物流配送的方案篇1

关键词：物流工程；改进措施；遗传算法；多重心法；选址决策

中图分类号：F2

文献标识码：A

文章编号：1672.3198（2013）04.0032.02

1引言

在物流管理领域，物流/配送中心选址决策、运输决策和库存决策被称为物流管理的三大核心业务。其中选址决策长期以来是学术界研究的重点。在众多选址决策方法中，重心法操作最简便，不失为一种理想的工具，这也是长期以来重心法虽然被学术界批评但在实践中却没有被替代、舍弃的根本原因。但不可否认，重心法无论从理论还是从实践中都被证明存在对问题空间过度简化的缺陷，如：（1）未考虑固定成本与管理成本因素，包括建设成本、固定管理成本和可变管理成本；（2）未考虑候选地址的地租、规模等因素；（3）应用于多中心选址时，没有准确的区域划分标准等。如果针对这些问题加以完善，重心法的求解结果质量会更高，实用性会更强。

针对存在的诸多问题，学术界对重心法进行了改进和完善。如在传统重心法模型基础上，加入了物流/配送中心的固定费用（建设成本）和管理费用（可变成本），使决策模型更加附合实际。这种改进极具价值。在多物流/配送中心选址方面，关于重心法的研究成果多集中在聚类方法的应用上。

现有改进措施仍然存在进一步完善的空间。首先，在选址决策中，中心的数量不应是决策条件，而是决策的结果。如果提前设定了中心的数量，有陷入局部最优的风险，同时这种作法也不符合逻辑。其次，使用聚类方法虽然能够完成物流/配送区域的划分，但仅考虑距离并不合理，运费、需求量也是重要聚类条件。更严重的问题是，仅考虑基于距离的聚类，会出现“孤立点区域”（一个配送区域只有极少数物流终端结点，甚至仅有一个），形成极不合理的区域划分（参见第3部分分析）。比较合理的情况是不预先设定中心数量限制条件，综合考虑客户需求及投资等约束条件，对可行的方案进行全局搜索，最终确定成本最优的中心数量及地址，获得最佳选址方案。

2基于遗传算法的改进方案

将物流/配送中心的数量作为决策结果，而不是决策条件，问题将变复杂。对于有M个物流终端结点的物流网络来讲，从理论上讲物流/配送中心的数量最少为1个，最极端为M个（即一个终端结点对应一个物流/配送中心），物流/配送中心的候选方案至少为2M-1个，而以中心划分形成的不同配送网络的方案数量更远大于这个规模。这类问题是一种组合优化问题，建模与求解困难。研究表明，遗传算法对此类问题比较适用。

改进的多重心法求解是一个循环过程。对于有M个终端结点的物流网络，从1个中心决策开始，选择其最优选址方案，至M个中心的最优方案全部求得，然后选择这些方案中成本最小的方案为最优方案。

函数Gravity（i）用于i个中心的选址决策。该函数使用了遗传算法。Gravity（i）的重点内容包括候选方案的染色体表达、选择、交叉和变异算子设计。

2.1候选方案染色体与种群设计

本文将候选方案染色体定义为SIK={，…，}，|SIK|=I；SIK表示含有I个配送中心的第k个物流网络方案；SI={SIK}为含有I个配送中心的所有物流区域划分方案的集合。是一个配送子网，Xi=（Xpos，Ypos，h，w）是终端结点向量，其内容分别表示结点的坐标、可变费率和需求量；对SIK中所有施加文献[2]中定义的改进重心法操作，将获得一个配送子网的最佳选址方案。其中成本最小的方案即I个配送中心的最佳选址方案。

在对SI={SIK}实施遗传操作前，需要构建染色体种群。本文将种群规模定为20。通过对物流终端结点集合进行配送子网划分，一共随机产生20个划分方案。每个方案含有I个配送子网。物流网络SIK的选址适应度函数f（SIK）采用文献2中的定义。

2.2遗传算子设计

选择算子采用赌轮算法。适应度越低的染色体被淘汰的概率越高。

交叉算子采用多点交叉操作：随机选择两个染色体中的一对配送子网，交换其一对客户点，直至所有配送子网都参与交换为止。如果交叉后染色体中出现重复的客户点，则进行“去重”操作，用未包含的客户点，代替重复的客户点。操作如下所示。

本文开发了基于遗传算法的多重心法选址程序，同时开发了文献[3]提出的基于聚类的选址程序。分别运行两个程序，对结果进行了对比分析。结果如下：

（1）如果考虑固定成本，物流/配送中心的数量将显著影响最终的选址结果。并非中心数量越少越好，也非越多越好，而是受固定成本、运费、需求和距离等决策条件的影响。在该算例中，5个中心是最优的，总成本为463.19万元。我们尝试性调整了固定成本和运费等数据，中心的数量随之发生变化。这说明，将中心数量预先作为决策条件不合理。

