考慮服務(wù)可靠度的生鮮電商前置倉選址問題研究

吳競鴻

考慮服務(wù)可靠度的生鮮電商前置倉選址問題研究

吳競鴻

（安徽商貿(mào)職業(yè)技術(shù)學(xué)院，安徽 蕪湖 241000）

目前包括生鮮電商企業(yè)在內(nèi)的新零售企業(yè)積極探索前置倉模式，它是以總倉為商品供應(yīng)源，根據(jù)訂單密度在核心商圈和社區(qū)建立一定面積的前置倉，每個倉服務(wù)特定服務(wù)半徑之內(nèi)的區(qū)域，實現(xiàn)周邊客戶在線上下單后可直接由附近倉配送。本文在生鮮電商前置倉選址問題研究過程中，不僅考慮了前置倉成本要素，還考慮了商品新鮮度、服務(wù)可靠度等服務(wù)要素。將服務(wù)半徑、運輸成本、倉儲投資及運營成本等綜合要素考慮在內(nèi)，構(gòu)建了多目標(biāo)選址模型，并以每日優(yōu)鮮為案例背景，利用lingo求解了選址規(guī)劃模型，可為生鮮電商企業(yè)的前置倉選址問題提供合理的決策依據(jù)。

前置倉；服務(wù)可靠度；多目標(biāo)選址模型

網(wǎng)絡(luò)零售的快速發(fā)展促使傳統(tǒng)生鮮零售市場變革，逐步形成生鮮電商產(chǎn)業(yè)。2019年生鮮電商市場規(guī)模達(dá)到2 796.2億元，預(yù)計未來幾年，生鮮電商交易規(guī)模仍會保持30%左右的增速，2023年將超過8 000億元[1]。

早期生鮮電商企業(yè)以一般網(wǎng)絡(luò)零售形式銷售生鮮商品，商品在用戶下單后從總倉到分倉后再送達(dá)客戶，以喵鮮生、天天果園為代表。但隨著生鮮電商市場進入壟斷競爭階段，加之線上線下“新零售”消費場景普及，諸如前置倉等新型倉配模式成為生鮮電商市場主流。不同于早期一級總倉到二級分倉的普通快遞服務(wù)方式，二級分倉僅是鏈接總倉與客戶的倉儲中轉(zhuǎn)節(jié)點，送貨時間通常為1～3 d。依據(jù)每日優(yōu)鮮企業(yè)物流運營體系，本文整理出前置倉模式下的生鮮電商物流體系結(jié)構(gòu)圖如圖1所示。

圖1 生鮮電商物流體系結(jié)構(gòu)圖

前置倉模式是以城市總倉為商品唯一供應(yīng)源，根據(jù)訂單密度在核心商圈和社區(qū)建立若干個合適面積的前置倉，每個倉服務(wù)周邊特定半徑之內(nèi)的區(qū)域（一般為2～3 km）?？蛻粼诰€提交訂單后，系統(tǒng)將其訂單自動分配到距離最近的前置倉，由其完成揀貨、打包和配送作業(yè)，送貨時間可控制在2 h以內(nèi)[2]。因為距離目的地客戶較近、訂單密度高，前置倉具備倉儲、分揀、包裝和配送等多項職能，一些前置倉還可成為銷售站點，具有零售門店的諸多功能，注重周邊客戶群的服務(wù)體驗感。作為線上生鮮類商品的線下服務(wù)設(shè)施，前置倉選址過程中不僅要考慮物流總成本以及生鮮品新鮮度，還應(yīng)體現(xiàn)及時滿足客戶服務(wù)需求的即時物流特征。

