基于新鮮度損耗的社區(qū)團(tuán)購(gòu)電商配送中心選址研究

易海燕, 章圳琰

基于新鮮度損耗的社區(qū)團(tuán)購(gòu)電商配送中心選址研究

易海燕1, 章圳琰2

（1. 西南交通大學(xué), 交通運(yùn)輸與物流學(xué)院, 成都 611756; 2. 東風(fēng)汽車有限公司東風(fēng)日產(chǎn)乘用車公司, 供應(yīng)鏈管理部, 廣州 510800）

社區(qū)團(tuán)購(gòu)電商S2B2C 供應(yīng)鏈模式帶來(lái)了新環(huán)境下的選址問(wèn)題, 進(jìn)行選址決策能夠有效降低社區(qū)團(tuán)購(gòu)平臺(tái)的運(yùn)營(yíng)成本并保障企業(yè)利益。為了使選址決策更符合社區(qū)團(tuán)購(gòu)運(yùn)營(yíng)實(shí)際, 作者調(diào)研了社區(qū)團(tuán)購(gòu)供應(yīng)鏈模式并建立了考慮新鮮度損耗的混合整數(shù)選址模型, 借助蟻群算法設(shè)計(jì)兩階段求解模型, 用于優(yōu)化選址過(guò)程中的成本求解, 最后通過(guò)算例進(jìn)行比較分析。結(jié)果表明選址策略能夠有效降低企業(yè)的運(yùn)營(yíng)成本, 局部最優(yōu)解會(huì)在特定配送中心數(shù)量約束條件下出現(xiàn)。

社區(qū)團(tuán)購(gòu); 新鮮度損耗; 配送中心選址; 兩階段算法

0 引 言

隨著消費(fèi)結(jié)構(gòu)與消費(fèi)者需求的變化衍生出的社區(qū)團(tuán)購(gòu)電商模式近年來(lái)成為電商領(lǐng)域發(fā)展的熱點(diǎn)。針對(duì)社區(qū)團(tuán)購(gòu)電商供應(yīng)鏈關(guān)鍵節(jié)點(diǎn)配送中心進(jìn)行選址的研究較為缺乏，考慮配送車輛路徑的配送中心選址問(wèn)題是一個(gè)復(fù)雜的系統(tǒng)決策問(wèn)題。

社區(qū)團(tuán)購(gòu)是于2016年前后出現(xiàn)的一種依托微信群與小程序，以社區(qū)為單位，用戶當(dāng)日線上下單，次日社區(qū)內(nèi)自提，由相應(yīng)的平臺(tái)提供采購(gòu)、物流倉(cāng)儲(chǔ)及售后的電商新模式。黃希[1]將社區(qū)團(tuán)購(gòu)模式歸納為基于真實(shí)LBS小區(qū)，由C端驅(qū)動(dòng)B端的電商渠道，認(rèn)為社區(qū)團(tuán)購(gòu)具有獲客成本低、配送成本低、交付體驗(yàn)好、輕運(yùn)作、風(fēng)險(xiǎn)低及擴(kuò)展性強(qiáng)等優(yōu)點(diǎn)，但同時(shí)也存在以生鮮引流的消費(fèi)特點(diǎn)所帶來(lái)的供應(yīng)鏈與物流標(biāo)準(zhǔn)化的風(fēng)險(xiǎn)與困難。任慧媛[2]認(rèn)為社區(qū)團(tuán)購(gòu)能夠快速發(fā)展的主要原因是借助了微信這一超級(jí)流量入口和關(guān)系營(yíng)銷平臺(tái)，并將社區(qū)團(tuán)購(gòu)模式定義為由一個(gè)統(tǒng)一供應(yīng)鏈平臺(tái)服務(wù)于若干個(gè)商家最終服務(wù)于若干個(gè)客戶的S2B2C模式。

