1、第三方物流企業倉庫選址決策研究摘要：為了提高選址決策的科學性和正確性，結合企業追求成本最小化的目標以及以往選址經驗、歷史數據，本文提出基于WSMP(倉庫策略管理規劃)、遺傳算法和層次分析法的第三方物流企業倉庫選址決策算法，運用定性和定量分析的方法多次迭代求得模型的解，以最經濟的物流成本實現最高的客戶服務水平和物流網絡的覆蓋率，從而為企業在低毛利、充分競爭的市場環境中創造可觀的利潤。關鍵詞：第三方物流；倉庫選址；WSMP(倉庫策略管理規劃)；遺傳算法；層次分析法Research of 3PL Warehouse Location DecisionAbstract: Keywords: 3PLs;

2、 Warehouse Location; WSMP; GA; AHP1 引言物流網絡的建設和優化是第三方物流企業運行的基礎和前提，目前第三方物流企業為了能在城市配送、汽車物流等新領域獲得發展，提高企業自身的競爭力和客戶服務水平、滿意度，必須合理規劃其物流網絡布局和設施選址建設，具體表現為擬建新倉庫、RDC的選址決策，對企業現有網點的優化整合，以最經濟的物流成本實現最高的客戶服務水平和物流網絡的覆蓋率，從而為企業在低毛利、充分競爭的市場環境中創造可觀的利潤。為了提高選址決策的科學性、正確性，結合企業追求成本最小化的目標以及以往選址經驗、歷史數據，本文提出基于WSMP(倉庫策略管理規劃)、遺傳算法

3、和層次分析法的第三方物流企業倉庫選址決策算法，運用定量和定性分析的方法多次迭代求得模型的解。2 研究現狀及分析國內外對倉庫、配送中心的選址問題十分關注，從各種不同的角度和方法、技術，提出了許多相關的研究成果。從需求動態性角度可分為確定性選址模型和非確定性選址模型，其中非確定性選址模型又可分為隨機規劃模型和模糊規劃模型。蔣長兵、王姍姍（2005）利用精確重心和計算機仿真實現了單物流節點選址求解，但由于重心法所得選址結果在現實往往難以實現，所以研究更側重于離散選址模型。其中，Harkness等（2003）從成本角度建立了有容量約束的單階段設施選址模型，是對Efroymson和Ray(1966)提出

4、并用線性松弛方法和分支界定法求解的單層網絡結構無容量限制模型的進一步改進。Goetschalckx（2002）從產品整合和供應鏈策略等角度探討二階段以上的無容量限制的選址模型，而Klose（2000）在有容量約束基礎上提出多階段選址模型，并用新的拉格朗日算法求解。Jayaraman和Ross (2003)也應用模擬退火法求解了多階段物流網絡設計問題。但隨著模型規模的擴大，模擬退火法計算時間成倍增加。Gen和Svarif(2005)研究了一個生產/分撥/庫存一體化優化問題，并提出一種基于最小生成樹的混合遺傳算法(hst-GA )。在定性分析上，楊虹、邱祝強（2004）結合層次分析法和模糊評價法實

5、現對具體選址實例的客觀合理的綜合評價。以上的各種方法，或是單一的從數學規劃的定量角度來決定選址決策，或是單一的多因素的綜合權衡和評價，難以滿足企業選址的實際要求。在求解算法方面，精確算法求解中小規模的問題較為合適(Pirkul和Jayaraman,1998)，啟發式算法在中等規模的問題求解上能發揮很好的效率，但在大規模問題求解上則顯得過于繁瑣。遺傳算法是一個有效的求解大規模、多層級選址問題的有效方法(Jaramillo等，2002)。3 第三方物流企業倉庫選址決策算法設計本文設計的倉庫選址決策算法的基本思路是：企業首先利用WSMP(倉庫策略管理規劃)依據企業的物流戰略規劃對自身物流系統現狀進行

