个前置仓，为适应某区域生鲜电商市场业务增长需求，每日优鲜仍在进一步选址布局中。依据电商客户消费频次、土地价格、与客户群距离等影响要素，每日优鲜选取了12个具有较好基础条件的场地作为前置仓备选地址，计划最终建设5个前置仓。

备选地址扩建成前置仓的改建成本（包括租金）及单位商品分拣费率如表1所示；前置仓到客户群的配送距离依据电子地图测距数据得出，如表2所示。

其他参数取值依据每日优鲜的网络资料测算得出，如表4-3所示。

表1 前置仓的改建成本及单位商品分拣费率 元

备选地址123456789101112 F9100088000100000460001200005800074000650001100008300068 00075000 c23301327192622189162016

表2 前置仓到客户群的配送距离及客户群需求量

客户群前置仓到客户群的配送距离/km需求量/kg S1S2S3S4S5S6S7S8S9S10S11S12 12.10.60.20.50.80.20.911.30.90.20.7232 21.51.30.31.10.90.80.30.20.20.40.80.2461 30.81.20.61.20.81.31.51.60.91.30.30.5141 41.31.51.60.91.31.41.60.912.20.40.6221 51.40.60.90.10.20.10.80.30.20.91.10.8367 62.10.80.30.20.90.30.11.10.90.10.32.1265 70.311.10.91.10.81.211.20.50.82.2148 80.81.211.21.50.811.21.10.90.80.3380 90.811.21.10.90.80.911.20.72.10.9220 ┇┇┇┇┇ ┇ 2311.20.81.31.51.30.31.10.90.80.31.2263 241.60.91.31.41.61.21.41.20.81.31.51.6232 250.92.10.20.10.81.51.60.91.31.41.60.976 260.30.20.90.30.10.60.92.10.20.10.80.3120 271.10.91.50.81.20.80.32.20.90.32.10.196 2811.20.81.31.512.10.91.10.81.21131 291.60.91.31.41.61.30.32.10.90.82.30.2125 300.91.10.40.61.91.30.20.60.90.51.20.8107

表3 模型相关参数取值

αij/(元·km-1·kg-1)η/%Tj/hRi/kmKd0Ψ0/% 4.6711[1,3]90%95

目前每日优鲜前置仓内的SKU已达3000个，前置仓的辐射半径为周边2～3 km，实现了用户下单后1 h送达。随着直供模式比例提高、包装技术更新，每日优鲜的损耗率低至1%左右。

4.2 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。当前置仓数量为5时，服务半径为3 km时，求出局部优化解，即初始选址方案为：将备选点3、8、9、10、12 5个地址改建成前置仓，可使选址方案在满足一定新鲜度和可靠度的前提下，物流总成本最少，为1 062 790元。

基于客户服务视角，不同服务半径影响到物流总成本以及服务可靠度，因而本文依据R的值域，对服务半径进行敏感性分析，如表4所示。

依据表4可知，当服务半径R超过2.3 km时，服务半径变化对物流总成本以及前置仓选址方案没有显著影响，表明此时可靠度或新鲜度约束强于服务半径约束。因此本文的前置仓最终选址方案应为：将备选点3、8、9、10、12五个地址改建成前置仓，物流总成本为1 062 785元。

表4 不同服务半径下物流总成本

Ri/km物流总成本/元前置仓选址方案 2—— 2.11160465（4,7,8,9,11） 2.21091935（3,8,9,10,11） 2.31062785（3,8,9,10,12） 2.41062785 2.51062785 2.61062785 2.71062785 2.81062785 2.91062785 31062785

5 结论

本文构建的前置仓选址决策模型，是在传统仓库选址模型基础上，考虑了系统服务可靠度、配送成本、前置仓改建及运营成本、服务半径、生鲜品新鲜度等因素，设计了包括物流总成本最小化、新鲜度最大化、服务可靠度最大化的多目标函数，更好地体现前置仓模式及其服务特征，能够为生鲜电商企业的前置仓选址问题提供合理的决策依据。

本文从时间响应较低提出了前置仓服务可靠度函数。还可以从用户需求满足比例角度提出可靠度函数，同时考虑配送服务时间窗因素，这些也是下一阶段的研究内容。

[1] 艾瑞咨询. 2020年生鲜电商产业研究报告[R]. 北京: 艾瑞网, 2020.

