鐵海聯(lián)運(yùn)煤炭供應(yīng)鏈的數(shù)學(xué)建模與案例分析*

□ 紀(jì)曉彬，劉仕強(qiáng)

(福州大學(xué) 經(jīng)濟(jì)與管理學(xué)院，福建 福州 350108)

1 引言

煤炭被譽(yù)為“黑色黃金”，是社會(huì)生產(chǎn)與生活中不可或缺的重要能源[1]，現(xiàn)代煤炭企業(yè)的競(jìng)爭(zhēng)已經(jīng)不再局限于煤炭企業(yè)之間的競(jìng)爭(zhēng)，而是滲透于企業(yè)所處的煤炭供應(yīng)鏈的角逐之中，為了使煤炭企業(yè)在市場(chǎng)博弈中保持優(yōu)勢(shì)與生命力，必須加強(qiáng)其煤炭供應(yīng)鏈的核心競(jìng)爭(zhēng)力[2]，隨著煤炭行業(yè)的發(fā)展，煤炭供應(yīng)鏈也備受?chē)?guó)內(nèi)外學(xué)者專家的關(guān)注[3]，傳統(tǒng)的煤炭供應(yīng)鏈網(wǎng)絡(luò)CSCN(Coal Supply Chain Network)主要以確定性情境為假設(shè)，其研究范圍包括煤炭采購(gòu)、配煤加工、煤炭銷(xiāo)售、煤炭供應(yīng)鏈的網(wǎng)絡(luò)設(shè)計(jì)等。然而這種假設(shè)在復(fù)雜多變的市場(chǎng)條件面前顯然缺乏合理性。近兩年，受到新冠疫情的持續(xù)影響，商品和原材料需求激增[4]，電力企業(yè)所需煤炭需求量增加，同時(shí)，疫情的反復(fù)導(dǎo)致港口擁堵和船期延誤，危及全球煤炭供應(yīng)鏈的順暢進(jìn)行，影響到各個(gè)行業(yè)的發(fā)展[5]。在國(guó)際上，2021年7月，受到國(guó)際市場(chǎng)需求上漲的影響，動(dòng)力煤價(jià)格周環(huán)比繼續(xù)上漲，導(dǎo)致印度煤炭進(jìn)口量持續(xù)低迷，燃煤庫(kù)存告急，部分電廠因缺煤幾近關(guān)停；同月，列車(chē)脫軌事件導(dǎo)致兩條通往南非理查茲灣煤碼頭(RBCT)的運(yùn)煤鐵路被迫停運(yùn)，需進(jìn)行檢修，印度8月至9月下旬的平均每周煤炭進(jìn)口量低于150萬(wàn)噸，為至少兩年來(lái)最低，全球煤炭?jī)r(jià)格上漲了40%以上，創(chuàng)下歷史新高；我國(guó)是煤炭消耗大國(guó)，能源經(jīng)濟(jì)的長(zhǎng)期安全對(duì)于滿足公民對(duì)終端能源服務(wù)的需求至關(guān)重要，在國(guó)內(nèi)，由于煤價(jià)上漲以及疫情影響減弱，經(jīng)濟(jì)復(fù)蘇，眾多行業(yè)需求增長(zhǎng)導(dǎo)致電力供應(yīng)緊張，1至8月煤炭進(jìn)口量約下降了10%；由于部分高耗能產(chǎn)業(yè)“西遷”、風(fēng)電驟減等，9月份多地對(duì)高耗能高排放企業(yè)采取“拉閘限電”等政策來(lái)改善電力供需緊張的局面；此外，十一黃金周期間，山西這個(gè)產(chǎn)煤大省遭遇百年難遇洪災(zāi)，多個(gè)煤礦基地被洪水倒灌導(dǎo)致停產(chǎn)，損失慘重。因此，在不確定條件下，煤炭供應(yīng)鏈相關(guān)企業(yè)如何制定與選擇最優(yōu)決策以保證煤炭供應(yīng)鏈的順暢進(jìn)行，對(duì)于企業(yè)本身、社會(huì)乃至國(guó)家都有巨大影響，本文主要針對(duì)不確定條件下的煤炭供應(yīng)鏈網(wǎng)絡(luò)進(jìn)行研究，意在降低CSCN總運(yùn)營(yíng)成本的同時(shí)，提高CSCN的抗風(fēng)險(xiǎn)能力。

