吳競(jìng)鴻

考慮服務(wù)可靠度的生鮮電商前置倉選址問題研究

吳競(jìng)鴻

（安徽商貿(mào)職業(yè)技術(shù)學(xué)院，安徽 蕪湖 241000）

目前包括生鮮電商企業(yè)在內(nèi)的新零售企業(yè)積極探索前置倉模式，它是以總倉為商品供應(yīng)源，根據(jù)訂單密度在核心商圈和社區(qū)建立一定面積的前置倉，每個(gè)倉服務(wù)特定服務(wù)半徑之內(nèi)的區(qū)域，實(shí)現(xiàn)周邊客戶在線上下單后可直接由附近倉配送。本文在生鮮電商前置倉選址問題研究過程中，不僅考慮了前置倉成本要素，還考慮了商品新鮮度、服務(wù)可靠度等服務(wù)要素。將服務(wù)半徑、運(yùn)輸成本、倉儲(chǔ)投資及運(yùn)營(yíng)成本等綜合要素考慮在內(nèi)，構(gòu)建了多目標(biāo)選址模型，并以每日優(yōu)鮮為案例背景，利用lingo求解了選址規(guī)劃模型，可為生鮮電商企業(yè)的前置倉選址問題提供合理的決策依據(jù)。

前置倉；服務(wù)可靠度；多目標(biāo)選址模型

網(wǎng)絡(luò)零售的快速發(fā)展促使傳統(tǒng)生鮮零售市場(chǎng)變革，逐步形成生鮮電商產(chǎn)業(yè)。2019年生鮮電商市場(chǎng)規(guī)模達(dá)到2 796.2億元，預(yù)計(jì)未來幾年，生鮮電商交易規(guī)模仍會(huì)保持30%左右的增速，2023年將超過8 000億元[1]。

早期生鮮電商企業(yè)以一般網(wǎng)絡(luò)零售形式銷售生鮮商品，商品在用戶下單后從總倉到分倉后再送達(dá)客戶，以喵鮮生、天天果園為代表。但隨著生鮮電商市場(chǎng)進(jìn)入壟斷競(jìng)爭(zhēng)階段，加之線上線下“新零售”消費(fèi)場(chǎng)景普及，諸如前置倉等新型倉配模式成為生鮮電商市場(chǎng)主流。不同于早期一級(jí)總倉到二級(jí)分倉的普通快遞服務(wù)方式，二級(jí)分倉僅是鏈接總倉與客戶的倉儲(chǔ)中轉(zhuǎn)節(jié)點(diǎn)，送貨時(shí)間通常為1～3 d。依據(jù)每日優(yōu)鮮企業(yè)物流運(yùn)營(yíng)體系，本文整理出前置倉模式下的生鮮電商物流體系結(jié)構(gòu)圖如圖1所示。

圖1 生鮮電商物流體系結(jié)構(gòu)圖

前置倉模式是以城市總倉為商品唯一供應(yīng)源，根據(jù)訂單密度在核心商圈和社區(qū)建立若干個(gè)合適面積的前置倉，每個(gè)倉服務(wù)周邊特定半徑之內(nèi)的區(qū)域（一般為2～3 km）?？蛻粼诰€提交訂單后，系統(tǒng)將其訂單自動(dòng)分配到距離最近的前置倉，由其完成揀貨、打包和配送作業(yè)，送貨時(shí)間可控制在2 h以內(nèi)[2]。因?yàn)榫嚯x目的地客戶較近、訂單密度高，前置倉具備倉儲(chǔ)、分揀、包裝和配送等多項(xiàng)職能，一些前置倉還可成為銷售站點(diǎn)，具有零售門店的諸多功能，注重周邊客戶群的服務(wù)體驗(yàn)感。作為線上生鮮類商品的線下服務(wù)設(shè)施，前置倉選址過程中不僅要考慮物流總成本以及生鮮品新鮮度，還應(yīng)體現(xiàn)及時(shí)滿足客戶服務(wù)需求的即時(shí)物流特征。

