高新會(huì), 胡祥培, 阮俊虎,, 馮曉春, 韓繼良

(1.西北農(nóng)林科技大學(xué) 經(jīng)濟(jì)管理學(xué)院,陜西 楊凌 712100; 2.大連理工大學(xué) 經(jīng)濟(jì)管理學(xué)院,遼寧 大連 116024)

0 引言

電子商務(wù)的發(fā)展拓展了農(nóng)產(chǎn)品的銷售渠道，突破了特色農(nóng)產(chǎn)品消費(fèi)的區(qū)域限制[1]。近些年，生鮮電商迅速崛起，但大部分處于虧損狀態(tài)，主要是因?yàn)樯r農(nóng)產(chǎn)品易變質(zhì)、電商訂單分散等帶來了較高的損貨成本與配送成本[2～5]。然而，生鮮電商的“去中間環(huán)節(jié)”功能有利于促進(jìn)農(nóng)戶增收和農(nóng)產(chǎn)品安全等國家戰(zhàn)略問題的解決。因此，如何降低生鮮電商配送過程中的農(nóng)產(chǎn)品損壞概率和相關(guān)配送成本，是促進(jìn)生鮮農(nóng)產(chǎn)品電商發(fā)展的重要現(xiàn)實(shí)問題。

目前已有學(xué)者研究了不同情景下的生鮮電商配送問題，為生鮮電商不同配送環(huán)節(jié)的運(yùn)作過程提供了技術(shù)方法。陳耀庭和黃和亮提出生鮮配送“最后一公里”是生鮮產(chǎn)品流通過程中成本最高、損耗最大的環(huán)節(jié)[6]；王可山等認(rèn)為配送距離、配送站選址和冷鏈配送能力是影響生鮮電商企業(yè)配送成本最大的三個(gè)方面[7]； Mangiaracina等指出B2C電商物流模式下，生鮮物流能源消耗更高[8]；Ma和Wu等通過構(gòu)建帶有時(shí)間窗的生鮮配送決策模型，提出交通順暢時(shí)應(yīng)采用大型車輛運(yùn)輸[9]。同時(shí)，一些學(xué)者認(rèn)為生鮮配送過程也影響著顧客滿意度，候宇超等發(fā)現(xiàn)顧客滿意度不僅受配送時(shí)間的影響，還受配送途中開門頻率的影響[10]；楊磊等通過研究發(fā)現(xiàn)考慮顧客滿意度約束時(shí)，總配送成本和配送時(shí)間沒有明顯增加[11]。

電商環(huán)境下鮮果品質(zhì)和配送時(shí)間是影響顧客滿意度的重要因素，而鮮果采后成熟度的變化決定著鮮果到達(dá)顧客時(shí)的品質(zhì)和配送成本。Sun等發(fā)現(xiàn)檸檬采收成熟度影響其儲(chǔ)藏壽命和果實(shí)品質(zhì)[12]； Liu指出在生鮮農(nóng)產(chǎn)品配送過程中引入成熟度變化可有效減少農(nóng)產(chǎn)品損失[13]；Ruan和Shi提出采用物聯(lián)網(wǎng)的方法來監(jiān)測(cè)和評(píng)估水果配送過程中新鮮度的變化情況[14]?？梢?，在鮮果配送過程中研究鮮果成熟度變化，對(duì)提高鮮果品質(zhì)和降低鮮果損壞有著重要意義。

然而，現(xiàn)有文獻(xiàn)主要是針對(duì)鮮果成熟度在配送某個(gè)環(huán)節(jié)或成熟度監(jiān)測(cè)方面的研究，針對(duì)鮮果配送整個(gè)過程中成熟度特性的研究仍然很缺乏。

基于以上分析，本文針對(duì)鮮果電商小批量電商果農(nóng)接單后從果農(nóng)發(fā)貨到顧客收貨這一全過程，構(gòu)建鮮果配送網(wǎng)絡(luò)流概念模型，通過對(duì)鮮果配送過程中發(fā)生的相關(guān)成本分析，以顧客滿意度與成熟度變化為約束條件，進(jìn)一步構(gòu)建出電商環(huán)境下鮮果配送路線優(yōu)化模型。最終通過數(shù)值實(shí)驗(yàn)，分析電商零售環(huán)境下果農(nóng)如何根據(jù)鮮果成熟度水平進(jìn)行發(fā)貨決策，為電商果農(nóng)減少發(fā)貨成本、降低鮮果損失提出可行的建議。

