一種汽車零件入廠物流的多層級循環取貨模型研究

陳嬋娟，寇創創，劉利軍，宋 博

（陜西科技大學機電工程學院，陜西 西安 710021）

1 引言

目前，汽車制造企業入廠物流主要為供應商直送模式，該模式取貨周期長、到貨時間不易控制，并且成本較高，針對供應商直送模式存在的問題，國外研究者受到牛奶配送啟發，提出了milkrun 模型[1]，過去幾十年里，milk-run 模型已經取得了一定成就。2001年，Rilett通過建立模糊邏輯關系網絡解決了車輛調度中的路徑優化問題[2]；2005年，文獻[3]在循環取貨路徑優化模型研究中引入C-W節約算法和2-exchange算法的兩階段算法；2007年，文獻[4]建立了取貨路徑庫存成本與運輸成本最低的目標函數，設計了兼顧庫存和線路規劃的算法；

同年文獻[5]對循環取貨和供應商直送模式的利弊進行了對比研究；2013年，文獻[6]建立了動態循環取貨物流入廠及線路規劃模型；2014年，文獻[7]為降低成本提出了供應商分級的概念[7]。

然而，大多研究集中于定時、定線、閉環運輸等方面，milkrun模型本身缺乏改善和優化研究。

針對milk-run模型在遠距離、大批量取貨時的局限性，提出一種“多層級循環取貨”模型，該模型在milk-run模型基礎上加入了集貨思想，使得取貨距離增加、成本降低、取貨周期縮短，最后通過某汽車制造企業入廠物流實例對該模型可行性進行了驗證。

2 多層級循環取貨模型的提出

多層級循環取貨模型的構建，如圖1所示。分為五步。

圖1 多層級循環取貨模型構建和可行性驗證Fig. 1 Multi-Level Milk-Run Model Construction and Feasibility Verification

第一步根據供應商基本數據運用系統聚類法劃分區域；

第二步根據取貨量和交通便利程度運用Topsis法對供應商進行層級劃分，將第一層級供應商設為該區域集貨點；

第三步運用蟻群算法規劃集貨點最優取貨路徑；

第四步建立成本、取貨周期最優數學模型；

第五步判斷該模型是否優于傳統模型，是則輸出取貨方案，否則重新優化路徑。

3 多層級循環取貨模型的建立與驗證

以下為構建多層級循環取貨模型的詳細步驟。

3.1 供應商區域的劃分

針對供應商隨機分布的客觀事實，運用系統聚類法[8]將供應商劃分為數個區域。步驟如下：

（1）根據供應商基礎數據對供應商進行編號和定位；

（2）計算各供應商之間的距離；

（3）將每個供應商設為一類；

（4）合并距離最小的兩類為一新類；

（5）若類的個數為一，則進行下一步，否則計算各新類與當前各類之間距離，再轉回步驟四.