相比于社區(qū)團(tuán)購(gòu)，配送中心選址相關(guān)研究歷史較長(zhǎng)，分為離散型和連續(xù)型兩種方法，其中離散型選址方法應(yīng)用廣泛。Barahona和Jensen[3]、王根基[4]考慮庫(kù)存成本、運(yùn)輸成本、固定設(shè)施成本等建立配送中心選址混合整數(shù)規(guī)劃模型。廖理[5]考慮不確定環(huán)境下的城市配送中心選址因素，建立基于服務(wù)水平約束的需求隨機(jī)和配送時(shí)間隨機(jī)的Baumol & Wolf選址模型，并將其轉(zhuǎn)化為等價(jià)的確定性模型并提出動(dòng)態(tài)規(guī)劃求解算法進(jìn)行求解。張開(kāi)運(yùn)[6]綜合考慮物流規(guī)劃部門和消費(fèi)者雙方利益，構(gòu)建解決物流配送中心選址的雙層規(guī)劃模型，并利用遺傳算法進(jìn)行求解得到較為優(yōu)化的物流配送中心選址方案。此外，CFLP[7]法也被用于配送中心選址問(wèn)題的研究。

在考慮路徑優(yōu)化的配送中心選址問(wèn)題中包含車輛調(diào)度問(wèn)題（Vehicle Routing Problem，VRP），該問(wèn)題已被證實(shí)為NP完全問(wèn)題，因此通常借助智能算法以改進(jìn)對(duì)這一類問(wèn)題進(jìn)行求解近似最優(yōu)解。拉格朗日算法[8]、遺傳算法[9]、免疫優(yōu)化算法[10]、GIS[11]等智能算法在求解不同約束條件下的配送中心選址問(wèn)題中得到廣泛應(yīng)用。

隨著消費(fèi)者需求的變化，電商生鮮產(chǎn)品的新鮮度逐漸被納入到配送中心選址的考慮因素。生鮮類產(chǎn)品的新鮮度損耗主要可分為線性損耗與非線性損耗。Osvald和Stirn在研究具有時(shí)間窗和隨機(jī)時(shí)間變化的旅行時(shí)間車輛路徑問(wèn)題時(shí)（VRPTWTD），將新鮮蔬菜的易腐性分為不受影響、線性損失、徹底損壞三個(gè)階段，其中第二階段的產(chǎn)品損失速度隨時(shí)間線性變化[12]。Gacula[13]將工程思想運(yùn)用于食品領(lǐng)域，通過(guò)實(shí)驗(yàn)設(shè)計(jì)的方法探究食品穩(wěn)定性隨時(shí)間變化的分布規(guī)律，得出生鮮產(chǎn)品的腐敗過(guò)程滿足Weibull分布，該結(jié)論作為生鮮產(chǎn)品品質(zhì)非線性變化規(guī)律被廣泛接受。此后，雙參數(shù)和三參數(shù)Weibull[14,15]作為生鮮類易腐產(chǎn)品失效過(guò)程被廣泛運(yùn)用。

結(jié)合已有研究可知，相比于一般配送中心的選址問(wèn)題，社區(qū)團(tuán)購(gòu)配送中心需求點(diǎn)以社區(qū)為單位，供應(yīng)點(diǎn)為城市配送倉(cāng)，需求受社區(qū)購(gòu)買力影響較大，且實(shí)際配送過(guò)程中顧客關(guān)注產(chǎn)品新鮮度要求，不涉及時(shí)間窗的約束，目前缺少結(jié)合社區(qū)團(tuán)購(gòu)訂單特征的配送中心選址問(wèn)題相關(guān)研究?，F(xiàn)有研究在選址時(shí)較少考慮配送過(guò)程，對(duì)配送過(guò)程中非線性情況下生鮮類產(chǎn)品配送過(guò)程的損失成本缺乏考慮，不能較好地從實(shí)際配送、產(chǎn)品質(zhì)量等角度進(jìn)行社區(qū)團(tuán)購(gòu)配送中心的選址。因此，本文基于三參數(shù)Weibull分布下的新鮮度損耗成本對(duì)社區(qū)團(tuán)購(gòu)配送中心的選址進(jìn)行研究，建立混合整數(shù)規(guī)劃模型并借助蟻群算法設(shè)計(jì)兩階段算法求解該選址-路徑問(wèn)題。

