最后一公里物流.docx
- 文档编号:26118169
- 上传时间:2023-06-17
- 格式:DOCX
- 页数:22
- 大小:104.72KB
最后一公里物流.docx
《最后一公里物流.docx》由会员分享,可在线阅读,更多相关《最后一公里物流.docx(22页珍藏版)》请在冰豆网上搜索。
最后一公里物流
本科生毕业论文(设计)
题目:
电商在“最后一公里”物流配送优化问题
姓名:
王佳伟
学院:
工学院
专业:
交通运输
班级:
交运113
学号:
指导教师:
李建职称:
副教授
2015年5月10日
南京农业大学教务处制
摘要1
Abstract1
Keywords1
引言1
1选题背景2
1.1背景分析2
1.1.2加拿大的BufferBox2
1.1.3京东的自建物流2
1.2国内外“最后一公里”研究现状?
2
1.3电商“最后一公里”物流配送优化的意义3
2电商环境下的物流配送3
2.1电商与物流配送的关联3
2.2电商物流配送的类型3
2.2.1集中型配送3
2.2.2分散型配送3
2.2.3混合型配送4
2.3电商物流与传统物流的差异4
3.1物流配送车辆路径问题5
3.2车辆路径的分类6
3.3车辆路径问题数学描述6
3.3.1确立目标函数的约束条件6
3.3.2问题描述6
4电商物流配送的模型及求解方法7
4.1建立电商物流配送VRP模型7
4.2节约算法8
4.2.1节约算法原理8
4.2.2求解的关键步骤8
4.3算例8
5总结11
致谢11
参考文献11
电商在“最后一公里”物流配送优化问题
交通运输专业学生王佳伟
指导教师李建
摘要:
进入电商时代,“最后一公里”物流配送成为电商比拼胜负的地方。
本文通过研究国内外“最后一公里”物流配送的现状,分析传统物流与电商物流的差异,总结出电商物流多样化、小批量、多批次等特有的特点。
提出“最后一公里”物流配送优化问题,建立带时间约束非满载的VRP模型,运用节约算法进行求解,达到了节约运输成本,提高客户满意度的目的。
关键词:
“最后一公里”;电商物流;VRP模型;节约算法
DistributionoptimizationofE-commercelogisticsinthe“lastmile”
StudentmajoringinTransportationWangJiawei
SupervisorLiJian
Abstract:
EntertheE-commerceera,"thelastmile"logisticsbecomethewinnerofthelocalE-commercecompetition.Bystudyingthe"lastmile"domesticandinternationallogisticsanddistributionsituation,analyzethedifferencesoftraditionallogisticsandE-commercelogistics,summedE-commercelogisticsdiversification,small-volume,multi-batchandotheruniquefeatures.That"thelastmile"logisticsoptimizationproblemwithtimeconstraintssetupanon-fullyloadedVRPmodel,usingsavingalgorithmtosolvesoastosavetransportationcosts,improvecustomersatisfactionpurpose.
Keywords:
"Thelastmile";E-commercelogistics;VRPmodel;savingalgorithm
引言
近年来,网购成为消费的主流,快递行业跟着发展迅猛,出现了电商自建物流和物流进军电商,两者都得到长足的进步和发展。
但物流环节繁琐,"最后一公里“运输成本高,电商在物流运输遇到了很大的麻烦[1]。
客户的数量,决定了电商未来的发展。
作为流通环节的“最后一公里”配送及服务,成为电商物流亟需解决的难题。
如何提升核心竞争力,改善“最后一公里”的低效率、高成本、服务差等现象,成为当前的难题[2]。
本文针对这一现象,对当前电商“最后一公里”物流配送问题,进行深入研究,运用数学建模等方法,对这一问题进行了优化,起到了一定的效果。
而在这当中,参考了许多业内人士的先进观点和理念,对“最后一公里”物流配送有了新的理解。
1选题背景
1.1背景分析
在信息发达,竞争激烈的时代,物流需要依赖电商企业,而电商的盈利也必须依靠物流。
“最后一公里”配送高成本、低效率、资源配置不合理,已成为我国物流产业亟待解决的问题[3]。
可以说,电商在“最后一公里”物流的成败,决定今后利益的盈负。
电商发现物流配送时效和质量是核心竞争力,所以财力充裕的电商企业主导建立电商物流方案,物流已经成现阶段B2C企业的核心竞争力,它成为供应链、客户物流体验等电子商务的关键要素[4]。
比如京东商城全国物流体系基本形成,苏宁是传统的零售发展起来开展电商服务,传统线下物流优势明显,存在大量的仓库面积和配送队伍。
当当和唯品会通过控制仓储基地,外包干线运输,合作实现最后配送的任务。
阿里集团的菜鸟物流也在布局全国,打造以天网+地网的整合模式。
可是,目前各大电商在实物流和信息流之间仍有更多的改善空间。
1.1.1Amazon的储物柜服务
美国亚马逊公司有一项储物柜服务(AmazonLocker)。
由于没有实体店,与便利店、杂货店或连锁药品店等合作,放置储物柜,只需支付少量的租赁费。
客户在进行网购后可要求将货物发到储物柜,然后获得一个代码,在包裹到达后,使用代码打开储物柜取走商品,而且不必支付额外费用[5]。
1.1.2加拿大的BufferBox?
