杜新建，蔡珊珊，楊浩雄，2

（1.北京工商大學(xué)商學(xué)院，北京100048；2.首都流通業(yè)研究基地，北京100048）

高密度物流網(wǎng)點(diǎn)下的RDC選址問題研究

杜新建1，蔡珊珊1，楊浩雄1，2

（1.北京工商大學(xué)商學(xué)院，北京100048；2.首都流通業(yè)研究基地，北京100048）

為了凸顯競(jìng)爭優(yōu)勢(shì)和增加客戶滿意度，許多大型企業(yè)均建立起各自的物流網(wǎng)絡(luò)，并使其網(wǎng)點(diǎn)向高密度方向發(fā)展。而這種趨勢(shì)必將造成RDC的重復(fù)建設(shè)，增加企業(yè)的物流成本，同時(shí)也給社會(huì)帶來資源浪費(fèi)問題。為了提高科學(xué)性和合理性，文章提出了基于聚類分析的RDC選址法，并運(yùn)用Matlab軟件和逐次逼似算法進(jìn)行求解。最后，結(jié)合實(shí)例，驗(yàn)證了該法的可行性和優(yōu)越性。

高密度物流網(wǎng)點(diǎn)；RDC選址；聚類分析；自組織特征映射；鮑摩·瓦爾夫模型

0 引言

物流網(wǎng)點(diǎn)，從廣義上講是指物流業(yè)務(wù)所能覆蓋的地點(diǎn)；從狹義上講是指設(shè)立物流基礎(chǔ)設(shè)施（如倉庫、配送中心等）的地點(diǎn)。結(jié)合現(xiàn)有物流網(wǎng)絡(luò)的發(fā)展趨勢(shì)，本文提出了“高密度物流網(wǎng)點(diǎn)”概念，它是指物流基礎(chǔ)設(shè)施（如RDC）據(jù)點(diǎn)的密度高、數(shù)量多、覆蓋范圍大。

目前物流行業(yè)的競(jìng)爭不僅僅是成本競(jìng)爭，更重要的是服務(wù)質(zhì)量競(jìng)爭。隨著客戶對(duì)物流時(shí)效性要求的不斷提高，物流企業(yè)也相應(yīng)地需要提高運(yùn)作速度，縮短運(yùn)作時(shí)間。而建設(shè)高密度物流網(wǎng)點(diǎn)是解決這一問題的有效途徑。但與此同時(shí)，該方法也造成了RDC重復(fù)建設(shè)問題的普遍存在，可見物流網(wǎng)點(diǎn)建設(shè)的科學(xué)性和合理性亟待提高。

在現(xiàn)有的研究成果中，不乏有關(guān)于物流設(shè)施選址的模型和方法。但這些方法仍然存在一些不足。如定性選址法雖然考慮了較多因素的影響，但其主觀性較強(qiáng)，容易產(chǎn)生評(píng)價(jià)誤差；定量選址法雖然準(zhǔn)確性較高，但其需要大量的運(yùn)算，并且考慮因素相當(dāng)有限。

針對(duì)現(xiàn)有方法中存在的問題，本文從整體網(wǎng)絡(luò)優(yōu)化的角度，提出了RDC選址的新思路（圖1），即在對(duì)物流區(qū)域進(jìn)行聚類分析的基礎(chǔ)上，規(guī)劃出RDC的具體位置。該方法不僅可以有效地避免重復(fù)建設(shè)問題，而且可以結(jié)合聚類分析階段多因素考慮問題及具體規(guī)劃階段客觀性強(qiáng)的雙重優(yōu)勢(shì)，提高決策的科學(xué)性。另外，利用聚類結(jié)果可以簡化規(guī)劃階段的計(jì)算量。

1 RDC選址模型

1.1 選址模型

（1）業(yè)務(wù)區(qū)域聚類模型——SOFM網(wǎng)絡(luò)

SOFM（Self-Organizing Feature Map）是一種無監(jiān)督學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)計(jì)算方法。該方法可以采用各神經(jīng)元（特征參數(shù)）之間的自動(dòng)組織去尋找各類型間固有的內(nèi)在特征，從而進(jìn)行映射分布和類別劃分，即自動(dòng)識(shí)別的聚類功能。

本文利用SOFM網(wǎng)絡(luò)分析影響物流設(shè)施建設(shè)規(guī)模的因素，并通過其聚類功能劃分出各個(gè)業(yè)務(wù)區(qū)域的設(shè)施規(guī)模等級(jí)。具體步驟如下：首先，確定物流設(shè)施規(guī)模的主要影響因素，即業(yè)務(wù)區(qū)域的聚類評(píng)價(jià)指標(biāo)（如年出庫量），并收集相關(guān)數(shù)據(jù)；其次，利用Matlab軟件構(gòu)建SOFM網(wǎng)絡(luò)；最后，根據(jù)神經(jīng)網(wǎng)絡(luò)工具箱的聚類評(píng)價(jià)結(jié)果，得出不同業(yè)務(wù)區(qū)域的物流設(shè)施規(guī)模等級(jí)，從而為具體選址環(huán)節(jié)提供決策依據(jù)。