1 模型建立

1.1 變量設(shè)置及假設(shè)條件

在本文后續(xù)建模及求解過(guò)程中用到的數(shù)學(xué)符號(hào)見(jiàn)表1。

表1 數(shù)學(xué)符號(hào)定義

Tab.1 Mathematical symbols

為了降低其他次要因素對(duì)主要研究因素的干擾，本文作以下假設(shè)：

（1）目標(biāo)電商企業(yè)處于非壟斷市場(chǎng)；

（2）配送中心無(wú)能力限制；

（3）每個(gè)社區(qū)點(diǎn)僅由一輛車輛配送；

（4）產(chǎn)品的進(jìn)價(jià)與售價(jià)以及配送車輛配送過(guò)程中涉及的各參數(shù)已知；

（5）配送中心以租用模式計(jì)算租用成本。

1.2 新鮮度損耗成本推算

本文采用三參數(shù)Weibull分布函數(shù)作為刻畫社區(qū)團(tuán)購(gòu)電商配送過(guò)程中產(chǎn)生的直接損耗，以此作為建模與求解過(guò)程依據(jù)。在三參數(shù)Weibull函數(shù)分布下，產(chǎn)品變質(zhì)率概率密度函數(shù)為：

在三參數(shù)Weibull分布下，損耗率隨時(shí)間變化規(guī)律如圖1所示。

圖1 Weibull分布下新鮮度損耗

因?yàn)楣?yīng)商經(jīng)過(guò)平臺(tái)配送中心驗(yàn)收檢驗(yàn)后商品所有權(quán)屬于平臺(tái)，所以被消費(fèi)者申請(qǐng)退貨的商品除了利潤(rùn)全部損失的同時(shí)平臺(tái)還需承擔(dān)已經(jīng)支付的采購(gòu)價(jià)格，該部分商品的殘值為0。

新鮮度隨運(yùn)輸距離變化函數(shù)關(guān)系以及隨運(yùn)輸距離變化的新鮮度損耗分別為式（3）和圖2所示：

圖3 新鮮度損耗與復(fù)購(gòu)關(guān)系

1.3 模型建立

根據(jù)上述配送中心選址過(guò)程中需要考慮的因素分析，構(gòu)建社區(qū)電商配送中心選址模型中主要考慮的成本可以分為運(yùn)輸成本、倉(cāng)儲(chǔ)成本、配送中心租用成本、產(chǎn)品因新鮮度損耗引起的直接產(chǎn)品利潤(rùn)損失與間接市場(chǎng)復(fù)購(gòu)損失。在對(duì)成都市主流社區(qū)團(tuán)購(gòu)平臺(tái)進(jìn)行調(diào)研時(shí)發(fā)現(xiàn)，所有被調(diào)研對(duì)象在區(qū)域配送中心都建有冷庫(kù)、冷藏系統(tǒng)，且社區(qū)團(tuán)購(gòu)配送中心采取直接轉(zhuǎn)運(yùn)的模式，供應(yīng)商運(yùn)輸?shù)脚渌椭行牡纳唐反鎯?chǔ)時(shí)間非常短，因此只考慮在運(yùn)輸環(huán)節(jié)過(guò)程的損耗成本。下面對(duì)以上四類成本分別建模計(jì)算作為選址的總成本。