1 生鮮電商倉選址問題研究綜述

1.1 倉庫選址問題研究現(xiàn)狀

當(dāng)前國內(nèi)外學(xué)者對于倉庫選址問題的研究方法基本成熟，包括定量分析、定性定量混合分析2類方法，其中定量分析方法通過將選址影響要素定量化，進而構(gòu)建選址模型，并設(shè)計特定算法求解該模型。如金莉等[3]針對倉庫與零售點兩級設(shè)施的選址問題，構(gòu)建了一個三級物流網(wǎng)絡(luò)的選址-路徑（LRP）優(yōu)化模型, 并集合倉庫-零售點-客戶之間運輸組織形式的差異，提出三階段確定性求解算法, 采用分枝定界方法分階段求解, 并利用拉格朗日松弛優(yōu)化了求解規(guī)模，結(jié)合模擬算例驗證了分支定界優(yōu)化算法的有效性；李夢覺等[4]針對農(nóng)產(chǎn)品物流中心選址問題，選取了離散型選址模型，考慮了農(nóng)產(chǎn)品運輸、腐爛損失在內(nèi)的總成本最小化目標(biāo)，構(gòu)建了混合整數(shù)規(guī)劃模型，并采用MATLAB軟件完成模型求解；王道平等[5]考慮帶時間窗的選址與路徑優(yōu)化組合決策問題，利用雙層規(guī)劃法構(gòu)建了多目標(biāo)整數(shù)規(guī)劃模型，設(shè)計了兩階段啟發(fā)式算法進行求解，并結(jié)合案例驗證了該模型及其算法的可行性；在一些選址決策過程中，選址評價要素類型多樣，有些因素難以量化，部分學(xué)者以定性定量混合分析方法提出選址方案，如李丹[6]嘗試綜合應(yīng)用重心法和AHP法解決選址問題。首先根據(jù)重心法以及定性分析法分別提出不同的初始方案,再利用AHP法對2個初始方案進行對比排序分析；李珍萍等[7]探討了北京市奶制品的選址路徑優(yōu)化問題，構(gòu)建了有容量約束的雙層混合整數(shù)規(guī)劃模型，并設(shè)計了三階段算法進行求解。其中第一階段以K-means聚類方法完成客戶點分類，第二、三階段依據(jù)旅行商問題算法分別計算不同類型配送中心的選址方案及配送路徑。并通過對比兩種配送模式的運營成本，驗證了該模型算法的合理有效性。

1.2 生鮮電商倉選址研究現(xiàn)狀

目前學(xué)者們大多針對線下流通渠道的生鮮倉探討其選址決策問題。如宋華嶺等[8]以櫻桃為對象，考慮了冷鏈物流的設(shè)施建造成本、運輸配送成本、生鮮品腐爛成本等，構(gòu)建了以總成本最小化為目標(biāo)函數(shù)的選址模型，并求解得出供應(yīng)-配送方案；陳淑童等[9]認(rèn)為冷鏈物流網(wǎng)絡(luò)構(gòu)建中應(yīng)考慮時效性和貨損率，因此在多周期前提下考慮了運輸及貨損成本、運營成本和固定建造成本，以仿真方法對不同生鮮品的貨損率與收貨時限進行了成本敏感度分析，提出各項選址成本在時效和貨損率作用下存在權(quán)衡效應(yīng)；李冰等[10]在構(gòu)建非線性混合整數(shù)規(guī)劃模型中，以運輸成本、懲罰成本、貨損成本等總成本最小化為目標(biāo)函數(shù)，考慮了車輛容量、貨物作業(yè)時間、取送作業(yè)時間窗等約束條件，并提出綜合客戶間距離、送取貨的需求量、配送時間窗要求的中心評估指數(shù)實現(xiàn)生鮮農(nóng)產(chǎn)品配送中心選址決策。一些學(xué)者探討了生鮮電商企業(yè)的末端配送站點布局規(guī)劃，如王晶等[11]針對基本LRP問題，在時間窗約束條件下構(gòu)建了生鮮電商配送中心選址及配送路徑優(yōu)化模型，并以實證數(shù)據(jù)驗證了構(gòu)建的LRP模型的有效性；謝鳳等[12]認(rèn)為生鮮電商社區(qū)店的選址屬于零售選址和服務(wù)設(shè)施選址問題，即要考慮倉儲配送成本、損耗成本，還應(yīng)考慮消費需求量、消費時效性等多因素，進而構(gòu)建了以經(jīng)營效益最大化為目標(biāo)函數(shù)的最大覆蓋模型；還有一些學(xué)者對電商前置倉選址問題進行了初步探索，如宋振波等[13]總結(jié)了電商前置倉網(wǎng)絡(luò)規(guī)劃結(jié)構(gòu)，構(gòu)建了以總成本最小化為目標(biāo)函數(shù)的前置倉選址模型；周曉曄等[14]以指定的前置倉配送服務(wù)范圍為約束條件，構(gòu)建了前置倉選址聚類模型，并利用最短實際行駛距離判定聚類結(jié)果是否合理；楊振宇等[15]針對不同類型前置倉在面積、建設(shè)成本等方面的差異，考慮備選門店規(guī)模限制、服務(wù)能力限制與周邊需求量等選址影響要素，建立了以總成本最小化為目標(biāo)函數(shù)的選址模型。