關(guān)于CSCN的研究最早起源于煤炭物流設(shè)施選址問(wèn)題，國(guó)內(nèi)外較多學(xué)者針對(duì)的是確定情景下的煤炭供應(yīng)鏈網(wǎng)絡(luò)的研究。Sun等[6]探討煤炭區(qū)域供應(yīng)鏈，利用多區(qū)域投入產(chǎn)出模型(MRIO)對(duì)中國(guó)礦產(chǎn)資源需求進(jìn)行分析；Valderrama等[7]設(shè)計(jì)了一個(gè)整合經(jīng)濟(jì)與環(huán)境的煤炭供應(yīng)鏈模型，驗(yàn)證了供應(yīng)鏈中不同成本和運(yùn)輸排放量之間的顯著關(guān)系；Bowen等[8]建立了一個(gè)斯塔克爾伯格模型，評(píng)估基于兩級(jí)價(jià)格管制的煤電供應(yīng)鏈的戰(zhàn)略熱訂單實(shí)現(xiàn)率；李丹等[9]考慮整體利潤(rùn)和客戶滿意度，提出了煤炭供應(yīng)鏈多目標(biāo)優(yōu)化模型，利用廣義遺傳算法進(jìn)行求解；Wang等[10]運(yùn)用有向復(fù)雜網(wǎng)絡(luò)模型來(lái)考察全球煤炭貿(mào)易體系的演變，討論了可持續(xù)發(fā)展的潛在有效策略；袁旭梅等[11]考慮港口物流服務(wù)能力，建立了海運(yùn)煤炭供應(yīng)鏈的網(wǎng)絡(luò)多目標(biāo)模型，并引入“成本關(guān)系系數(shù)”進(jìn)行求解；Dong等[12]針對(duì)大型發(fā)電集團(tuán)煤炭海運(yùn)供應(yīng)鏈，構(gòu)建模型以達(dá)到最小化采購(gòu)及運(yùn)輸總成本的目的。上述研究限于確定情境下的CSCN，且大多是以單一運(yùn)輸方式進(jìn)行研究[13]，在戰(zhàn)術(shù)層面結(jié)合多種運(yùn)輸方式的研究并不多，然而不同運(yùn)輸方式下的成本與選擇會(huì)對(duì)供應(yīng)鏈全局產(chǎn)生影響[14]，中國(guó)特殊的煤炭分布情況導(dǎo)致煤炭運(yùn)輸主要由鐵路完成，鐵路有限的運(yùn)輸能力以及高昂的修建和維護(hù)成本[15]促使我國(guó)開(kāi)始大力推行多式聯(lián)運(yùn)模式[16]，其中鐵海聯(lián)運(yùn)因其成本低、運(yùn)量大的優(yōu)勢(shì)，逐漸成為中國(guó)最重要的煤炭運(yùn)輸方式之一。本文在對(duì)CSCN進(jìn)行研究時(shí)，將其設(shè)定在鐵海聯(lián)運(yùn)條件下進(jìn)行的運(yùn)輸。