1 生鮮電商倉選址問題研究綜述

1.1 倉庫選址問題研究現(xiàn)狀

當(dāng)前國(guó)內(nèi)外學(xué)者對(duì)于倉庫選址問題的研究方法基本成熟，包括定量分析、定性定量混合分析2類方法，其中定量分析方法通過將選址影響要素定量化，進(jìn)而構(gòu)建選址模型，并設(shè)計(jì)特定算法求解該模型。如金莉等[3]針對(duì)倉庫與零售點(diǎn)兩級(jí)設(shè)施的選址問題，構(gòu)建了一個(gè)三級(jí)物流網(wǎng)絡(luò)的選址-路徑（LRP）優(yōu)化模型, 并集合倉庫-零售點(diǎn)-客戶之間運(yùn)輸組織形式的差異，提出三階段確定性求解算法, 采用分枝定界方法分階段求解, 并利用拉格朗日松弛優(yōu)化了求解規(guī)模，結(jié)合模擬算例驗(yàn)證了分支定界優(yōu)化算法的有效性；李夢(mèng)覺等[4]針對(duì)農(nóng)產(chǎn)品物流中心選址問題，選取了離散型選址模型，考慮了農(nóng)產(chǎn)品運(yùn)輸、腐爛損失在內(nèi)的總成本最小化目標(biāo)，構(gòu)建了混合整數(shù)規(guī)劃模型，并采用MATLAB軟件完成模型求解；王道平等[5]考慮帶時(shí)間窗的選址與路徑優(yōu)化組合決策問題，利用雙層規(guī)劃法構(gòu)建了多目標(biāo)整數(shù)規(guī)劃模型，設(shè)計(jì)了兩階段啟發(fā)式算法進(jìn)行求解，并結(jié)合案例驗(yàn)證了該模型及其算法的可行性；在一些選址決策過程中，選址評(píng)價(jià)要素類型多樣，有些因素難以量化，部分學(xué)者以定性定量混合分析方法提出選址方案，如李丹[6]嘗試綜合應(yīng)用重心法和AHP法解決選址問題。首先根據(jù)重心法以及定性分析法分別提出不同的初始方案,再利用AHP法對(duì)2個(gè)初始方案進(jìn)行對(duì)比排序分析；李珍萍等[7]探討了北京市奶制品的選址路徑優(yōu)化問題，構(gòu)建了有容量約束的雙層混合整數(shù)規(guī)劃模型，并設(shè)計(jì)了三階段算法進(jìn)行求解。其中第一階段以K-means聚類方法完成客戶點(diǎn)分類，第二、三階段依據(jù)旅行商問題算法分別計(jì)算不同類型配送中心的選址方案及配送路徑。并通過對(duì)比兩種配送模式的運(yùn)營(yíng)成本，驗(yàn)證了該模型算法的合理有效性。