綜上所述，線下流通渠道下的生鮮倉選址方法已基本成熟，但對于生鮮電商倉的選址問題的研究還存在不足，現(xiàn)有研究文獻(xiàn)雖然總結(jié)了電商前置倉基本網(wǎng)絡(luò)結(jié)構(gòu)，但在考慮前置倉選址要素時，大多基于一般倉庫選址要素，依據(jù)生鮮電商前置倉運作特征提出改進選址模型的相關(guān)文獻(xiàn)較少。

依據(jù)參考文獻(xiàn)[1-2]，目前以每日優(yōu)鮮為代表的生鮮電商企業(yè)在前置倉選址過程中關(guān)注“偏僻物業(yè)”或者“閑置物業(yè)”，以求減少租金成本。同時為降低紙箱、泡沫、冰袋等可變成本，要求盡量縮短騎手的單次送達(dá)距離。并根據(jù)周邊客戶群體消費需求差異，不斷改進升級補貨算法，減少生鮮品損耗率。因而本文認(rèn)為影響生鮮電商經(jīng)營效率的主要因素包括損耗率與履約成本。其中損耗率是商品從產(chǎn)地到銷地的各環(huán)節(jié)在途損耗情況，履約成本是為履行約定時限交付所產(chǎn)生的倉儲運營成本（包括倉庫建造投資）、配送等相關(guān)服務(wù)成本。當(dāng)前以每日優(yōu)鮮為代表的生鮮電商企業(yè)，物流鏈結(jié)構(gòu)是“產(chǎn)地或供應(yīng)商—城市中心倉—前置倉—客戶”，其中產(chǎn)地或供應(yīng)商—城市中心倉—前置倉已基本實現(xiàn)標(biāo)準(zhǔn)化冷鏈物流作業(yè)，此兩個環(huán)節(jié)商品損耗率及履約成本極低，而前置倉—客戶環(huán)節(jié)大多以普通車輛配送方式為主，損耗率較高，加之主要由第三方配送員承擔(dān)“最后一公里”履約交付任務(wù)，存在服務(wù)水平不穩(wěn)定現(xiàn)象。

在線上線下融合的“新零售”環(huán)境下，前置倉設(shè)施的合理布局直接影響著末端環(huán)節(jié)的損耗率和履約成本，是關(guān)乎生鮮電商企業(yè)運營績效的關(guān)鍵內(nèi)容。本文在生鮮電商前置倉選址問題研究過程中，不僅考慮了前置倉成本要素，還考慮了商品新鮮度、服務(wù)可靠度等服務(wù)要素。將服務(wù)半徑、送達(dá)服務(wù)水平、運輸成本、倉儲投資及運營成本以及生鮮品損耗等綜合要素考慮在內(nèi)，基于多目標(biāo)函數(shù)情形下，優(yōu)化前置倉設(shè)置數(shù)量及服務(wù)對象。