6、分析，明確選址約束條件，收集整理相關資料，對各地址進行篩選確定備選地，利用基于遺傳算法的成本模型對各備選地進行定量分析獲得多個優選組合，再對以上各選址組合對應的備選地進行層次分析，針對企業選址關注的主要定性因素通過專家對上一步所得的新備選地兩兩逐對比較獲得定性分析方面的選址排序，再對此模型定量和定性化求解的選址組合運用WSMP復查檢驗判斷，如不滿足企業需求則繼續進行模型的求解迭代，直至最終確定選址結果。具體流程如圖1所示。4 決策模型建立4.1 WSMP選址分析 WSMP(倉庫策略管理規劃)選址分析是在第三方物流企業的倉庫戰略計劃的基礎上對其配送網絡、設備需求及顧客服務進行分析，對企業的需求進

7、行宏微觀分析再通過已定的方式鑒定、衡量和評估各項標準，科學、合理、系統地讓企業了解倉庫拓展或網絡節點整合優化的目標和標準，篩選出選址備選地址，節省了選址的成本和時間；對模型定量和定性化求解后的較優選址組合方案進行檢驗復查，保證選址最終方案滿足企業物流網絡建設戰略需求。WSMP選址分析步驟如下：步驟1：從費用、吞吐量、倉儲需求、備用倉儲、資源利用情況發現現行操作中的問題，確定一個可以用來衡量建議的標準步驟2：以未來三年或五年為期，通過該期間的運營費用、吞吐量、倉儲需求、備用倉儲、資源利用等預測確定倉庫的需求步驟3：從顧客滿意度、配套設施、操作方法等的效率找出現行倉庫運作中存在的薄弱環節步驟4：探

8、尋其他的倉庫規劃方案步驟5：從稅后成本、投資回報評估這些倉庫規劃方案步驟6：篩選并具體化推薦選址備選地址步驟7：更新WSMP，對模型定量和定性化求解后的較優選址組合方案再進行以上幾個步驟的WSMP檢驗以上各步驟可歸納為圈定地理位置、建立評判標準、廣泛搜集資料、綜合全面評估四部分。具體的WSMP分析模型如圖2所示 通過初步的WSMP分析明確企業選址的各種約束條件，搜集選址相關資料對各地址進行篩選，選出倉庫選址的備選地，再對各備選地進行以下的成本和層次分析。4.2 倉庫選址成本模型的建立現假設某第三方物流企業將在有個供貨倉庫、個需求點的某一個區域建一些倉庫，以服務每個需求點。根據交通便利情況、地價

9、、與需求地工廠的距離等因素，初定了個備選倉庫（待建）。該問題可轉變為在滿足約束條件下，計算出不同倉庫選擇組合下的總成本，進而求出總成本最小下的備選倉庫和對應需求點的組合。不同的組合方案對應不同的總成本，每個組合的總成本包括總可變成本、總固定成本、總配送成本與總運輸成本之和。以下詳述各部分成本表達式。模型前提假設： 每個需求點有且只有一個倉庫負責供貨，利于每個倉庫對于倉儲量的控制管理，避免了倉庫間的多余、重復庫存。 每個倉庫可同時為多個需求點供貨，使其流轉量盡可能高于經濟批量，充分發揮倉儲規模效益。 單品種供需運輸，企業可將多種商品成本平均為單一品種，便于選址數據處理，節省預測調查成本，減少不必

10、要的選址誤差。1) 可變成本VC可變成本即倉庫運作中與貨物批量有關的可變運營成本之和，主要是倉庫的經營管理費用、流轉費用等?？紤]到倉庫主要職能為存儲和保管，在一定范圍內單位可變成本隨流轉量的增長而下降，因此本模型中每個倉庫的可變成本與流轉量之間用分段線性函數表示，充分體現了倉儲業務的規模效益，如圖3所示。單個倉庫總可變成本/VC流轉量/QQ1Q2K1K2K3圖3 單個倉庫可變成本函數曲線圖因此設表示從第個倉庫到第個需求點的運輸量總和，即第個倉庫的總流轉量。則 一般情況下，每個倉庫的可變成本曲線參數K1、K2、K3、Q1、Q2是不同的，企業可以根據實際情況將曲線分為更多段，也可以將模型簡化為只存

