云物流環境下物流企業任務協同模型構建及應用

（上海商業會計學校，上海 200011）

1 引言

傳統的物流協同主要采用資源和信息共享的方式實現物流任務的協同完成，其所采用的途徑也僅僅是共享信息服務平臺或系統。然而，由于信息的不對等及信息傳遞的延時性等問題難以滿足用戶臨時提出的需求，同時，各物流中心存在著利益分攤及協同方式等問題，導致物流協同在實際操作過程中依舊存在較大的問題。

在企業不斷發展和物流業務不斷拓展的過程中，企業逐步意識到物流資源交互和共享對于企業發展的重要性。在云計算技術快速發展和應用的今天，將云計算技術應用于物流活動中，構建云物流平臺既能夠實現物流企業資源的共享和交互，便于資源的優化配置和調度，又有利于物流供需雙方的需求匹配，同時，通過物流任務的協同處理能夠明顯地降低企業的物流配送成本，對于物流企業的發展具有積極的推動作用。

隨著互聯網技術的發展，在物流任務協同理念下，企業整合現有的物流業務模式，構建云物流服務平臺，并開始思考關于云物流平臺下的物流任務協同模式。通過構建大型的云物流平臺能夠進一步地整合現有各物流中心的物流資源和信息資源，以期實現物流信息和資源的集約化管理，改變現有物流企業各自發展的混亂局面，同時，在物流資源更大范圍共享的前提下，通過構建各物流企業認同的物流任務協同機制，真正實現物流配送的任務協同。因此，結合先進的云計算技術創建云物流環境下物流協同服務模式，已逐步成為解決傳統物流協同方式中存在問題的主要途徑，也逐步成為專家和企業研究的熱點。

2 云物流環境下物流中心協同機制

物流中心下設的各個物流配送網點因所處的地理位置和人口構成的不同，導致其經營范圍、配送線路、配送方式都存在一定的差異。在云物流平臺下，各個物流配送網點可作為一個“小專業戶”，從而構成了整個大綜合的“云物流配送平臺”，而整個物流配送任務的協同正是由各個物流配送網點協同完成，從而使各個物流配送網點的資源得以優化配置和充分利用。

企業構建的云物流環境下的物流協同組織架構圖，如圖1所示。

圖1 云物流環境下企業物流協同組織架構圖

對于物流企業而言，利用云計算技術構建的云物流平臺不僅能夠為企業轄屬的物流中心提供可共享的靜態信息資源，更為關鍵的是能夠為各個物流中心提供信息和資源交換的平臺。利用云物流平臺可為企業提供當前的企業物流動態、可供物流中心調用或調配的物流資源，提升整個物流企業的凝聚力和競爭力。特別是對于從事供應鏈的物流配送企業而言，每一個物流中心的接入都意味著企業所覆蓋的范圍更大，標志著該物流配送企業能夠配送的更遠，具有更大的生存空間。

云物流環境下的物流企業以一個產業集聚的形式出現，將企業現有的物流資源、信息資源及社會對物流的需求進行集中。同時，由于云物流平臺的開放性和區域物流發展的植根性，促使云物流平臺下的各物流中心在廣泛的共享網絡信息效益和資源效益的前提下，更能夠共同分享區域內各物流中心因集中而創造的區域外部效益，從而降低了區域內的物流協同成本，提升了物流配送效率。由此，不僅能夠提升企業的對外競爭力，而且極大地滿足了市場對物流中心的服務需求。由于進入云物流平臺企業物流運作成本的降低，協同能力增強，使物流企業的服務性更強，也更加吸引其他的物流企業或物流中心加入到云物流平臺下，從而形成該物流集團協同運作的網絡體系。云物流平臺協同運作機制如圖2所示。