1 跨區(qū)域鮮果電商配送網(wǎng)絡(luò)流模型分析與構(gòu)建

鮮果電商配送過程按距離可分為區(qū)域內(nèi)配送和跨區(qū)域配送。區(qū)域內(nèi)配送是指快遞在一定區(qū)域內(nèi)(如省內(nèi))配送，具有距離短、配送快的特點(diǎn)?？鐓^(qū)域配送通常是指跨省配送[15]，具有環(huán)節(jié)復(fù)雜、運(yùn)輸方式多樣化的特點(diǎn)。鮮果配送中成熟度水平不斷變化，區(qū)域內(nèi)配送時(shí)間較短，有些鮮果的成熟度變化不是很敏感，對(duì)比之下跨區(qū)域配送的研究更有意義，因此本文主要關(guān)注跨區(qū)域的鮮果電商配送過程。根據(jù)對(duì)現(xiàn)有電商平臺(tái)快遞數(shù)據(jù)的分析，跨區(qū)域電商配送主要包括6個(gè)關(guān)鍵節(jié)點(diǎn)：小型集貨中心(攬收點(diǎn))、發(fā)貨端二級(jí)集散中心(區(qū)域轉(zhuǎn)運(yùn)中心)、發(fā)貨端一級(jí)轉(zhuǎn)運(yùn)中心、收貨端一級(jí)轉(zhuǎn)運(yùn)中心、收貨端二級(jí)集散中心(區(qū)域轉(zhuǎn)運(yùn)中心)、終端配送中心。發(fā)貨端和收貨端通過不同運(yùn)輸方式銜接，跨區(qū)域配送需綜合運(yùn)用不同運(yùn)輸方式來完成，包括公路、鐵路和空運(yùn)等。

因此，我們構(gòu)建出鮮果電商配送模糊網(wǎng)絡(luò)流模型G如圖1所示。消費(fèi)者網(wǎng)上下單后，電商果農(nóng)S根據(jù)訂單需求進(jìn)行采摘，再進(jìn)行填單發(fā)貨交給快遞攬收點(diǎn)DR，快遞攬收點(diǎn)進(jìn)而根據(jù)電商果農(nóng)選定的運(yùn)輸方式和運(yùn)輸時(shí)效要求進(jìn)行以下選擇：1)直接將快件送到不同站點(diǎn)，包括火車中轉(zhuǎn)站DH、高鐵中轉(zhuǎn)站Dd、汽運(yùn)中轉(zhuǎn)站(DB1)和航空中轉(zhuǎn)站(DF)；2)先運(yùn)到二級(jí)轉(zhuǎn)運(yùn)中心(Dt)，再由二級(jí)轉(zhuǎn)運(yùn)中心根據(jù)要求選擇不同的運(yùn)輸方式，也包括火車中轉(zhuǎn)站DH、高鐵中轉(zhuǎn)站Dd、汽運(yùn)中轉(zhuǎn)站(DB1)和航空中轉(zhuǎn)站(DF)；3)運(yùn)到二級(jí)轉(zhuǎn)運(yùn)中心(Dt)后，再轉(zhuǎn)運(yùn)到一級(jí)轉(zhuǎn)運(yùn)中心(DO)，進(jìn)而根據(jù)訂單要求通過火車DH、高鐵Dd、空運(yùn)(DF)、汽運(yùn)(DB1)運(yùn)到收貨端區(qū)域。收貨端一級(jí)轉(zhuǎn)運(yùn)中心(RO1)或者二級(jí)轉(zhuǎn)運(yùn)中心(Rt1),最終送到消費(fèi)者T手中。本文模型中用到的基本符號(hào)如表1所示。

鮮果配送過程中高損壞率與高成本一直是制約鮮果電商發(fā)展的關(guān)鍵原因。因此，本研究擬在以上鮮果配送模糊網(wǎng)絡(luò)流模型的基礎(chǔ)上，以最小化鮮果配送過程中的運(yùn)輸成本和懲罰成本為主要決策目標(biāo)，并以顧客滿意度和鮮果成熟度為約束條件，構(gòu)建考慮鮮果成熟度和模糊配送時(shí)間的配送路線優(yōu)化模型。