國(guó)內(nèi)外對(duì)于不確定條件下的煤炭供應(yīng)鏈的研究相對(duì)較少，由于實(shí)踐中數(shù)據(jù)與參數(shù)均存在不確定性，本文考慮需求和煤炭?jī)r(jià)格不確定情境下的煤炭供應(yīng)鏈問(wèn)題。在眾多文獻(xiàn)中，常常采用隨機(jī)規(guī)劃法、模糊規(guī)劃法、魯棒優(yōu)化法等方法處理不確定情景下的供應(yīng)鏈問(wèn)題[17]；孫華麗等[18]針對(duì)物資需求量和車(chē)輛運(yùn)輸時(shí)間的不確定性，建立應(yīng)急設(shè)施選址-路徑魯棒優(yōu)化模型；李彤等[19]針對(duì)不確定需求下的取貨問(wèn)題，建立新的基于實(shí)際需求的路徑-裝載協(xié)同優(yōu)化模型并進(jìn)行求解；樓振凱等[20]針對(duì)二級(jí)供應(yīng)鏈中的不確定信息，建立Stackelberg魯棒博弈模型；鄧燁等[21]同時(shí)考慮需求不確定及風(fēng)險(xiǎn)情景增量不確定的閉環(huán)供應(yīng)鏈選擇問(wèn)題，利用模糊機(jī)會(huì)約束法進(jìn)行研究和求解；樂(lè)美龍等[22]針對(duì)航空公司的樞紐航線網(wǎng)絡(luò)規(guī)劃問(wèn)題，采用隨機(jī)規(guī)劃法研究其在機(jī)場(chǎng)的容量份額；范厚明等[23]結(jié)合模擬退火算法與粒子群算法，通過(guò)隨機(jī)規(guī)劃法，探討需求以及港口建設(shè)成本不確定情景下的港口失效問(wèn)題；劉家國(guó)等[24]分析信息不對(duì)稱、需求不確定下零售商公平偏好的價(jià)值和策略行為；張學(xué)龍等[25]考慮需求不確定，基于需求與產(chǎn)品單價(jià)的區(qū)間灰色特征，建立魯棒優(yōu)化模型并進(jìn)行求解。綜上，本文圍繞CSCN設(shè)計(jì)問(wèn)題，以提高整個(gè)煤炭供應(yīng)鏈系統(tǒng)的運(yùn)營(yíng)效率以及節(jié)省運(yùn)作的成本[26]同時(shí)降低供應(yīng)鏈運(yùn)作的風(fēng)險(xiǎn)，建立了考慮煤炭需求不確定性情景下的CSCN魯棒優(yōu)化設(shè)計(jì)模型。

本文的主要工作與貢獻(xiàn)有以下四點(diǎn)：

第一，在研究對(duì)象上，本文基于煤炭供應(yīng)鏈全局的視角，研究了以煤炭生產(chǎn)地為起點(diǎn)，經(jīng)過(guò)煤炭中轉(zhuǎn)港、煤炭目的港，最終到達(dá)煤炭消費(fèi)地的煤炭運(yùn)輸問(wèn)題，在目標(biāo)函數(shù)與約束條件中均考慮了港口的庫(kù)存問(wèn)題，以最小化綜合運(yùn)輸成本為目標(biāo)函數(shù)建立優(yōu)化模型，提供更加全面的決策方案。

第二，在運(yùn)輸方式上，本文不再考慮單一運(yùn)輸方式下的煤炭供應(yīng)鏈問(wèn)題，而是基于近幾年國(guó)家大力發(fā)展的“鐵海聯(lián)運(yùn)”模式，構(gòu)造鐵運(yùn)+海運(yùn)聯(lián)合運(yùn)輸下的煤炭供應(yīng)鏈模型，根據(jù)使用鐵海聯(lián)運(yùn)方式的實(shí)際情況，構(gòu)建多階段煤炭供應(yīng)鏈網(wǎng)絡(luò)。

第三，在研究?jī)?nèi)容上，本文探討并分析了不確定情景條件下的煤炭供應(yīng)鏈問(wèn)題，利用情景規(guī)劃法建立了煤炭需求與煤炭?jī)r(jià)格不確定情景下的魯棒優(yōu)化模型，從煤炭供應(yīng)鏈全局的角度優(yōu)化不同情境下的煤炭運(yùn)輸與調(diào)配方案。

第四，在實(shí)際運(yùn)用中，本文以包頭、鄂爾多斯、神木為煤炭生產(chǎn)地，將秦皇島、天津港、舟山港等國(guó)內(nèi)重要港口設(shè)置為中轉(zhuǎn)港口，為大型煤炭企業(yè)的決策者選擇合適的中轉(zhuǎn)港口并設(shè)置庫(kù)存提供更好的決策，有利于防控不確定環(huán)境影響下的需求及煤價(jià)波動(dòng)帶來(lái)的風(fēng)險(xiǎn)。

2 不確定需求下煤炭供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化的數(shù)學(xué)建模

2.1 問(wèn)題描述與假設(shè)