圖2 企業云物流平臺協同運作機制

3 云物流環境下物流任務協同模型構建

構建云物流環境下物流任務協同模型是物流任務協同研究的關鍵部分。通過前面對于任務協同機制的研究及業務場景的分析，實現物流任務協同的場景假設及模型構建。

3.1 問題描述

本節對云物流環境下物流任務協同實現進行具體描述。云物流環境下物流任務由物流客戶通過云物流平臺提供。云物流平臺根據物流任務的具體內容實現物流任務的劃分和分配。在物流任務分配的過程中，需結合物流任務的配送需求，充分考慮各物流中心的狀態信息及可調度資源。一般情況下，物流任務的配送任務可由多個物流中心協作完成，而配送以外的任務均由一個物流中心完成。基于以上分析，任務協同模型構建的關鍵在于任務分解后各子任務的處理時間和成本。由于不同的物流配送中心所在的位置及所擁有的配送資源的差異性，因此，物流中心為各個企業分配物流任務時需充分考慮各物流中心的實際情況。

構建物流任務協同處理模型，需切實分析物流任務配送距離和時間需求，結合各物流中心現有的配送成本及可調度資源。以區域內多物流中心協同處理配送任務為例，對云物流環境下的物流任務協同處理問題進行描述：

假設某區域內有n個物流中心，第i個物流中心有k個物流配送企業。假設在某時間段內的物流任務數為m，每個物流配送任務均有各自的配送時間要求和最高成本限制等。設第y個物流任務中所包含的物流活動數為Pj,j∈{1,2,...,m}，對于其中的每個子任務需要一個物流中心完成，物流中心可選擇多個物流企業協同完成。

為實現物流配送協同處理，還必須考慮以下問題：由于各個物流配送中心所處的位置各不相同，貨物配送的出發地和客戶的位置也各不相同，因此，在考慮配送方案的過程中，需結合物流配送所涉環節的各實際因素進行綜合考慮，以保證物流配送的成本和時間最優。