[2] 搜狐网. 每日优鲜: 如何打通前置仓[EB/OL]. https://www.sohu.com/a/302820682_377096.

[3] 金莉, 朱云龙, 申海. 三级物流网络选址-路径问题建模与求解算法研究[J]. 控制与决策, 2010(8): 1195-1200.

[4] 李梦觉, 曹伟, 谢小良. 基于混合整数规划法的农产品物流配送中心选址模型[J]. 统计与决策, 2011(8): 62-64.

[5] 王道平, 徐展, 杨岑. 基于两阶段启发式算法的物流配送选址-路径问题研究[J]. 运筹与管理, 2017, 26(4): 70-75.

[6] 李丹. 物流配送中心选址[J]. 东南大学学报: 哲学社会科学版, 2015(12): 83-85.

[7] 李珍萍, 赵雨薇, 张煜炜. 共同配送选址-路径优化模型与算法[J]. 重庆大学学报, 2020, 43(1): 29-42.

[8] 宋华岭, 黄延萍, 张漪, 等. 生鲜配送中心选址模型研究-以烟台樱桃配送中心为例[J]. 山东工商学院学报, 2018, 32(3): 48-53.

[9] 陈淑童, 王长军, 刘泳. 考虑时效与货损的多产品冷链物流配送中心选址与流量分配仿真[J]. 东华大学学报: 自然科学版, 2017, 43(3): 437-441.

[10] 李冰, 党佳俊. 多配送中心下生鲜农产品同步取送选址-路径优化[J]. 智能系统学报: 自然科学版, 2020, 15(1): 51-57.

[11] 王晶, 岳慧丽. 基于时间窗约束的生鲜电商LRP问题研究[J]. 物流技术, 2016, 35(1): 67-70.

[12] 谢凤, 何梅, 常世峰. 基于覆盖模型的生鲜电商社区店选址优化研究[J]. 物流工程与管理, 2018, 40(4): 111-112.

[13] 宋振波, 马文凯, 吴耀华. 基于电商行业的前置仓选址优化[J]. 科学技术与工程, 2020, 20(2): 682-686.

[14] 周晓晔, 闫泓月, 马小云, 等. 城市快速物流配送网络末端节点—前置仓选址研究[J]. 沈阳工业大学学报: 社会科学版, 2020, 13(5): 422-427.

[15] 杨振宇, 陈刚, 安瑾. 新零售下生鲜连锁零售企业城市前置仓选址问题研究[J]. 物流科技, 2020(1): 159-162.

[16] 陈诚, 檀晓琳, 邓颖. 基于分级顾客满意度的水果电商物流配送网络选址-路径问题[J]. 华东交通大学学报, 2019, 36(4): 88-93.

Research on Location Selection of Fresh E-commerce Pre-warehouses with Service Reliability

WU Jing-hong

（Anhui Business College of Technology, Wuhu 241000, China）

At present, new retail enterprises, including fresh e-commerce enterprises, are actively exploring the mode of pre-warehouses, which is to establish a certain area of pre-warehouses in the core business circle and communities based on the order density, with the general warehouses as the source of supply, each warehouse service within a specific service radius of the region, the realization of peripheral customers on-line orders can be directly distributed by the warehouse nearby. In this paper, not only the cost of pre-warehouses, but also service elements such as product freshness and service reliability are considered. Taking the service radius, transportation cost, storage investment and operation cost into account, a multi-objective location model is constructed, and the location planning model is solved by lingo against the background of daily excellence, it can provide a reasonable decision-making basis for the pre-warehouse location of fresh e-commerce enterprises.

pre-warehouse; service reliability; multi-objective location model

10.15916/j.issn1674-3261.2022.04.010

O29

A

1674-3261(2022)04-0259-05

2021-05-12

2020年安徽省教育厅自然科学重点项目(KJ2020A1077)；2020年安徽省教育厅自然科学重点项目(KJ2020A1078)；安徽省高校优秀青年人才支持计划重点项目(gxyqZD2021055)

吴竞鸿(1987-)，男，安徽安庆人，讲师，硕士。

责任编辑：陈 明