上海百世快运配送路径优化研究

摘要: 随着市场经济的不断发展,对物流的配送需求也日趋旺盛。作为物流中至关重要的环节,配送的合理规划与选择可以提高车辆的载重率,节约车辆的使用空间,降低运输成本。因此,提高配送的效率是物流企业效益的保证,配送路线的合理性对企业来说具有重大的

  摘要:随着市场经济的不断发展,对物流的配送需求也日趋旺盛。作为物流中至关重要的环节,配送的合理规划与选择可以提高车辆的载重率,节约车辆的使用空间,降低运输成本。因此,提高配送的效率是物流企业效益的保证,配送路线的合理性对企业来说具有重大的影响。所以,通过合理调度车辆运输配送与优化路径来提高配送方案的可行性是很有意义的选择。
  本文以上海百世快运为研究背景,对其现状加以分析,发现其在运输线路优化方面缺少对于货损成本约束的研究。因此,本文首先以综合运输成本最小化为目标函数,建立配送路径优化模型。其次,以百世快运上海市区分拨配送路径为典例,采用蚁群算法,并通过Matlab软件编程对案例的模型进行求解。最后,依据结果对本文所建模型的可行性和有效性进行评估,最终提出优化方案,目的在于提高百世快运的整体作业效率,减少配送车辆,提高装载率,进而增加企业经济效益。
  关键词:上海百世快运;蚁群算法;车辆路径优化

  一、绪论

  (一)研究背景、目的与意义

  1.研究背景
  二十一世纪以来,经济全球化进一步推动了物流业的迅猛发展,中国社会乃至全球,对物流配送的需求也日趋旺盛。配送路径安排合理与否对物流效率、成本、收益影响很大,采用科学的方法对车辆路径进行优化是配送车辆高效率、高质量完成配送任务的关键所在[1]。百世快运作为典型的第三方物流企业,配送车辆在营业网点之间的路径选择成为影响物流配送成本高低的关键因素。因此,通过合理调度配送车辆与优化路径来提高配送方案的可行性是很有意义的选择。
  2.研究目的
  目前,百世快运的配送路径,缺乏针对物流成本控制的研究依据,本文以此为基础,在现有理论研究和实际运作的指导下,建立考虑综合物流成本的车辆配送线路优化模型。具体研究目的有四点:(1)分析国内外在路径规划方面的研究现状。(2)构建以配送车辆最小综合运输成本为目标函数的路径优化模型[2]。(3)使用Matlab程序编写蚁群算法代码并运行,寻求最优的车辆配送路径。(4)综合分析以提高物流效率,减少流通费用,为百世快运在车辆调度工作方面提供参考。
  3.研究意义
  科学合理的运输路径,一方面,可以通过缩短总运输距离、提高车辆装载率和减少配送车辆,达到减少企业物流成本,增加盈利的目的。另一方面,可以通过严格规范配送路径,保证物流时效,提高物流服务水平和企业市场竞争力。因此,物流公司根据自身的运营特点,科学合理地规划与选择运输路径,对企业稳定的长远发展具有重要意义。

  (二)国内外研究综述

  1.国外研究现状
  国外学者们在配送路径优化方面的研究历史悠久,其成果与理论已相当丰
  富。2008年,Golden比较详细的更新了VRP的研究情况。2014年,JurajFosin,TončiCarić,EdouardIvanjko提出了新的多改进的旋转规则求解VRP(CVRP),大大降低了所需的CVRP优化计算时间[3]。2016年,CanB.Kalayci,CanKaya在《基于蚁群算法的可变邻域搜索算法的同时取货配送车辆路径问题》[4]一文中,利用VNS缺乏记忆结构的弱点,最小化ACS的长期记忆结构,提高该算法的整体性能。2017年,SureshNandaKumar则在文章《时间窗车辆路径问题的高效遗传算法研究》[5]中提出,一个有效的基于遗传算法的路线优化方案,已经发展为随机,最小化总距离,减少车辆的使用数量而非替代路线拥塞避免。
  2.国内研究现状
  在国内,学者们虽然对配送路线的研究较晚,但在借鉴与吸收了国外优秀的研究成果后,其研究成果也是迅猛发展。2003年,张丽萍等改进遗传算法中的交叉算子,并验证了其有效性。2012年,张勇在《基于改进蚁群算法物流配送路径优化的研究》中,利用改进的蚁群算法建立数学模型,解决物流配送路径优化问题[6]。2016年,崔瀛、张宁在《关于物流配送路径优化过程中蚁群算法应用的讨论》中,借用蚁群算法解决旅行商问题(TSP)的思想,对配送路径优化问题应用蚁群算法进行探讨[7]。2017年,齐心在《基于综合启发式算法的物流配送路径优化研究》中,设计了基于遗传算法和模拟退火算法的综合启发式算法,并通过实例验证了该模型和算法的优势。
  3.国内外研究评述
  通过互联网以及查阅资料得知,目前,国外学者对于物流配送路径优化的研究较为深入,在经历了几十年的不懈努力后,其研究结果与理论已相当丰富,处于繁荣阶段;而在国内,虽然起步晚,但学者们在国外先进的理论基础上,对配送路线优化进行深入探讨,借鉴优秀的研究成果,也已经取得了很大的突破,使得配送路线的优化模型在实际应用中可行性的概率大大增加。