3.2 建模假設

構建物流任務協同處理模型的基本假設如下：

（1）已初步完成云物流平臺的構建，云物流平臺已實現與各物流中心的對接，并將物流中心的資源共享給云物流平臺。

（2）每個物流中心只屬于一個物流配送中心企業。

（3）各個物流中心的位置是固定的。

（4）每個物流配送任務均有明確的配送地點。

（5）物流配送任務是單次運輸。

（6）物流配送的運輸路線只考慮起始地與目的地間的直線距離。

（7）每個物流任務所包含的物流活動不同，但是物流活動的執行順序是固定的。

（8）每個物流任務是由一家物流中心承擔，物流任務中的所有物流活動均是由物流中心中的物流企業執行。

（9）設定各物流中心的所有物流企業在0點時刻都處于空閑狀態。

（10）物流任務中的所有物流活動需要的時間及所耗費的成本均可知。

（11）各物流中心所具備的物流功能相同。

（12）各個物流中心具備的物流功能在一個時間點只能處理一個物流活動。

3.3 參數設置

n—表示物流中心數量；

si—物流中心i含有的物流企業數量；

m—云端接收的物流任務數；

pj—物流任務所包含的物流活動數；

dij—物流任務j到物流中心i的距離；

hij—物流任務j從物流中心i到目的地的距離

Qij—第j個物流任務所在地到第i個物流中心的貨物運輸量；

cj—第j個物流任務單位運距運輸成本；

tij—第j個物流任務途徑i物流中心處理到目的地的單位運距的運輸時間；

w1,r—決策變量，若物流活動r在第1個物流企業進行完成和處理時，w1，r為1，否則為0；

kj,i—決策變量，若物流活動j在第i個物流企業進行完成和處理時，kj,i為1，否則為0；

tj,r—某個物流中心內的某物流企業處理第j個物流任務單位量的第r個物流活動所耗費的時間；

uj,r—第j個物流任務單位量的第r個物流活動處理貨物量所耗費的成本；

Qj,r—第j個物流任務單位量的第r個物流活動處理貨物量；

Sl,r—第r個物流活動所選擇的某物流基地內第1個物流企業的最大處理能力；

T—物流任務的總時間限制；

C—物流任務的總成本限制；

xo—任務起始點橫坐標；

xi—物流中心橫坐標；

xd—任務目的地橫坐標；

yo—任務起始點縱坐標；

yi—物流中心縱坐標；

yd—任務目的地縱坐標。

3.4 模型構建

3.4.1 任務處理時間

（1）運輸時間分析。第j個任務的運輸時間為：

物流任務運輸總時間為：

針對物流任務中的物流配送活動而言，可分為以下幾種情況：

①起始點是物流中心，xo=xi，yo=yi；

起始點不是物流中心，xo≠xi，yo≠yi。

②若任務經過物流中心處理，任務即完成，xd=xi，yd=yi；

若任務經過物流中心處理完善后還需運輸至目的地，xd≠xi，yd≠yi。

③若物流任務沒有運輸任務，xo=xi，yo=yi；xd=xi，yd=yi。

④若任務只有運輸不需要經過物流中心處理，xi=0.5(xo+xd),yi=0.5(yo+yd)。

（2）任務處理時間分析。第j個任務在物流中心i的處理時間為：

所有任務在物流中心的處理時間為：

3.4.2 任務處理成本

（1）運輸成本。第j個任務所花費的運輸成本為：

總運輸成本為：

（2）任務處理成本。第j個物流任務選擇在第i個物流中心完成的成本為：

物流中心處理完物流任務的總費用：

3.4.3 物流任務協同處理優化模型構建。云物流環境下的物流任務協同處理的核心點在于物流任務分配的合理性，結合物流中心實際，將多批次的物流任務合理地分配給各個物流中心，以最低的成本和最短的時間達成物流客戶的需求。在實際的配送過程中，物流成本與物流配送時間是成反比的關系，如何平衡成本與時間的關系，使兩者間達到最優是物流任務協同處置的關鍵。因此，構建物流任務協同處理模型的過程中引入了權重系數，將任務的協同處理問題轉換為時間-成本綜合值最小化問題。

目標函數表示如下：

在式（9）中，α和β表示在物流任務中時間和成本的權重系數，α+β=1。當α的取值在（0.5，1）時則表示物流客戶對配送時間要求較高；當β的取值在(0.5，1]時則表示物流客戶對物流成本要求較高。當α和β的值均為0.5時，則表示兩者的重要程度相同。

3.4.4 模型約束條件。為便于模型的構建和求解，在前文中對該模型的構建和求解進行了條件假設，使模型求解的過程相對簡單。本文構建模型的目的在于計算物流配送運輸成本和時間成本的綜合最小化，因此，在滿足約束條件的前提下，模型構建的重點也就在于計算物流配送過程中產生的物流成本和耗費的配送時間。

根據前面的模型構建，本文設定的模擬約束條件主要是物流配送活動中物流任務的單位量、物流活動的處理貨物量及物流處理中心的最大處理能力。因此，在構建模型的過程中，需保證物流處理中心能夠處理某物流任務中的某物流活動所需處理的貨物量。

kji表示決策變量，當物流任務j在i物流中心執行時，其值為1，否則為0。

wl,r表示決策變量，若物流活動r在第l個物流中心進行完成和處理時，其值為1，否則為0。

由于Qjr表示第j個物流任務單位量的第r個物流活動處理貨物量，而Sl,r表示第r個物流活動所選擇的物流中心的第l個物流企業的最大處理能力，因此，某個物流活動的最大處理的貨物量小于該單位物流中心的最大處理能力。

Qjr表示第j個物流任務單位量的第r個物流活動處理貨物量，Qji表示貨物運輸量，起始地為第j個物流任務發出地，終點為第i個物流中心。因此，物流活動處理的貨物量不能超過物流運輸貨物的總量。

3.5 輸入輸出

云物流環境下多家物流中心協同處理優化模型建立的關鍵點是確定輸入量與輸出量，具體輸入輸出量如圖3所示。

圖3 云物流環境下物流中心任務協同處理輸入輸出圖

如圖3所示，模型輸入量包括物流任務信息、物流中心信息、運輸信息三部分。

3.5.1 輸入量

（1）物流任務信息。物流任務信息包括貨物數量、物流服務類別、任務處理時間及成本、任務起始點和目的地。該類信息均由客戶向云端提交物流任務時所得。

（2）物流中心信息。物流中心信息包括物流中心位置、下屬物流企業數量及功能、物流企業任務時刻表、單位時間貨物處理時間及成本。物流企業任務時刻表由時間推演機制得到，其余信息為各家物流中心及下屬企業在物流云端的基礎信息。