加拿大的企业BufferBox与零售商以及UPS等建立合作。
用户只需在BufferBox上注册即可获得在自己工作公司或住宅附近的一个BufferBox箱子的地址,然后根据这个地址收取包裹。
包裹寄送到后,电商会通知客户,到指定的BufferBox面前输入储物柜密码,取回包裹。
在每次包裹成功交付后,会向已集成服务的零售商收取一定的费用,而用户并不需要支付任何费用[6]。
1.1.3京东的自建物流
在中国,众多电商企业在解决这个大难题,也可谓是绞尽脑汁。
京东近几年发展迅猛,对物流要求度极高。
京东为了增强顾客对企业的信任度,放弃了第三方物流,从而选择自建物流体系。
这种方式主要集中在盈利和融资不平衡,物流配送成本与压力较大,订单处理方式欠妥,交货方式影响服务质量和“最后一公里”瓶颈[7]。
自建物流体系有以下优化途径:
(1)增强订单的合理性
(2)建立辐射全国的物流网络
(3)简化顾客退换货手续
1.2国内外“最后一公里”研究现状
当前,针对“最后一公里”研究比较多,国内外分别从派送模式、末端运输方式、配送中心位置等几方面研究这个问题。
张俊山分析电商物流和传统物流的不同,提出社区派送网点,具有全天服务、服务半径小和自提等优点[8]。
张宇等人结合B2C电子商务物流的特点,运用决策矩阵解决B2C企业与物流配送模式的匹配选择问题,通过衡量企业管理物流的能力和相对于同类型企业的成本优势,分析电商物流配送问题[9]。
李向文等总结出几种“最后一公里”配送方法,即送货上门、便利店、第三方快捷点联盟、外包物流站点取货、邮局站点、公交配送、地铁站自取、配送塔自动配送、大学校园自取等。
即构建基于智能手机的同城配送物流信息平台,采用社区配送塔进行穿梭取送货。
显然这些新的配送方法的实施需要多种技术、设施以及人员的支持,任何一种单一的配送方法都不能从根本上解决电子商务物流“最后一公里”配送中的各种中矛盾问题,而且没有给出各种方法的使用范围,也没有考虑电子商务客户的多层次、多样化需求[10]。
Punakivi等人发现对于一些微利的电子商务交易,例如网上超市,做到既盈利又能提供优质的配送服务就非常困难。
无人看管的储物柜进行商品配送可以在一定程度上减少配送费用。
但目前,无人看管的储物柜或接收箱配送模式并没有能得到广泛推广,主要原因在于投资成本和客户的认可程度。
为了便于客户提取货物,储物柜或接收箱一般安装在客户的车库或家门口。
同时,为了保证货物的安全性,往往需要对储物柜或接收箱配备电子锁等安全设施。
可以说初期的投资一般很大,而由于接收箱基本上是专用的,因此利用率通常不高也不稳定。
这种方法虽然可以减少或避免重复投递,降低配送成本,但是投资的回收周期很长[11]。
Jun-jieXu等人基于从淘宝网上得到的数据对自助取货这种“最后一公里”配送模式在中国的适用情况进行了分析。
认为传统配送的方便程度、网上购物的年限、网上购物的频率和商品的价值是影响电子商务客户是否选择自愿取货的主要因素。
通过从这几个方面对淘宝网用户进行调查和分析,结果发现自愿取货的吸引力有限,自主取货在当前与传统服务相比并没有压倒性的优势。