  二、百世快运上海地区物流配送现状分析

  百世快运作为国内知名零担物流品牌,迄今为止,已在华东、华南及华北等地区形成物流网络。目前,百世快运已拥有4600多个营业网点,180多个分拨中心,超过60万平米场地以及1600多条班线,为广大客户提供优质的快运服务。随着零担物流行业的不断发展,百世快运势必逐渐开辟全国网络,实现全境服务,提升快运服务专业化水平,成为中国零担物流行业的佼佼者。

  (一)上海百世快运物流配送现状

  1.上海百世快运简介
  百世快运在上海共设有5个分拨中心:上海分拨、浦东分拨、市区分拨、宝山分拨、松江分拨,共设有80个营业网点,覆盖上海全境,如图1所示。各分拨中心每天都有固定班车,向各自辖区范围内的派送站点运输货物,再由各派送站点将货物配送到客户手中。由于配送路径较长,运输货量较大,配送路线路况不同,公司采用核载量为15t的货车进行运输配送,并且每辆车配备专职司机。同时,百世拥有先进的自动分拣系统、TMS运输管理系统、WMS仓储管理系统、RF手持终端,以及电子标签辅助拣货系统等先进的物流系统和物流设备。
  百世快运在上海地区的日平均货运量达到600吨。并且随着百世快运的不断发展壮大,营业网点、运输车辆不断增加,出现了车辆管理效率低下,配送成本增加,企业利润日益降低等问题。
上海百世快运配送路径优化研究
  2.上海市区分拨营业网点分布简介
  本文以2017年4月1日,百世快运上海市区分拨配送货物到各营业网点为研究主体,以其配送路径作为研究对象,以上海市区20个具有代表性的门店进行配送路线研究。表1为百世快运上海市区分拨及上海市区20个营业网点的具体地理位置。
上海百世快运配送路径优化研究
  百世物流公司各分拨中心通过其自有的WMS系统,可以实时跟踪各营业网点的货物派送信息,然后根据运输量安排车辆进行配送。图2是百度地图中百世快运上海市区分拨及各营业网点的具体位置。
上海百世快运配送路径优化研究
  3.上海市区分拨配送路线
  (1)由于百世快运承运的物品相对较重,因此选择最大载重量为15T的货车作为运输车辆。其中,上海市区分拨有10辆用于上海市区营业网点的配送,确保在业务高峰期,每个营业网点都拥有一辆配送车辆。
  (2)百世快运上海市区分拨当前使用的10条配送路径如图3所示。其中,0代表上海市区分拨,1-20代表上海市区20个营业网点。
上海百世快运配送路径优化研究
  (3)根据以上配送路线图,借助百度地图测距软件,可以计算得出,百世快运上海市区分拨目前配送方案的总运输距离为493公里。各条路径上配送车辆的行驶距离、载重量和装载率如表2所示:
上海百世快运配送路径优化研究
  十条路线具体安排如下:
  (1)上海市区分拨-上海嘉定七部-上海宝山六部-上海市区分拨
  (2)上海市区分拨-上海宝山五部-上海普陀一部-上海市区分拨
  (3)上海市区分拨-上海嘉定六部-上海市区分拨
  (4)上海市区分拨-上海闸北一部-上海市区四部部-上海市区分拨
  (5)上海市区分拨-上海普陀二部-上海市区一部-上海市区分拨
  (6)上海市区分拨-上海虹桥机场-上海徐汇一部-上海市区分拨
  (7)上海市区分拨-上海市区三部-上海徐汇二部-上海市区分拨
  (8)上海市区分拨-上海青浦一部-上海闵行九部-上海市区分拨
  (9)上海市区分拨-上海闵行五部-上海南徐泾-上海市区分拨
  (10)上海市区分拨-上海嘉定三部-上海青浦十部-上海青浦九部-上海市区分拨

