實現(xiàn)高效率的物流敏捷調(diào)運研究

王富忠

(浙江科技學(xué)院經(jīng)濟(jì)管理學(xué)院,杭州310023)

針對物流調(diào)運問題,近年來涌現(xiàn)出相當(dāng)多的研究成果,其主要的研究方向聚焦于VRP(vehicle routing problem,車輛路徑問題)、VSP(vehicle scheduling problem,車輛調(diào)度問題)[1-3]。國外在這些領(lǐng)域的研究已經(jīng)比較成熟,國內(nèi)在該領(lǐng)域的研究雖然起步相對較晚,但也涌現(xiàn)出了一大批的研究成果。例如,在該領(lǐng)域的研究文獻(xiàn)已有200余篇,比較有代表性的是李軍、郭耀煌的國家自然科學(xué)基金項目研究成果[4]。筆者通過對現(xiàn)有的研究文獻(xiàn)進(jìn)行梳理后發(fā)現(xiàn),在現(xiàn)有的研究文獻(xiàn)中,很少有針對物流調(diào)運問題提出相關(guān)的知識準(zhǔn)則以提升物流調(diào)運的敏捷性這方面的研究成果[5]?；诖?本研究針對物流市場動態(tài)多變和物流運輸資源(車輛)具有動態(tài)性的特點,特將物流調(diào)運者的實際工作經(jīng)驗和物流調(diào)運優(yōu)化研究者的成果有機(jī)地結(jié)合起來,建立了有效的“敏捷調(diào)運知識準(zhǔn)則”,從而在知識層面上,對物流敏捷調(diào)運優(yōu)化方案的靈敏、快捷生成和實施給予有效的支持。雖然在以往的研究中已有少量文獻(xiàn)通過研究歸納出幾類與物流調(diào)運緊密相關(guān)的敏捷性知識準(zhǔn)則[6-7],但這些文獻(xiàn)中的每一類敏捷性知識準(zhǔn)則的構(gòu)建都是針對某類實際的運輸調(diào)度問題的。在文獻(xiàn)[6]和文獻(xiàn)[7]的研究中,研究者利用敏捷性知識準(zhǔn)則,在研究具體的調(diào)運問題時獲得了下述的調(diào)運效果,如表1所示。

表1 各文獻(xiàn)使用敏捷性知識準(zhǔn)則后的調(diào)運效果Table 1 Scheduling effect used by agile knowledge rules of many references

在表1中,雖然各文獻(xiàn)在使用敏捷性知識準(zhǔn)則后的優(yōu)勢相當(dāng)明顯,但各自都存在一定的問題。為解決上述各文獻(xiàn)中存在的缺陷,本文將在文獻(xiàn)[6-7]的研究基礎(chǔ)上,對如何實現(xiàn)高效率的物流敏捷調(diào)運問題進(jìn)行研究。

1 問題背景與敏捷調(diào)運知識準(zhǔn)則

1.1 問題背景

記配送中心標(biāo)記為O,配送地記為h,距離記為d。本研究在實際問題的基礎(chǔ)上,對配送貨物進(jìn)行歸納和簡化后的一組實際數(shù)據(jù)如表2和表3所示,其中,車輛數(shù)據(jù)為模擬數(shù)據(jù)。

表2 貨物配送需求量及車輛信息Table 2 Distribution demand number of goods and vehicles information

表3 距離信息表Table 3 Distance information

在考慮配送量與距離等因素的情況下,如何做到裝載率的優(yōu)化與成本的節(jié)約是本研究需要重點探討的問題。

1.2 敏捷調(diào)運知識準(zhǔn)則

為了實現(xiàn)物流調(diào)運的敏捷化,同時考慮到緊急調(diào)運情況、拼貨情況、裝載率最大化約束等情況,本研究在文獻(xiàn)[7]的基礎(chǔ)上對敏捷調(diào)運知識準(zhǔn)則進(jìn)行了完善:

第一優(yōu)先準(zhǔn)則 交貨需求早并且滿足拼貨條件的配送地要優(yōu)先安排裝載。

第二優(yōu)先準(zhǔn)則 在考慮貨物種類的情況下,對距配送中心遠(yuǎn)的配送地優(yōu)先安排裝載。

第三優(yōu)先準(zhǔn)則 在裝載能力相同且有多種車輛組合可選情況下,盡可能選擇配送車輛噸位大的優(yōu)先安排裝載。

第四優(yōu)先準(zhǔn)則 針對確定車輛裝載物品重量大的優(yōu)先安排裝載。

在考慮4條知識準(zhǔn)則的同時,采用就近插入法對線路進(jìn)行優(yōu)化。

與文獻(xiàn)[7]相比,本研究采用就近插入法對線路進(jìn)行優(yōu)化,其方式是針對已確定要裝載的車輛,并且這些車輛裝載貨物的目的地已經(jīng)確定,在此基礎(chǔ)上,由于存在多條線路可選,進(jìn)而會影響到貨運周轉(zhuǎn)量。因此,在對這些車輛裝貨的同時,以降低貨運周轉(zhuǎn)量為內(nèi)在條件對這些車輛的路線進(jìn)行優(yōu)化。

2 基于敏捷調(diào)運知識準(zhǔn)則的車輛調(diào)度研究

2.1 車輛調(diào)運優(yōu)化模型的建立

記針對配送中心的可動用車輛集為F={f|f=1,2,…,n},其中 f表示車號。

tf為針對f的選擇變量(決策變量),tf∈{0,1},f=1,2,…,n;uf為第f輛車的載重量(噸位)。

G表示配送需求總量。

l表示路徑號,L表示路徑序列集合,l∈L。

xlf表示f號車行駛l號路徑時的裝載量,dlf表示f號車行駛l號路徑時的距離。

如果xlf的裝載量存在拼貨情況(存在對幾個配送地同時配送的情況),則l的取值就同時影響到dlf的取值,因此需要對l路線進(jìn)行優(yōu)化。本研究通過下述2個步驟解決了l路線優(yōu)化問題:

1)先針對配送路徑庫,生成配送路徑子網(wǎng),形成路徑序列集合L。例如,0—6表示從配送中心O至配送地6的路徑,那么d0—6f表示車輛f從配送中心O行駛至配送地6的最短距離。

2)如果存在拼貨的情況,采用就近插入法的原則,將需要拼貨的配送地進(jìn)行連接,再進(jìn)行路線的優(yōu)化。例如,裝載車輛 f不僅裝載了從配送中心O到配送地6的貨,而且也拼裝了配送地5的貨。這時針對f號車的行駛路線也優(yōu)化成最短的0—5—6或0—6—5路線。以下同理進(jìn)行。

上述逐級遞階路線優(yōu)化是遵循貨物裝載與路線優(yōu)化同步的方式進(jìn)行的。于是,用整數(shù)規(guī)劃描述的車輛調(diào)度優(yōu)化模型VSOP為:

顯然,這是一個非線性混合型規(guī)劃,為求解這類規(guī)劃問題,本研究采用了簡化的方法。簡化的思路如下:由于VSOP是一個兼具線路(包括距離)與車輛約束的車輛調(diào)度優(yōu)化模型,故可以將線路的優(yōu)化放在求解過程中(具體的求解步驟中)進(jìn)行。因此,可以將VSOP模型簡化為單純的車輛調(diào)運優(yōu)化模型,即簡化為下述的調(diào)運優(yōu)化模型P來求解[7]:

求解模型P的算法如下:

1)按敏捷調(diào)運知識準(zhǔn)則中第一至第四級優(yōu)先準(zhǔn)則對配送單表(需求清單表)進(jìn)行排序并分解。

2)利用模型P對分解清單進(jìn)行求解。利用就近插入法原則對配送路線進(jìn)行優(yōu)化,得到車輛的配載清單,同時刷新可動用車輛集F。

3)重復(fù)1)、2)中的操作。

4)求得所有的裝載方案,并計算出裝載率。

2.2 模型的求解結(jié)果與分析

遵循上述模型P的求解算法,得到求解之后的調(diào)運方案如表4所示。

表4 模型P求解后的調(diào)運方案Table 4 Scheduling planning of solving model P

采用本算法的調(diào)運結(jié)果為:裝載率為100%,貨運周轉(zhuǎn)量為7 195.5 t?km,而使用文獻(xiàn)[7]得出貨運周轉(zhuǎn)量為7 757.5 t?km。其中13號、15號、16號車沒有被調(diào)運。由此可見,本研究算法有較強(qiáng)的優(yōu)越性,與文獻(xiàn)[7]中的算法相比較,貨運周轉(zhuǎn)量減少了562 t?km。