本文所研究的煤炭供應(yīng)鏈網(wǎng)絡(luò)由提供煤炭的露天煤礦或礦井開(kāi)采地、配煤中心、倉(cāng)儲(chǔ)企業(yè)、物流運(yùn)輸企業(yè)及煤炭消費(fèi)方組成；由于國(guó)家大力推行鐵海聯(lián)運(yùn)模式，因此將鐵海聯(lián)運(yùn)作為本文所設(shè)計(jì)的煤炭供應(yīng)鏈的運(yùn)輸方式，其中涉及到了煤炭運(yùn)輸?shù)乃膫€(gè)階段，分別是煤炭生產(chǎn)、鐵路運(yùn)輸、海上運(yùn)輸以及消費(fèi)配送[27]。煤炭供應(yīng)鏈各環(huán)節(jié)所需費(fèi)用包括運(yùn)輸費(fèi)用、中轉(zhuǎn)費(fèi)用、庫(kù)存費(fèi)用，目標(biāo)是在滿足總費(fèi)用最小的同時(shí)，降低不確定需求與庫(kù)存價(jià)格所帶來(lái)的風(fēng)險(xiǎn)，煤炭屬于大宗商品，在需求方面受地區(qū)、氣候、自然災(zāi)害影響，導(dǎo)致煤炭需求與煤炭?jī)r(jià)格呈現(xiàn)季節(jié)性波動(dòng)，有很顯著的不確定性，本文采用情景法來(lái)描述煤炭需求與庫(kù)存價(jià)格的不確定性。

綜上所述，煤炭需求與港口庫(kù)存價(jià)格不確定條件下CSCN問(wèn)題可以描述為以最小化供應(yīng)鏈的總成本和風(fēng)險(xiǎn)為目標(biāo)，給定在不同情境下的需求量和港口庫(kù)存價(jià)格，求解不同情境下不同節(jié)點(diǎn)之間煤炭最合適的運(yùn)輸路徑、煤炭調(diào)配量，選擇合適的港口進(jìn)行中轉(zhuǎn)與庫(kù)存的問(wèn)題。

為方便研究，在建立模型的過(guò)程中做以下假設(shè)：

①煤炭不允許缺貨，港口要有一定的安全庫(kù)存以及庫(kù)存上限保證生產(chǎn)運(yùn)輸?shù)倪B續(xù)性；

②考慮鐵路的運(yùn)能上限，海路運(yùn)力相對(duì)于鐵路運(yùn)力較富余，不考慮海路的運(yùn)力限制；

③忽略煤炭運(yùn)輸過(guò)程中煤炭的損耗；

④假設(shè)煤炭生產(chǎn)地與煤炭起運(yùn)港、起運(yùn)港與目的港之間是多對(duì)多運(yùn)輸，而目的港與消費(fèi)地之間，每個(gè)消費(fèi)地只能由一個(gè)港口輸送煤炭。

2.2 參數(shù)定義及說(shuō)明

集合和下標(biāo)：

I,M,J,K煤炭生產(chǎn)地、煤炭中轉(zhuǎn)港口、煤炭目的港口、煤炭消費(fèi)地的數(shù)量

i,m,j,k煤炭生產(chǎn)地、煤炭中轉(zhuǎn)港口、煤炭目的港口、煤炭消費(fèi)地節(jié)點(diǎn)，i=1,2,…,I;m=1,2,…,M;j=1,2,…,J;k=1,2,…,K

