考慮客戶等級劃分的多目標冷鏈物流配送優化

王力鋒，黃 斐

(澳門科技大學，澳門 999078)

1 引言

隨著食品消費結構的變化，居民對冷鮮食品需求量越來越大。冷凍食品銷售行業進入快速增長階段，冷鮮市場對冷鏈物流配送的要求也越來越高。在配送過程中，保證冷鮮食品的新鮮度和衛生品質具有重要的現實意義。

國外對冷鏈物流的研究較早，更加側重于冷鏈物流的定性研究，將維持食物品質作為冷鏈物流的最大目的，提出能夠信息管理的供應鏈模式，以此保證冷鏈物流的服務質量。除此之外，還建立了一套關于食品安全的績效評估體系，量化估計冷鏈物流業內的各項技術方法，制定冷藏物流鏈應遵循的理論原則。國內針對冷鏈物流的研究也日漸成熟，目前常用的方法主要有基于混合蟻群算法的冷鏈物流配送方法和考慮交通擁堵的冷鏈物流城市配送方法。傳統方法大多是通過分析冷鏈物流中的貨物損耗量來建立一個優化冷鏈物流方案的模型，再應用一定的原理對冷鏈物流成本進行最小化處理。但其在規劃配送路徑的過程中，未充分考慮貨損成本，且忽略了裝卸貨物的腐壞損失，導致配送成本較高，致使方法的實用性較差。

針對傳統冷鏈物流配送規劃方法存在的配送成本較高、時效性差的問題，本研究通過劃分客戶類別確定優先配送點，然后計算最高客戶滿意度以及最低配送成本的目標函數，并利用遺傳算法制定最優的冷鏈物流配送方案，從而保證了冷藏貨物配送效率與安全。

2 多目標冷鏈物流配送優化方法設計

2.1 劃分冷鏈物流配送客戶價值等級

根據客戶為企業創造的利潤，劃分冷鏈物流配送客戶的價值等級。結合物流配送企業的實際情況，遵循系統性和可操作性的原則，構建配送客戶的評價指標體系。選取評價指標如下表所示。

表1 客戶價值等級評價指標

設定客戶價值等級的評價值為[0，10]，將其劃分為5個評語集等級：高端客戶8～10、良性客戶6～8、常規客戶4～6、開發客戶2～5，低端客戶0～3。設每個評語集的雙邊約束為、，客戶價值隨機性為，則客戶等級數字特征的計算公式為

(1)

式(1)中，、、分別為客戶評價等級對應的期望、熵、超熵。計算可得評語集的數字特征值，具體如表2所示。

表2 客戶等級評語集的數字特征值

建立評價指標因素集，量化因素集中任意兩指標的重要性程度，對各指標因子進行打分，設定評分區間與評語集一致。根據分數值確定數字特征值，得到指標因素集中，個指標的綜合評價矩陣

(2)

計算評價矩陣的最大特征根，一致性檢驗后，將其作為指標權重集W，得到客戶價值的綜合評價矩陣B為

B=×

(3)

計算綜合評價矩陣B的數字特征值，比較B與評語集中5個等級的數字特征值相似度，選取相似度最高的等級，為該客戶的價值等級。至此完成冷鏈物流配送客戶價值等級的劃分。

2.2 構建多目標冷鏈物流配送路徑模型

計算最高客戶滿意度和最低配送成本，將其作為目標函數，構建多目標冷鏈物流配送路徑模型。將高端、良性客戶歸為VIP客戶，常規、開發、低端客戶歸為普通客戶。結合不同客戶對時間的敏感度，將客戶分為4類，分別為：vip客戶且時間要求高、vip客戶且時間要求一般、普通客戶且時間要求高、普通客戶且時間要求一般，優先配送第一種類型客戶，后服務第三種類型客戶。將配送時間的可靠性，定義為配送車輛到達客戶點時間的隸屬度函數，其公式為

(4)

式(4)中，為配送客戶的時間可靠性，為配送目標數量，為客戶到客戶的直線距離，為車輛平均速度，為車輛出發時刻，為客戶給配送時間預定的配送時間段。可得最高客戶滿意度的目標函數max為

(5)

式(5)中，為客戶對貨物的需求量。考慮配送車輛的油耗和制冷能耗，計算車輛能耗成本，公式為

(6)

式(6)中，為單位運輸距離能源價格，車輛冷藏設備的平均功率，為單位時間制冷成本，為決策變量，當車輛經過客戶和客戶路段時，取值為1，否則為0。貨損成本取兩部分，截取配送時間累積和打開車廂裝卸貨物過程中，導致的貨物腐壞損失，計算公式為

(7)

式(7)中，為單位貨物價格，為配送過程中，單位距離的貨物損壞系數，為裝卸過程中，單位數量貨物的損壞系數。客戶配送時間采用硬時間窗，普通客戶采用軟時間窗，處理物流的配送時間，設客戶預設的配送時間窗為[，]，分別計算在前達到客戶點，損失的機會成本，在后到達客戶點，損失的支付罰金，計算公式分別為

(8)

式(8)中，為車輛早到損失的單位時間機會成本，為車輛遲到支付客戶的單位時間罰金，為車輛從客戶到客戶的所耗時間。相加損失機會成本和支付罰金，得到物流配送的懲罰成本。則最低配送成本的目標函數min為

min=+++

(9)

