吳海燕 龍門鏢局團隊

摘 要： 為了解決物流配送網絡過程中常出現(xiàn)的突發(fā)事件以及降低企業(yè)運營成本，對百蝶物流企業(yè)區(qū)域配送中心選址進行了仿真實踐研究。首先通過分析調研企業(yè)的網絡現(xiàn)狀，運用模糊聚類分析法得出選址地點的集合，其次結合層次分析法選出最優(yōu)選址方案，然后應用模擬仿真法、數(shù)字仿真法和混合仿真法構建仿真模型對選址方案深入分析，最后優(yōu)化模型并運用于物流中心選址決策中，以此提高企業(yè)的運營效率，增強市場競爭力，減少企業(yè)決策錯誤。

關鍵詞： 選址規(guī)劃;模糊聚類;仿真;層次分析法

中圖分類號： F25????? 文獻標識碼： A????? doi：10.19311/j.cnki.1672-3198.2019.12.016

0 引言

隨著“一帶一路”政策的逐步推進，一批與“一帶一路”周邊國家順暢銜接的外向型物流樞紐基地應運而生，成為提高進出口貨物集散能力的重要一環(huán)。然而，在推動物流業(yè)發(fā)展的同時，由于信息閉塞、突發(fā)事件而引起的物流配送延誤以及企業(yè)如何進行有效決策等一系列的問題也隨之產生。因此，我國現(xiàn)階段的物流業(yè)發(fā)展中也迫切需要符合國情并有效實施的物流網點選址規(guī)劃理論和方法來解決這一系列問題。

在物流配送中心選址研究方面，學者們著重關注如何解決物流配送網絡過程中常出現(xiàn)的突發(fā)事件而引起的物流配送延誤問題。例如，俞明艷詳細分析了幾種有代表性的物流配送中心選址方法以及路由策略問題，設計了單配送中心的選址算法，充分考慮在不同的地址設置配送中心的成本、不同道路狀況、運輸方式與路程造成的不同運輸單價，以及不同地區(qū)貨物需求量等因素，在算法中同時生成各點的配送路徑，并將此算法推廣解決多配送中心選址問題，提出一種基于區(qū)域分割的多配送中心選址方法。而在對物流路徑規(guī)劃系統(tǒng)的研究與應用中，袁先亮采用改進的蟻群遺傳融合算法求解了三種CVRP問題模型，通過對比改進的算法與現(xiàn)有的幾種算法的綜合性能，驗證了改進算法的合理性和有效性。丁浩和李電生通過對影響物流中心選址因素的分析，確立了影響物流中心選址的主要因素和原則，并以獲得最佳經濟效益為目標，建立物流配送中心選址模型，優(yōu)化了物流配送中心布局和選址決策。然而，上述成果大多是通過理論分析方法進行研究，缺少對其優(yōu)化方法及研究分析進行有效的實地科學驗證。近年來，我國交通、鐵路、郵電等各行業(yè)以及各大電商企業(yè)均開始物流配送中心的建設，由于缺乏合理的綜合規(guī)劃，加上各種運輸方式的行政分割，以及在物流配送中心選址、規(guī)模、投資方案等方面無系統(tǒng)的決策，導致我國物流市場出現(xiàn)嚴重的混亂，與此同時，物流配送中心建設投資大，一旦建成便難以更改，因此，合理的選址對整個物流規(guī)劃顯得尤為重要。

選址的合理性是影響社會物流系統(tǒng)流暢性、經濟效益和運營效率的主要因素，由于選址規(guī)劃涉及方面廣，僅僅從理論與運用算法模型對選址規(guī)劃進行分析與優(yōu)化是不夠完善的。鑒于此，本文通過運用模糊聚類法和層次分析法對網絡節(jié)點進行了分析與規(guī)劃，并對企業(yè)進行了實地調研分析，通過結合實際節(jié)點和市場需求數(shù)據(jù)，對初級選址方案運用仿真軟件進行仿真驗證，最后得出科學合理的選址方案，從而解決物流配送網絡過程中常出現(xiàn)的突發(fā)事件引起的物流配送延誤問題，為企業(yè)降低了成本。