1.2 生鮮電商倉選址研究現(xiàn)狀

目前學(xué)者們大多針對(duì)線下流通渠道的生鮮倉探討其選址決策問題。如宋華嶺等[8]以櫻桃為對(duì)象，考慮了冷鏈物流的設(shè)施建造成本、運(yùn)輸配送成本、生鮮品腐爛成本等，構(gòu)建了以總成本最小化為目標(biāo)函數(shù)的選址模型，并求解得出供應(yīng)-配送方案；陳淑童等[9]認(rèn)為冷鏈物流網(wǎng)絡(luò)構(gòu)建中應(yīng)考慮時(shí)效性和貨損率，因此在多周期前提下考慮了運(yùn)輸及貨損成本、運(yùn)營(yíng)成本和固定建造成本，以仿真方法對(duì)不同生鮮品的貨損率與收貨時(shí)限進(jìn)行了成本敏感度分析，提出各項(xiàng)選址成本在時(shí)效和貨損率作用下存在權(quán)衡效應(yīng)；李冰等[10]在構(gòu)建非線性混合整數(shù)規(guī)劃模型中，以運(yùn)輸成本、懲罰成本、貨損成本等總成本最小化為目標(biāo)函數(shù)，考慮了車輛容量、貨物作業(yè)時(shí)間、取送作業(yè)時(shí)間窗等約束條件，并提出綜合客戶間距離、送取貨的需求量、配送時(shí)間窗要求的中心評(píng)估指數(shù)實(shí)現(xiàn)生鮮農(nóng)產(chǎn)品配送中心選址決策。一些學(xué)者探討了生鮮電商企業(yè)的末端配送站點(diǎn)布局規(guī)劃，如王晶等[11]針對(duì)基本LRP問題，在時(shí)間窗約束條件下構(gòu)建了生鮮電商配送中心選址及配送路徑優(yōu)化模型，并以實(shí)證數(shù)據(jù)驗(yàn)證了構(gòu)建的LRP模型的有效性；謝鳳等[12]認(rèn)為生鮮電商社區(qū)店的選址屬于零售選址和服務(wù)設(shè)施選址問題，即要考慮倉儲(chǔ)配送成本、損耗成本，還應(yīng)考慮消費(fèi)需求量、消費(fèi)時(shí)效性等多因素，進(jìn)而構(gòu)建了以經(jīng)營(yíng)效益最大化為目標(biāo)函數(shù)的最大覆蓋模型；還有一些學(xué)者對(duì)電商前置倉選址問題進(jìn)行了初步探索，如宋振波等[13]總結(jié)了電商前置倉網(wǎng)絡(luò)規(guī)劃結(jié)構(gòu)，構(gòu)建了以總成本最小化為目標(biāo)函數(shù)的前置倉選址模型；周曉曄等[14]以指定的前置倉配送服務(wù)范圍為約束條件，構(gòu)建了前置倉選址聚類模型，并利用最短實(shí)際行駛距離判定聚類結(jié)果是否合理；楊振宇等[15]針對(duì)不同類型前置倉在面積、建設(shè)成本等方面的差異，考慮備選門店規(guī)模限制、服務(wù)能力限制與周邊需求量等選址影響要素，建立了以總成本最小化為目標(biāo)函數(shù)的選址模型。

綜上所述，線下流通渠道下的生鮮倉選址方法已基本成熟，但對(duì)于生鮮電商倉的選址問題的研究還存在不足，現(xiàn)有研究文獻(xiàn)雖然總結(jié)了電商前置倉基本網(wǎng)絡(luò)結(jié)構(gòu)，但在考慮前置倉選址要素時(shí)，大多基于一般倉庫選址要素，依據(jù)生鮮電商前置倉運(yùn)作特征提出改進(jìn)選址模型的相關(guān)文獻(xiàn)較少。

依據(jù)參考文獻(xiàn)[1-2]，目前以每日優(yōu)鮮為代表的生鮮電商企業(yè)在前置倉選址過程中關(guān)注“偏僻物業(yè)”或者“閑置物業(yè)”，以求減少租金成本。同時(shí)為降低紙箱、泡沫、冰袋等可變成本，要求盡量縮短騎手的單次送達(dá)距離。并根據(jù)周邊客戶群體消費(fèi)需求差異，不斷改進(jìn)升級(jí)補(bǔ)貨算法，減少生鮮品損耗率。因而本文認(rèn)為影響生鮮電商經(jīng)營(yíng)效率的主要因素包括損耗率與履約成本。其中損耗率是商品從產(chǎn)地到銷地的各環(huán)節(jié)在途損耗情況，履約成本是為履行約定時(shí)限交付所產(chǎn)生的倉儲(chǔ)運(yùn)營(yíng)成本（包括倉庫建造投資）、配送等相關(guān)服務(wù)成本。當(dāng)前以每日優(yōu)鮮為代表的生鮮電商企業(yè)，物流鏈結(jié)構(gòu)是“產(chǎn)地或供應(yīng)商—城市中心倉—前置倉—客戶”，其中產(chǎn)地或供應(yīng)商—城市中心倉—前置倉已基本實(shí)現(xiàn)標(biāo)準(zhǔn)化冷鏈物流作業(yè)，此兩個(gè)環(huán)節(jié)商品損耗率及履約成本極低，而前置倉—客戶環(huán)節(jié)大多以普通車輛配送方式為主，損耗率較高，加之主要由第三方配送員承擔(dān)“最后一公里”履約交付任務(wù)，存在服務(wù)水平不穩(wěn)定現(xiàn)象。