（2）基于聚类的方法会产生孤立点问题，形成不合理的区域划分，扭曲选址结果。如图1所示，右上角的两个配送中心就是孤立点。很显然，这种划分在逻辑上不合理，在数量上也不最优。在本算例中，使用聚类方法，得出8个中心的方案最优，总成本为648.87万元，与本文提出的方法的结果差距相当大。

（3）基于遗传算法的方法可取得更加优化的结果。遗传算法并不保证一定能获得最优解，但可以帮助我们以高效的方式获得满意解（近似最优解）。因此，对同一算例，我们多次运行了其中遗传算法的选址程序，取得了如下选址结果。

数据表明，尽管每次选址的结果可能会发生变化，但总体均优于基于聚类的方法得到的结果。其中方案1为最优方案，有5个物流/配送中心，总成本为463.19万元。这一结果，不但消除了“孤立点问题”，而且还取得了更加优化的安排，新方法的最优解比聚类法节省了28.6%的成本。

4结论

本文提出的基于遗传算法的多重心选址方法，采用了杨茂盛等人提出的改进的重心计算模型，使决策因素更加全面，单一区域选址结果更准确、合理。同时，本方法还避免了多中心选址区域划分不合理的问题，使重心法在多中心选址中得到更好的应用，其效果不亚于常用的P中值法。但是受遗传算法特性的影响，本方法存在近似最优解的不稳定问题，即早熟/过早收敛问题（如表2所示）。虽然我们通过算例初步表明该方法比其它改进方法更有效，但并不说明没有进一步改进的必要或可能，今后可以尝试应用改进遗传算法等新的全局搜索算法解决收敛不稳定的问题。

参考文献

[1]杨波著.现代物流系统规划方法研究与应用[D].合肥：中国科技大学，2003.

[2]杨茂盛，李霞.改进重心法在物流配送中心选址中的应用[J].物流技术，2007，26（6）：60.62.

[3]李强利，杨茂盛.改进的重心法在多节点物流配送中心选址中的应用[J].消费导刊，2009，（9）：123.124.

物流配送的方案篇2

一、教学内容和教学目标

“物流配送”是物流管理课程中的一章，其理论教学内容有物流配送的含义及功能、物流配送的类型、物流配送合理化的要求及配送不合理的表现形式等内容。物流配送是一种现代的流通方式，其内容具有很强的社会实践性。

“物流配送”的教学目标是全面理解物流配送的含义及其功能，熟悉物流配送的典型类型及特征，掌握物流配送合理化的活动要求，了解物流配送过程中不合理的表现形式。整个教学目标侧重于让学生充分认知物流配送实践流程和具体活动内容。

二、高职学生的学情分析

本课程的授课对象是三年制高职学生，普遍存在着基础薄弱、学习兴趣不高、学习主动性差和缺乏自信等特点，如果采用传统教学中教师讲授为主的教学方式，往往导致学生接受度低、效果差。但要在形象直观的教学场景中完成授课内容和目标，目前又局限于教学实体设备的欠缺，难以进行现场教学。由此，通过采集了社会上最近也是最新的企业实践案例，围绕教学目标设计了相关问题，引导学生进行课前自主预习，课堂中运用头脑风暴、小组讨论等方法引导学生分析案例，在分析讨论过程中让学生深入理解并掌握物流配送的具体流程和活动内容。

三、教学实施

（一）编制案例

考虑到学生普遍热衷于网络购物，对阿里巴巴、京东有较多的认识，加上近几年由于电子商务快速发展中出现的物流配送瓶颈，教学案例即选取了2014年双十一活动中京东和天猫的物流实践，具体案例内容由任课老师从网上进行资料搜索，整编而成。

[案例内容]从2009年到2014年期间，由于信息科技的高速发展、人们的生活习惯、消费方式的转变，加上快递行业的崛起，天猫、京东这两个电商巨头在双十一的销售额每年都在巨额的增长。天猫在2013年双十一的包裹量为1.52亿个，2014年双十一产生的包裹量约2.78亿个，增长约82.9%……（略）。