虽然作者自己也承认这种研究方式不够严谨,没有考虑商家的服务承诺和一些激励客户自愿选择取货服务的措施[12]。
1.3电商“最后一公里”物流配送优化的意义
研究电商“最后一公里”物流配送优化问题,可以在使电商节约成本的同时,提高物流配送的效率和质量,同时更加方便顾客,减少退换货等的频率,这是符合时代的特征,“最后一公里”物流配送关乎到顾客的切身利益。
将电商和“最后一公里”物流联系在一起研究,电商物流与其他物流不同,具有对配送方式比较严格,对配送的时效性要求高,配送订单多、规模小、支付退换货等特点。
而“最后一公里”存在成本高,效率低等问题,本文通过对这个问题的优化,旨在减少电商成本,方便顾客收货,提高配送效率,增强物流行业的专业化程度。
2电商环境下的物流配送
2.1电商与物流配送的关联
近几年,随着市场的需求,物流成为电商的依托,电商促进了物流的快速发展。
电商通过网络拥有大量的客户,能够满足消费者的需求。
而货物的运载,需要物流进行。
用户在网络中订货后,电商需要及时准确的将货物送达,此时就需要物流行业的运输,所以,物流配送成为电商的重用组成部分[13]。
2.2电商物流配送的类型
常见的有集中型、分散型和混合型配送三种方式。
而三种方式各有自身的特点,针对不同的对象都是十分有效的配送[14]。
2.2.1集中型配送
单配送中心,多用在运输频率低、载货量大、货运量变化不大的情况。
2.2.2分散型配送
设有多个配送中心,分散型多用在距离较短、运输频率高,单位载货量较少,车辆数量多,特别适合电商的物流配送,如图2-1分散型配送:
图2-1分散型配送
2.2.3混合型配送
大型的第三方物流企业和大型电商企业的配送通常是这种结构。
既能满足顾客的服务需求,还能提高配送效率。
如图2-2混合型配送:
图2-2混合型配送
2.3电商物流与传统物流的差异
(1)传统物流品种少、大批量、少批次、长周期,电商物流品种多样化、小批量、多批次、短周期。
(2)传统物流大多是存储区和拣练区功用,叉车拣货,而电商存储区和拣练区分开,多是人工拣货。
(3)传统运输批量大,目标地点固定,“最后一公里”往往是区域配送中心到门店,而电商产品不一,地点不确定,“最后一公里”是与唯一与客户接触的流程。
(4)传统物流实时运输更新缓慢,客户对此要求不高,而电商物流需要及时更新在途跟踪,客户对物流信息要求高。
(5)传统物流时收货人的签单作为交易完成的最终凭证,而电商物流其实是收款的落实,牵扯到庞大的资金链问题[15]。
3物流配送VRP模型
3.1物流配送车辆路径问题
物流配送对电商的重要性不言而喻,本文将研究配送路径优化的问题。
本章中将针对实际中的配送问题,建立数学模型,把问题抽象化,研究如何配送,才能优化距离,节约成本。
客户下单,需要电商物流的配送,大部分配送模式基本是相同的,即配送中心按照货物量、时间等因素派出车辆送至不同区域的不同顾客。
这类问题:
假设有一配送中心向若干顾客配送货物,每个顾客的要求不同,送货的车辆从配送中心出发,把货物送到各个顾客手中,如何确定最优的配送路线,行车距离最短?