在線上線下融合的“新零售”環(huán)境下，前置倉設(shè)施的合理布局直接影響著末端環(huán)節(jié)的損耗率和履約成本，是關(guān)乎生鮮電商企業(yè)運(yùn)營(yíng)績(jī)效的關(guān)鍵內(nèi)容。本文在生鮮電商前置倉選址問題研究過程中，不僅考慮了前置倉成本要素，還考慮了商品新鮮度、服務(wù)可靠度等服務(wù)要素。將服務(wù)半徑、送達(dá)服務(wù)水平、運(yùn)輸成本、倉儲(chǔ)投資及運(yùn)營(yíng)成本以及生鮮品損耗等綜合要素考慮在內(nèi)，基于多目標(biāo)函數(shù)情形下，優(yōu)化前置倉設(shè)置數(shù)量及服務(wù)對(duì)象。

2 電商前置倉服務(wù)可靠性測(cè)度方法

依據(jù)參考文獻(xiàn)[15-16]，配送服務(wù)可靠性是衡量物流服務(wù)水平的關(guān)鍵指標(biāo)之一，因而本文以服務(wù)可靠性作為物流服務(wù)水平的評(píng)價(jià)指標(biāo)。對(duì)于服務(wù)可靠性，可使用在一定時(shí)間和限制條件下,客戶的物流服務(wù)需求的滿足情況來表達(dá)，一般以概率形式進(jìn)行測(cè)度。在生鮮電商前置倉模式運(yùn)作過程中，前置倉作為末端節(jié)點(diǎn)，其分布數(shù)量及服務(wù)范圍極大影響著生鮮電商服務(wù)可靠性，故而合理選擇前置倉數(shù)量及服務(wù)關(guān)系尤為重要。這里假設(shè)生鮮電商前置倉模式的運(yùn)營(yíng)中，其他作業(yè)環(huán)節(jié)的可靠性均為1，前置倉服務(wù)可靠性僅受配送服務(wù)影響，則前置倉服務(wù)可靠性的測(cè)度值如式(1)所示。

式中：K表示在一定的條件下將生鮮品在規(guī)定時(shí)間內(nèi)送達(dá)客戶的概率；T表示生鮮品從前置倉到客戶的實(shí)際送達(dá)時(shí)間；T表示客戶的期望送達(dá)時(shí)間；S表示生鮮品從前置倉到客戶的配送距離；V表示前置倉到客戶的送貨速度；F為考慮到送貨速度受道路性質(zhì)、交通狀況、車輛駕駛水平、送貨員等隨機(jī)因素影響,利用統(tǒng)計(jì)方法定義送貨速度的分布函數(shù)，一般具有正態(tài)分布特征。

在一段持續(xù)時(shí)間內(nèi)，該前置倉系統(tǒng)的物流服務(wù)可靠度d，如式(2)所示。

式中：分子部分表示前置倉系統(tǒng)對(duì)客戶總需求的滿足量，分母部分表示客戶期望需求總量，D表示客戶的需求量。

3 生鮮電商前置倉選址模型的建立

3.1 問題描述及參數(shù)定義

生鮮電商前置倉選址問題屬于多目標(biāo)選址問題，該問題可描述為：如何在若干個(gè)備選地址中，選取合適的數(shù)量成為前置倉，使得生鮮商品從前置倉-客戶的物流總成本最小，服務(wù)可靠度最大以及商品新鮮度最佳。

假設(shè)條件：

(1)生鮮電商企業(yè)依據(jù)大數(shù)據(jù)等技術(shù)可準(zhǔn)備預(yù)測(cè)客戶需求，即生鮮品每日到倉量較穩(wěn)定，同時(shí)客戶群體的地理位置確定且單位商品的配送費(fèi)率恒定，與配送量呈正比例關(guān)系，受批量折扣等因素影響非常??；