要求：请认真阅读案例资料，分别画出天猫和京东的物流配送图，并从各自的配送模式和部署细节两个角度，分析比较各自配送流程的优缺点，提出个人建议。

（二）教学过程

第一步：知识点衔接回顾。用提问的方式，请学生回忆并回答物流运输知识点，引出本次课堂主题：物流配送。引发学生思考：物流配送与运输有什么不同？

第二步：用案例教学法。引出案例，提出问题：什么是配送？配送流程涉及到哪些环节和活动？

第三步：小组讨论、汇报并相互问答。用“头脑风暴教学法”引导学生积极思考，用小组讨论完成问题的解答，统一小组观点，形成汇报成果。

讨论问题：物流运输与配送有什么区别？天猫和京东的物流配送有什么不同？

任务布置：

1、画出天猫和京东的物流配送图，能进行具体描述;

2、比较天猫和京东在物流配送模式和部署中的联系与区别，分析其不足，提出建议;

3、小组展示成果并汇报。

注：期间有确定议题，分组，确定组长（主持人）和记录员。

第四步：小组问答。在小组的成果展示和汇报过程中，其它小组成员可以自由提问，请汇报小组成员回答。

第五步：老师点评讲解。老师根据学生汇报和问答情况，点评小组表现，并讲解相关的知识点、疑点。

第六步：用拓展式教学法。课堂教学环节完成后，老师进一步抛给学生问题：如果天猫和京东各自全部用自营物流或第三方物流来完成双十一的物流配送，会遇到哪些问题，双十一的物流配送又会是什么结果？

时间分配：第一步（5分钟）―第二步（10分钟）―第三步（45分钟）―第四步（15分钟）―第五步（10分钟）―第六步（5分钟）

三、教学设计的创新点

1、采用“理实一体化”教学

通过引入2014年的最新配送案例，引导学生分析思考等方式，把理论教学和实践环节结合起来，调动学生的积极性和主动性，使学生发挥自身的潜能，激发学生学习、创新能力。

2、凸显了教学中学生的主体地位

构建设计课前、课中和课后的系列问题，引导学生自主思考并学习，在头脑风暴过程中自由发表各种意见。分小组进行案例分析讨论，引导学生在小组中积极参与，彼此相互尊重，允许合理批评，出现矛盾时小组共同讨论解决，所有成员共享信息。在限定时间内完成讨论后，每个小组在黑板上张贴讨论成果，由各组代表上台汇报。汇报过程中老师不直接评判，而由其它小组进行打分评定，予以客观评价。

3、灵活运用了多种教学方法

教学设计上整体体现了问题导向的特点，其中交叉运用了各种教学方法，如从社会实践案例引出教学基本问题“什么是配送？配送流程有哪些活动环节？”。课堂中运用了头脑风暴法，引发学生积极思考并回答“天猫和京东的物流配送有什么不同？”。案例分析过程又采用了小组讨论法，在小组讨论汇总的基础上，画出天猫和京东的物流配送图，找出彼此的差异，并进行小组汇报。小组讨论过程不但突出了学生这个主体，同步也较好地培养了学生的团队合作精神和能力。

4、选用了贴近学生生活的社会实践案例

物流配送的方案篇3

关键词：车辆配载；订单分析；两阶段法；0-1型整数规划

中图分类号：F252文献标识码：A

文章编号：1005-913X（2017）06-0036-03

一、引言

随着物流行业的蓬勃发展，物流配送领域的不断扩大，车辆资源的利用率问题逐渐成为物流管理人员一大关注点。据中国物流信息中心物流统计数据表明，发达国家的物流费用占国民生产总值（GDP）的比重远低于10%，而我国这一项数据已攀升至17.8%，约为发达国家的两倍，物流费用的持续攀高使得企业的资金运转压力增大。同时，我国市场上一般物流企业的车辆平均载重率为75.67%，车辆平均容积率仅65.37%，大量车辆资源的浪费导致企业管理成本增加。显然，配送成本和管理成本作为物流成本中占比最大的一项，降低这两类成本将引起物流成本增速的放缓，直接提高物流配送利润，为企业带来更大的运营效益。此前，有不少关于优化车辆配载模型的研究。如刘铁男（2014）通过对车辆的判断和对货物的特性分类，运用贪婪算法建立物流车辆配载模型进行有效的拼装组合，实现车辆的载重和容积利用程度达到最大，结果显示，可以大力的节省运力，节省物流企业的配送成本。[1]谢天保（2010）等将染色体的进化过程运用到遗传算法求解中，在任务时间窗和车辆实际容量的约束条件下建立车辆配载调度模型，最后通过实验分析证明运用该模型快速求解最优解，且结果具有一定的借鉴意义。[2]曹明兰（2009）等为保证配货中的稳定客源，通过设立顾客紧急系数，运用二阶段法，分别在不同阶段实现不同的目标，最后建立能够实现满足客户需求目标的能使车辆得到充分利用的车辆配载模型。[3]胡贵彦等通过对传统型配载模型的优化，将配载车辆分成平面的分别有约束条件的四个放置区，利用计算机编程技术，开发了能使空间利用率达到最优的视窗软件，传统模型与优化模型对比可知，优化模型可大幅提高车辆的空间利用率。[4]杨锦冬（2004）等从车辆驾驶员和物流企业的双角度出发，在约束条件下，利用0-1整数规划建立了一个配送配载双目标优化模型，实现了配送路径最短，拼装方案最优的目标，仿真实验证实了该模型的可行性。[5]Liu（2016）等考虑在带时间窗和装载车辆的约束条件下，运用改进的分支定界方法和贪婪算法建立车辆配载的优化模型，结果表明，其模型能够提高整车物流的配载效率。[6]

