大數據背景下區域木材物流配送中心選址

張 駿，巴文婷

（南京林業大學 汽車與交通工程學院，江蘇 南京 210037）

1 引言

隨著網絡的發展，電商已逐漸成為零售市場的主力軍。商品的運輸也不再是物流中心-零售商-顧客的傳統模式，在物流中心與零售商或顧客之間，需要建設更多的配送中心以滿足需求。木材行業的物流也面臨著同樣的問題。在大數據迅速崛起的時代，傳統模式下的木材運輸受到了較大的沖擊，木材行業對于區域木材物流配送的要求也愈發強烈。物流配送中心作為木材物流的關鍵節點，在木材物流系統中具有承上啟下的作用。

2 我國木材物流發展現狀

《中國森林資源行業現狀調研及發展趨勢分析報告（2017-2023 年）》顯示，我國當前的森林覆蓋率在全球排第11 名，國內木材市場對外依賴程度高達60%，是世界上最大的進口木材需求國。林業“十三五”規劃中明確指出，我國林業發展應以綠色環保可持續為主要方向，2017 年我國已經全面停止了對自然林的商業性采伐，木材缺口因此驟增，短時間內彌補這個缺口只能通過木材進口，因為即使是新建人造林也需要一段時間的成長期[1-2]。

2.1 存在的主要問題

木材運輸是木材行業的重要組成部分，我國木材行業在物流運輸過程中存在著如下幾點矛盾：（1）木材原材料成本上升，物流運輸成本可用空間降低；（2）多國頒布木材出口禁令，木材供應緊缺，物流運輸成本上升；（3）木材進口操作不夠規范；（4）物流運輸成本占比過高，未能得到改善；（5）現代化加工規模不夠，資源利用效率低。

2.2 可行的解決方案

綜合當前木材物流存在的問題，可從以下幾方面著手提出解決方案：（1）優化木材進口路線，降低國際航線運輸成本。（2）形成木材產業集聚，整合上下游資源，從而有效節省運輸成本。（3）新建物流配送中心，提升木材運輸效率，節約木材物流成本[3-4]。

3 配送中心選址模型及算法

木材物流配送中心選址是NP 問題。隨著計算機和大數據的快速發展，對于配送中心選址的算法也有了更多的研究，將遺傳算法應用于區域木材物流配送中心選址問題中，可有效提高選址效率。木材行業的歷史數據已經不再具有絕對的使用價值，使用大數據技術預測木材需求、計算運輸成本等，配合傳統數據一起進行木材配送中心選址研究將更具準確度。

3.1 配送中心選址數學模型

商業性配送中心選址的最終目的都是使成本最小，利潤最大。配送中心的成本構成要素有三方面，運輸成本、配送中心的可變成本以及固定成本，使三者之和最小，即為最優解。首先設有m個木材供應點，n個木材需求點，q個備選木材配送中心[5-8]。

為方便建立模型，先做出如下假設：

（1）配送中心設置僅在某一特定區域范圍內；

（2）各個木材需求點的木材需求量固定且為已知；

（3）運輸路線遵循最短路徑，道路、社會等多方面因素已考慮在內，單位運輸成本已優化；

（4）固定投資費用為各項建設、經營費用在預計使用年限中的均值。

目標函數：

約束條件：

式中,cipk為木材供應點i到木材配送中心p的第k種等級木材的單位運輸成本（元/m3）；cpjk為從木材配送中心p到木材需求點j的第k種等級木材的單位運輸成本（元/m3）；xipk為木材供應點i到木材配送中心p的第k種等級木材的運輸量（m3）；ypjk為從木材配送中心p到木材需求點j的第k種等級木材的運輸量（m3）；gpk為木材配送中心p對第k種等級木材的流通單價；Fp為備選木材配送中心p的年均固定費用；δ是整數變量；sik為木材供應點i所能提供的第k種等級木材的供應量（m3）；djk為木材需求點j對第k種等級木材的需求量（m3）；Qp為木材配送中心p的最大吞吐能力（m3）；o為木材等級數；M為可興建的配送中心的最大數量[9-10]。

3.2 遺傳算法編碼

遺傳算法進化過程的基礎是編碼機制，編碼會直接影響算法性能、搜索效率以及種群多樣性。本文使用的是二進制編碼，通過染色體表達，可以隨機生成a條染色體，采用二進制編碼對基因串進行編碼。例如假設有6個備選的木材配送中心，若是采用二進制編碼的話，可以用基因串的長度表示備選木材配送中心的數量n，即n=6，那么編碼串顯示為｛0，1，1，0，0，1｝，則表示2、3、6 三個備選木材配送中心被選中[11]。