（3）運輸信息。運輸信息包括每項物流任務起始點和目的地到物流中心的單位距離每單位重量運輸的運輸時間和運輸成本。

3.5.2 輸出量。模型輸出量包括多批次任務的運輸路徑和物流中心任務處理信息。

（1）運輸路徑。運輸路徑包括物流任務從起始點經物流中心到運輸目的地的路徑以及出發時間、運輸時間。

（2）物流中心任務處理信息。該項信息包括物流任務每項活動處理的物流企業、時刻以及處理成本。

4 案例求解與分析

假設三家物流中心分別為A、B、C，每個物流中心均有三個配送網點，分別為A1，A2，A3，B1，B2，B3，C1，C2，C3。當前，云物流平臺共接到5個物流任務T1，T2，T3，T4，T5，假設以上物流任務所配送的貨物類型不同，也就是需要對每個物流任務采取不同的物流活動。

在前面的闡述中，重點闡述了物流任務協同處理過程中采用的排隊機制和物流外包機制，在不同的物流配送環境下（物流配送中心的位置及物流配送車輛數量不同）所采用的配送方式不同。因此，本文重點闡述利用排隊機制實現物流任務的協同處理。

4.1 案例描述

通過對物流企業下設的物流配送網點的調研，綜合分析可得，物流配送網點在處理物流配送任務的過程中，主要分為裝卸搬運、倉儲、分揀、包裝和加工五個環節，在不同的環節所需要的處理時間和成本各不相同。

物流中心處理各項物流活動時的成本和時間信息見表1。

表1 物流中心任務處理成本和時間信息表

物流配送任務的描述信息如下：

此次配送任務共分為五個物流任務，分別為物流任務一、物流任務二、物流任務三、物流任務四、物流任務五，每個物流任務的起始地址和目的地址均不相同。每個物流配送任務對配送時間和配送成本均做了限制。

表2為物流配送任務的信息表。表中任務總體信息中的物流活動表格中的[1，1，1，1，1]分別表示物流任務中的裝卸搬運、倉儲、分揀、包裝、流通五項物流活動。

4.2 案例求解與分析

根據前文構建的云物流環境下的物流中心任務協同模型，采用C#語言，應用企業編程軟件實現模型設計。將物流中心的信息及物流任務信息輸入到模型中，利用前面模型求解所闡述的計算方式實現計算和結果展示。

4.2.1 結果求解。物流任務調度表集中反映了各物流中心的物流企業實現物流任務處理的時刻。

（1）物流任務調度表。根據表3，在物流中心2中處理的物流任務分別為第2、3、5批任務。以第2批任務作為算例進行分析。

J21-J25：代表該批物流任務需要有五項處理活動。

物流中心：第2個。

處理路徑：順序依次為2→2→1→3→1。

處理時段：0.151-8.201表示第1個物流活動在第2企業的處理時段。

任務等待：第1項物流活動的時間范圍為0.151-8.201，第2項物流活動的時間范圍為8.201-16.251，也就是說第1項物流活動的結束時間為第2項物流活動的起始時間。通過表中展示的時間段分析可知，當前一個物流活動結束時則開始下一個物流活動，因此，該物流任務沒有等待時間。

（2）物流任務處理輸出圖。算例的物流任務運輸路徑圖與物流中心處理甘特圖分別如圖1、圖2所示。

表2 物流任務信息

圖4 算例物流任務運輸路徑圖

圖5 算例物流中心處理甘特圖

表3 物流任務處理調度表

4.2.2 任務處理方案。根據物流任務調度表以及任務處理輸出圖，將五項物流任務的處理方案進行整理如下：

（1）物流任務一

①總時間為39.279，總成本為174.396。

②物流路徑：第1物流中心；

處理步驟：1→1→1→1→3，1表示第1個物流中心，3表示第3個物流中心。

③時刻表：發貨時間為0.000，到達第1個物流中心的時間為0.108，此后，在各個物流活動的處理時間段分別為：0.108-4.108，4.108-8.108，8.108-13.108，5 13.108-21.108，21.108-35.108，運輸到終點的時刻為39.279。