2 模型構(gòu)建與算法設(shè)計(jì)

2.1 模糊時(shí)間表達(dá)

(1)

2.2 懲罰成本

(2)

根據(jù)以上分析可知，懲罰成本與滿意度呈負(fù)相關(guān)關(guān)系，而與偏離度p呈正相關(guān)關(guān)系。給定一個(gè)懲罰系數(shù)β(β>1)，懲罰成本可以表達(dá)為偏離度p與懲罰系數(shù)β的積。當(dāng)配送時(shí)間在顧客期望配送時(shí)間ET內(nèi)，則消費(fèi)者十分滿意，偏離度p為0，懲罰成本f為0；若配送時(shí)間處于ET與LLT之間，配送時(shí)間逐漸偏離ET，顧客滿意度逐漸下降，其懲罰成本f=pβ，懲罰成本隨偏離度的增大逐漸增加；當(dāng)配送時(shí)間大于LLT時(shí)，時(shí)間的偏離度為1，懲罰成本最大為β，即之后隨時(shí)間的增大懲罰成本不再變化。本文僅研究鮮果總配送時(shí)間在LLT之前的懲罰成本。根據(jù)以上分析，懲罰成本可用公式(3)表示：

(3)

本節(jié)主要對(duì)鮮果配送過程中的相關(guān)成本進(jìn)行了分析和表述。為了降低鮮果配送過程中的總配送成本和鮮果損失，本文擬在以上分析的基礎(chǔ)上通過進(jìn)一步構(gòu)建出在一定顧客滿意度下，考慮模糊時(shí)間和成熟度的鮮果配送路線優(yōu)化模型，以期為電商果農(nóng)發(fā)貨決策提出相應(yīng)建議。

2.3 模型構(gòu)建

在圖1中，設(shè)從電商果農(nóng)發(fā)貨節(jié)點(diǎn)開始到終端消費(fèi)者共有n個(gè)節(jié)點(diǎn)，cij表示i和j兩地單位時(shí)間配送成本(i,j∈{1,2,…,n})，xij是決策變量，當(dāng)xij=1時(shí)表示經(jīng)過i、j站點(diǎn)，否則表示不經(jīng)過。

按以上分析，構(gòu)建出如下0-1整數(shù)規(guī)劃模型:

目標(biāo)函數(shù)：

(4)

約束條件：

(5)

(6)

(7)

U≥θ,U=Pβ

(8)

(9)

(10)

(11)

(12)

xij={0,1}i,j=1,2,…,n

(13)

(14)

LLT>ET

(15)

目標(biāo)函數(shù)(4)表示以總配送成本最小為決策目標(biāo)；約束條件(5)表示在滿足顧客滿意度水平前提下，總配送時(shí)間在顧客最大容忍時(shí)間內(nèi)；約束條件(6)中表示為保證鮮果不會(huì)過熟，總配送時(shí)間小于FT；公式(7)確保鮮果到達(dá)消費(fèi)者手中時(shí)不會(huì)過生；公式(8)表示最低滿意度約束；

約束條件(9)表示鮮果配送始于電商果農(nóng)發(fā)貨端；約束條件(10)表示配送過程結(jié)束于消費(fèi)者終端；約束條件(11)表示鮮果配送車輛駛進(jìn)某中轉(zhuǎn)站點(diǎn)后必須從此駛出；約束條件(9)(10) (11)使得配送過程是完整的配送路徑；約束條件(12)為偏離度函數(shù)；約束條件(13)是決策變量表示；約束條件(14)表示配送過程中所有相互連接站點(diǎn)的行駛時(shí)間大于0；公式(15)表示顧客期望的收貨時(shí)間小于顧客最大容忍配送時(shí)間。

2.4 算法設(shè)計(jì)