11、在一個平均可變成本即K1K2K3，Q1Q20。但均應盡量保證最終選定的倉庫能充分發揮其規模效益，使得流傳量至少能高于經濟批量，以較小的新倉庫數目較低成本滿足各需求點需求。于是一個組合方案的總可變成本為：2) 固定成本FC固定成本是指倉庫運營中與貨物流轉量無關的成本總和，包括建筑物、設備、機器的折舊費及購買或租用土地的投資的利息等。假設0-1型變量 若以表示各備選倉庫固定成本，則一個組合方案的總固定成本為:3) 運輸成本TC運輸成本是指貨物從工廠運送至倉庫所需的成本。實際中，因為距離、路線、路況等因素的影響，每個工廠向倉庫的運輸單價是不同的。用矩陣表示從工廠到備選倉庫之間的運輸單價，表示從第個工

12、廠向第個備選倉庫的運輸單價。則第個倉庫的運輸成本為。則一個組合方案的總運輸成本為：4) 配送成本DC配送成本是指貨物從倉庫運送至需求點所需的成本。同上矩陣表示從備選倉庫到需求點之間的運輸單價，表示從第個倉庫向第個需求點的運輸單價。則第個倉庫的運輸成本為。則一個組合方案的總運輸成本為：5) 單方案總成本CTOT綜上各部分成本可知，單方案總成本約束條件：式（1）表示從工廠運至各倉庫的運輸量應等于該倉庫對下屬需求點的配送量；式（2）表示各個倉庫的流轉量應不大于其容量限制；式（3）表示從工廠運往各倉庫的運輸量不大于其總產量；式（4）表示各倉庫運至各需求點的配送量不小于其需求量。5 模型求解由于該模型是

13、以企業選址的實際要求為出發點，不僅能達到運營成本最小的目標，而且能從企業的整體規劃及關注的選址定性指標進行綜合全面的考量。相較一般的選址模型，更具現實意義，考慮更周全。因此，我們將定量和定性的方法結合來求解模型，并反復迭代確定最優解。5.1遺傳算法求得滿意解遺傳算法是一種全局搜索優化算法，容易使模型求解得到全局最優解。用遺傳算法進行選址優化，比一般的數學規劃方法簡單，并且運算速度快，特別是當問題比較復雜時，其特點更明顯。同時經過求解可以得到一組最優解或滿意解，以便企業能綜合多方考慮作出科學的選址決策。1) 編碼方法本算法采用長度為的二進制編碼，編碼長度取決于備選倉庫的個數, 以保證長度為的二進

14、制數解碼后形成之間的十進制數，該十進制數就是滿足對應需求點的倉庫號。若解碼后的十進制數,則采用求余實現循環處理,從而保證所有染色體均合乎各單參數均在之間的要求。由于共有個需求點，故共有個長度為的二進制基因組，將個基因組合并成一個長度為的染色體。2) 適應度函數在遺傳算法中，每個組合方案都需給出相應的適應值來表示其適宜滿意程度，以此對個體進行評估比較。因為選址問題是最小成本問題，為保證每個組合方案的適應值非負，必須設置一個最大成本，該最大成本可以是用戶設定，也可以是前幾次運算中最大值，因此組合方案的適應度函數：3) 遺傳算子 選擇算子：根據個體的適應度值決定它在下一代是被淘汰還是被復制。一般通過

15、選擇，使適應度大的個體有較大存在機會，而適應度小的個體繼續存在的機會也比較小。本算法采用比例選取算子，即根據個體適應度大小，使用輪盤操作確定各個體被選中的次數。 交叉算子：對樣本中的染色體進行兩次隨機配對，對每一配對個體，依照交叉概率,在隨機產生的交叉點后，相互交換部分染色體。 突變算子：每一個個體的基因組依照突變概率，指定其突變點，對該突變點其基因值取反運算。4) 控制參數在遺傳算法的實際運用中，需要適當確定某些參數的值以提高優選的效果。參數包括：編碼長度（由輸入的備選倉庫數量自動計算得出）、群體容量、交叉概率、突變概率、遺傳代數等，通常>>，均可由用戶根據要求設定。若群體容量較