上述文献是假设在车辆的承载能力的约束下，以满足客户要求和配送成本最小为目标建立模型，没有考虑到交货期、配送时间及利润等方面的影响，虽然这样的模型能够最大限度的利用车辆的容积和载重，满足客户浅层次的要求级按时交货，这样不仅忽视了所要配送的订单优先级别，不能够在提高车辆利用率的同时做到重要的单优先配送，并且未将所配送的订单价值作为影响因素考虑进去，这样所带来的问题是提高了利用率的同时降低了客户满意度，并没有达到最佳效果。因此，本文运用两阶段法以及0-1型整数规划，分阶段合理设置目标函数及变量、参数，第一阶段考虑了订单优先度大小问题，确定必须优先配送的订单，做好客户管理，维系好客户关系；第二阶段考虑了车辆容积、载重的利用率和订单价值问题，将订单价值作为主要因素，在其排序结果及车辆的核定容积与载重的约束下，确定最终的车辆配载方案，使车辆利用率得到提高，配送成本下降，不同程度的提升配送利润。

二、基于车辆配载优化问题的建模

（一）建模前提

可以将车辆的配载优化问题描述为：针对制造商所接到的订单，选择最佳的车辆配载方案，在一定的约束条件下，诸如所要配送的订单交货期一定，均能满足客户的按时交货要求，且一个订单至少包括一种货物，同一订单的货物由同一次车辆进行配送，每件货物的实际容积和重量在车辆的承受范围之内，不存在超载现象，同时，所有待配载的订单为原始订单，未经后期的加工处理，无插单、割单等，使物流企业在高度满足客户要求，配送的订单价值达最大，车辆利用率提高，提升配送利润。

（二）符号说明

决策参数：

i为订单编号，i=1，2，3......n；Hi为订单优先度，i=1，2，3......n；Ai为单个订单的订单价值量，i=1，2，3......n；Bi为制造商对客户的预测订单月交易量，i=1，2，3......n；Ci为订单的客户重要程度，i=1，2，3......n；根据唐丽春，蔡晓毅（2009）在供应链环境下对影响订单优先权的因素所采用的线性归一化的处理结果将Ai，Bi，Ci的系数分别设为0.6，0.3，0.1；W2，V2为第一阶段配载货物后车辆的剩余容积和载重，W2=W-wk，V2=V-vk，是第二阶段配载的限制变量；j表示将第二阶段订单的计算看作不同的计算步骤j=1，2，3......n-1；Wj，Vj分别为第二阶段进行到第j步时，所装载的容积和载重；x，y为第二阶段车辆中装入货物总重量和总容积；αwj，βvj取决于下面的决策变量。

决策变量：

α1累加订单容积及载重≤W

0否则，

β1累加订单容积及载重≤V

0否则，

（三）车辆配载优化模型

建立的车辆配载优化模型如下：

式（1）为第一阶段的目标函数，式（2）式（3）为第二阶段目标函数，表示在已知订单优先度的前提下，满足约束条件的车辆利用最优化，订单价值最大化。式（4）至式（9）为模型的约束条件，式（4）表示第一阶段选出来的订单，其订单优先度必须为最高，式（5）式（6）表示第二阶段的容积载重不得超过车辆的核定容积载重，式（7）表示第二阶段初始必须对订单价值进行排序处理，式（8）式（9）表示第二阶段累加计算的订单容积和载重不得超过第二阶段剩余容积和载重。

三、算法描述

为了更好的实现车辆配载优化，提高物流企业单次配送利润，本文采用两阶段法和0-1型整数规划相结合的算法构建优化模型。

第一阶段：当制造商接收到一批需要配送的订单集合1，2，3，...，n时，整理其所有的订单数据，确定每个订单的订单价值Ai，月交易量Bi和客户重要程度Ci，据式（1），对这三个指标分别给予不同的权重，可得每个订单的订单优先度数值。根据数值结果，将数值最大的订单确定为第一阶段必须配载的货物订单k。