Γ不確定情境的數(shù)量

α不確定情境序號(hào)，α∈1,2,…，Γ

參數(shù)：

Pαi不確定情景α下煤炭生產(chǎn)地i對(duì)煤炭的供應(yīng)能力

aim煤炭從煤炭生產(chǎn)地i至中轉(zhuǎn)港口m的單位運(yùn)輸費(fèi)用

bmj煤炭從中轉(zhuǎn)港口m至目的港j的單位運(yùn)輸費(fèi)用

cjk煤炭從目的港j到消費(fèi)地k的單位運(yùn)輸費(fèi)用

eαi不確定情景α下煤炭生產(chǎn)地i的單位煤炭采購(gòu)價(jià)格

Nom可選擇中轉(zhuǎn)港口m的最大數(shù)量

Ndj可選擇目的港j的最大數(shù)量

uom中轉(zhuǎn)港口m的中轉(zhuǎn)費(fèi)用

udj目的港j的裝卸費(fèi)用

fm中轉(zhuǎn)港口m的固定費(fèi)用

capim從煤炭生產(chǎn)地i至中轉(zhuǎn)港口m的鐵路運(yùn)能約束

usj目的港j的單位庫(kù)存價(jià)格

Dαk不確定情景α下消費(fèi)地k對(duì)煤炭的需求量

pα不確定情景α發(fā)生的概率

λ魯棒性的調(diào)整權(quán)重，反映決策者的風(fēng)險(xiǎn)偏好

τα不確定情景α下需求不能滿足時(shí)的懲罰權(quán)重

決策變量:

oαm0-1變量，判斷不確定情景α下中轉(zhuǎn)港口m是否被選中，若被選中為1，否則取0

μαj0-1變量，判斷不確定情景α下目的港j是否被選中，若被選中為1，否則取0

xαim不確定情景α下從生產(chǎn)地i至中轉(zhuǎn)港口m的煤炭運(yùn)輸量

yαmj不確定情景α下從中轉(zhuǎn)港口m至目的港j的煤炭運(yùn)輸量

zαjk不確定情景α下從目的港j至煤炭消費(fèi)地k的煤炭運(yùn)輸量

qαj不確定情景α下煤炭在目的港j的新增庫(kù)存量

Qαj不確定情景α下煤炭在目的港j的現(xiàn)有庫(kù)存量

sαjk0-1變量，判斷不確定情景α下煤炭目的港口j是否為消費(fèi)地k服務(wù)，若港口j為消費(fèi)地k配送煤炭為1，否則取0

θα不確定情景α下供應(yīng)鏈總成本相對(duì)于期望成本的松弛變量

δαk不確定情景α下消費(fèi)地k的煤炭需求的松弛變量

2.3 數(shù)學(xué)模型

魯棒優(yōu)化數(shù)學(xué)模型建立在確定性需求的模型之上，根據(jù)文獻(xiàn)[26]提出的魯棒優(yōu)化模型原型，假設(shè)每個(gè)情景α下的煤炭需求都不確定，每種情景發(fā)生的概率對(duì)應(yīng)為pα，對(duì)應(yīng)情景α下消費(fèi)地k的需求量為Dαk，Wα表示不確定情景α下供應(yīng)鏈的總成本，建立不確定需求下CSCN鐵海聯(lián)運(yùn)魯棒優(yōu)化數(shù)學(xué)模型：

(1)

(2)

(3)

(4)

(5)

xαim≤capim,i=1,…,I;m=1,…,M;α∈1,2,…Γ

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

qαj,Qαj≥0,j=1,2,…,J;α∈1,2,…,Γ

(15)

oαm,μαj,sαjk∈{0,1},m=1,…,M;j=1,…,J;k=1,…,K;α∈1,2,…,Γ

(16)

xαim,yαmj,zαjk≥0,i=1,…,I;m=1,…,M;j=1,…,J;k=1,…，K;α∈1,2,…,Γ

(17)

θα,δαk≥0,α∈1,2,…,Γ;k=1,2,…,K

(18)