2.3 裝載率的討論與分析

雖然本例中的裝載率為100%,但只是針對一批貨物集中調(diào)運的情況,還并不具備代表性。為了針對每一次不同的集中調(diào)運情況,以及更精確地估算出各次調(diào)運后的裝載率。本研究根據(jù)上述例子中的車輛詳細(xì)信息對調(diào)運優(yōu)化模型P的裝載率進(jìn)行了測量,測量的步長為0.1 t,通過使用Delphi編寫相應(yīng)的程序,得到如圖1所示的測量結(jié)果。

在圖1中,在敏捷調(diào)運知識準(zhǔn)則支撐下,通過對調(diào)運優(yōu)化模型P的裝載率進(jìn)行測量后發(fā)現(xiàn),其裝載率區(qū)間結(jié)果非常好,當(dāng)配送任務(wù)裝載量在20 t(見圖1中的橫坐標(biāo)200單位)以上時,裝載率基本上保持在95%～100%之間。

本研究中使用的簡化模型P與文獻(xiàn)[7]使用的模型P相比,并沒有多出動車輛,只是兩個模型處理不同的數(shù)據(jù)而已。本研究中車輛數(shù)據(jù)的選取,特別是車輛噸位的設(shè)計是參考斐波拉契數(shù)列來配備每輛車的噸位。實踐也證明,企業(yè)在配備可供調(diào)運車輛時,應(yīng)該考慮到不同噸位車輛的合理配備,以參考斐波拉契數(shù)列(1,1,2,3,5,8,13,21,…)來配備每輛車的噸位,車輛數(shù)量盡量服從正態(tài)分布,這樣做是非常有利于節(jié)約運輸成本的。

圖1 車輛裝載率估算界面Fig.1 Interface of measuring on vehicle loading rate

3 結(jié) 語

本研究吸收了文獻(xiàn)[6]和文獻(xiàn)[7]的精髓,根據(jù)某實際問題的簡化數(shù)據(jù),構(gòu)造并完善了適應(yīng)于實際問題的敏捷調(diào)運知識準(zhǔn)則,是非常有應(yīng)用價值的。

在敏捷調(diào)運知識準(zhǔn)則的支持下,提出了車輛調(diào)運優(yōu)化模型VSOP,它是一個非線性規(guī)劃模型,通過將它轉(zhuǎn)換為一個較為通用的模型P進(jìn)行求解,所得裝載率非常高。而且,其結(jié)果與同類算法相比,貨運周轉(zhuǎn)量也相對較低,行駛噸公里下降了562 t?km,從而有效降低了物流調(diào)運成本。

[1] TUZUN D,BURKEL I.A two-phase tabu search approach to the location routing problem[J].European Journal of Operational Research,1999,116(1):87-99.

[2] BAITA F,PESENTI R,UKOVIC W,et al.A comparison of different solution approaches to the vehicle scheduling problem in a practical case[J].Computers&Operations Research,2000,27(13):1249-1269.

[3] CAMPBELL A M,SAVELSBERGH M.Efficient insertion heuristics for vehicle routing and scheduling problems[J].Transportation Science,2004,38(3):369-378.

[4] 李軍,郭耀煌.物流配送車輛優(yōu)化調(diào)度理論與方法[M].北京:中國物資出版社,2001.

[5] 王富忠,沈祖志.現(xiàn)代物流敏捷調(diào)運的運作體系與調(diào)運方式研究[J].浙江科技學(xué)院學(xué)報,2008,20(3):200-204.

[6] WANG F Z,SHEN Z Z,YU F M.Research of realizing logistics scheduling agility on the basis of semi-hierarchical control mechanism[C]//Proceedings of 2006 International Conference on Machine Learning and Cybernetics.Dalian,China:IEEE,2006:770-774.

[7] 王富忠,郭俊輝.物流敏捷調(diào)運實現(xiàn)的研究[J].浙江科技學(xué)院學(xué)報,2009,21(1):40-44.