1 問題描述

目前百蝶企業(yè)在全國省會城市和其他主要城市共設有34個物流中心，其運營模式主要為：每個城市的物流中心獨立運營，貨物直接從物流中心向目的地運輸。這種模式存在著突出的問題，如貨物從工廠直發(fā)客戶的比率較高，各個物流節(jié)點獨自運營導致信息交流不通暢等。面對市場需求的復雜變化，百蝶物流企業(yè)為了減少各個城市物流中心直發(fā)客戶的配送壓力，欲在所選區(qū)域設立多個物流配送中心，旨在以最小的成本實現(xiàn)最大的物流效益，以滿足企業(yè)物流活動運營需求和提高客戶消費體驗。通過優(yōu)化選址，設立區(qū)域配送中心，貨物直接從物流中心貨運站向目的地配送中心運輸，再分別運輸?shù)娇蛻羰种?。運作模式的改進可以減少工廠直發(fā)客戶的概率，優(yōu)化運輸路線節(jié)省運輸成本。

在對百蝶公司的區(qū)域配送中心選址中，首先對該企業(yè)自身市場競爭力發(fā)展方向進行分析，其次根據(jù)企業(yè)的選址要求進行定性與定量的結合，采用聚類分析法確定一級備選點。通過對備選點的地理環(huán)境、交通便利度、物流中心特性等因素，以及企業(yè)的經濟實力、預計選址的建設成本的綜合評價，運用層次分析法確定二級備選點進行最優(yōu)選址策略分析，為企業(yè)在選址決策上提供科學合理的選址方案。

2 區(qū)域配送中心選址的模糊綜合評價

根據(jù)選址因素對各物流節(jié)點建立相似關系，將分散的節(jié)點進行聚類分析，形成區(qū)域劃分，為后續(xù)的區(qū)域配送中心選址研究奠定基礎。模糊聚類分析被廣泛應用于選址過程中，可以快捷便利地幫助物流企業(yè)劃分定位選址的區(qū)域，減少企業(yè)決策失誤。

為了從不同的角度反映和分析區(qū)域配送中心選址問題的特征，首先確定影響選址指標的數(shù)據(jù)，其次對選址問題的數(shù)據(jù)進行分析。由于各類因素具有不同的性質和單位，故要對數(shù)據(jù)進行標準化處理，把擁有不同量綱的數(shù)據(jù)加以平行-標準差變換，將數(shù)據(jù)壓縮在[0，1]的范圍內，再根據(jù)該項因素影響選址的程度為其進行賦值。本文借助Matlab軟件中的zscore函數(shù)，通過在Matlab軟件中執(zhí)行代碼：z=（x-mean（x））./std（x）對數(shù)據(jù)進行標準化預處理，并將處理后的數(shù)據(jù)加權，再利用相似系數(shù)得出模糊矩陣，建立各個區(qū)域的聚類分布圖，最后對模糊矩陣圖中分類結果的相似度進行分析和劃分，反映樣本之間的相似關系。

2.1 數(shù)據(jù)預處理

數(shù)據(jù)預處理是把各項代表著影響選址因素的數(shù)據(jù)進行標準化處理。此類數(shù)據(jù)具有不同性質和單位，因此本文先將此類數(shù)據(jù)壓縮在[0，1]的范圍內，再通過數(shù)據(jù)賦權的方法來對這些有著不同量綱的數(shù)據(jù)進行預處理。

在進行對樣本的研究前，事先求得n個樣本的第j個指標的平均值x - j= 1 n ∑ n i-1 xij（j=1，2，3，…，m）和標準差sj=? 1 n ∑ n i-1 （xij-x - j）2? （j=1，2，3，…，m），對原始數(shù)據(jù)標準化 X′ij= xij+x - j sj （i=1，2，3，…，n; j=1，2，3，…，m），將具有不同量綱的樣本指標趨向標準化。