其中，式(1)為魯棒優(yōu)化數(shù)學(xué)模型的目標(biāo)函數(shù)，意在最小化期望成本、風(fēng)險(xiǎn)成本及懲罰函數(shù)之和；式(2)表示供應(yīng)鏈的總運(yùn)營(yíng)成本，由直接運(yùn)輸費(fèi)用、中轉(zhuǎn)費(fèi)用、庫(kù)存成本、固定費(fèi)用四個(gè)部分組成；式(3)為煤炭供應(yīng)鏈的成本偏差約束方程，針對(duì)成本偏差松弛變量，保證不同情景下總成本的變化達(dá)到最小；式(4)表示需求松弛變量方程；式(5)表示情景α下煤炭生產(chǎn)基地的流量守恒約束。對(duì)于任意一個(gè)生產(chǎn)基地i，輸出的煤炭量之和等于其供應(yīng)量；式(6)表示鐵路運(yùn)能約束。情景α下從煤炭生產(chǎn)地i運(yùn)輸至中轉(zhuǎn)港m的煤炭量之和不能超過(guò)鐵路的運(yùn)輸能力上限；式(7)表示被選擇的中轉(zhuǎn)港口m的數(shù)量限制；式(8)表示起運(yùn)港流量守恒限制。情景α下對(duì)任意的中轉(zhuǎn)港m，煤炭的煤炭流入量之和等于煤炭流出量之和；式(9)表示起運(yùn)港下水量約束。情景α下任意一個(gè)中轉(zhuǎn)港口m，其煤炭下水總量不超過(guò)該港口的最大下水量；式(10)表示目的港配送約束。情景α下對(duì)任意一個(gè)目的港j，其煤炭總裝車(chē)量不超過(guò)最大裝車(chē)能力；式(11)表示目的港流量平衡約束。情景α下對(duì)任意一個(gè)目的港，煤炭的煤炭流入量等于流出量與新增庫(kù)存量之和；式(12)表示目的港庫(kù)存更新約束。情景α下，現(xiàn)有庫(kù)存量為原始庫(kù)存量與新增煤炭量之和；式(13)表示目的港庫(kù)存限制約束。情景α下，現(xiàn)有庫(kù)存總量不低于安全(最低)庫(kù)存，不超過(guò)最高庫(kù)存；式(14)表示情景α下每個(gè)消費(fèi)地的煤炭由一個(gè)目的港口輸送煤炭；式(15)-(18)為決策變量約束。

3 案例分析

在本章中，為了驗(yàn)證模型的有效性，本文針對(duì)一個(gè)煤炭企業(yè)案例，以第二章所建立的優(yōu)化模型為基礎(chǔ)，采用IBM ILOG CPLEX Optimization Studio 12.6.0優(yōu)化軟件，對(duì)所構(gòu)建的混合整數(shù)規(guī)劃 (Mixed Integer Programming，MIP) 模型進(jìn)行求解，將所得結(jié)果以表格與網(wǎng)絡(luò)圖形式進(jìn)行描述。

3.1 案例描述

考慮某煤炭企業(yè)擬以包頭、鄂爾多斯、神木為煤炭生產(chǎn)地(即I=3),記為I1、I2、I3，秦皇島港、京唐港、天津港、黃驊港、日照港、青島港為煤炭中轉(zhuǎn)港口(即M=6)，記為M1、M2、M3、M4、M5、M6，浙江舟山港、上海港、廣東廣州港、福建廈門(mén)港、江蘇連云港為目的港口(即J=5)，記為J1、J2、J3、J4、J5，選定目的港口附近的9個(gè)電廠為主要消費(fèi)地(即K=9)，記為K1、K2、K3、K4、K5、K6、K7、K8、K9。該企業(yè)的目標(biāo)是通過(guò)考慮不確定需求與煤價(jià)，優(yōu)化并調(diào)整煤炭供應(yīng)鏈網(wǎng)絡(luò)，以最低的綜合運(yùn)輸、庫(kù)存成本最小化為目標(biāo)，增強(qiáng)抵御不確定風(fēng)險(xiǎn)的能力，進(jìn)行科學(xué)決策。

煤炭需求有季節(jié)性波動(dòng)的特點(diǎn)，例如冬季溫度低，進(jìn)入北方供暖的用煤旺季；夏季氣候炎熱，部分地區(qū)雨水不足進(jìn)入旱季導(dǎo)致水力發(fā)電量不足,火力發(fā)電需求量升高；新能源的大力倡導(dǎo)與推行壓制了火電增速，新能源對(duì)火電的替代效應(yīng)正在加強(qiáng)，煤炭需求下降；在煤價(jià)的不確定性方面，受外界不確定影響較大，例如疫情期間電廠停業(yè)或部分倒閉，下游煤炭需求低迷，煤炭?jī)r(jià)格下跌；進(jìn)入經(jīng)濟(jì)復(fù)蘇期后，工業(yè)生產(chǎn)恢復(fù)，另外疊加港口擁堵，近期煤炭?jī)r(jià)格快速增長(zhǎng)，居高不下，煤價(jià)的漲跌與煤炭供需關(guān)系息息相關(guān)，因此，在需求關(guān)系變化時(shí)，煤價(jià)也會(huì)隨之產(chǎn)生波動(dòng)。分別考慮煤炭消費(fèi)地的四種情景：需求疲弱、需求一般、需求較高以及需求激增的情況，將各個(gè)情景的概率分別設(shè)置為0.1，0.2、0.3、0.4，各情景下煤炭消費(fèi)地的需求情況及產(chǎn)地的煤價(jià)如表1、表2所示。