（2）區(qū)域內(nèi)規(guī)劃模型——鮑摩·瓦爾夫模型

在確定各區(qū)域的物流設(shè)施規(guī)模等級(jí)的基礎(chǔ)上，即可通過建立鮑摩·瓦爾夫模型規(guī)劃出各個(gè)區(qū)域內(nèi)物流設(shè)施的具體位置，從而得出最終的選址和建設(shè)規(guī)模決策。

本文以物流總成本最小為目標(biāo)，通過建立鮑摩·瓦爾夫模型來確定物流設(shè)施的具體位置，即在一個(gè)業(yè)務(wù)區(qū)域內(nèi)，選擇一個(gè)或幾個(gè)位置建立RDC，使得從已知工廠，經(jīng)過RDC，向多個(gè)客戶運(yùn)輸產(chǎn)品時(shí)，物流總成本最小。

記：cij表示從工廠i到物流節(jié)點(diǎn)j每單位運(yùn)量的運(yùn)輸費(fèi)；hjk表示從物流節(jié)點(diǎn)j到客戶k每單位運(yùn)量的運(yùn)輸費(fèi)；Si表示工廠i的產(chǎn)品供應(yīng)量；Dk表示客戶k的產(chǎn)品需求量；Xij表示從工廠i到物流節(jié)點(diǎn)j的貨物量；Yjk表示從物流節(jié)點(diǎn)j到客戶k的貨物量；wj表示通過物流節(jié)點(diǎn)j的運(yùn)量；vj表示貨物經(jīng)過物流節(jié)點(diǎn)j的變動(dòng)費(fèi)用所對(duì)應(yīng)的常數(shù)；Fj表示物流節(jié)點(diǎn)j選中后的固定費(fèi)用（與其規(guī)模無關(guān)的固定費(fèi)用）。

建立的數(shù)學(xué)模型如下：

1.2 算法介紹

（1）SOFM網(wǎng)絡(luò)在Matlab軟件下的解法

SOFM網(wǎng)絡(luò)本身的學(xué)習(xí)算法非常復(fù)雜，在實(shí)際應(yīng)用中不建議使用。在此，本文借助了Matlab神經(jīng)網(wǎng)絡(luò)工具箱的相關(guān)功能，對(duì)物流區(qū)域進(jìn)行聚類評(píng)價(jià)：首先，將評(píng)價(jià)指標(biāo)所對(duì)應(yīng)的數(shù)據(jù)組作為輸入矢量存入數(shù)組中；然后確定參數(shù)（包括神經(jīng)元個(gè)數(shù)、學(xué)習(xí)速率、網(wǎng)絡(luò)最大訓(xùn)練步數(shù)等）；運(yùn)用newc（）函數(shù)創(chuàng)建競(jìng)爭層網(wǎng)絡(luò)；運(yùn)用init（）對(duì)競(jìng)爭網(wǎng)絡(luò)進(jìn)行初始化；初始化連接權(quán)向量；運(yùn)用train（）訓(xùn)練上述初始化后的網(wǎng)絡(luò)；調(diào)用plot（）繪制網(wǎng)絡(luò)訓(xùn)練后的權(quán)值矢量，并將結(jié)果以圖形形式顯示出來；運(yùn)用sim（）對(duì)一個(gè)具有輸入矢量的神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真，該函數(shù)最后返回網(wǎng)絡(luò)的輸出結(jié)果。

（2）鮑摩·瓦爾夫模型的算法介紹——逐步逼似算法

Step1：求出工廠到物流節(jié)點(diǎn)再到客戶間的所有組合的單位運(yùn)輸成本的最小值再求運(yùn)輸問題的最優(yōu)解：

其中，xik——從工廠i經(jīng)過物流設(shè)施j向客戶k配送的貨物量。

2 算例分析

（1）確定評(píng)價(jià)指標(biāo)、構(gòu)建SOFM網(wǎng)絡(luò)

本文以A公司的15個(gè)業(yè)務(wù)區(qū)域（分公司）作為聚類評(píng)價(jià)對(duì)象，選取年出庫量額、大體平均庫存量、一般輻射的經(jīng)銷商數(shù)量作為評(píng)價(jià)指標(biāo)，建立相應(yīng)的數(shù)據(jù)樣本。并利用Matlab工具箱構(gòu)建SOFM網(wǎng)絡(luò)，得出如表1的區(qū)域分類結(jié)果。