  (二)上海市区分拨物流配送问题分析

  1.车辆装载率偏低
  通过表1-2可知,上海市区分拨的运输车辆,不仅在配送结束后返回分拨中心的途中空驶,其在配送途中的装载率也普遍较低。配送车辆均未实现满载运输,且平均每辆车的日装载率只有76.6%,装载率较低。这说明车辆空间利用率不高,不仅造成了运力资源的浪费,甚至可能增加不必要的配送车辆数,间接增加了配送成本。
  2.总运输距离偏长
  配送路线比较混乱,存在交叉现象,缺乏科学的配送线路分析与规划,导致总运输距离过长,增加了运输成本,延长了配送时间,提高货损风险,严重影响了公司整体物流效率和服务水平。百世快运属于第三方物流公司,保证配送效率对于提高客户满意度至关重要,因此需要对配送路径进行优化。
  3.配送路线不合理
  百世快运在运输路径径方面存在半人工决策状态。上海市区分拨各车辆虽有自己的运输专线,但由于公司只关注是否能完成全部运输量,对于配送车辆的行驶路径没有明确规定和限制,导致司机经常凭借自己的经验和实际路况,主观更改或选择配送路线。使实际配送路径缺乏科学性与严谨性,产生不必要的人力物力浪费,徒增物流成本。
  上海市区分拨配送方面存在的问题,严重影响了百世快运的配送效率,提高了运输成本,不利于企业的经营效益和未来发展。因此我们需要通过一定的科学手段对路径进行优化,以达到缩短总配送距离,减少配送成本,提高配送效率的目标。

  三、百世快运上海市区配送路径优化设计

  (一)配送路线设计思路

  循环取货(milk-run)是一种制造商用一辆车从多个供应处获取零配件的操作模式[8]。循环取货思路的具体情况为:车辆从集货中心出发,按照设计线路到第一、第二、第三…第n个供应商处,将线路上所有货物材料装载完毕后,返回集货中心。循环取货是一种刚发展起来的新型运输模式,在配送总量一定的情况下,可以节约大量的运输成本。不仅可以提高配送车辆的装载率和运输率,而且对于缩短运输里程有显著成效。并且由于在循环取货过程的中,取货线路的规划与选择会对取货效率产生决定性的影响,所以对取货路线的优化尤为重要,不可或缺[9]。本章将循环取货思维模式运用到百世快运的车辆配送路径优化中,建立模型,寻求最优路径,提高配送效率。

  (二)百世快运上海市区分拨配送路径优化模型构建

  1.模型建立的目标
  百世快运上海市区分拨配送路径的优化模型的建立,旨在降低物流成本,提升经济效益。本文根据百世快运在上海市区物流配送的特点,建立如下VRP(车辆路径问题)模型,并选择最优路径,实现物流成本的降低。
  2.模型表述
  本方案设计模型如下:设存在一个分拨中心,个配送车辆,个营业网点,为第个营业网点的需求量[10];为营业网点与营业网点的距离;为每个配送车辆的最大载重量;为运输车的最大行驶距离;为每辆车的出车成本,为配送车辆行驶的单位成本;为物品运价。上海市区分拨中心编号为0,营业网点点编号依次为1,2,3,⋯,n,定义变量、为[11]:
  (1)模型假设
  a.各营业网点有且仅有一辆车经过。
  b.全部车辆配送结束后回到分拨中心。
  c.分拨中心和营业网点的位置已知。
  d.每个营业网点的需求量已知。
  e.不可出现超载,超距等现象。
  (2)目标函数
  本模型以全部配送车辆的最小综合运输成本为目标函数[12]。运输综合成本包括:出车成本、行驶成本。具体的目标函数如下:
  满足约束条件如下:
  i=1,2,…,n(3-4)
  j=0,1,…,n(3-5)
  i=0,1,…,n(3-6)
  (3-7)
  k=1,2,…,m(3-8)
  k=1,2,…,m(3-9)
  (3)模型解释
  式(1-3)表示以全部配送车辆的最小综合运输成本为目标函数。式(1-4)、(1-5)、(1-6)限制每个营业网点有且仅有一辆车通过;式(1-7)限制所有车从分拨中心出发,配送结束后返回分拨中心[13];式(1-8)限制全部配送车辆不可超载;式(1-9)限制全部配送车辆不可超出最大行驶距离。