表1 不同情景下各煤炭消費(fèi)地需求量(單位：萬(wàn)噸)

表2 不同情景下各煤炭生產(chǎn)地煤炭單位采購(gòu)價(jià)(元/噸)

3.2 數(shù)據(jù)來(lái)源

本模型主要涉及的費(fèi)用包括直接運(yùn)輸費(fèi)用、港口中轉(zhuǎn)費(fèi)用、港口固定費(fèi)用、庫(kù)存成本以及采購(gòu)成本。直接運(yùn)輸費(fèi)用包括鐵運(yùn)、海運(yùn)的費(fèi)用，由節(jié)點(diǎn)之間運(yùn)輸?shù)拿禾苛颗c單位運(yùn)輸成本的乘積表示，運(yùn)輸費(fèi)用包括鐵路運(yùn)輸基金、鐵路運(yùn)輸價(jià)格、電器附加費(fèi)等，根據(jù)《鐵路貨物運(yùn)價(jià)規(guī)則》、鐵路95306網(wǎng)站確定；港口中轉(zhuǎn)費(fèi)用指的是為船舶運(yùn)輸和貨物裝卸提供勞務(wù)的費(fèi)用，即轉(zhuǎn)換運(yùn)輸方式的費(fèi)用，港口中轉(zhuǎn)費(fèi)用由運(yùn)輸?shù)拿禾苛颗c港口的單位中轉(zhuǎn)費(fèi)用的乘積表示，單位中轉(zhuǎn)費(fèi)用根據(jù)《通用集裝箱裝卸綜合作業(yè)費(fèi)率表》《集裝箱貨場(chǎng)內(nèi)搬運(yùn)費(fèi)率表》《港口費(fèi)率表》確定；港口固定費(fèi)用是指港口建設(shè)費(fèi)、安保費(fèi)、查驗(yàn)費(fèi)等，根據(jù)《港口收費(fèi)方法》確定；庫(kù)存成本由煤炭在該港口的庫(kù)存量與單位庫(kù)存價(jià)格的乘積表示，單位庫(kù)存價(jià)格來(lái)源于中國(guó)煤炭交易數(shù)據(jù)網(wǎng)；采購(gòu)成本由生產(chǎn)地的煤炭供應(yīng)量與煤炭生產(chǎn)地的單位采購(gòu)價(jià)格的乘積表示，單位采購(gòu)價(jià)格來(lái)源于中國(guó)煤炭交易數(shù)據(jù)網(wǎng)。

3.3 模型計(jì)算結(jié)果

根據(jù)第二章所建立的CSCN魯棒優(yōu)化模型，利用IBM ILOG CPLEX Optimization Studio 12.6.0優(yōu)化軟件進(jìn)行求解，表3為不同情景下煤炭供應(yīng)鏈的總費(fèi)用計(jì)算結(jié)果。

表3 不同情景下煤炭供應(yīng)鏈的總費(fèi)用(單位：萬(wàn)元)

將不同情景下的鐵海聯(lián)運(yùn)煤炭最優(yōu)運(yùn)輸路徑用網(wǎng)絡(luò)圖形式描述，如圖1所示。

圖1 不確定下情景CSCN魯棒優(yōu)化模型運(yùn)行結(jié)果

圖2為不同情景下各港口的庫(kù)存變化情況，橫坐標(biāo)表示各目的港口，縱坐標(biāo)表示各港口煤炭庫(kù)存量。

圖2 不確定情景下各港口庫(kù)存變化情況(單位：萬(wàn)噸)