2 電商前置倉服務(wù)可靠性測度方法

依據(jù)參考文獻(xiàn)[15-16]，配送服務(wù)可靠性是衡量物流服務(wù)水平的關(guān)鍵指標(biāo)之一，因而本文以服務(wù)可靠性作為物流服務(wù)水平的評價指標(biāo)。對于服務(wù)可靠性，可使用在一定時間和限制條件下,客戶的物流服務(wù)需求的滿足情況來表達(dá)，一般以概率形式進行測度。在生鮮電商前置倉模式運作過程中，前置倉作為末端節(jié)點，其分布數(shù)量及服務(wù)范圍極大影響著生鮮電商服務(wù)可靠性，故而合理選擇前置倉數(shù)量及服務(wù)關(guān)系尤為重要。這里假設(shè)生鮮電商前置倉模式的運營中，其他作業(yè)環(huán)節(jié)的可靠性均為1，前置倉服務(wù)可靠性僅受配送服務(wù)影響，則前置倉服務(wù)可靠性的測度值如式(1)所示。

式中：K表示在一定的條件下將生鮮品在規(guī)定時間內(nèi)送達(dá)客戶的概率；T表示生鮮品從前置倉到客戶的實際送達(dá)時間；T表示客戶的期望送達(dá)時間；S表示生鮮品從前置倉到客戶的配送距離；V表示前置倉到客戶的送貨速度；F為考慮到送貨速度受道路性質(zhì)、交通狀況、車輛駕駛水平、送貨員等隨機因素影響,利用統(tǒng)計方法定義送貨速度的分布函數(shù)，一般具有正態(tài)分布特征。

在一段持續(xù)時間內(nèi)，該前置倉系統(tǒng)的物流服務(wù)可靠度d，如式(2)所示。

式中：分子部分表示前置倉系統(tǒng)對客戶總需求的滿足量，分母部分表示客戶期望需求總量，D表示客戶的需求量。

3 生鮮電商前置倉選址模型的建立

3.1 問題描述及參數(shù)定義

生鮮電商前置倉選址問題屬于多目標(biāo)選址問題，該問題可描述為：如何在若干個備選地址中，選取合適的數(shù)量成為前置倉，使得生鮮商品從前置倉-客戶的物流總成本最小，服務(wù)可靠度最大以及商品新鮮度最佳。

假設(shè)條件：

(1)生鮮電商企業(yè)依據(jù)大數(shù)據(jù)等技術(shù)可準(zhǔn)備預(yù)測客戶需求，即生鮮品每日到倉量較穩(wěn)定，同時客戶群體的地理位置確定且單位商品的配送費率恒定，與配送量呈正比例關(guān)系，受批量折扣等因素影響非常小；

(2)當(dāng)前從前置倉到客戶以普通運輸方式為主，存在新鮮度損耗現(xiàn)象，這里假設(shè)離開前置倉的初始新鮮度為1，新鮮度損耗與配送距離相關(guān)，同時前置倉能及時將到達(dá)貨物派送完畢，滯留成本可忽略；

(3)一個客戶群只接受一個前置倉服務(wù)，這符合生鮮電商企業(yè)實際運作特征，如每日優(yōu)鮮等電商企業(yè)為每個客戶群分配指定前置倉。

3.2 構(gòu)建多目標(biāo)選址規(guī)劃模型

針對生鮮電商前置倉選址決策目標(biāo)的多重性，本文建立的前置倉選址模型以物流總成本（包括貨物從前置倉到客戶群的配送成本、擴建前置倉的固定投資成本及貨物處理成本）的最小化、服務(wù)可靠度最大化以及商品新鮮度最大化為目標(biāo)函數(shù)，如式(2)所示。

約束條件包括前置倉到客戶的配送路徑不超過前置倉的最大服務(wù)半徑；前置倉均有配送作業(yè)任務(wù)，可滿足周邊客戶群的配送需求；備選地址被選為前置倉時，才提供配送服務(wù)；前置倉設(shè)置數(shù)量不超過備選地址數(shù)量等，如式(3)所示。