第二阶段：在求出订单的基础上，可知车辆剩余容积和载重W2，V2。同时，对剔除后的订单集合1，2，...，k-1，k+1，...n进行以订单价值为关键词的排序处理，第二阶段的计算在此排序结果的前提下进行。将剩余的n-1个订单看成不同的n-1个计算步骤，根据式（8）式（9），对0-1型变α，β量分e进行取值计算，即可求得从订单k开始累加的车辆容积与载重wi，vi直至累加达到maxf（x，y）即式（2）时，计算停止，可以得到最佳的配载方案P=1，...，k，...，n使得车辆利用率最大化，配送利润得到不同程度的提升。

四、算例分析

在本算例中，由于制造产品均为小家电，因此，假设使用一辆额定载重为1.5t，容积为12m3的轻型配送车辆进行配载。以某家电制造企业2016年6月份其中两天的订单数据为例，订单产品的基础数据如表1所示，分别统计来自十家门店订单的货物容积、重量以及订单价值。

第一阶段，由式（1）Hi=0.6Ai+0.3Bi+0.1Ci计算可得十个订单的订单优先度，计算结果如表2所示。对此结果进行排序，由式（3）很明显的可以看出，必须优先配送的订单1，来自宝山店，其订单优先度为11563.50。

第二阶段，确定好第一阶段必须配送的订单的容积为2.316m3，重量为204kg后，可以求得车辆的剩余载重W2=1296kg，剩余容积V2=9.684m3。据式（6），对其他订单进行以订单价值为关键词的排序，如表4所示。由第二阶段目标函数式（2）可得，当j=1时，α=1，β=1即

显可以看出，经过6个步骤后，可以求得此规划问题的最优解即最佳车辆配载方案为1、4、5、6、8、9，该方案的订单容积量为11.718m3，重量为878.1kg，车辆的容积利用率和载重利用率分别为98%和59%，配送的订单价值达高达77753.5元。

同时，为了更显著的比对出模型的优化效果，通过计算机程序语言，以车辆核定容积为主要的约束条件，对所有订单进行随机组合，共有141120种组合结果，选取到其中结果最佳的随机组合方案为订单1、2、3、5、7、8，计算可得此随机方案的车辆容积载重利用率，可知其配送的订单价值大小，具体的比对结果如表4所示。

由表4可以看出，虽然随机方案的容积利用率为99%，比优化方案高1%，但在车辆的载重率以及单次配送的订单价值上，优化方案都略胜一筹，配送的订单价值更是比随机方案要多1746元。在物流公司的实际运营过程中，提高现有车辆资源的利用率固然重要，但流动资金对一个公司生产经营起着决定性力量，如何使配送利润得到提升，配送成本不断降低同样受到关注。因此，在对比结果的时候不能单独比较车辆利用率的浮动，应该更加关注订单价值即单次配送利润的大小。显然，从结果分析可知，优化模型的结果是可行的，具有一定借鉴意义。

五、结语

本文通过研究分析物流企业的车辆配载过程车辆的利用率过低以及配送成本偏高的问题，建立了两阶段法和0-1型整数规划的相结合双算法优化模型。该模型综合考虑到了影响订单和物流服务的多个因素，如订单优先度，订单价值，车辆有效容积、重量等。在加强客户合作关系的同时，提高物流企业车辆利用率，实现了车与货的高效匹配，大幅提升了企业配送利润，降低了配送成本。在实证研究中，以某家电制造企业为例，计算了订单的增量订单价值以及车辆容积重量利用率，并通过计算机程序，科学选取了随机方案进行对比，研究结论对优化车辆配载有一定的指导意义。

参考文献：

[1]刘铁男.贪婪式算法在在物流配送车辆配载模型中的应用[J].物流技术，2014，33（10）.

[2]谢天保，雷西玲，席文玲.物流配送中心配载车辆调度研究[J].计算机工程与应用，2010，46（36）.

[3]曹明兰，郎茂祥，曹明琴，乔晓东.考虑客户需求优先级的货物配装问题的模型与算法研究[J].物流科技，2006（29）.

[4]胡贵彦，杜志平，孙卫华，钟芙蓉.货物配载方法最优化的研究[J].物流技术，2009，28（8）：86-107.

[5]杨锦冬，徐丽群.城市物流中心车辆配送配载调度指派模型研究[J].同济大学学报：自然科学报，2004（11）.

[6]LiuJS，AliceES，DanQ.Thevehicleloadingproblemwithaheterogeneoustransportfleet[J].Computers&IndustrialEngineering.2016，97：137-145.