  (三)VRP模型求解

  蚁群算法适合多目标的VRP问题,具有速度快,满意度较高的优点,可以合理的对百世快运上海市区分拨的配送路径进行优化。因此,本文借助Matlab编写蚁群算法代码,求解最优配送路径。
  1.蚁群算法概述
  生物学家发现,蚂蚁在觅食过程中,不需要任何可见提示,便能找到蚁穴与食物源之间的最短路径[14]。并且即使环境发生改变,它们也能继续找出新的最短路径。这是因为蚂蚁会在走过的路径上释放信息素,为自己指引方向。蚁群算法正是受蚁群觅食行为启发诞生的,属于随机搜索算法。
  2.蚁群算法的流程
  运用蚁群算法求解车辆路径问题。首先,初始时刻将m只蚂蚁置于分拨中心。然后,每只蚂蚁根据车辆的载重量、行驶里程等约束条件,寻找所有可去的营业网点,并根据状态转移概率公式选择下一个营业网点。最后,经过指定次数的迭代,得出最优的车辆运输路线,使综合运输成本达到最低。

  (四)基于蚁群算法的百世快运车辆路径优化实例

  本文以百世快运上海市区分拨配送货物到各营业网点为研究主体,以2016年12月31日各营业网点需求量为研究数据,并通过百度地图查询上海市区分拨和20个营业网点的经纬度坐标,具体情况如表4所示。蚁群算法相关模型与算法涉及的参数取值见表3[15]。
上海百世快运配送路径优化研究
  上海百世快运配送路径优化研究
  根据本案例需求,使用Matlab程序编写蚁群算法代码并运行,寻求最优的车辆配送路径。总共运行100次,在第87次时得出最优解。优化后,总距离变化情况如图4,具体配送路径如图5,MATLAB程序代码见附录。
上海百世快运配送路径优化研究
  优化后的9条路径,每条路径上配送车辆的载重量及其装载率(0代表上海市区分拨中心,1,2,3…20代表各营业网点),如下表5:
上海百世快运配送路径优化研究
  九条路线具体安排如下:
  (1)上海市区分拨-上海市区三部-闵行二部-闵行九部-青浦南徐泾-上海市区分拨
  (2)上海市区分拨-上海青浦一部-上海市区分拨
  (3)上海市区分拨-上海青浦十部-上海嘉定三部-上海青浦九部-上海市区分拨
  (4)上海市区分拨-上海普陀一部-上海宝山五部-上海市区分拨
  (5)上海市区分拨-上海闸北一部-上海市区四部-上海宝山一部-上海普陀二部-上海市区分拨
  (6)上海市区分拨-上海市区一部-上海徐汇二部-上海市区分拨
  (7)上海市区分拨-上海闵行五部-上海虹桥机场-上海市区分拨
  (8)上海市区分拨-上海嘉定七部-上海市区分拨
  (9)上海市区分拨-上海嘉定六部-上海市区分拨

  (五)优化结果分析

  将本文采用蚁群算法得出的优化结果和数据,与目前百世快运上海市区分拨的配送情况进行比较分析,其对比结果,如下表6:
 上海百世快运配送路径优化研究
  1.满足最大运输距离
  每辆车限定的最大行驶距离为300km,而上海市区分拨中心与其管辖范围内的营业网点之间,最远距离为83.3km,小于最大行驶距离。因此,优化结果符合车辆配送里程不超过最大行驶距离这一约束条件。
  2.装载率提高
  百世快运采用的是最大载重量为15T的货车,对上海市区分拨车辆配送路径进行优化后,除了路线8的车辆装载率只有57%,其他路线车辆装载率全部超过80%,路线5的配送车辆甚至实现满载,全部车辆的整体装载率比优化前提高11%。优化方案的实施,将有效解决目前货物配送的装载率普遍偏低的问题,大幅度提高车辆的空间利用率和物流效率。
  3.运距缩短
  在上海市区分拨车辆配送路径优化方案中,总配送距离仅为457.4km,比目前的总配送距离493km,整整缩短了35.6km。改进后的方案明显优于百世快运原始配送方案,行驶路径的调整,缩短了运输距离,提高了配送效率,减少了燃油费支出,降低了配送成本。
  4.配送路径合理化
  将本方案中优化后的配送路径,作为上海市区分拨配送车辆的固定路线,除非遇到诸如道路修理等不可避免的情况,都必须严格遵守。这样可以避免司机对车辆配送路径的主观性更改和选择,确保实际配送路径的科学严谨,避免不必要的物流成本增加。
  5.配送车辆减少
  路径优化后,百世快运上海市区分拨的配送车辆,由原先的10辆减少至9辆,充分体现其合理性,减少了出车成本、车辆维护成本和人员支出成本,进而减少资本占用和资源浪费,提高企业配送效率和物流收益。
  综上所述,车辆路径优化模型的使用,实现了运输距离、装载率、出车率等方面的优化,本文基于蚁群算法,对百世快运的配送路径进行优化的方案是切实可行的。

