易海燕, 章圳琰

基于新鮮度損耗的社區(qū)團購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, 交通運輸與物流學院, 成都 611756; 2. 東風汽車有限公司東風日產乘用車公司, 供應鏈管理部, 廣州 510800）

社區(qū)團購電商S2B2C 供應鏈模式帶來了新環(huán)境下的選址問題, 進行選址決策能夠有效降低社區(qū)團購平臺的運營成本并保障企業(yè)利益。為了使選址決策更符合社區(qū)團購運營實際, 作者調研了社區(qū)團購供應鏈模式并建立了考慮新鮮度損耗的混合整數選址模型, 借助蟻群算法設計兩階段求解模型, 用于優(yōu)化選址過程中的成本求解, 最后通過算例進行比較分析。結果表明選址策略能夠有效降低企業(yè)的運營成本, 局部最優(yōu)解會在特定配送中心數量約束條件下出現。

社區(qū)團購; 新鮮度損耗; 配送中心選址; 兩階段算法

0 引 言

隨著消費結構與消費者需求的變化衍生出的社區(qū)團購電商模式近年來成為電商領域發(fā)展的熱點。針對社區(qū)團購電商供應鏈關鍵節(jié)點配送中心進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題是一個復雜的系統決策問題。

社區(qū)團購是于2016年前后出現的一種依托微信群與小程序，以社區(qū)為單位，用戶當日線上下單，次日社區(qū)內自提，由相應的平臺提供采購、物流倉儲及售后的電商新模式。黃希[1]將社區(qū)團購模式歸納為基于真實LBS小區(qū)，由C端驅動B端的電商渠道，認為社區(qū)團購具有獲客成本低、配送成本低、交付體驗好、輕運作、風險低及擴展性強等優(yōu)點，但同時也存在以生鮮引流的消費特點所帶來的供應鏈與物流標準化的風險與困難。任慧媛[2]認為社區(qū)團購能夠快速發(fā)展的主要原因是借助了微信這一超級流量入口和關系營銷平臺，并將社區(qū)團購模式定義為由一個統一供應鏈平臺服務于若干個商家最終服務于若干個客戶的S2B2C模式。

相比于社區(qū)團購，配送中心選址相關研究歷史較長，分為離散型和連續(xù)型兩種方法，其中離散型選址方法應用廣泛。Barahona和Jensen[3]、王根基[4]考慮庫存成本、運輸成本、固定設施成本等建立配送中心選址混合整數規(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，建立基于服務水平約束的需求隨機和配送時間隨機的Baumol & Wolf選址模型，并將其轉化為等價的確定性模型并提出動態(tài)規(guī)劃求解算法進行求解。張開運[6]綜合考慮物流規(guī)劃部門和消費者雙方利益，構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題的研究。

在考慮路徑優(yōu)化的配送中心選址問題中包含車輛調度問題（Vehicle Routing Problem，VRP），該問題已被證實為NP完全問題，因此通常借助智能算法以改進對這一類問題進行求解近似最優(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題中得到廣泛應用。

隨著消費者需求的變化，電商生鮮產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在研究具有時間窗和隨機時間變化的旅行時間車輛路徑問題時（VRPTWTD），將新鮮蔬菜的易腐性分為不受影響、線性損失、徹底損壞三個階段，其中第二階段的產品損失速度隨時間線性變化[12]。Gacula[13]將工程思想運用于食品領域，通過實驗設計的方法探究食品穩(wěn)定性隨時間變化的分布規(guī)律，得出生鮮產品的腐敗過程滿足Weibull分布，該結論作為生鮮產品品質非線性變化規(guī)律被廣泛接受。此后，雙參數和三參數Weibull[14,15]作為生鮮類易腐產品失效過程被廣泛運用。

結合已有研究可知，相比于一般配送中心的選址問題，社區(qū)團購配送中心需求點以社區(qū)為單位，供應點為城市配送倉，需求受社區(qū)購買力影響較大，且實際配送過程中顧客關注產品新鮮度要求，不涉及時間窗的約束，目前缺少結合社區(qū)團購訂單特征的配送中心選址問題相關研究?，F有研究在選址時較少考慮配送過程，對配送過程中非線性情況下生鮮類產品配送過程的損失成本缺乏考慮，不能較好地從實際配送、產品質量等角度進行社區(qū)團購配送中心的選址。因此，本文基于三參數Weibull分布下的新鮮度損耗成本對社區(qū)團購配送中心的選址進行研究，建立混合整數規(guī)劃模型并借助蟻群算法設計兩階段算法求解該選址-路徑問題。

1 模型建立

1.1 變量設置及假設條件

在本文后續(xù)建模及求解過程中用到的數學符號見表1。

表1 數學符號定義

Tab.1 Mathematical symbols

為了降低其他次要因素對主要研究因素的干擾，本文作以下假設：

（1）目標電商企業(yè)處于非壟斷市場；

（2）配送中心無能力限制；

（3）每個社區(qū)點僅由一輛車輛配送；

（4）產品的進價與售價以及配送車輛配送過程中涉及的各參數已知；

（5）配送中心以租用模式計算租用成本。

1.2 新鮮度損耗成本推算

本文采用三參數Weibull分布函數作為刻畫社區(qū)團購電商配送過程中產生的直接損耗，以此作為建模與求解過程依據。在三參數Weibull函數分布下，產品變質率概率密度函數為：