式(2)、(3)中：F為備選地址變?yōu)榍爸脗}產(chǎn)生的改造成本；c為前置倉的單位貨物分揀費率；S為前置倉到客戶群的貨物配送距離；為單位配送里程的新鮮度損耗率；R為前置倉的最大服務(wù)半徑；α為單位貨物的配送費率；D客戶群的貨物需求量；T客戶群的期望送達(dá)時間；Z為0-1決策變量，若備選點改建為前置倉，則Z=1，否則Z=0；Y為0-1決策變量，若前置倉向客戶群配送貨物，則Y=1，否則為0。

3.3 模型求解算法

為簡化求解程序，本文采用主要目標(biāo)法將多目標(biāo)選址模型轉(zhuǎn)化為單目標(biāo)規(guī)劃模型進行求解，得到轉(zhuǎn)化后模型的最優(yōu)解，即為原問題的Pareto有效解。

主要目標(biāo)法的總體求解思路是在多目標(biāo)函數(shù)中選取一個目標(biāo)進行最小化，而將其他目標(biāo)轉(zhuǎn)換成約束條件。每日優(yōu)鮮以成本控制管理為企業(yè)經(jīng)營目標(biāo)。因此，本文以總成本最小化為最終目標(biāo)函數(shù)，將服務(wù)可靠性最大化函數(shù)與新鮮度最大化函數(shù)均轉(zhuǎn)換成模型的約束條件，這里設(shè)定一個前置倉服務(wù)可靠度的下限值d0以及送達(dá)商品新鮮度的下限值Ψ0，據(jù)此變更約束條件(3)，如式(4)所示。

4 算例分析

4.1 案例概述

每日優(yōu)鮮作為生鮮電商市場的代表性企業(yè)，采用了前置倉模式來解決生鮮品在途損耗、冷鏈物流成本高以及高頻低價等行業(yè)突出問題。其前置倉模式是純倉儲模式的前置倉。

截至到當(dāng)前，每日優(yōu)鮮已在全國20個城市開設(shè)了1 500多個前置倉，為適應(yīng)某區(qū)域生鮮電商市場業(yè)務(wù)增長需求，每日優(yōu)鮮仍在進一步選址布局中。依據(jù)電商客戶消費頻次、土地價格、與客戶群距離等影響要素，每日優(yōu)鮮選取了12個具有較好基礎(chǔ)條件的場地作為前置倉備選地址，計劃最終建設(shè)5個前置倉。

備選地址擴建成前置倉的改建成本（包括租金）及單位商品分揀費率如表1所示；前置倉到客戶群的配送距離依據(jù)電子地圖測距數(shù)據(jù)得出，如表2所示。

其他參數(shù)取值依據(jù)每日優(yōu)鮮的網(wǎng)絡(luò)資料測算得出，如表4-3所示。

表1 前置倉的改建成本及單位商品分揀費率 元

備選地址123456789101112 F9100088000100000460001200005800074000650001100008300068 00075000 c23301327192622189162016

表2 前置倉到客戶群的配送距離及客戶群需求量

客戶群前置倉到客戶群的配送距離/km需求量/kg S1S2S3S4S5S6S7S8S9S10S11S12 12.10.60.20.50.80.20.911.30.90.20.7232 21.51.30.31.10.90.80.30.20.20.40.80.2461 30.81.20.61.20.81.31.51.60.91.30.30.5141 41.31.51.60.91.31.41.60.912.20.40.6221 51.40.60.90.10.20.10.80.30.20.91.10.8367 62.10.80.30.20.90.30.11.10.90.10.32.1265 70.311.10.91.10.81.211.20.50.82.2148 80.81.211.21.50.811.21.10.90.80.3380 90.811.21.10.90.80.911.20.72.10.9220 ┇┇┇┇┇ ┇ 2311.20.81.31.51.30.31.10.90.80.31.2263 241.60.91.31.41.61.21.41.20.81.31.51.6232 250.92.10.20.10.81.51.60.91.31.41.60.976 260.30.20.90.30.10.60.92.10.20.10.80.3120 271.10.91.50.81.20.80.32.20.90.32.10.196 2811.20.81.31.512.10.91.10.81.21131 291.60.91.31.41.61.30.32.10.90.82.30.2125 300.91.10.40.61.91.30.20.60.90.51.20.8107