送货量大时,满载出发。
如果送货量较小,车辆不能满载,需要将各分散客户一同配送。
通过将顾客连线一起配送,并优化车辆送货顺序,可以降低成本,提高效率[16]。
车辆路径的描述:
对下单客户,从同一配送中心,有序的配送,确定合适的配送顺序和路径,并需要满足客观的条件(车辆载重量、时间限制等),达到费用少,时间短等效果[17]。
如图3-1配送示意图;
图3-1配送示意图
通常VRP问题可以从几个方面描述:
(1)道路网
道路网的表示通常是以图的形式。
(2)客户
客户用图3-1的点表示。
客户的性质包括客户地理位置、货物类型和服务时间。
客户订单所需货物,可能有不同的品类,在不同时间到达配送中心。
(3)站点
在实际中,先按照站点的划分客户,所以这就限定了车辆必须往返在同一个配送点。
(4)车辆状况
车辆型号有所不同。
(5)行驶费用和行驶时间
与路况,顾客要求的服务时间等有关。
(6)目标
最小的运输成本。
3.2车辆路径的分类
车辆路径问题按照不同的标准划分为不同的类型,具体见表3-1分类标准:
表3-1分类标准
分类标准分类结果
配送中心数目单配送中心问题多配送中心问题
顾客对配送时间的要求顾客对货物的送达时间有具体的要求对商品的送达时间没有具体的要求
车辆的类型配送中心车辆相同配送中心车辆不完全相同
目标函数个数优化目标只有一个同时考虑多个优化目标
车辆的装载能力非满载问题满载问题
3.3车辆路径问题数学描述
物流配送车辆路径问题描述为:
某配送中心拥有
辆车,其中配送车辆有
(
)(
种载重量不同的车型),
表示第
种车辆数,
表示第
种车型的第
辆车,这一配送中心负责用
辆车对
个顾客配送货物,其中顾客
的需求量为
,根据订单,顾客位置、需求量及服务时间要求已知,满足约束条件下,求配送路径最短[18]。
3.3.1确立目标函数的约束条件
确立约束条件,需要考虑客户所需商品的性质、客户和车辆特点。
首先,客户购买的商品多数是小件,配送的总量较小,所以是非满载问题。
根据际情况分析,多数配送属于单配送中心问题。
本文研究电商物流配送,考虑只有的单配送中心的送货问题[19]。
3.3.2问题描述
电商根据订单系统中确定客户对商品的需求量,顾客的位置。
假设条件:
(1)顾客与配送中心的划分区域给定,即为单配送中心的配送模式;
(2)配送中心的位置已知;
(3)配送对各个顾客进行配送;
(4)每个客户对货物的需求量、位置由电商系统中订单确定;
(5)配送中心所有的车辆类型给定。
约束条件:
(1)每辆车规定的最大载重量;
(2)每辆车必须由往返都要在同一个配送中心;
(3)每个顾客必须由同一车辆完成,并且保证所需;
(4)顾客要求的服务时间必须得到满足。
4电商物流配送的模型及求解方法
4.1建立电商物流配送VRP模型
对模型中各个变量的定义如下:
表示需要完成配送的顾客的数目;
表示的是配送车辆的总数;
车辆由顾客
到顾客
的行驶时间;
表示顾客
与顾客
之间的距离;
表示顾客
要求的最早的服务时间;
表示顾客
要求的最晚服务时间;
表示配送车辆
的最大载货量;
表示配送车辆
配送的顾客数量;
表示顾客
的需求量。
建立数学模型:
目标函数:
(4-1)
约束条件:
(4-2)
(4-3)
(4-4)
(4-5)
(4-6)
式(4-1)表示配送路径最短;式(4-2)车载载重约束;式(4-3)每个顾客的货物只能由一辆车辆配送;式(4-4)式(4-5)每台车辆必须由配送中心出发,完成后回到原来配送中心。
式(4-6)车辆在对顾客配送时,必须在最晚服务时间之前到达。
4.2节约算法
将配送中心和各顾客连接,采用单个顾客往返配送方式,计算运输成本。
然后连接两个相邻的顾客,与配送中心构成一个闭合回路,计算运输成本,明显比单独配送成本低。
按照节约值大小进行依次插入配送线路,直到不符合约束条件时。
用同样的方式,对其他的顾客进行线路分配,每一次连接都能节约距离,最终线路得到优化[20]。
4.2.1节约算法原理
由于电商顾客的订单大多是小件,所以配送成小批量,多批次。
已知配送中心
与顾客的具体位置,如图4-1配送中心与顾客的具体位置所示。
图4-1配送中心与顾客的具体位置
当仅考虑两个相邻用户需求是,采用直接往返配送线路(
和
),运输距离
;采用循环路线
运输距离
。
可见,采用循环线路更加合理。
同理,三个相邻用户形成的循环线路可以节约更多的距离。
因此,为节约更多距离,运输线路应该存在多个用户一起配送。
但在实际中,存在运载量、时间窗、路况等因素,需要满足条件下,尽可能连接顾客,使线路节约值最大,找到最优循环路线。
4.2.2求解的关键步骤
(1)已知电商订单的相关信息(顾客位置、送达日期和时间、需求量);
(2)计算配送中心和顾客,客户间的距离,形成距离表;
(3)根据距离表计算顾客间的节约值,形成节约值表;
(4)根据节约值表和约束条件确定调整配送路线。
4.3算例
已知,某电商一配送中心