[7]靳志宏，于波，侯丽晓.基于配载约束的配送优化问题及其求解算法[J].系统工程学报，2012（3）.

[8]孙国华.带时间窗的开放式满载车辆路径问题建模及其求解算法[J].系统工程理论与实践，2012，32（8）.

物流配送的方案篇4

【关键词】节约里程法；配送线路；科迪牛奶

一、节约里程法的应用现状和发展趋势

当前很多物流企业在其配送路线上存在着重复运输、迂回运输、运力浪费等不合理现象，不仅使企业的配送效率大大降低，而且还使企业的配送成本居高不下。一些企业开始尝试各种方法去解决此类问题，但仅有很小一部分企业采用“节约里程法”，这些企业大都为大中型的生产或物流企业。一些规模小、资金力量薄弱的小企业大都无力改变这一现状，任凭仅有微薄利润高成本一点点的吞噬。可以看出，节约里程法在当前还没有被大多数企业所采用。但是基于节约里程法所带来的收益，越来越多的企业开始关注节约里程法，在未来一段时期内，节约里程法将会被更多的企业所采用。

二、节约里程法在科迪乳业集团的应用

1.节约里程法的概述及基本思路。节约里程法的基本思路是：基于节约里程法的基本思路，在配送网络中，通过合理的车辆调度和最短的路线选择，尽量使运输车辆多载，尽量节约总配送时间和总配送里程。节约里程法的基本思路如图1所示：设一家销售中心（P）向其两个客户A、B运货，已知两客户到销售中心的最短距离分别是Sa和Sb，AB两客户所在地之间的最短距离为Sab，假设销售中心分别对这两个客户送货，则就需要两台车对其进行配送，其配送总路程为：S1=2（Sa+Sb）。

基于节约理论，我们可以采用一辆车先对一个客户进行送货，然后再从这个客户所在地出发，向下一个客户进行送货，这样就可以只使用一个车次，其行走的总距离长度可以这样计算：S2=Sa+Sb+Sab。有三角形的性质我们知道：ab

2.“节约里程法”的应用。（1）节约里程法在中远物流的成功应用。香港上市公司——中国海外集团（HK0688）的全资子公司中海物流集团深圳有限公司，是一家综合实力比较强的大型物流企业。主要经营国际海运、第三方物流、仓储与配送、国内水运等业务。中海物流深圳有限公司已经出资在全国重要城市建立了发达的物流网络运作节点，可送达至大部分县级以上城市。其这么强大的运输配送能力得益于其丰富飞仓储运作节点、发达的干线运输和中转运输线路以及其自身拥有的各类运输车辆。中远物流深圳有限公司在第三方物流方面树立了标杆，是其他物流企业学习的典范，其中节约里程法师其应用最为成功的一个。广州配送中心利用“节约里程法”在宝洁公司的实际运用就是其中一个代表。通过初始方案与最终方案的对比，我们可从中得出这样的数据：初始方案行走里程为

1768公里，所用成本4476.3元；优化之后所行里程为1047公里，所用成本3384.55元。足足节约721公里，1091.75元。从中我们发现对宝洁公司这几个客户配送一次就节约了1091.75的费用，若是应用到其他的客户配送中，又将会节约多少费用。因此节约里程法能够提高物流企业的运作效率，还能大幅降低整个业务成本，这样一个一箭双雕的方法，企业怎么能不运用呢？（2）节约里程法在科迪乳业配送中心的应用。科迪乳业集团是中央财政部、河南省财政厅直接参股经营的大型乳制品生产企业，总部设在河南省商丘市。公司所处地理位置优越，交通四通八达，毗邻105国道和203省道，距离连霍高速仅有8公里；紧挨黄河古道，有宽阔的牧草生产基地和优质的水源。其配送中心拥有一百多辆配送作业车，配送点遍布河南省大部。科迪乳业集团的生产、销售业务一直领先本地其他企业，但其配送中心配送的效率不高，豫东地区尤为突出，豫东配送中心拥有多辆配送作业车辆，以4t和6t的作业车为主。其配送路线存在随意性、重复性等问题，且配送成本一直居高不下。现以豫东配送中心为例，采用节约里程法对其配送线路和车辆进行优化。豫东配送中心负责豫东地区7家分销商的配送任务，对各个分销商的配送量分别为：田庙2.8t，刘集1.7t，三里井0.8t，镇里固

1.4t，八里堂2.5t，张阁1.6t，刘店1.8t。配送中心到各分销商以及各分销商之间的距离见图2。

（3）线路优化步骤：第一步：计算各分销商之间的最短距离，即在不优化的前提下，由配送中心配送货物到分销商之间最短距离，并计算配送中心到各分销商的最短距离（KM），如图3：