2.2 相似矩陣的建立

引入相似系數(shù)rij，建立模糊相似矩陣R：

R=? x11 x12 x13… x10x21 x12 x23… x20x31 x32 x33… x30… … … …xn1 xn2 xn3… xnn

其中，相似系數(shù)rij表示xi和xj的相似的程度，若rij的數(shù)值與1越接近，則表明這兩個樣本就越相似。

2.3 模糊相似矩陣——聚類

根據(jù)模糊矩陣R，建立區(qū)域劃分聚類圖，從聚類圖的數(shù)據(jù)分布分析樣本的相似關系，并利用相似關系劃分出各個區(qū)域的分類結果。

3 區(qū)域配送中心選址的層次分析

確定區(qū)域配送中心選址問題的目標，結合影響選址的各個因素及其之間的相關關系，通過相互比較賦予因素權重數(shù)值的大小，對賦予權重后的因素進行專業(yè)評分，可得該區(qū)域的最優(yōu)RDC。

3.1 建立層次結構圖

層次結構圖分為三個部分：

（1）最上層（目標層），表示要解決的問題，目標可能是一個，也可能會是多個。

（2）中間層（準則層），表示實現(xiàn)目標的準則。

（3）最底層（方案層或措施層），表示實現(xiàn)最高目標的具體措施或方案。

從企業(yè)的實際目標出發(fā)，經過企業(yè)調研，在多個影響選址的因素中確定出調研企業(yè)最關注的因素。綜合考慮其他學者的研究，按層次分析法對影響區(qū)域配送中心的影響因素進行歸納分析，建立出三層的層次結構，如圖1所示。

圖1 層次結構圖

3.2 構造判斷矩陣

（1）元素Bk的下一層元素為c1，c2，c3，…，cn，對于Bk來說，ci和cj的重要性比值為cij，建立n階矩陣，如表1所示。

（2）接下來是對矩陣中的cij進行標度，此時的標度是一種帶有主觀性判斷的定量描述，是ci和cj的重要程度的數(shù)值。為了更好量化因素進行比較，本文運用1-9標度法（Saaty法），該方法的取值范圍：1，2，3，…，9。如表2所示，一般有以下幾種情形：當cij=1時，表示ci和cj同樣重要;當cij=3時，表示ci比cj稍微重要;當cij=5時，表示ci比cj明顯重要;當cij=7時，表示ci比cj強烈重要;當cij=9時，表示ci比cj極端重要;當cij=2，4，6，8時，表示ci和cj的重要性比較介于上述相對應的兩個數(shù)之間。

3.3 求判斷矩陣的最大特征值與相應的特征向量

計算出最大特征值和特征向量。證明n階矩陣的最大特征為單根，當λminn時，判斷矩陣不具有完全的一致性;當λmin=n時，判斷矩陣具有完全一致性。最大特征值的計算可運用方根法，和積法。本文采用方根法計算：

（1）求判斷矩陣每一行元素乘積的n次方根W - i= n ∏ n j=1 cij? （i=1，2，3，…，n）;

（2）對向量w - = w - 1，w - 2，w - 3，…，w - n T作歸一化處理：Wi= W - i ∑ n j=1 W - j? （i=1，2，3，…，n） W=（W - 1，W - 2，W - 3，…，W - n）;

（3）計算矩陣的最大特征值λmax=∑ n i=1? （cw）i （nw）i 。

3.4 一致性檢驗

構造矩陣后的一致性誤差要控制在滿意范圍內，若不在范圍內要進行規(guī)范后才能使用。一致性滿意的指標是：CI= λmax-n n-1 。

當CI值越大，表示一致性越差。一般情況下，當CISymbolcB@0.1時，符合一致性;當CI=0時，判斷矩陣完全一致。對于一階矩陣無需檢驗;二階矩陣用CI;三階或三階以上用CR驗證，CR=CI/RI。

4 模糊聚類和層次分析法在區(qū)域配送中心選址的具體應用

針對具體的選址對象，首先運用模糊聚類分析法對影響劃分區(qū)域內各物流節(jié)點的兩大因素進行研究，即：各物流節(jié)點的位置和各物流節(jié)點的貨運量。然后利用層次分析法對其他因素進行分析對比，考慮的因素有運輸條件，經濟環(huán)境，建設環(huán)境和其他客觀條件。區(qū)域配送中心具體應用過程如下：