  四、结论与展望

  (一)结论

  本文以上海百世快运作为研究对象,选取上海市区分拨的20个营业网点,进行物流配送路线的优化研究。首先,对百世快运上海市区分拨的配送现状和存在的问题加以分析。然后,有针对性地建立以总成本最小为目标函数的车辆路径优化模型。最后,选取蚁群算法,利用Matlab软件编程对案例的模型进行求解,得出新的配送方案。大幅度提高了配送车辆的装载率,减少了装配车辆,缩短了总行驶里程。为上海百世快运的车辆配送路径提供切实有效科学的优化方法。

  (二)展望

  因本人知识的局限性,且路径优化的本身也有一定的复杂性,所以本文的研究还有很多的不足,只涉及明确条件下的物流配送路径优化的问题和各个明确的配送网点,比如还有时间、环境、基础设施等不确定的因素尚未考虑到。因此,今后需对实际的路径进行研究,如何实现路径优化并降低物流成本不仅仅是百世快运的任务,也是所有物流企业的重中之重,以此提高企业综合实力和市场竞争力。
  参考文献
  [1]王大文.连锁超市物流配送研究[J].铁路采购与物流,2016(10):39-41
  [2]陈志新、陈方玉、胡贵彦、祝亚亭.基于混合粒子群算法的配送车辆复杂路径优化[J].物流技术,2014(7):176-178
  [3]JurajFosin,TončiCarić,EdouardIvanjko.VehicleRoutingOptimizationUsingMultipleLocalSearchImprovements[J].JournalforControl,Measurement,Electronics,ComputingandCommunications,2014,55(2)
  [4]Can.Kalayci,CanKaya.Anantcolonysystemempoweredvariableneighborhoodsearchalgorithmforthevehicleroutingproblemwithsimultaneouspickupanddelivery[J].ExpertSystemsWithApplications,2016,09(017)
  [5]SureshNandaKumar.DevelopmentofanEfficientGeneticAlgorithmfortheTimeDependentVehicleRoutingProblemwithTimeWindows[J].AmericanJournalofOperationsResearch,2017,07(01):1-25
  [6]张勇.基于改进蚁群算法物流配送路径优化的研究[J].控制工程,2015.(2):252-256
  [7]崔瀛、张宁.关于物流配送路径优化过程中蚁群算法应用的讨论[J].物流工程与管理,2016.(3):154-156
  [8]刘磊.汽车零部件循环取货模式的物流成本优化分析[J]民营科技,2011(7)
  [9]张坤、江海.汽车零部件循环取货车辆路径优化研究[J]物流科技,2009(2):69-72
  [10]朱玲.JD公司武汉市配送线路优化研究[D].安徽:安徽理工大学,2016
  [11]李芳.邮政速递物流配送路径优化问题的研究[D].河北:河北工程大学,2013
  [12]于坤.基于VRPSDP问题的城市冷链物流配送路径优化研究[D].大连:大连海事大学,2014
  [13]高珊珊、李萌萌.带时间窗的多配送中心多车型车辆调度问题[J].大庆师范学院学报,2014(6):98-101
  [14]陈文、郑少锋.基于蚁群算法的配送路径规划研究[J].物流科技,2013(7):45-47
  [15]武从猛、王公宝.遗传-蚁群算法在目标分配问题中的应用研究[J].兵工自动化,2014(4):11-21
下载提示:

1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“文章版权申述”(推荐),也可以打举报电话:18735597641(电话支持时间:9:00-18:30)。

2、网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。

3、本站所有内容均由合作方或网友投稿,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务。

原创文章,作者:写文章小能手,如若转载,请注明出处:https://www.447766.cn/chachong/6489.html,

Like (0)
写文章小能手的头像写文章小能手游客
Previous 2020年5月26日
Next 2020年5月27日

相关推荐

My title page contents