第二步：由图3，计算到一个分销商配送完毕后不返回配送中心直接配送下一个分销商所节约的里程，如图4：

第三步：把个经销商之间节约的里程按从大到小的顺序排列，如表1：

第四步：确定初始配送方案，配送中心分别派4t和6td的配送车对每个分销商进行一次送货，产生7条配送路线，即：配送中心—田庙—配送中心、配送中心—刘集—配送中心、配送中心—三里井—配送中心、配送中心—镇里固—配送中心、配送中心—八里堂—配送中心、配送中心—张阁—配送中心、配送中心—刘店—配送中心。其总配送距离为S=2（8+4+11+12+

5+15+11）=132（KM）。

第五步：根据图六得出的数据，对其配送线路以节约里程的大小为标准进行优化。在满足重量的前提下连接八里堂—张阁和张阁—刘店，这样就组成一个新的线路配送中心—八里堂—张阁—刘店—配送中心。在这个线路下，车载达到了2.5+

1.6+1.8=5.9，若再增加一个配送点，车载将超过6t，由6t的配送车配送，所以这条优化路线可以确定下来。按照上面优化方法对余下节点进行线路优化，又得到两条优化路线：配送中心—刘集—三里井—镇里固—配送中心、配送中心—田庙—配送中心。

第六步：最终确定对豫东配送中心线路优化方案。由以上推论优化出三条优化路线：路径A：配送中心—八里堂—张阁—刘店—配送中心，6t车，节约里程11+23=34km，载重5.9t；路径B：配送中心—刘集—三里井—镇里固—配送中心，4t车，节约里程16+11=27km，载重3.9t；路径C：配送中心—田庙—配送中心，4t车，载重2.8t，共节约里程34+27=61KM，由两辆4t车和一辆6t车进行配送。如图5：

通过应用启发式方法中的节约里程法对科迪乳业集团豫东配送中心配送网络进行了细致的优化，可以看出节约里程法能够较好的解决了科迪乳业集团豫东配送中心复杂配送网络的中随意性、重复性的问题。通过对配送线路的整体优化，使得豫东配送中心的配送车辆由原来的7辆减少至现在的3辆，效率有了很大提高；既缩短运送路程也能降低物流成本，对企业有着很大的现实意义；同时对节能减排、减少环境污染、减轻交通压力有着重大的社会效益。因此应该在科迪乳业集团所有配送中心进行推广应用“节约里程法”。

参考文献

[1]张文华.基于节约里程法的物流配送路线优化[J].物流工程与管理.

2012，（3）：143～146

物流配送的方案篇5

目前,雅诗兰黛的产品已销往全球150多个国家和地区。为了确保全球范围内物流运作的高效率及准确性,雅诗兰黛的分销与物流部门以专业技术和能力为其产品提供供应链服务,通过物流、运输和配送中心(DC)运营,实现供应链节点的成本控制、品质控制以及客户服务目标。与此同时,该公司还制定了新的计划和项目来优化物流成本,改进客户服务水平,以及改善地区内的库存管理状况。

在韩国,雅诗兰黛公司的销售业绩在过去3年间实现了可喜的增长。在世界其他地区正在为2008年经济危机带来的整体影响而愁眉不展时,雅诗兰黛公司在韩国的销量反而有所增加。据分析,这是由于韩元贬值后,韩国人大幅缩减了旅游活动,转而在国内大量购物,由此带动了国内市场的需求,为雅诗兰黛公司带来销售额的激增。但同时,销售额的猛增使销售部门和物流部门在协调供应链时却面临着巨大的压力。

鉴于此,在2010年4月,韩国雅诗兰黛公司开始进行新的战略规划,其中一项重要内容就是成立配送中心,以满足当前和未来几年的业务需求。

选择语音拣货方案

据雅诗兰黛公司亚太区分销与物流高级总监张光明介绍,在新的配送中心取代原有配送中心之前,公司必须进行很多配套的改进工作,其中一项就是拣货方式的配套改进。

按照配送中心的物流量以及长期运营的费用,张光明与其团队确定了拣货方案的改进目标:

1将工作效率提高20%;

2将拣货准确率提升到99%以上;

3减少工人的培训时间,使培训时间缩短至2小时以内。

在原配送中心,拣货是利用电子标签系统进行的,这也是雅诗兰黛公司在全球各地的配送中心广泛采用的拣货方式。但就目前来看,电子标签拣货方式有其局限性,并且该方式是否能适合新的配送中心尚不确定。