（1）運(yùn)輸成本：

（2）倉(cāng)儲(chǔ)成本：

（3）配送中心租用成本：

（4）三參數(shù)Weibull分布下的直接損耗成本與間接損耗成本。直接產(chǎn)品損失成本為：

可得間接產(chǎn)品損失：

社區(qū)團(tuán)購(gòu)電商配送中心選址模型總成本可以表述為：

模型中包含一些約束條件表述如下。

社區(qū)團(tuán)購(gòu)需求點(diǎn)需求限制：

配送中心流量守恒：

一個(gè)社區(qū)由一輛車輛配送：

配送車輛載重約束：

0-1變量：

配送中心存在性約束：

約束條件為公式（11）~（16）。

2 模型求解

對(duì)于混合整數(shù)規(guī)劃模型的求解，通常有遺傳算法、免疫優(yōu)化算法、拉格朗日算法等，鑒于同時(shí)求解選址-路徑問(wèn)題過(guò)于復(fù)雜，本文設(shè)計(jì)了兩階段算法對(duì)問(wèn)題求解進(jìn)行簡(jiǎn)化。首先對(duì)選址問(wèn)題進(jìn)行近似求解，其次將求解結(jié)果再用蟻群算法結(jié)合matlab實(shí)現(xiàn)考慮配送情況下的配送中心選址模型的求解，如圖4所示。

圖4 兩階段求解方法

在第二階段考慮由于商品新鮮度損耗帶來(lái)的成本時(shí)，結(jié)合實(shí)際運(yùn)輸距離與Weibull分布對(duì)成本進(jìn)行計(jì)算，并改進(jìn)蟻群算法中路徑的計(jì)算，主要步驟如下：

step1 計(jì)算第條配送路線行駛總距離。

step2 從第一個(gè)點(diǎn)開(kāi)始計(jì)算配送中心至該點(diǎn)的總距離，并判斷是否大于引起新鮮度損耗的最小成本，是則轉(zhuǎn)step3，否則轉(zhuǎn)step4。

step3 采用（7）~（9）式計(jì)算因新鮮度損耗引起的間接成本損失。

step4 計(jì)算路線的總成本，并作為判斷該路線優(yōu)劣性的條件進(jìn)行算法迭代求解。

3 算例分析

3.1 算例數(shù)據(jù)及處理

本文采用成都市“你我您”社區(qū)團(tuán)購(gòu)電商平臺(tái)作為算例背景?！澳阄夷笔瞧鸺逸^早的社區(qū)團(tuán)購(gòu)平臺(tái)代表，于2016年9月起源于湖南長(zhǎng)沙，最開(kāi)始主要經(jīng)營(yíng)水果、蔬菜等生鮮食品，經(jīng)過(guò)兩年多的發(fā)展產(chǎn)品范圍逐漸擴(kuò)展到百貨、糧油、食品、水產(chǎn)、美妝、干貨等多個(gè)領(lǐng)域，品類數(shù)量超過(guò)9萬(wàn)，其中，生鮮產(chǎn)品的比例約占40%，具有顯著的商品品類特征。

“你我您”平臺(tái)在成都市范圍內(nèi)有三個(gè)配送中心，分別位于西南部（SW）、東部（E）、中部（M）三個(gè)區(qū)，從小程序可查詢到該平臺(tái)的銷售數(shù)據(jù)。為保證數(shù)據(jù)的隨機(jī)性與真實(shí)性，本文對(duì)成都市范圍進(jìn)行坐標(biāo)化，借助matlab隨機(jī)打點(diǎn)并根據(jù)小程序?qū)嶋H社區(qū)點(diǎn)位對(duì)隨機(jī)點(diǎn)位置進(jìn)行調(diào)整，然后根據(jù)城市人口分布規(guī)律與聯(lián)合采購(gòu)成本采用的比例分配方法將城市需求分配到各社區(qū)點(diǎn)，作為需求點(diǎn)的需求：

表2 成都市你我您團(tuán)購(gòu)平臺(tái)日銷量

Tab.2 Sales of Niwonin platform in Chengdu

經(jīng)調(diào)整后的社區(qū)點(diǎn)位如圖5所示。

圖5 社區(qū)實(shí)際位置點(diǎn)位

算例中所用到的其他參數(shù)如表3和表4所示。

表3 配送中心待選點(diǎn)數(shù)據(jù)

表4 配送環(huán)節(jié)相關(guān)參數(shù)