(2)當(dāng)前從前置倉到客戶以普通運(yùn)輸方式為主，存在新鮮度損耗現(xiàn)象，這里假設(shè)離開前置倉的初始新鮮度為1，新鮮度損耗與配送距離相關(guān)，同時(shí)前置倉能及時(shí)將到達(dá)貨物派送完畢，滯留成本可忽略；

(3)一個(gè)客戶群只接受一個(gè)前置倉服務(wù)，這符合生鮮電商企業(yè)實(shí)際運(yùn)作特征，如每日優(yōu)鮮等電商企業(yè)為每個(gè)客戶群分配指定前置倉。

3.2 構(gòu)建多目標(biāo)選址規(guī)劃模型

針對(duì)生鮮電商前置倉選址決策目標(biāo)的多重性，本文建立的前置倉選址模型以物流總成本（包括貨物從前置倉到客戶群的配送成本、擴(kuò)建前置倉的固定投資成本及貨物處理成本）的最小化、服務(wù)可靠度最大化以及商品新鮮度最大化為目標(biāo)函數(shù)，如式(2)所示。

約束條件包括前置倉到客戶的配送路徑不超過前置倉的最大服務(wù)半徑；前置倉均有配送作業(yè)任務(wù)，可滿足周邊客戶群的配送需求；備選地址被選為前置倉時(shí)，才提供配送服務(wù)；前置倉設(shè)置數(shù)量不超過備選地址數(shù)量等，如式(3)所示。

式(2)、(3)中：F為備選地址變?yōu)榍爸脗}產(chǎn)生的改造成本；c為前置倉的單位貨物分揀費(fèi)率；S為前置倉到客戶群的貨物配送距離；為單位配送里程的新鮮度損耗率；R為前置倉的最大服務(wù)半徑；α為單位貨物的配送費(fèi)率；D客戶群的貨物需求量；T客戶群的期望送達(dá)時(shí)間；Z為0-1決策變量，若備選點(diǎn)改建為前置倉，則Z=1，否則Z=0；Y為0-1決策變量，若前置倉向客戶群配送貨物，則Y=1，否則為0。

3.3 模型求解算法

為簡(jiǎn)化求解程序，本文采用主要目標(biāo)法將多目標(biāo)選址模型轉(zhuǎn)化為單目標(biāo)規(guī)劃模型進(jìn)行求解，得到轉(zhuǎn)化后模型的最優(yōu)解，即為原問題的Pareto有效解。

主要目標(biāo)法的總體求解思路是在多目標(biāo)函數(shù)中選取一個(gè)目標(biāo)進(jìn)行最小化，而將其他目標(biāo)轉(zhuǎn)換成約束條件。每日優(yōu)鮮以成本控制管理為企業(yè)經(jīng)營(yíng)目標(biāo)。因此，本文以總成本最小化為最終目標(biāo)函數(shù)，將服務(wù)可靠性最大化函數(shù)與新鮮度最大化函數(shù)均轉(zhuǎn)換成模型的約束條件，這里設(shè)定一個(gè)前置倉服務(wù)可靠度的下限值d0以及送達(dá)商品新鮮度的下限值Ψ0，據(jù)此變更約束條件(3)，如式(4)所示。

4 算例分析

4.1 案例概述

每日優(yōu)鮮作為生鮮電商市場(chǎng)的代表性企業(yè)，采用了前置倉模式來解決生鮮品在途損耗、冷鏈物流成本高以及高頻低價(jià)等行業(yè)突出問題。其前置倉模式是純倉儲(chǔ)模式的前置倉。