式(9)中，為配送車輛的固定成本，由物價決定。結合式(5)和式(9)，完成多目標冷鏈物流配送路徑模型的構建。

2.3 確定多目標冷鏈物流最優配送路徑

采取跟模型特點相符的遺傳算法，求解最優配送路徑。首先對配送中心和配送點進行染色體編碼，分別用自然數和0，表示多目標配送點和配送中心，將冷鏈物流配送路徑優化問題，轉換為能夠直觀顯示的車輛行駛路程。將min設置為主目標函數，將最高客戶滿意度max，設置為初始解篩選約束條件，選取能夠滿足約束條件的解，將其作為遺傳算法的初始種群。然后選取一個大于min的常數，計算常數與min的比值，將其作為遺傳算法的適應度函數。選擇適應度函數越大的種群個體，將其遺傳到下一代，同時采用順序交叉，隨機選擇編碼的多目標配送點，按照交叉概率交換位置，擴大最優路徑的搜索范圍，使模型解達到全局最優。具體流程如圖1所示。

圖1 遺傳算法求解流程

如圖1所示，當min運行保持平穩時，則停止進化，輸出最佳染色體編碼的分布路徑，至此完成多目標冷鏈物流最優配送路徑的確定，實現考慮客戶等級劃分的多目標冷鏈物流配送優化。

3 實驗論證分析

為驗證上述考慮客戶等級劃分的多目標冷鏈物流配送優化方法的實際應用性能，設計如下對比實驗。將本文方法記為實驗組，將基于混合蟻群算法的冷鏈物流配送方法和考慮交通擁堵的冷鏈物流城市配送方法分別記為實驗組、實驗組。利用三組方法，分別規劃多目標冷鏈物流配送路徑，然后比較配送成本和客戶滿意度。

3.1 實驗準備

選取一物流企業，具有配送團隊和配送冷藏車，將冷鮮品送給客戶，冷藏車輛最早出發時間為6：00，每輛冷藏車的固定成本為300元，能夠用到的冷藏車有2輛，車輛從配送中心出發，送完貨后需返回配送中心，2輛冷藏車均為滿載。實驗選取13個客戶進行配送服務，時間敏感度為1，表示客戶對時間要求高，客戶參數如表3所示。

表3 客戶時間窗和需求量

配送中心的坐標點為(35，40)，13個配送客戶的位置分布如圖2所示。

冷鏈物流配送的相關參數如表4所示。

表4 冷鏈物流配送實驗參數

圖2 配送客戶及配送中心位置坐標

定量評價13個客戶價值，計算不同客戶的數字特征值，確定指標權重集和綜合評價矩陣，劃分客戶等級，評價結果如表5所示。

表5 配送客戶等級劃分結果

3.2 實驗結果

3.2.1 第一組實驗結果

實驗A組通過遺傳算法規劃配送路徑，設置種群規模為200，交叉概率為60%、進化代數上限為400，將遺傳算法程序運行50次以后，輸出最優配送路徑。改變冷藏車的出發時間，設置為6：00～9：30，當出發時間不同時，三組實驗的規劃路徑也隨之改變，比較冷鏈物流的配送成本，將2輛冷藏車的配送成本相加，得到對比結果如表6所示。

表6 配送成本對比結果(元)

由表6所示結果可知，冷藏車在9：00～9：30時間段出發，三組實驗的配送成本都降到最低，相比其它時間段，減小了貨物損耗成本、提前到達的機會成本、以及到達后支付給客戶的罰金。車輛出發時間不同，但實驗A組配送成本一直低于兩組傳統實驗，平均配送成本為452.5元，而實驗B組、C組平均配送成本分別為501.2元、520.7元，相比實驗B組和C組，A組配送成本分別減少了48.7元、68.2元。

3.2.2 第二組實驗結果

設置9：00為2輛冷藏車的出發時間，使配送時間更加接近客戶時間窗，此時實驗A組規劃的冷藏車配送路線分別為：0-8-2-1-13-5-11-0，0-4-3-7-9-6-10-12-0。比較三組冷鏈物流配送的時間可靠性，實驗對比結果如圖3所示。

圖3 時間可靠性對比結果

由圖3所示結果可知，針對不同位置坐標的配送點，實驗A組規劃路徑的時間可靠性，明顯高于實驗B組和C組，時間可靠性平均為93.8%，B組和C組的時間可靠性分別為88.1%、82.7%，相比兩組傳統實驗，A組時間可靠性分別增加了5.7%、11.1%。

3.2.3 第三組實驗結果

在第二組實驗的基礎上，統計不同客戶的貨物需求量，比較三組實驗路徑規劃下的客戶滿意度，對比結果如圖4所示。

圖4 客戶滿意度對比結果

由圖4可知，A組客戶滿意度平均為92.3%，B組和C組的客戶滿意度分別為85.2%、82.1%，相比兩組傳統實驗，A組客戶滿意度分別增加了7.1%、10.2%。綜上所述，此次冷鏈物流配送方法相比兩組傳統方法，其規劃路徑降低了配送成本，到達配送點時間更加貼近客戶可接受時間窗，提高了客戶滿意度。

4 結束語

1)本文在考慮客戶等級劃分的基礎上設計了一種新的多目標冷鏈物流配送優化方法。通過劃分客戶類別、確定優先配送點、計算最低配送成本的目標函數等過程制定最優的冷鏈物流配送方案。

2)經實驗可知，本文設計的配送路徑優化方法提高了客戶滿意度和時效性，也降低了配送成本。

3)但此次研究仍存在一定不足，如冷藏車的速度影響因素未能考慮全面。因此，在今后的研究中，會考慮交通流量和天氣等因素，將動態因素的影響降到最低。