高密度物流網(wǎng)點下的RDC選址問題研究

杜新建，蔡珊珊，楊浩雄，2

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

為了凸顯競爭優(yōu)勢和增加客戶滿意度，許多大型企業(yè)均建立起各自的物流網(wǎng)絡，并使其網(wǎng)點向高密度方向發(fā)展。而這種趨勢必將造成RDC的重復建設，增加企業(yè)的物流成本，同時也給社會帶來資源浪費問題。為了提高科學性和合理性，文章提出了基于聚類分析的RDC選址法，并運用Matlab軟件和逐次逼似算法進行求解。最后，結合實例，驗證了該法的可行性和優(yōu)越性。

高密度物流網(wǎng)點；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，從廣義上講是指物流業(yè)務所能覆蓋的地點；從狹義上講是指設立物流基礎設施（如倉庫、配送中心等）的地點。結合現(xiàn)有物流網(wǎng)絡的發(fā)展趨勢，本文提出了“高密度物流網(wǎng)點”概念，它是指物流基礎設施（如RDC）據(jù)點的密度高、數(shù)量多、覆蓋范圍大。

目前物流行業(yè)的競爭不僅僅是成本競爭，更重要的是服務質量競爭。隨著客戶對物流時效性要求的不斷提高，物流企業(yè)也相應地需要提高運作速度，縮短運作時間。而建設高密度物流網(wǎng)點是解決這一問題的有效途徑。但與此同時，該方法也造成了RDC重復建設問題的普遍存在，可見物流網(wǎng)點建設的科學性和合理性亟待提高。

在現(xiàn)有的研究成果中，不乏有關于物流設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，容易產(chǎn)生評價誤差；定量選址法雖然準確性較高，但其需要大量的運算，并且考慮因素相當有限。

針對現(xiàn)有方法中存在的問題，本文從整體網(wǎng)絡優(yōu)化的角度，提出了RDC選址的新思路（圖1），即在對物流區(qū)域進行聚類分析的基礎上，規(guī)劃出RDC的具體位置。該方法不僅可以有效地避免重復建設問題，而且可以結合聚類分析階段多因素考慮問題及具體規(guī)劃階段客觀性強的雙重優(yōu)勢，提高決策的科學性。另外，利用聚類結果可以簡化規(guī)劃階段的計算量。

1 RDC選址模型

1.1 選址模型

（1）業(yè)務區(qū)域聚類模型——SOFM網(wǎng)絡

SOFM（Self-Organizing Feature Map）是一種無監(jiān)督學習的人工神經(jīng)網(wǎng)絡計算方法。該方法可以采用各神經(jīng)元（特征參數(shù)）之間的自動組織去尋找各類型間固有的內在特征，從而進行映射分布和類別劃分，即自動識別的聚類功能。

本文利用SOFM網(wǎng)絡分析影響物流設施建設規(guī)模的因素，并通過其聚類功能劃分出各個業(yè)務區(qū)域的設施規(guī)模等級。具體步驟如下：首先，確定物流設施規(guī)模的主要影響因素，即業(yè)務區(qū)域的聚類評價指標（如年出庫量），并收集相關數(shù)據(jù)；其次，利用Matlab軟件構建SOFM網(wǎng)絡；最后，根據(jù)神經(jīng)網(wǎng)絡工具箱的聚類評價結果，得出不同業(yè)務區(qū)域的物流設施規(guī)模等級，從而為具體選址環(huán)節(jié)提供決策依據(jù)。

（2）區(qū)域內規(guī)劃模型——鮑摩·瓦爾夫模型

在確定各區(qū)域的物流設施規(guī)模等級的基礎上，即可通過建立鮑摩·瓦爾夫模型規(guī)劃出各個區(qū)域內物流設施的具體位置，從而得出最終的選址和建設規(guī)模決策。

本文以物流總成本最小為目標，通過建立鮑摩·瓦爾夫模型來確定物流設施的具體位置，即在一個業(yè)務區(qū)域內，選擇一個或幾個位置建立RDC，使得從已知工廠，經(jīng)過RDC，向多個客戶運輸產(chǎn)品時，物流總成本最小。