3.3 遺傳參數選擇

繁殖、交叉和變異三個算子是遺傳算法的三大基礎操作，被稱之為算子。這三種算子各有分工，舊種群生成新種群通過繁殖算子進行復制，父母代生成子代用到的是交叉算子，變異算子用于隨機變異。

遺傳代數的作用是控制算法搜索頻數。當目標問題較為簡單時，染色體長度較小,可能解的數量也會較少,因此較小的遺傳代數就足以得出最優或次優解;然而當問題較為復雜，染色體長度較大時,可能解數量會比較多,那么遺傳代數需要足夠多，可能解達到一定的規模以后，才能得出最優方案。以木材配送中心選址為例，對于小地區范圍內的選址，備選物流配送中心個數僅為個位數的情況下求最優解，一般200以內的遺傳代數就足以得出最優解。

4 案例分析

A公司是國內一家專業的木材供應公司，為原木分銷商、木材加工廠供應木材原材料。主營木材產品為松木，包括國產松木和進口松木。由于公司建立初期大部分的業務都聚集在華南地區，現欲拓展市場，向國內其他地區發展。

公司依據大數據技術分析潛在用戶分布，發現華東B 地區仍然存在較大的市場空缺。該地區目前有一個大型碼頭，同時A 公司在該地區早有人工林場的布局，故欲在該地區拓展木材市場。通過市場調研及大數據分析目前已敲定了幾家木材經銷商有意采購A 公司木材，在與各經銷商協商過后，A 公司計劃在該地區建立若干個區域木材配送中心。

木材供應點是共有人工林場5個供應國產松木，大型碼頭1 個供應國產松木和進口松木，供應點用i表示，即當i=1、2、3、4、5、6 時分別表示人工林場1、人工林場2、人工林場3、人工林場4、人工林場5和碼頭1。供應的木材等級用k表示，即k=1 表示為國產松木，k=2 表示為進口松木，木材等級數用o表示，該案例共有國產松木和進口松木兩個木材等級，即o=2。具體供應情況見表1。

表1 木材供應點對應供應木材等級情況

木材的需求點用j表示，共8個需求地，其中有4個木材經銷商，需求為國產松木，j=1、2、3、4 表示這四個木材需求地；2個木材經銷商需求為進口松木，j=5、6 表示兩個經銷商；j=7、8 表示2個木材加工廠，需求為國產松木和進口松木。具體需求情況見表2。

表2 木材需求點對應需求木材等級情況

p表示備選木材配送中心，該案例共有5 個，即p=1、2、3、4、5 。最大可建木材配送中心數M=2。由于B 地區面積不大，區域內運輸均為公路運輸，單位運輸成本的差異由是否為國產松木或進口松木導致，與地域位置沒有關系。國產松木每公里單位運輸成本為0.13，進口松木每公里單位運輸成本為0.15。即cip1、cpj1=0.13,cip2、cpj2=0.15 。

為方便計算，這里假設車輛使用的是載貨量為50m3的 貨 車 ，則 單 車 單 位 運 輸 成 本cip1、cpj1=6.5,cip2、cpj2=7.5 。

gpk為木材配送中心p對第k種等級木材的流通單價，具體見表3。

表3 配送中心流通單價（元/m3）

Fp為備選木材配送中心p的年均固定費用，具體費用見表4。

表4 配送中心年均固定費用

sik為木材供應點i所能提供的第k種等級木材的年度供應量（m3），具體數值見表5。

表5 供材點木材供應量

djk為木材需求點j對第k種等級木材的年度需求量（m3），具體數值見表6。

表6 需材點木材需求量

案例中木材需求點、木材供應點以及備選木材物流配送中心的地理位置已知，坐標圖如圖1所示。

圖1 供需點空間分布坐標圖

使用Matlab 進行建模及運算，采用輪盤賭選擇法，分段交叉+部分交叉匹配算子。設置最大迭代數為120，交叉概率為0.7，變異概率為0.005。在迭代前期，最優值和就已經趨于平穩，最優值比平均值低了大約140 000，也就是A 公司在B 地區每年的總成本會節省140 000元。

圖2 為運算結果，在迭代到第五代時就已經得出最優值，最優選址為備選配送中心2、4，當選擇此兩地為區域木材物流配送中心時，總成本最小，為1 500 000元/年。

5 結論

隨著電子商務的不斷發展，未來的木材行業供需狀況會出現越來越多的不確定性。大數據技術在配送中心選址中可以扮演重要的角色，大數據挖掘、大數據分析技術應當服務于配送中心選址，從而得到更為科學、更具長遠性的選址。本文所研究的區域木材物流配送中心選址，以遺傳算法為核心，Matlab為載體，大數據技術為輔助，從而形成一套完整的配送中心選址方案，為木材行業的配送中心選址提供一個科學合理的解決措施。

圖2 Matlab程序運行結果