截至到當(dāng)前，每日優(yōu)鮮已在全國(guó)20個(gè)城市開設(shè)了1 500多個(gè)前置倉，為適應(yīng)某區(qū)域生鮮電商市場(chǎng)業(yè)務(wù)增長(zhǎng)需求，每日優(yōu)鮮仍在進(jìn)一步選址布局中。依據(jù)電商客戶消費(fèi)頻次、土地價(jià)格、與客戶群距離等影響要素，每日優(yōu)鮮選取了12個(gè)具有較好基礎(chǔ)條件的場(chǎng)地作為前置倉備選地址，計(jì)劃最終建設(shè)5個(gè)前置倉。

備選地址擴(kuò)建成前置倉的改建成本（包括租金）及單位商品分揀費(fèi)率如表1所示；前置倉到客戶群的配送距離依據(jù)電子地圖測(cè)距數(shù)據(jù)得出，如表2所示。

其他參數(shù)取值依據(jù)每日優(yōu)鮮的網(wǎng)絡(luò)資料測(cè)算得出，如表4-3所示。

表1 前置倉的改建成本及單位商品分揀費(fèi)率 元

備選地址123456789101112 F9100088000100000460001200005800074000650001100008300068 00075000 c23301327192622189162016

表2 前置倉到客戶群的配送距離及客戶群需求量

客戶群前置倉到客戶群的配送距離/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 模型相關(guān)參數(shù)取值

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

目前每日優(yōu)鮮前置倉內(nèi)的SKU已達(dá)3000個(gè)，前置倉的輻射半徑為周邊2～3 km，實(shí)現(xiàn)了用戶下單后1 h送達(dá)。隨著直供模式比例提高、包裝技術(shù)更新，每日優(yōu)鮮的損耗率低至1%左右。

4.2 模型結(jié)果分析

將以上參數(shù)的數(shù)值代入混合整數(shù)規(guī)劃模型中，考慮到該問題屬于求解0-1變量的非線性規(guī)劃問題，本文使用Lingo軟件進(jìn)行編程求解。當(dāng)前置倉數(shù)量為5時(shí)，服務(wù)半徑為3 km時(shí)，求出局部?jī)?yōu)化解，即初始選址方案為：將備選點(diǎn)3、8、9、10、12 5個(gè)地址改建成前置倉，可使選址方案在滿足一定新鮮度和可靠度的前提下，物流總成本最少，為1 062 790元。

基于客戶服務(wù)視角，不同服務(wù)半徑影響到物流總成本以及服務(wù)可靠度，因而本文依據(jù)R的值域，對(duì)服務(wù)半徑進(jìn)行敏感性分析，如表4所示。

依據(jù)表4可知，當(dāng)服務(wù)半徑R超過2.3 km時(shí)，服務(wù)半徑變化對(duì)物流總成本以及前置倉選址方案沒有顯著影響，表明此時(shí)可靠度或新鮮度約束強(qiáng)于服務(wù)半徑約束。因此本文的前置倉最終選址方案應(yīng)為：將備選點(diǎn)3、8、9、10、12五個(gè)地址改建成前置倉，物流總成本為1 062 785元。

表4 不同服務(wù)半徑下物流總成本

Ri/km物流總成本/元前置倉選址方案 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 結(jié)論

本文構(gòu)建的前置倉選址決策模型，是在傳統(tǒng)倉庫選址模型基礎(chǔ)上，考慮了系統(tǒng)服務(wù)可靠度、配送成本、前置倉改建及運(yùn)營(yíng)成本、服務(wù)半徑、生鮮品新鮮度等因素，設(shè)計(jì)了包括物流總成本最小化、新鮮度最大化、服務(wù)可靠度最大化的多目標(biāo)函數(shù)，更好地體現(xiàn)前置倉模式及其服務(wù)特征，能夠?yàn)樯r電商企業(yè)的前置倉選址問題提供合理的決策依據(jù)。

本文從時(shí)間響應(yīng)較低提出了前置倉服務(wù)可靠度函數(shù)。還可以從用戶需求滿足比例角度提出可靠度函數(shù)，同時(shí)考慮配送服務(wù)時(shí)間窗因素，這些也是下一階段的研究?jī)?nèi)容。

[1] 艾瑞咨詢. 2020年生鮮電商產(chǎn)業(yè)研究報(bào)告[R]. 北京: 艾瑞網(wǎng), 2020.