有3辆5t,2辆7t的货车,现接到来自公司的订单信息,需要按照订单的信息进行对顾客的配送。
该订单信息见表4-1客户基本信息,配送中心和客户的位置坐标见表4-2:
表4-1客户基本信息
订单号
客户需求量
送达日期和时间
客户编号
2.0
G001
3.5
G002
2.4
G003
2.3
G004
2.5
G005
1.8
G006
1.2
G007
2.8
G008
表4-2配送中心和客户的位置坐标
X坐标
Y坐标
配送中心
0
0
G001
6
5
G002
12
0
G003
1
-6
G004
0
4
G005
4
-3
G006
8
6
G007
6
7
G008
-3
5
通过表4-2的信息,计算出配送中心和客户以及客户间的距离,见表4-3,
表4-3配送中心和客户以及客户间的距离
配送中心
G001
G002
G003
G004
G005
G006
G007
G008
G001
8
0
G002
12
8
0
G003
6
12
13
0
G004
4
6
12
10
0
G005
5
8
9
4
8
0
G006
10
2
7
14
8
11
0
G007
9
2
9
14
7
10
2
0
G008
6
9
16
12
3
11
11
9
0
节约距离公式:
得出节约距离,见表4-4节约距离:
表4-4节约距离
G001
G002
G003
G004
G005
G006
G007
G008
G001
0
G002
12
0
G003
2
5
0
G004
6
4
0
0
G005
5
8
7
1
0
G006
16
15
2
6
4
0
G007
15
12
1
6
4
17
0
G008
5
9
0
7
0
5
6
0
最大节约量来自G006与G007,最大节约量17,两者运量为3.0t,与G006和G007相关的最大节约,是G006与G001,最大节约量为16,三者总运量为5.0t,与G006和G001相关的最大节约,G001和G002,节约量为12,四者总运量为8.5t,超过了配送中心的车辆最大运载量,故不能添加G002。
选择一辆5.0t的车进行配送。
排除G001,G006和G007,接下来最大节约来自G002和G008,节约量为9,总运量为4.3t,与G002和G008相关的最大节约,是G002和G005节约为8,三者总运量为6.8t。
选择一辆7.0t的车配送。
剩余两个G003和G004顾客的总运量为4.7t,选择一辆5.0t的车配送。
排定送货路线:
G001、G006和G007,最初的行程只有配送中心,距离为0,如果加入G006,新增距离16,加入G006新增距离20,加入G007新增距离18。
运用最远插入法,先插入G006,距离为20,在考虑插入G001和G007,如果插入G001,总距离增加至22,插入G007,增加至22,所以两者都可以。
故线路为
.
同理,
.
.
根据车辆的运载量,顾客的时间要求等约束条件,
。
这条线路符合要求,
,因为
顾客要求时间为,早于
要求的时间,为了满足顾客的需求,需要对运输线路作出调整,即
。
由于G003所需时间晚于G004要求的时间,配送顺序进行相应的调整,即
。
即如表4-5最终的配送线路:
表4-5最终的配送路线
货车
送货路线
行程长度
载货量
5.0t
22
5.0t
7.0t
44
6.8t
5.0t
18
4.7t
满足要求约束条件后,配送路径最短,达到了求解问题的目的。
但由于“最后一公里”物流配送还存在顾客当天未能签收,配送过程路况拥堵等常见的实际情况,因此更加复杂。
5总结
通过研究这个课题,对物流行业有了更深的认识,特别是“最后一公里”物流配送这方面,也对我未来的职业路有很大的影响。
通过本文了解到,我国在“最后一公里”物流配送研究起步相对较晚,这方面缺少权威人士,这还需要大家的努力。
对比国内外在这方面的研究,发现中国的国情决定了我们的物流之路必定更加艰辛。
所以,更需要新一代的物流人作出努力和贡献,提升我国物流行业的标准。
本文中构建VRP模型,然后通过节约算法进行求解,问题基本得到解决。
但由于模型建立不够全面,没有充分考虑时间窗、路况等约束问题,存在一些缺陷,算法也存在一定的局限性,难免会出现许多漏洞,而且在采用数据时,也未能够得到具体电商物流的订单信息,而是采用抽象的数据,进行简单的分析和讨论,不能够全面准确地概述出优化后的效果。
希望今后有机会参与到物流中,对模型构建更加全面,对算法进行改进更符合实际情况。
致谢:
本文历经半年时光,不知道熬过了多少个夜晚,反复修改了无数次,终于完成了这篇论文。
这当中,遇到了许多难题和困惑,不过在同学的帮助,老师的指导,积极翻各类物流行业的书籍后,一个个的困难都被克服了。
本文参考了许多物流界的精英所写的论文,他们的资料提供了许多新颖的想法,对“最后一公里”物流
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 最后一公里 物流