表3 模型相關(guān)參數(shù)取值

αij/(元·km-1·kg-1)η/%Tj/hRi/kmKd0Ψ0/% 4.6711[1,3]90%95

目前每日優(yōu)鮮前置倉內(nèi)的SKU已達(dá)3000個，前置倉的輻射半徑為周邊2～3 km，實現(xiàn)了用戶下單后1 h送達(dá)。隨著直供模式比例提高、包裝技術(shù)更新，每日優(yōu)鮮的損耗率低至1%左右。

4.2 模型結(jié)果分析

將以上參數(shù)的數(shù)值代入混合整數(shù)規(guī)劃模型中，考慮到該問題屬于求解0-1變量的非線性規(guī)劃問題，本文使用Lingo軟件進行編程求解。當(dāng)前置倉數(shù)量為5時，服務(wù)半徑為3 km時，求出局部優(yōu)化解，即初始選址方案為：將備選點3、8、9、10、12 5個地址改建成前置倉，可使選址方案在滿足一定新鮮度和可靠度的前提下，物流總成本最少，為1 062 790元。

基于客戶服務(wù)視角，不同服務(wù)半徑影響到物流總成本以及服務(wù)可靠度，因而本文依據(jù)R的值域，對服務(wù)半徑進行敏感性分析，如表4所示。

依據(jù)表4可知，當(dāng)服務(wù)半徑R超過2.3 km時，服務(wù)半徑變化對物流總成本以及前置倉選址方案沒有顯著影響，表明此時可靠度或新鮮度約束強于服務(wù)半徑約束。因此本文的前置倉最終選址方案應(yīng)為：將備選點3、8、9、10、12五個地址改建成前置倉，物流總成本為1 062 785元。

表4 不同服務(wù)半徑下物流總成本

Ri/km物流總成本/元前置倉選址方案 2—— 2.11160465（4,7,8,9,11） 2.21091935（3,8,9,10,11） 2.31062785（3,8,9,10,12） 2.41062785 2.51062785 2.61062785 2.71062785 2.81062785 2.91062785 31062785

5 結(jié)論

本文構(gòu)建的前置倉選址決策模型，是在傳統(tǒng)倉庫選址模型基礎(chǔ)上，考慮了系統(tǒng)服務(wù)可靠度、配送成本、前置倉改建及運營成本、服務(wù)半徑、生鮮品新鮮度等因素，設(shè)計了包括物流總成本最小化、新鮮度最大化、服務(wù)可靠度最大化的多目標(biāo)函數(shù)，更好地體現(xiàn)前置倉模式及其服務(wù)特征，能夠為生鮮電商企業(yè)的前置倉選址問題提供合理的決策依據(jù)。

本文從時間響應(yīng)較低提出了前置倉服務(wù)可靠度函數(shù)。還可以從用戶需求滿足比例角度提出可靠度函數(shù)，同時考慮配送服務(wù)時間窗因素，這些也是下一階段的研究內(nèi)容。

[1] 艾瑞咨詢. 2020年生鮮電商產(chǎn)業(yè)研究報告[R]. 北京: 艾瑞網(wǎng), 2020.

[2] 搜狐網(wǎng). 每日優(yōu)鮮: 如何打通前置倉[EB/OL]. https://www.sohu.com/a/302820682_377096.

[3] 金莉, 朱云龍, 申海. 三級物流網(wǎng)絡(luò)選址-路徑問題建模與求解算法研究[J]. 控制與決策, 2010(8): 1195-1200.

[4] 李夢覺, 曹偉, 謝小良. 基于混合整數(shù)規(guī)劃法的農(nóng)產(chǎn)品物流配送中心選址模型[J]. 統(tǒng)計與決策, 2011(8): 62-64.

[5] 王道平, 徐展, 楊岑. 基于兩階段啟發(fā)式算法的物流配送選址-路徑問題研究[J]. 運籌與管理, 2017, 26(4): 70-75.