[2] 搜狐網(wǎng). 每日優(yōu)鮮: 如何打通前置倉[EB/OL]. https://www.sohu.com/a/302820682_377096.

[3] 金莉, 朱云龍, 申海. 三級(jí)物流網(wǎng)絡(luò)選址-路徑問題建模與求解算法研究[J]. 控制與決策, 2010(8): 1195-1200.

[4] 李夢(mèng)覺, 曹偉, 謝小良. 基于混合整數(shù)規(guī)劃法的農(nóng)產(chǎn)品物流配送中心選址模型[J]. 統(tǒng)計(jì)與決策, 2011(8): 62-64.

[5] 王道平, 徐展, 楊岑. 基于兩階段啟發(fā)式算法的物流配送選址-路徑問題研究[J]. 運(yùn)籌與管理, 2017, 26(4): 70-75.

[6] 李丹. 物流配送中心選址[J]. 東南大學(xué)學(xué)報(bào): 哲學(xué)社會(huì)科學(xué)版, 2015(12): 83-85.

[7] 李珍萍, 趙雨薇, 張煜煒. 共同配送選址-路徑優(yōu)化模型與算法[J]. 重慶大學(xué)學(xué)報(bào), 2020, 43(1): 29-42.

[8] 宋華嶺, 黃延萍, 張漪, 等. 生鮮配送中心選址模型研究-以煙臺(tái)櫻桃配送中心為例[J]. 山東工商學(xué)院學(xué)報(bào), 2018, 32(3): 48-53.

[9] 陳淑童, 王長(zhǎng)軍, 劉泳. 考慮時(shí)效與貨損的多產(chǎn)品冷鏈物流配送中心選址與流量分配仿真[J]. 東華大學(xué)學(xué)報(bào): 自然科學(xué)版, 2017, 43(3): 437-441.

[10] 李冰, 黨佳俊. 多配送中心下生鮮農(nóng)產(chǎn)品同步取送選址-路徑優(yōu)化[J]. 智能系統(tǒng)學(xué)報(bào): 自然科學(xué)版, 2020, 15(1): 51-57.

[11] 王晶, 岳慧麗. 基于時(shí)間窗約束的生鮮電商LRP問題研究[J]. 物流技術(shù), 2016, 35(1): 67-70.

[12] 謝鳳, 何梅, 常世峰. 基于覆蓋模型的生鮮電商社區(qū)店選址優(yōu)化研究[J]. 物流工程與管理, 2018, 40(4): 111-112.

[13] 宋振波, 馬文凱, 吳耀華. 基于電商行業(yè)的前置倉選址優(yōu)化[J]. 科學(xué)技術(shù)與工程, 2020, 20(2): 682-686.

[14] 周曉曄, 閆泓月, 馬小云, 等. 城市快速物流配送網(wǎng)絡(luò)末端節(jié)點(diǎn)—前置倉選址研究[J]. 沈陽工業(yè)大學(xué)學(xué)報(bào): 社會(huì)科學(xué)版, 2020, 13(5): 422-427.

[15] 楊振宇, 陳剛, 安瑾. 新零售下生鮮連鎖零售企業(yè)城市前置倉選址問題研究[J]. 物流科技, 2020(1): 159-162.

[16] 陳誠, 檀曉琳, 鄧穎. 基于分級(jí)顧客滿意度的水果電商物流配送網(wǎng)絡(luò)選址-路徑問題[J]. 華東交通大學(xué)學(xué)報(bào), 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年安徽省教育廳自然科學(xué)重點(diǎn)項(xiàng)目(KJ2020A1077)；2020年安徽省教育廳自然科學(xué)重點(diǎn)項(xiàng)目(KJ2020A1078)；安徽省高校優(yōu)秀青年人才支持計(jì)劃重點(diǎn)項(xiàng)目(gxyqZD2021055)

吳競(jìng)鴻(1987-)，男，安徽安慶人，講師，碩士。

責(zé)任編輯：陳 明