本文的求解思路是：首先對(duì)模糊數(shù)進(jìn)行去模糊處理，然后判斷目標(biāo)函數(shù)所在區(qū)間，若函數(shù)所在區(qū)間屬于一個(gè)分段函數(shù)內(nèi)，則根據(jù)區(qū)間采用Intlinprog函數(shù)直接求解即可；若函數(shù)落在不同區(qū)間的分段函數(shù)上，則對(duì)不同的分段函數(shù)分別求解，即分別求函數(shù)在每個(gè)區(qū)間內(nèi)的局部最優(yōu)解，然后再將各個(gè)區(qū)間的局部最優(yōu)解進(jìn)行比較，取其最優(yōu)解即為全局最優(yōu)解(最終解)。

3 數(shù)值實(shí)驗(yàn)-以陜西省到廣東省獼猴桃配送過程為例

一般情況下，快遞配送時(shí)間越短則消費(fèi)者越滿意，而當(dāng)配送總時(shí)間超過顧客預(yù)期時(shí)間時(shí)，顧客的滿意度會(huì)逐漸下降。令最低滿意度θ取60%，則可以保證顧客滿意度在60%以上。據(jù)統(tǒng)計(jì)，大部分顧客購買生鮮產(chǎn)品時(shí)，期望送達(dá)時(shí)間在2天以內(nèi)(數(shù)據(jù)來源：電子商務(wù)研究中心，2017年中國生鮮電商發(fā)展情況和趨勢(shì))，即在兩天及兩天以內(nèi)送達(dá)時(shí)，顧客十分滿意，超過兩天滿意度逐漸下降，直到配送時(shí)間達(dá)到LLT，滿意度為0(即不滿意)。因此，在算例實(shí)驗(yàn)中，顧客期望總配送時(shí)間ET取48小時(shí)。而大部分人最大可容忍時(shí)間不超過5天，也就是說配送時(shí)間超過5天時(shí)滿意度就會(huì)降為0，因此LLT取120小時(shí)。

電商零售環(huán)境下，鮮果銷售以箱為單位進(jìn)行發(fā)貨，一般1箱凈重2.5kg或5kg，配送成本隨重量的變化而變化。在本研究中，以一箱5kg的獼猴桃為例來進(jìn)行算例實(shí)驗(yàn)。通過查閱文獻(xiàn)和咨詢運(yùn)輸公司，以1000kg水果的運(yùn)輸成本進(jìn)行綜合運(yùn)算(需要注意的是：隨裝載量的變化，單位運(yùn)輸成本也會(huì)發(fā)生變化)得到：公路運(yùn)輸成本大約每小時(shí)0.12元/5kg；火車運(yùn)輸成本大約每小時(shí)0.3元/5kg；高鐵運(yùn)輸成本大約每小時(shí)4元/5kg；空運(yùn)成本大約每小時(shí)5元/5kg。陜西省是中國種植獼猴桃最大的省份，而廣東省和陜西省之間的距離適中，每年都會(huì)有大量的獼猴桃從陜西省銷往廣東省，同時(shí)兩省之間距離適中。因此，本研究以陜西西安到廣東廣州為例，通過實(shí)際測(cè)算兩地之間的距離和不同運(yùn)輸方式所需時(shí)間來進(jìn)行算例實(shí)驗(yàn)，其中模糊時(shí)間數(shù)據(jù)來源于不同電商平臺(tái)和物流公司的運(yùn)輸時(shí)間數(shù)據(jù)，相鄰兩地之間的模糊運(yùn)輸時(shí)間如表2所示。

表2 相鄰兩地模糊運(yùn)輸時(shí)間

3.1 模型求解

本部分主要采用α-cut方法進(jìn)行去模糊處理，樂觀性水平越高說明配送時(shí)間越短配送過程越樂觀，而不確定性水平是指配送過程中樂觀性水平發(fā)生的概率，不確定水平越大則概率越小。通過將不確定性水平α和樂觀性水平γ分別以0.1為單位并從0不斷增加至1，分別得到30組模糊數(shù)據(jù)的121種情境下的3630個(gè)精確數(shù)據(jù)。為了方便后續(xù)數(shù)據(jù)分析本文根據(jù)每組數(shù)據(jù)在121種情境下的變化情況，做出精確數(shù)據(jù)變化趨勢(shì)三維圖。觀察發(fā)現(xiàn)每組數(shù)據(jù)的變化趨勢(shì)相同，因此這里只給出第一組數(shù)據(jù)變化趨勢(shì)的三維圖，如圖3所示。