④等待時間：等待時間均為0.000。

（2）物流任務二

①總時間為63.301，總成本為326.552。

②物流路徑：2→2→1→3→1，數字x表示第x個物流中心。

③時刻表：物流活動開始的時間為0.100，貨物到達第1個物流中心的時間為0.151，此后，在各個物流活動的處理時間段分別為：0.151-8.201，8.201-16.251，16.251-24.651，24.651-42.151，42.151-63.151，運輸到終點的時刻為63.404。

④等待時間：等待時間均為0.000。

（3）物流任務三

①總時間為22.33，總成本為128.702。

②物流路徑：1→3→1→2，數字x表示第x個物流中心。

③時刻表：物流活動開始的時間為0.125，貨物到達第1個物流中心的時間為0.165，此后，在各個物流活動的處理時間段分別為：0.165-3.765，3.765-8.115，8.115-11.715，11.715-22.215，運輸到終點的時刻為22.455。

④等待時間：等待時間均為0.000。

（4）物流任務四

①總時間為21.439，總成本為98.615；

②物流路徑：1→3→2→1，數字x表示第x個物流中心。

③時刻表：物流活動開始的時間為0.150，貨物到達第1個物流中心的時間為0.195，此后，在各個物流活動的處理時間段分別為：0.195-3.795，3.795-7.845，7.845-10.995，10.995-21.495，運輸到終點的時刻為21.589。

④等待時間：等待時間均為0.000。

（5）物流任務五

①總時間為26.506，總成本為282.795。

②物流路徑：3→1→2，數字x表示第x個物流中心。

③時刻表：物流活動開始的時間為2.000，貨物到達第1個物流中心的時間為2.170，此后，在各個物流活動的處理時間段分別為：2.170-7.790，7.790-14.365，14.365-26.365，運輸到終點的時刻為26.506。

④等待時間：等待時間均為0.000。

4.3 實施效果分析

在本次算例中，物流任務的α和β值均為0.5。因此，表4為物流任務的協同處理結果。物流任務完成均滿足了時間和成本要求，所有任務均無外包。

表4 物流任務處理結果

根據表4可知，各物流企業在無物流外包的情況下，均在規定的時間內完成了物流配送活動，與傳統的缺乏協同的物流配送活動相比，明顯地節約了物流配送時間和配送成本。

因此，通過構建云物流環境下物流中心任務協同模型能夠有效地改善物流任務的分配選擇，充分利用物流企業的物流配送能力，同時驗證了構建模型和物流方案的有效性。

[1]符丁,尹卓英.關聯規則挖掘發現問題的協同式需求獲取方法[J].計算機與數字工程,2011,39(4):63-66.

[2]劉海艷.視頻無線傳感器網絡信息協同處理技術研究[D].長春:長春理工大學,2010.

[3]徐慧,楊永國.多Agent協同處理模型的研究與設計[J].計算機工程,2010,36(5):67-69.

[4]Ko Hoc Sang,Peck D V.Acquiring data for large aquatic resource surveys:the art of compromise among science,logistics,and reality[J].Journal of the North American Benthological Society,2015,27(4):837-859.

[5]宋琪.基于CAS理論的地震應急協同物流網絡演化與仿真研究[D].哈爾濱:哈爾濱工程大學,2012.

[6]陳譽文.協同物流網絡資源需求與配送中心運輸調度的建模優化[D].上海:上海交通大學,2009.

[7]林俞利.物流運籌平臺運用研究-以A公司為例[J].物流技術,2011,30(11):12-14.

[8]謝天保,巨瑩.供應鏈物流協同模型[J].物流工程與管理,2010,32(9):100-102.