3.2 現(xiàn)有配送中心選址成本

“你我您”在成都的三個(gè)配送中心坐標(biāo)化后的位置分別為SW（2.9，20.6）、M（26.4，13.3）、E（39.1，6.2）。調(diào)用第一階段選址算法，求得各配送中心輻射社區(qū)點(diǎn)情況，結(jié)果如圖6所示。

圖6 現(xiàn)有模式選址路徑

借助改進(jìn)路程長(zhǎng)度后的蟻群算法對(duì)各配送中心配送路線進(jìn)行優(yōu)化，可得每個(gè)配送中心的優(yōu)化路線，如圖7所示。

圖7 現(xiàn)有選址優(yōu)化路徑

現(xiàn)有選址模式下成本如表5所示。

表5 現(xiàn)有選址模式下成本

Tab.5 Cost under existing location mode

3.3 配送中心數(shù)量約束下的選址

本文通過(guò)假設(shè)配送中心數(shù)量約束分別為3、4、5，對(duì)成都市“你我您”社區(qū)團(tuán)購(gòu)平臺(tái)配送中心進(jìn)行選址，選址結(jié)果如表6所示。

表6 方案選址結(jié)果配送成本

Tab.6 Distribution cost of solution location result

3.4 結(jié)果對(duì)比

綜合以上兩階段算法對(duì)成都市某社區(qū)團(tuán)購(gòu)平臺(tái)的現(xiàn)有配送中心與待選配送中心進(jìn)行比較，分別求解計(jì)算現(xiàn)有配送中心、配送中心數(shù)量為3（方案一）、4（方案二）、5（方案三）時(shí)的單日總成本，如表7所示。

表7 選址方案總成本

Tab.7 Total cost of location scheme

隨著配送中心數(shù)量的增加，總成本呈現(xiàn)先降低后增加的變化規(guī)律。當(dāng)配送中心數(shù)量約束為3個(gè)時(shí)，總成本降低比例最大，達(dá)到4.41%，為所有方案中最優(yōu)的方案。在現(xiàn)有訂單歷史的情況下，再增加配送中心的數(shù)量至4時(shí)，與現(xiàn)有方案成本相比降低3.52%，當(dāng)配送中心數(shù)量為5時(shí)，與現(xiàn)有方案成本相比降低0.44%，結(jié)果證明了本研究的有效性。

4 結(jié) 論

本文將生鮮產(chǎn)品新鮮度損耗成本考慮進(jìn)社區(qū)團(tuán)購(gòu)配送中心選址過(guò)程中，借助改進(jìn)的蟻群算法設(shè)計(jì)兩階段算法對(duì)模型進(jìn)行求解，得出如下結(jié)論：

（1）考慮新鮮度的選址模型符合生鮮團(tuán)購(gòu)平臺(tái)特征，配送中心的選址優(yōu)化能夠?yàn)樽赓U方式下的社區(qū)團(tuán)購(gòu)電商配送中心選址提供依據(jù)。

（2）采用配送中心數(shù)量約束策略可有效降低企業(yè)末端配送總成本，在一定變化范圍內(nèi)存在總成本最優(yōu)方案。

本文考慮新鮮度損耗成本求解選址-路徑問(wèn)題并借助改進(jìn)的蟻群算法求解，取得一定程度進(jìn)展，未來(lái)可結(jié)合GIS技術(shù)采用實(shí)際距離進(jìn)一步做相關(guān)研究。

[1] 黃希. 基于移動(dòng)平臺(tái)的社區(qū)團(tuán)購(gòu)模式研究與分析[J]. 現(xiàn)代營(yíng)銷, 15(2): 2019, 99

[2] 任慧媛. “社區(qū)團(tuán)購(gòu)”正在重演“百團(tuán)大戰(zhàn)”[J]. 中外管理, 2019, 29(1): 102-104.

[3] BARAHONA F, JENSEN D. Plant location with minimum Inventory [J]. Mathematical Programming, 1998(83): 101-111.