（6）做聚類圖；

（7）根據聚類情況和實際需求，決定劃分的類數。

3.2 集貨點的選取

多層級循環取貨模型的構建，主要在于供應商層級的劃分和集貨點的選取。選取的步驟如下：

（1）針對同一區域的供應商，確定Topsis[9]法評估指標；

（2）對指標數據無量綱化處理；

（3）對數據矩陣歸一化處理；

（4）求得最優和最劣向量；

（5）計算各指標到最優和最劣向量的距離D+和D-；

（6）計算Ci，Ci最大則為第一層級供應商。

3.3 集貨點的路徑優化

蟻群算法[10]作為一種研究“旅行商問題”的經典算法，在循環取貨問題的研究中也被廣泛應用，具體流程如下：（1）對相關參數進行初始化；

（2）隨機將螞蟻放于不同出發點，對每個螞蟻計算其下個訪問供應商，直到有螞蟻訪問完所有供應商；

（3）計算各螞蟻經過的路徑長度，記錄當前迭代次數最優解，同時對路徑上的信息素濃度進行更新；

（4）判斷是否達到最大迭代次數，若否，返回步驟2；是，結束程序；

（5）最優路徑。

3.4 多層級循環取貨模型可行性的驗證

通過比較多層級循環取貨和milk-run兩種模型，驗證多層級循環取貨的可行性，具體流程如下：

（1）多層級循環取貨數學模型理論依據

數學模型建立的依據是取貨過程中所產生的成本和時間，具體細節如下：

①第二層級供應商為供應商直送模式，成本為油耗和運費之和；

②第一層級供應商為循環取貨模式，成本為集貨點存儲成本、油耗和運費迭代之和；

③取貨周期為在途時間、循環取貨時間和裝載貨物時間；

（2）多層級循環取貨成本、取貨周期數學模型

模型參數表，如表1所示。

表1 模型參數表Tab.1 Model Parameter Table

由于本模型不可能將所有因素都考慮到，條件假設如下：

①同區域用同一種車型，不考慮車的差異問題；

②采用基于距離的運輸價格體系，如元/km；

③車輛行駛速度恒定，不受客觀因素的影響；

④裝卸貨物時間固定；

⑤無車輛數量限制；

⑥不考慮取貨時的交通狀況以及限號等因素。

（4）比較同一條件下兩種模型的Zmin和Tmin值，若多層級循環取貨模型Zmin、Tmin均小于milk-run模型，則多層級循環取貨模型可行，否則，不可行，并轉回到第三步。

4 算例分析

某汽車制造企業在某地有18家供應商，以此作為實例來驗證多層級循環取貨的可行性。

4.1 多層級循環取貨模型算例

（1）系統聚類劃分區域

18家供應商的位置坐標，如表2所示。表中：D1—坐標原點。

表2 某汽車制造企業供應商位置Tab.2 Location of Car Manufacturer

該算例包含18家供應商，根據所在位置，運用系統聚類法，將18家供應商劃分為三個區域，如表3所示。

表3 供應商分區結果Tab.3 Supplier Partition Results

（2）Topsis法確定集貨點

區域劃分完畢后，運用Topsis 法分別對三個區域的供應商進行層級劃分，確定集貨點。

評價結果分別為D4、D14、D11，如表4所示。

表4 各區集貨點選取結果Tab.4 Results of Collection Points in Each District

（3）基于蟻群算法的路徑優化

在多層級循環取貨模型中，由于第二層級供應商采用供應商直送，因此不需要優化路徑，路徑優化主要針對第一層級供應商D4、D14、D11。

運用蟻群算法可得最優路徑為：D4-D11-D14

（4）驗證模型求解

根據集貨點選址結果和數學模型，如表4、表5所示。

表5 多層級循環取貨模型基礎數據Tab.5 Basic Data of Multi-Level Cycle Picking Model

計算成本和取貨時間，求解過程和結果如下：

4.2 milk-run模型算例

在循環取貨模型中，取貨對象為表2 所示的18 家供應商，milk-run模型參數，如表6所示。

表6 Milk-Run模型基礎數據Tab.6 Milk-Run Model Basic Data

運用蟻群算法可得最優路徑為：

4.3 計算結果

兩種模型成本和取貨周期的結果，如表7所示。

表7 成本和取貨周期結果Tab.7 Cost and Pickup Cycle Results

在相同條件下，多層級循環取貨模型可以降低取貨成本約2.58%，可以減少取貨周期約22.19%，因此，多層級循環取貨模型克服了milk-run模型遠距離取貨成本高、周期長的問題。

5 結論

多層級循環取貨是一種遠距離、大批量、少批次的取貨模型，彌補了milk-run模型的不足。

首先，該模型相較于milk-run模型極大的縮短了取貨周期，有利于配送中心和主機廠建立時間窗和控制取貨周期，從而達到節省庫存成本的目的。

其次，使供應商減少了配送成本，有利于主機廠對上游供應鏈的控制。

最后，取貨模式的改變也將影響配送中心倉儲和配送流程，因此，物流服務定價、庫區布局和工作流程將重新調整，同時也是未來的研究方向。