[6] 李丹. 物流配送中心選址[J]. 東南大學(xué)學(xué)報: 哲學(xué)社會科學(xué)版, 2015(12): 83-85.

[7] 李珍萍, 趙雨薇, 張煜煒. 共同配送選址-路徑優(yōu)化模型與算法[J]. 重慶大學(xué)學(xué)報, 2020, 43(1): 29-42.

[8] 宋華嶺, 黃延萍, 張漪, 等. 生鮮配送中心選址模型研究-以煙臺櫻桃配送中心為例[J]. 山東工商學(xué)院學(xué)報, 2018, 32(3): 48-53.

[9] 陳淑童, 王長軍, 劉泳. 考慮時效與貨損的多產(chǎn)品冷鏈物流配送中心選址與流量分配仿真[J]. 東華大學(xué)學(xué)報: 自然科學(xué)版, 2017, 43(3): 437-441.

[10] 李冰, 黨佳俊. 多配送中心下生鮮農(nóng)產(chǎn)品同步取送選址-路徑優(yōu)化[J]. 智能系統(tǒng)學(xué)報: 自然科學(xué)版, 2020, 15(1): 51-57.

[11] 王晶, 岳慧麗. 基于時間窗約束的生鮮電商LRP問題研究[J]. 物流技術(shù), 2016, 35(1): 67-70.

[12] 謝鳳, 何梅, 常世峰. 基于覆蓋模型的生鮮電商社區(qū)店選址優(yōu)化研究[J]. 物流工程與管理, 2018, 40(4): 111-112.

[13] 宋振波, 馬文凱, 吳耀華. 基于電商行業(yè)的前置倉選址優(yōu)化[J]. 科學(xué)技術(shù)與工程, 2020, 20(2): 682-686.

[14] 周曉曄, 閆泓月, 馬小云, 等. 城市快速物流配送網(wǎng)絡(luò)末端節(jié)點—前置倉選址研究[J]. 沈陽工業(yè)大學(xué)學(xué)報: 社會科學(xué)版, 2020, 13(5): 422-427.

[15] 楊振宇, 陳剛, 安瑾. 新零售下生鮮連鎖零售企業(yè)城市前置倉選址問題研究[J]. 物流科技, 2020(1): 159-162.

[16] 陳誠, 檀曉琳, 鄧穎. 基于分級顧客滿意度的水果電商物流配送網(wǎng)絡(luò)選址-路徑問題[J]. 華東交通大學(xué)學(xué)報, 2019, 36(4): 88-93.

Research on Location Selection of Fresh E-commerce Pre-warehouses with Service Reliability

WU Jing-hong

（Anhui Business College of Technology, Wuhu 241000, China）

At present, new retail enterprises, including fresh e-commerce enterprises, are actively exploring the mode of pre-warehouses, which is to establish a certain area of pre-warehouses in the core business circle and communities based on the order density, with the general warehouses as the source of supply, each warehouse service within a specific service radius of the region, the realization of peripheral customers on-line orders can be directly distributed by the warehouse nearby. In this paper, not only the cost of pre-warehouses, but also service elements such as product freshness and service reliability are considered. Taking the service radius, transportation cost, storage investment and operation cost into account, a multi-objective location model is constructed, and the location planning model is solved by lingo against the background of daily excellence, it can provide a reasonable decision-making basis for the pre-warehouse location of fresh e-commerce enterprises.

pre-warehouse; service reliability; multi-objective location model

10.15916/j.issn1674-3261.2022.04.010

O29

A

1674-3261(2022)04-0259-05

2021-05-12

2020年安徽省教育廳自然科學(xué)重點項目(KJ2020A1077)；2020年安徽省教育廳自然科學(xué)重點項目(KJ2020A1078)；安徽省高校優(yōu)秀青年人才支持計劃重點項目(gxyqZD2021055)

吳競鴻(1987-)，男，安徽安慶人，講師，碩士。

責(zé)任編輯：陳 明