步驟一：分析及確定影響區(qū)域配送中心選址的因素。

首先研究各個物流節(jié)點位置的特征值。節(jié)點位置用坐標（x1，x2）表示，對百蝶公司所有的物流節(jié)點進行標號，共有n個物流節(jié)點，運用CAD軟件輔助建立平面坐標系。設立的坐標值（x1，x2）代表某一個物流節(jié)點的位置，其中x1代表該節(jié)點在X軸上的距離，x2代表在Y軸上的距離。

貨運量x3指各個研究對象本身的貨運流量，可以體現(xiàn)出每個研究對象的貨運需求比重，這對配送中心的選址有很大程度的參考作用。

運輸條件x4直接影響著物流效率和物流配送成本，衡量運輸條件優(yōu)劣的指標包括：配送中心與需求地的距離B11和運輸?shù)缆吠〞城闆rB12。運輸條件的數(shù)值由相關專家進行評定打分并根據(jù)權重做出相應比重值，以此更好地對比各個物流節(jié)點的選址優(yōu)勢。

經濟環(huán)境x5主要是考慮各節(jié)點的市場需求B21和經濟發(fā)達程度B22，對其在合理的范圍內打分。

建設環(huán)境x6是指實際建設區(qū)域配送中心時所考慮的用地價格B31，設施設備B32，自然環(huán)境B33等方面的因素。由相關專家進行評定打分給出相應的權重，對比各個物流節(jié)點的選址建設優(yōu)勢。

其他客觀條件x7是指影響選址的結果的一些次要因素，如人力資源的利用B41，國家政策優(yōu)惠，稅收方面B42等，對其因素綜合權衡后，再由相關專家進行評定打分。

步驟二：利用模糊聚類分析及劃分出各個物流區(qū)域。

本文以百蝶公司的34個物流節(jié)點數(shù)據(jù)為例，進行具體的模型研究應用。首先利用CAD軟件對34個物流節(jié)點在地圖上進行平面坐標的建立，如圖2所示。

由于每個物流節(jié)點的貨物需求量不同，貨運量數(shù)值具有差異性，其對聚類分析的結果的影響程度也不同。為了更直觀的反映貨運量對聚類分布的影響，對每一個網絡節(jié)點賦予一個以x3為代表的權重值，范圍為[1～4]?？紤]百蝶企業(yè)各主要物流節(jié)點的貨運統(tǒng)計總量，結合RDC的設計與規(guī)劃要求，10000～19999賦予權值為1，20000～29999賦予權值為2，30000～39999賦予權值為3，40000～49999賦予權值為4。根據(jù)坐標以及貨運量，構成一個34×34的矩陣，借助Matlab軟件中的zscore函數(shù)，得出聚類如圖3所示。

最后，根據(jù)聚類分布圖可劃分出各個物流節(jié)點所歸屬的區(qū)域。

區(qū)域一：（1，5，6，7，8，9，13）;

區(qū)域二：（2，19，20，21）;

區(qū)域三：（3，4，29，32）;

區(qū)域四：（24，25，26，28）;

區(qū)域五：（22，23，27，30，31）;

另外（14，17）（15，16，18）（10，11，12）（33，34）較為分散。

步驟三：運用層次分析法，對各加權的指標進行評價，得出每個區(qū)域最優(yōu)的配送中心。

上述的模糊聚類僅劃分了各個物流節(jié)點歸屬于哪一區(qū)域，而對于每個區(qū)域內的配送中心選擇上，要結合影響區(qū)域配送中心選擇的因素進行分析，故采用層次分析法。文本只考慮每一區(qū)域設立一個區(qū)域配送中心的情況。

通過模糊聚類確定了5個區(qū)域的范圍。區(qū)域二已經在上海設立區(qū)域配送中心作為百蝶物流企業(yè)的第一期RDC，此區(qū)域不予分析。對于其他未設置RDC的區(qū)域，運用層次分析法對比每個區(qū)域各項影響選址的因素，選出最佳的RDC。