在三參數Weibull分布下，損耗率隨時間變化規(guī)律如圖1所示。

圖1 Weibull分布下新鮮度損耗

因為供應商經過平臺配送中心驗收檢驗后商品所有權屬于平臺，所以被消費者申請退貨的商品除了利潤全部損失的同時平臺還需承擔已經支付的采購價格，該部分商品的殘值為0。

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

圖3 新鮮度損耗與復購關系

1.3 模型建立

根據上述配送中心選址過程中需要考慮的因素分析，構建社區(qū)電商配送中心選址模型中主要考慮的成本可以分為運輸成本、倉儲成本、配送中心租用成本、產品因新鮮度損耗引起的直接產品利潤損失與間接市場復購損失。在對成都市主流社區(qū)團購平臺進行調研時發(fā)現，所有被調研對象在區(qū)域配送中心都建有冷庫、冷藏系統，且社區(qū)團購配送中心采取直接轉運的模式，供應商運輸到配送中心的商品存儲時間非常短，因此只考慮在運輸環(huán)節(jié)過程的損耗成本。下面對以上四類成本分別建模計算作為選址的總成本。

（1）運輸成本：

（2）倉儲成本：

（3）配送中心租用成本：

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

可得間接產品損失：

社區(qū)團購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)團購需求點需求限制：

配送中心流量守恒：

一個社區(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

對于混合整數規(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，鑒于同時求解選址-路徑問題過于復雜，本文設計了兩階段算法對問題求解進行簡化。首先對選址問題進行近似求解，其次將求解結果再用蟻群算法結合matlab實現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的成本時，結合實際運輸距離與Weibull分布對成本進行計算，并改進蟻群算法中路徑的計算，主要步驟如下：

step1 計算第條配送路線行駛總距離。

step2 從第一個點開始計算配送中心至該點的總距離，并判斷是否大于引起新鮮度損耗的最小成本，是則轉step3，否則轉step4。

step3 采用（7）~（9）式計算因新鮮度損耗引起的間接成本損失。

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

3 算例分析

3.1 算例數據及處理

本文采用成都市“你我您”社區(qū)團購電商平臺作為算例背景。“你我您”是起家較早的社區(qū)團購平臺代表，于2016年9月起源于湖南長沙，最開始主要經營水果、蔬菜等生鮮食品，經過兩年多的發(fā)展產品范圍逐漸擴展到百貨、糧油、食品、水產、美妝、干貨等多個領域，品類數量超過9萬，其中，生鮮產品的比例約占40%，具有顯著的商品品類特征。

“你我您”平臺在成都市范圍內有三個配送中心，分別位于西南部（SW）、東部（E）、中部（M）三個區(qū)，從小程序可查詢到該平臺的銷售數據。為保證數據的隨機性與真實性，本文對成都市范圍進行坐標化，借助matlab隨機打點并根據小程序實際社區(qū)點位對隨機點位置進行調整，然后根據城市人口分布規(guī)律與聯合采購成本采用的比例分配方法將城市需求分配到各社區(qū)點，作為需求點的需求：

表2 成都市你我您團購平臺日銷量

Tab.2 Sales of Niwonin platform in Chengdu

經調整后的社區(qū)點位如圖5所示。

圖5 社區(qū)實際位置點位

算例中所用到的其他參數如表3和表4所示。

表3 配送中心待選點數據

表4 配送環(huán)節(jié)相關參數

3.2 現有配送中心選址成本

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

圖6 現有模式選址路徑

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

圖7 現有選址優(yōu)化路徑

現有選址模式下成本如表5所示。

表5 現有選址模式下成本

Tab.5 Cost under existing location mode

3.3 配送中心數量約束下的選址

本文通過假設配送中心數量約束分別為3、4、5，對成都市“你我您”社區(qū)團購平臺配送中心進行選址，選址結果如表6所示。

表6 方案選址結果配送成本

Tab.6 Distribution cost of solution location result

3.4 結果對比

綜合以上兩階段算法對成都市某社區(qū)團購平臺的現有配送中心與待選配送中心進行比較，分別求解計算現有配送中心、配送中心數量為3（方案一）、4（方案二）、5（方案三）時的單日總成本，如表7所示。

表7 選址方案總成本

Tab.7 Total cost of location scheme

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

4 結 論

本文將生鮮產品新鮮度損耗成本考慮進社區(qū)團購配送中心選址過程中，借助改進的蟻群算法設計兩階段算法對模型進行求解，得出如下結論：

（1）考慮新鮮度的選址模型符合生鮮團購平臺特征，配送中心的選址優(yōu)化能夠為租賃方式下的社區(qū)團購電商配送中心選址提供依據。

（2）采用配送中心數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-路徑問題并借助改進的蟻群算法求解，取得一定程度進展，未來可結合GIS技術采用實際距離進一步做相關研究。

[1] 黃希. 基于移動平臺的社區(qū)團購模式研究與分析[J]. 現代營銷, 15(2): 2019, 99

[2] 任慧媛. “社區(qū)團購”正在重演“百團大戰(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態(tài)選址研究[D]. 成都: 西南交通大學, 2007.

[6] 張開運. B2C電子商務的物流配送中心選址研究[D]. 秦皇島: 燕山大學, 2017.

[7] 馬雪鴻, 李光明. 基于CFLP模型的物流配送中心選址問題研究——以石河子XX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. 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, 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，碩士生導師，主要研究領域為供應鏈風險管理、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)團購電商配送中心選址研究[J]. 交通運輸工程與信息學報, 2020, 18（2）：59-67.

（責任編輯：李愈）