[4] 王根基, 李莉. 電商物流配送中心選址布局問(wèn)題研究[J]. 物流科技, 2019, 43(2): 27-29

[5] 廖理. 不確定環(huán)境下的城市配送中心動(dòng)態(tài)選址研究[D]. 成都: 西南交通大學(xué), 2007.

[6] 張開(kāi)運(yùn). B2C電子商務(wù)的物流配送中心選址研究[D]. 秦皇島: 燕山大學(xué), 2017.

[7] 馬雪鴻, 李光明. 基于CFLP模型的物流配送中心選址問(wèn)題研究——以石河子X(jué)X純凈水公司為例 [J]. 企業(yè)活力. 2012, 28(3): 16-20

[8] BARCELO J, CASANOVAS J. A heuristic capacitated lagranean algorithm for the plant location problem [J]. European Journal of Operational Research, 1984, 15(2): 212-226.

[9] TOHYAMA H, IDA K, MATSUEDA J. Genetic algorithm for the uncapacitated facility location problem [J]. Electronics and Communications in Japan, 2011, 94(5): 628-635.

[10] 胡朝陽(yáng). 基于免疫優(yōu)化算法的第三方配送中心選址研究[D]. 太原: 中北大學(xué), 2016.

[11] FARAHBASKHSH A, FORGHANI M A. Sustainable location and route planning with GIS for waste sorting centers, case study: Kerman, Iran [J]. Waste Management & Research, 2019, 37(3): 287-300.

[12] OSVALD A, STIRN L Z. A vehicle routing algorithm for the distribution of fresh vegetables and similar perishable food [J]. Journal of Food Engineering, 2008, 85(2): 285-295

[13] GACULA M C. The design of experiments for shelf life study [J]. Journal of Food Science, 1975, 40(2): 399-403.

[14] JOLAI F, TAVAKKOLI-MOGHADDAM R, RABBANI M, et al. An economic production lot size model with deteriorating items, stock-dependent demand, inflation, and partial backlogging [J]. Applied Mathematics and Computation, 2006, 181(1): 380-389.

[15] PHILIP, GEORGE C. Generalized EOQ model for items with weibull distribution deterioration [J]. AIIE Transactions. 1974, 6(2): 159-162.

Location Selection of A Community Group-buying E-commerce Distribution Center Considering Freshness Loss

YI Hai-yan1，ZHANG Zhen-yan2

（1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, China; 2. Department of SCM, DongFeng Nissan Passenger Vehicle Company, Guangzhou 510800, China）

The S2B2C supply chain mode of community group-buying e-commerce brings about the location problem in the new environment. The location decision can effectively reduce the operation cost of community group-buying platforms and protect the interests of enterprises. To ensure the location decision is in line with the actual operation of community group purchase, this study investigates the supply chain model of community group-buying based on actual investigation and establishes the mixed integer location model considering freshness loss. A two-stage solution model is designed using an ant colony algorithm to solve the cost considered in the process of optimizing the location. Finally, an example is provided and the results are compared and analyzed. The results indicate that the location strategy can effectively reduce enterprises’ operating costs, and the local optimal solution will appear under the constraints of the number of specific distribution centers.

community group buying; freshness loss; location selection of distribution center; two-stage algorithm

1672-4747（2020）02-0059-09

F724.6; F252

A

10.3969/j.issn.1672-4747.2020.02.007

2019-07-08

易海燕（1978—），女，漢族，湖南株洲人，博士，副教授，碩士生導(dǎo)師，主要研究領(lǐng)域?yàn)楣?yīng)鏈風(fēng)險(xiǎn)管理、物流園區(qū)規(guī)劃、汽車物流研究，E-mail：yihaiyan@swjtu.edu.cn

易海燕, 章圳琰. 基于新鮮度損耗的社區(qū)團(tuán)購(gòu)電商配送中心選址研究[J]. 交通運(yùn)輸工程與信息學(xué)報(bào), 2020, 18（2）：59-67.

（責(zé)任編輯：李愈）