表3為不同情景下煤炭供應(yīng)鏈的總費(fèi)用運(yùn)算結(jié)果，在消費(fèi)地需求不斷增加的情況下，供應(yīng)鏈的總費(fèi)用也逐漸增加，“需求激增”情景比“需求一般”情景的供應(yīng)鏈的總費(fèi)用增加了近12%，因此，在需求不斷升高的情況下，需要及時(shí)補(bǔ)充庫(kù)存，避免煤價(jià)上漲以及缺貨懲罰帶來(lái)的高昂費(fèi)用。圖1為不同情景下的鐵海聯(lián)運(yùn)煤炭最優(yōu)運(yùn)輸路徑，企業(yè)在不同的需求情景下，考慮到運(yùn)輸成本等，需要選擇不同的中轉(zhuǎn)港口進(jìn)行中轉(zhuǎn)，而電廠選擇的目的港口相對(duì)固定，一般選擇庫(kù)存足夠且運(yùn)輸費(fèi)用較低的港口。在需求疲弱的情景下，包頭選擇秦皇島港進(jìn)行中轉(zhuǎn)，需求上升時(shí)，選擇京唐港與天津港進(jìn)行中轉(zhuǎn)；鄂爾多斯在需求不斷上升時(shí)，傾向于選擇秦皇島港進(jìn)行中轉(zhuǎn)，中轉(zhuǎn)量也逐漸上升；神木在四種情景下都選擇天津港、青島港以及日照港進(jìn)行中轉(zhuǎn)。

圖2為各港口庫(kù)存變化情況，在五個(gè)目的港中，連云港的煤炭庫(kù)存量下降相對(duì)較為緩慢，上海港與舟山港煤炭庫(kù)存量下降相對(duì)較快，可以看出隨著需求不斷升高，港口庫(kù)存量整體呈現(xiàn)下降的趨勢(shì)。需求一般與需求較高兩種情景下的港口庫(kù)存量差別最大，在目的港口中以上海港與舟山港最為顯著，因此在需求一般時(shí)，應(yīng)及時(shí)補(bǔ)足庫(kù)存以抵御上漲的煤價(jià)和下游需求高漲的風(fēng)險(xiǎn)。

4 結(jié)論

本文根據(jù)煤炭供應(yīng)鏈的結(jié)構(gòu)，結(jié)合大型煤炭企業(yè)在鐵海聯(lián)運(yùn)網(wǎng)絡(luò)中的運(yùn)輸實(shí)例以及魯棒優(yōu)化模型，設(shè)計(jì)了一個(gè)考慮不確定煤炭需求及煤炭?jī)r(jià)格的MIP模型，所構(gòu)建的模型不僅將煤炭庫(kù)存限制作為約束條件，也將煤炭庫(kù)存成本放入目標(biāo)函數(shù)中，建立利用IBM ILOG CPLEX Optimization Studio 12.6.0對(duì)案例中煤炭運(yùn)輸?shù)母劭谶x擇、煤炭調(diào)配量、煤炭路徑及煤炭港口庫(kù)存進(jìn)行求解，從而選擇合理的運(yùn)輸—庫(kù)存方案。

本文未來(lái)的研究方向主要有兩個(gè)：

①提前期對(duì)于庫(kù)存的影響。在越來(lái)越多的行業(yè)中，基于時(shí)間的競(jìng)爭(zhēng)日益重要，為了更好地實(shí)現(xiàn)煤炭成本和服務(wù)水平之間的優(yōu)化，更好地管理庫(kù)存，需要從定量的角度進(jìn)行分析提前期與煤炭庫(kù)存之間的管理問(wèn)題。

②煤炭供需具有周期性，所涉及的數(shù)據(jù)數(shù)量龐大，需要開(kāi)發(fā)一種更加便捷高效的算法求解大規(guī)模數(shù)據(jù)，將通過(guò)IBM ILOG CPLEX Optimization Studio 12.6.0計(jì)算的結(jié)果與新算法的計(jì)算結(jié)果進(jìn)行比較，以驗(yàn)證算法在求解該模型上的優(yōu)越性。