根據(jù)德爾菲法提供以下相應的矩陣：

目標層與準則層的判斷矩陣D：

D=? 1? 5 6?? 5 3? 5 6 5? 1 2 6 3 5?? 1 2? 1 3

1 5?? 1 6?? 1 3? 1

準則層與子準則層的判斷矩陣E：

E1=? 1? 5 3? 3 5? 1? E2=? 1? 5 2? 2 5? 1? E3=?? 1? 5 3?? 2 3? 3 5? 1? 2 5

3 2?? 5 2? 1? E4=? 1? 1 2 2 1

方根法求最大特征跟和特征向量。

（1）求判斷矩陣每一行元素乘積的n次方根：

WD=? 0.330.400.200.07? E1=? 0.540.46? E2=? 0.710.29? E3=? 0.320.200.48? E4=? 0.330.67

（2）計算最大特征根：

將Dw和Ew代入最大特征值公式：λmax=∑ n i=1? （dw）i nwi ，如表3所示。

（3）一致性檢驗。

由于判斷矩陣D是4階矩陣，故用CR來對矩陣進行檢驗。通常情況下，CR=CI/RI為判斷矩陣一致性的衡量坐標。當CRSymbolcB@0.1時，矩陣具有較為滿意的一致性;當CR>0.1時，矩陣不具有一致性，修改矩陣的元素。在對矩陣進行一致性檢驗時，引入修正值RI，如表4所示。

則準則層與子準則層的權重W=[0.1782，0.1518，0.2840，0.1160，0.064，0.040，0.096，0.0231，0.0469]。

結合上述各影響因素所對應的權重，利用德爾菲法為區(qū)域中各個物流節(jié)點的選址因素進行評分分析，所得評分最高的物流節(jié)點最具有優(yōu)勢。在34個物流節(jié)點中，選出北京，廣州，武漢，成都作為百蝶公司的第二期區(qū)域配送中心。

5 結束語

本文基于模糊聚類分析和層次分析法研究了物流配送中心選址優(yōu)化問題。首先運用模糊聚類分析對百蝶企業(yè)的數(shù)據(jù)進行預處理，消除數(shù)據(jù)之間的差異，使原始數(shù)據(jù)適合模糊聚類，得出選址地點的集合，再結合層次分析法選出初級選址方案，運用仿真系統(tǒng)進行優(yōu)化，最后得出物流配送中心選址的最優(yōu)方案。本文在全面分析企業(yè)主客觀選址因素的基礎上，運用定性與定量相結合的方法，實現(xiàn)了主觀評判向客觀評判轉化，使選址決策更加科學合理，更具有靈活性。

在關于百蝶物流的網絡節(jié)點選址規(guī)劃這一環(huán)節(jié)上仍有可以拓展的方面。例如，本文只是對物流網絡節(jié)點的建設成本進行了粗略估算，沒有涉及到更深入的具體選址成本計算。在設定出新的選址后，沒有結合后續(xù)配送中心貨物的科學倉儲管理和路線的規(guī)劃。因此，未來將進一步在考慮以上問題的基礎上研究，力圖彌補現(xiàn)有的不足。

參考文獻

[1] 俞明艷.物流配送中心選址規(guī)劃研究[D].長沙：湖南大學，2005.

[2]袁先亮.大規(guī)模網點物流路徑規(guī)劃系統(tǒng)的研究與應用[D].武漢：武漢理工大學，2014.

[3]丁浩，李電生.城市物流配送中心選址方法的研究[J].華中科技大學學報（城市科學版），2004，（01）：50-51+54.

[4]Xiao Ping Li，Si Chen，HuiJie Cui，Chun Hui Liang，F(xiàn)eng Liu，Xu Mao，Zheng Hong Wang.The Research on Multi-Level Theses Evaluation Model Based on Fuzzy Cluster Analysis[J].Applied Mechanics and Materials，2012，1923（190）.

[5]劉杰，呂杰，黎浩東，郭建民.新形勢下物流園區(qū)及物流中心選址之影響因素分析[J].綜合運輸，2017，39（03）：77-81.

[6]陳磊，劉雪梅，朱文英，陳希昌.基于模糊聚類的物流中心體系選址決策研究[J].物流技術，2014，33（13）：247-249+270.