記：cij表示從工廠i到物流節(jié)點j每單位運量的運輸費；hjk表示從物流節(jié)點j到客戶k每單位運量的運輸費；Si表示工廠i的產(chǎn)品供應量；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j的貨物量；Yjk表示從物流節(jié)點j到客戶k的貨物量；wj表示通過物流節(jié)點j的運量；vj表示貨物經(jīng)過物流節(jié)點j的變動費用所對應的常數(shù)；Fj表示物流節(jié)點j選中后的固定費用（與其規(guī)模無關的固定費用）。

建立的數(shù)學模型如下：

1.2 算法介紹

（1）SOFM網(wǎng)絡在Matlab軟件下的解法

SOFM網(wǎng)絡本身的學習算法非常復雜，在實際應用中不建議使用。在此，本文借助了Matlab神經(jīng)網(wǎng)絡工具箱的相關功能，對物流區(qū)域進行聚類評價：首先，將評價指標所對應的數(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)元個數(shù)、學習速率、網(wǎng)絡最大訓練步數(shù)等）；運用newc（）函數(shù)創(chuàng)建競爭層網(wǎng)絡；運用init（）對競爭網(wǎng)絡進行初始化；初始化連接權向量；運用train（）訓練上述初始化后的網(wǎng)絡；調用plot（）繪制網(wǎng)絡訓練后的權值矢量，并將結果以圖形形式顯示出來；運用sim（）對一個具有輸入矢量的神經(jīng)網(wǎng)絡進行仿真，該函數(shù)最后返回網(wǎng)絡的輸出結果。

（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)點再到客戶間的所有組合的單位運輸成本的最小值再求運輸問題的最優(yōu)解：

其中，xik——從工廠i經(jīng)過物流設施j向客戶k配送的貨物量。

2 算例分析

（1）確定評價指標、構建SOFM網(wǎng)絡

本文以A公司的15個業(yè)務區(qū)域（分公司）作為聚類評價對象，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)量作為評價指標，建立相應的數(shù)據(jù)樣本。并利用Matlab工具箱構建SOFM網(wǎng)絡，得出如表1的區(qū)域分類結果。

表1 基于SOFM模型的A公司業(yè)務區(qū)域分類結果

（2）根據(jù)聚類分析結果，確定區(qū)域內設施位置

本文僅以柳州地區(qū)為例，說明區(qū)域范圍內選址的具體步驟及方法。由表1可知，柳州業(yè)務區(qū)域屬于建立大型物流設施的范疇。柳州分公司在柳州市、桂林市和河池市有三個倉庫，相關數(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個地級市作為RDC設立的備選地點，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輸成本（cij）

表3 配送中心備選地變動費（

表3 配送中心備選地變動費（

注：這里取θ=0.5。

?

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

（3）結果分析與評價

根據(jù)表5可知，在3個備選地中，應選取柳州和桂林2處作為RDC的設立城市，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。通過對比原有和規(guī)劃后的相應狀況，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 結果分析表

3 結束語

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

RDC選址是一個涉及眾多影響因素的復雜性問題，所以，在進行規(guī)劃時，如何系統(tǒng)、全面地考慮相關影響因素，如何使選址決策符合動態(tài)變化的市場需要是該問題的難點，也是該問題需要進一步研究的關鍵所在。

[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．物流設施選址研究的評述及展望[J]．中國儲運，2007，(3)．

[3]趙闖，劉凱，李電生．SOFM神經(jīng)網(wǎng)絡在物流中心城市分類評價中的應用[J]．中國公路學報，2004，17(4)．

[4]潘文軍，王少梅．基于神經(jīng)網(wǎng)絡的聚類分析方法及在港口設備配置中的應用[J]．交通與計算機，2003，21(5)．

[5]孫焰．現(xiàn)代物流管理技術——建模理論及算法設計[M]．上海：同濟大學出版社，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)絡應用設計[M]．北京：科學出版社，2000．

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

[10]葛哲學，孫志強．神經(jīng)網(wǎng)絡理論與MATLAB7實現(xiàn)[M]．北京：電子工業(yè)出版社，2007．

（責任編輯/易永生）

F250

A

1002－6487（2011）05－0057-03

北京市教委社科計劃面上資助項目（SM200810011003）

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

①類別I、II、III分別表示大型、中型和小型物流設施。