從圖3可看出去模糊化后數(shù)據(jù)的變化趨勢(shì)：樂觀性水平越高配送時(shí)間越短；當(dāng)樂觀性水平處于0～0.5內(nèi)時(shí)，精確值隨不確定性水平的增加逐漸減小至中間值，即樂觀性水平越低配送時(shí)間越長隸屬度越小，而不確定性水平越大樂觀性水平出現(xiàn)的概率越小，因此精確時(shí)間越接近中間值；而當(dāng)樂觀性水平為0.5時(shí)，不論不確定性水平如何變化精確值始終為中間值，因此此時(shí)精確值的隸屬度為1，故精確數(shù)據(jù)不再隨不確定性水平的變化而變化；相反當(dāng)樂觀性水平處于0.5～1之間時(shí)，精確值隨不確定性水平的提高逐漸增加至中間值，樂觀性水平越大配送時(shí)間越短隸屬度越低，而不確定性水平越大樂觀性水平發(fā)生的概率越小，則精確時(shí)間越接近中間值。因此，不確定性水平總是設(shè)法在改變精確數(shù)據(jù)與最可能的估計(jì)值的偏離，其將精確值隨樂觀性水平降低的隸屬度逐漸變大并接近1。

根據(jù)以上分析，F(xiàn)T分別取120h、96h、72h、48h，同時(shí)ξ取2、3、4，將以上121種情境的數(shù)據(jù)分別代入到數(shù)學(xué)模型中并求解。對(duì)121種情景進(jìn)行分析可以發(fā)現(xiàn)：不同情況下最優(yōu)配送路線僅有兩條即汽運(yùn)和空運(yùn)。汽運(yùn)路線描述為：電商果農(nóng)S通過小型集貨中心DR將水果運(yùn)輸?shù)桨l(fā)貨端二級(jí)轉(zhuǎn)運(yùn)中心Dt，然后再通過發(fā)貨端汽運(yùn)中轉(zhuǎn)站DB1將鮮果運(yùn)往收貨端汽運(yùn)中轉(zhuǎn)站DB2，進(jìn)而再運(yùn)輸?shù)绞肇浂硕?jí)轉(zhuǎn)運(yùn)中心Rt1，最終通過收貨端配送站RD運(yùn)輸?shù)筋櫩蚑手中。空運(yùn)路線為：電商果農(nóng)S首先將水果交給發(fā)貨端小型集貨中心DR攬收，再通過發(fā)貨端航空運(yùn)輸中心DF將鮮果運(yùn)輸?shù)绞肇浂撕娇者\(yùn)輸中心RF1，然后其再將鮮果運(yùn)輸?shù)较鄳?yīng)的收貨端二級(jí)轉(zhuǎn)運(yùn)中心Rt1，最終通過收貨端配送站RD送到顧消費(fèi)者T手中。聯(lián)系現(xiàn)實(shí)快遞配送過程可以發(fā)現(xiàn)，以上兩種最優(yōu)配送路線與現(xiàn)實(shí)快遞運(yùn)輸過程基本相同，證明了現(xiàn)實(shí)快遞運(yùn)輸路線的有效性。將所有情境下的最優(yōu)配送解分析得到最優(yōu)配送方案分布圖，如圖4所示：