表1 基于SOFM模型的A公司業(yè)務(wù)區(qū)域分類結(jié)果

（2）根據(jù)聚類分析結(jié)果，確定區(qū)域內(nèi)設(shè)施位置

本文僅以柳州地區(qū)為例，說明區(qū)域范圍內(nèi)選址的具體步驟及方法。由表1可知，柳州業(yè)務(wù)區(qū)域?qū)儆诮⒋笮臀锪髟O(shè)施的范疇。柳州分公司在柳州市、桂林市和河池市有三個(gè)倉庫，相關(guān)數(shù)據(jù)見表2、表3和表4。為了整合資源，節(jié)約資金，本文把這3個(gè)地級(jí)市作為RDC設(shè)立的備選地點(diǎn)，其貨物配送模式如圖4所示。

表2 工廠到配送中心候選地的單位運(yùn)輸成本（cij）

表3 配送中心備選地變動(dòng)費(fèi)（

表3 配送中心備選地變動(dòng)費(fèi)（

注：這里取θ=0.5。

?

表4 配送中心候選地到各經(jīng)銷商所處地級(jí)市的單位配送成本（hjk）

（3）結(jié)果分析與評(píng)價(jià)

根據(jù)表5可知，在3個(gè)備選地中，應(yīng)選取柳州和桂林2處作為RDC的設(shè)立城市，配送路徑為柳州配送中心→柳州經(jīng)銷商/河池經(jīng)銷商、桂林配送中心→桂林經(jīng)銷商/賀州經(jīng)銷商。通過對(duì)比原有和規(guī)劃后的相應(yīng)狀況，可以充分說明該選址方法的有效性和可行性，如表6所示。

表5 最終解

表6 結(jié)果分析表

3 結(jié)束語

本文以提高RDC選址決策的科學(xué)性和合理性為目標(biāo)，提出了基于SOFM網(wǎng)絡(luò)和鮑摩·瓦爾夫模型的選址模型。該模型適用于規(guī)模較大、業(yè)務(wù)范圍較廣及物流網(wǎng)點(diǎn)密集的物流企業(yè)。在具體應(yīng)用時(shí)，企業(yè)可以根據(jù)實(shí)際情況和規(guī)劃要求，確定合理的評(píng)價(jià)指標(biāo)，同時(shí)以成本最小化為目標(biāo)，建立基于企業(yè)實(shí)際的選址模型，并提出經(jīng)濟(jì)、有效的選址方案。

RDC選址是一個(gè)涉及眾多影響因素的復(fù)雜性問題，所以，在進(jìn)行規(guī)劃時(shí)，如何系統(tǒng)、全面地考慮相關(guān)影響因素，如何使選址決策符合動(dòng)態(tài)變化的市場(chǎng)需要是該問題的難點(diǎn)，也是該問題需要進(jìn)一步研究的關(guān)鍵所在。

[1]Archana P.Sangole．Spherical Self-Organizing Feature Map:an Introductory Review[J]．International Journal of Bifurcation and Chaos，2006，16(11)．

[2]劉敬青．物流設(shè)施選址研究的評(píng)述及展望[J]．中國儲(chǔ)運(yùn)，2007，(3)．

[3]趙闖，劉凱，李電生．SOFM神經(jīng)網(wǎng)絡(luò)在物流中心城市分類評(píng)價(jià)中的應(yīng)用[J]．中國公路學(xué)報(bào)，2004，17(4)．

[4]潘文軍，王少梅．基于神經(jīng)網(wǎng)絡(luò)的聚類分析方法及在港口設(shè)備配置中的應(yīng)用[J]．交通與計(jì)算機(jī)，2003，21(5)．

[5]孫焰．現(xiàn)代物流管理技術(shù)——建模理論及算法設(shè)計(jì)[M]．上海：同濟(jì)大學(xué)出版社，2004．

[6]Kohonen T．The Self-organizing Map[J]．Proceedings of IEEE，1990，78 (9)．

[7]Kohonen T．Self-organized Formation of Topologically Correct Feature Maps[J]．Biological Cybernetics，1982，43(1)．

[8]聞新，周露，王丹力等．MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M]．北京：科學(xué)出版社，2000．

[9]劉巧蕓，李靜，丁璐斌．基于一種改進(jìn)算法的倉庫選址研究[J]．物流科技，2008，319(1)．

[10]葛哲學(xué)，孫志強(qiáng)．神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)[M]．北京：電子工業(yè)出版社，2007．

（責(zé)任編輯/易永生）

F250

A

1002－6487（2011）05－0057-03

北京市教委社科計(jì)劃面上資助項(xiàng)目（SM200810011003）

杜新建（1963-），男，浙江義烏人，講師，研究方向：物流設(shè)施規(guī)劃。

①類別I、II、III分別表示大型、中型和小型物流設(shè)施。