16、小，如,通常取, 。5.2 層次分析法在倉庫選址中的應用1) 建立物流企業倉庫選址的層次結構模型目前影響第三方物流企業選址的因素可歸納為經濟合理性、交通便利性、可持續發展性三大類因素。在上幾步的基礎上，選址決策者根據其優選結果、擬建倉庫個數以及企業自身戰略目標等，以適當的選取比例按各備選倉庫在上步組合方案中被選中率選出進行層次分析的備選倉庫。針對倉庫選址目標及備選倉庫的差異性，根據決策者的經驗或通過運用數據倉庫和數據挖掘的方法找出影響目標的因素，形成層次結構模型。2) 專家對各因素進行重要性評價，構造判斷矩陣通過專家（或從歷史數據倉庫中用數據挖掘的方法）對主要因素進行兩兩相對重要性的評價，從而

17、得出每個因素相對于其他因素的相對重要性比率，然后將元素的比較結果綜合起來，確定各元素在此次選址目標中的優先級，即權重。在構造判斷矩陣時,采用美國運籌學家薩迪(A.L.Saaty)提出的9 標度法。3) 對判斷矩陣進行均一化、一致性檢驗假設由專家給出的判斷矩陣A的各項為則轉換成的均一矩陣B各項即由判斷矩陣各元素除以它的列和得到。所謂一致性檢驗，即對判斷矩陣A求出的權系數進行的合理性檢驗。首先根據公式求得判斷矩陣的最大特征根代到中得出一致性檢驗指標CI的數值；根據平均隨機一致性指標RI數值表查出RI的值；最后用得出相對一致性指標CR的數值。當時，判斷矩陣合理，求出的權系數恰當，否則要對判斷矩陣進行

18、調整，按上述步驟重新求權系數矩陣。4) 專家對各備選倉庫關于各主要因素進行兩兩重要性評價，計算各層元素對目標層的總排序權重專家對各備選倉庫的逐對比較類似2中對于各因素的重要性評價，同樣對所得的判斷矩陣都需進行均一化、一致性檢驗。層次分析最終要得到最低層中各備選倉庫對于目標選址決策的排序權重，即總排序權重。計算公式為：其中，為最低層對中間層各元素的排序；為最低層對目標層的排序權重；為中間層對于目標層的排序權重，最后根據總排序權重的大小選擇最佳倉庫地址。算例分析6 結束語本文以成本最小化為目標，基于WSMP、遺傳算法和層次分析法提出第三方物流企業倉庫選址決策系統。在具體應用時，企業可根據具體情況進

19、行分析，并提出合理、經濟的選址方案。定性判斷與定量計算有效地結合起來，對于選址分析和解決問題具有簡潔性、實用性、適應性和系統性。同時，可以從企業的戰略角度出發，通過對于考慮因素的細分、拓寬，擴大問題的各個層面，并且可以結合現有的新技術（比如互聯網、數據庫和聯機處理方法）使決策過程快速、客觀、準確。通過該系統避免了以往單純考慮路徑、車流量（地理因素）等諸如成本因素等，能夠科學、全面、有效地實現企業多倉庫多指標的倉庫選址要求。參考文獻：1 蔣長兵，王姍姍.精確重心算法在物流節點選址中的應用J. 物流技術,2005（9）：6567.2 Harkness, J.,ReVelle,C., Facilit

20、y location with increasing production costsJ. European Journal of Operational Research 2003(145)：113.3 Efroymson, M.A., Ray, T.L., A branch-and-bound algorithm for plant location J. Operations Research 1966(14)：361368.4 Goetschalckx, M., Vidal, C.J., Dogan, K., Modeling and design of global logistics systems: A review of integrated strategic and tactical models and design algorithms J. European Journal of Operational Research 2002(143)：118.5 Klose, A., A Lagrangean