张光明解释道,随着业务量的增长,电子标签系统如果要扩大产能难度很大,并且所需的资金投入也很高,除此之外,还有许多需要考虑的因素,比如布线、灯具保养,等等。他还补充说,摘果式电子标签系统只允许操作人员在同一时间段内完成一个订单,从而影响了工作效率。

除了电子标签系统之外,张光明的团队还评估了RF拣选系统和语音拣选系统等解决方案。

最后,公司内部达成共识,认为语音拣选方案是达到改进目标最合适的方案。

主要原因在于,分拣是劳动密集型的操作,需要工人走到正确的位置,进行挑选、清点和确认,非常容易出现人为错误。语音技术恰恰能够解决这个问题。

语音技术使工人的双手得以解放而专心进行自己的工作。工人不需要使用纸张、扫描器、标签、笔或其他工具,因此,他们的手被解放出来专门分拣货物;工人可以连续工作,操作动作没有间断;由于工人只需要聆听指示,不需要浏览标签或显示器,他们可以专心分拣货物,因此加快了工作速度,提高了工作效率,同时也降低了出错的几率。

成功实施语音拣选方案

最终,雅诗兰黛公司选择了Vocollect公司的语音解决方案作为新配送中心的拣货实施项目。

之所以选择Vocollect,主要是因为Vocollect是语音解决方案提供商的全球领导者,并且雅诗兰黛公司在英国和瑞士的物流中心已经使用了Voconect解决方案,这两个国家也是雅诗兰黛公司在海外的最大市场之一。他们使用语音解决方案后,工作效率得到了显著提高,物流成本也有所降低。现实案例有力地证明了Vocollect语音拣选方案的稳定性、延展性和多功能性。

张光日月与其团队还特别研究了Vocollect在英国的实施情况,并得出初步结论,认为Vocollect语音拣选方案用于拣货能与公司的JDE-ERP系统成功对接,同时能够解决雅诗兰黛韩国公司正面临的业务量增长的压力,还能够处理当前的新品牌和新SKU品项的导入。

事实上,凭借20多年不间断的产品改进经验,Vocollect语音方案已被证实能够与现存的WMS或ERP系统(包括SAP系统)相互操作,从而使用户能够平衡当前的技术投资。如果Vocoilect语音方案可以与独立发展的专属系统相容,那么Vocollect就可以直接连接,或者通过非常简单的中间接口进行结合,或者在一天之内与测试接口无缝集成。

这样,语音拣货系统与现有系统顺利实现对接,员工的使用也非常顺利。

对于培训工作的顺利进行,张光明感到十分欣慰。最初他非常担心会因为文化的原因,韩国人可能会拒绝与机器交流,但是Voconect语音拣选系统培训的简单程度使他所有的顾虑都烟消云散。“你所需要做的就是让任何进入培训室的新使用者按照系统的提示说几句话,并使系统能够记录使用者的语音样本。”他解释说,“这对任何新员工来说都是同样的步骤,所有的过程在20分钟内即可完成。”

据了解,VocoUect语音拣选方案引入到雅诗兰黛的韩国新配送中心后,韩国将成为雅诗兰黛公司在亚太地区第一个使用该技术的国家。

语音拣选方案的实施效果

自从新配送中心开始运营以来,雅诗兰黛公司一直在收集并分析有关Voconect解决方案的评估资料。统计数据有力地表明了使用语音拣选解决方案的成果:

1生产效率得以加倍提升

拣货人员从35人减少到18人,且每小时可以完成150条库存线,而此前仅为70条。

2订单错误率下降

系统自运行以来,仅有一次报错,而此前为每周报错15～30次;订单准确率达到了99.99%,此前仅为82%。

3培训时间大幅缩减

现在的员工培训时间仅为1.5小时,受培训者第二天便可开始拣货工作,并实现最高的工作效率,而此前培训时间为一天。

4员工满意度提高

拣货人员无需用手识别订单及货物,不易分心,因而更加专注;使用语音拣选方案后,员工可在下午5:30之前完成工作,提高了生活品质。而在使用语音拣选方案之前,员工经常需要加班到晚上9点。

5投资回报率高

使用语音拣选方案,3个月内可以实现20%的回报率,是投资者的理想选择。

张光明表示,使用语音拣选方案后,虽然韩国新配送中心的效率已加倍提高,但仍低于英国配送中心的拣选效率,因此,新配送中心使用Vocotlect语音方案以达到生产效率的提高还有很大的潜力可供发掘。

拓展应用

获得这些可喜的成果后,张光明正在研究如何将Voconect用于改善该地区其他配送中心的生产效率。张光明所在的部门认为,Vocollect语音方案最适合需要大周转量、高周转速度和高回报的配送中心采用。