從圖4中可看出γ和α各取不同值時(shí)最優(yōu)解的分布情況。當(dāng)γ和α值都很小(圖4左下角◆所示)時(shí)，是果農(nóng)對(duì)配送時(shí)間的悲觀估計(jì)，配送時(shí)間較長，采用汽運(yùn)方式有可能會(huì)導(dǎo)致鮮果質(zhì)量受損，因此果農(nóng)只能選擇空運(yùn)。非模糊時(shí)間隨α和γ值的減小，汽運(yùn)方式逐漸滿足配送效率要求，從而出現(xiàn)空運(yùn)和汽運(yùn)兩種運(yùn)輸方式組合的方案。從圖中可以看出：對(duì)于2～3天達(dá)到期望成熟度的鮮果采取空運(yùn)，而4～5天達(dá)到期望成熟度的鮮果采用汽運(yùn)方式如圖4△所示，僅占到4.1%因而這種配送在實(shí)際配送過程中很少見；而有67.8%的情景都表示3～5天達(dá)到期望成熟度的鮮果采用汽運(yùn)方式，1～2天達(dá)到期望成熟度的鮮果采用空運(yùn)方式如圖4●所示，這表明此方案最為常見。而當(dāng)γ值很大(大于等于0.8)而α值很小 (小于等于0.5)時(shí)(圖4所示×所表示右下三角的區(qū)域內(nèi))處于果農(nóng)理想狀態(tài)，此時(shí)員工工作積極性高，從而節(jié)約配送時(shí)間和成本，對(duì)于2～5天達(dá)到期望成熟度的鮮果，全部采用汽運(yùn)方式即可滿足要求,約占11.6%因而這種情況很少。當(dāng)γ和α處于中間值時(shí)更能代表大多數(shù)果農(nóng)的普遍情況，即3～5天達(dá)到期望成熟度的鮮果采用汽運(yùn)方式，而2天內(nèi)達(dá)到期望成熟度的鮮果采用空運(yùn)方式即可滿足要求。

3.2 結(jié)果分析與對(duì)比

重心法下所得結(jié)果為：2天時(shí)間內(nèi)達(dá)到期望成熟度的鮮果，采用空運(yùn)方式即可保證配送時(shí)效；而對(duì)于3～5天內(nèi)達(dá)到期望成熟度的鮮果，采用汽運(yùn)方式既可保證鮮果質(zhì)量又能降低配送成本。

引入決策者樂觀性水平后，由于決策者越樂觀配送時(shí)間越短，非模糊數(shù)值隨樂觀性水平的提高逐漸降低，令樂觀性水平以0.1為單位從0到1變化，求解得到如下結(jié)果：(1)樂觀性水平為1時(shí)，對(duì)于2～5天達(dá)到期望成熟度的鮮果全部采用汽運(yùn)，約占總數(shù)的9%；(2)樂觀性水平處于0.3～0.9范圍內(nèi)時(shí)，對(duì)于2天達(dá)到顧客期望成熟度的水果采用空運(yùn)，而3～5天達(dá)到期望成熟度的水果采用汽運(yùn)方式，約占總數(shù)的64%；(3)當(dāng)樂觀性水平為0.2時(shí)，對(duì)于2～3天達(dá)到期望成熟度的水果采用空運(yùn)，而4～5天達(dá)到期望成熟度的水果采用汽運(yùn)方式，約占9%；(4)樂觀性水平處于0～0.1之間時(shí)，全部采用空運(yùn)方式進(jìn)行運(yùn)輸，約占18%。

最后利用α-cut法求解并與積分法對(duì)比得到圖5，從圖5可看出：在60%以上的滿意度水平條件下，積分法和α-cut方法下占比前兩位的配送方案完全相同。同時(shí)，重心法所得結(jié)果與積分法和α-cut法所得出的占比最大的配送方案結(jié)果相同，最優(yōu)配送路線完全一致。因此，重心法所得結(jié)果能表示較普遍的配送情景。然而，可以看出重心法所得結(jié)果比較客觀單一，忽略了決策時(shí)人的行為偏好因素，缺少針對(duì)果農(nóng)對(duì)鮮果配送時(shí)間樂觀性水平的研究；積分法在計(jì)算過程中引入了電商果農(nóng)對(duì)配送時(shí)間的樂觀水平，和重心法相比使結(jié)果逐漸變得豐富起來，但對(duì)果農(nóng)樂觀性水平發(fā)生的不確定性的考慮不足；與前兩種方法相比，α-cut法方法同時(shí)將電商果農(nóng)對(duì)鮮果配送時(shí)間的樂觀性偏好與樂觀性水平發(fā)生的不確定性水平考慮到去模糊化過程中，使得結(jié)果不會(huì)由于受單一因素影響而出現(xiàn)很大的差異，所得結(jié)果精度更高從而各方案占比的計(jì)算比積分法更加精確，增加了精確數(shù)據(jù)的可信度，同時(shí)驗(yàn)證了α-cut法方法在去模糊化方面更具有一般性。

4 結(jié)論

本文通過在模型中引入成熟度和滿意度約束，并以懲罰成本和運(yùn)輸成本構(gòu)成總成本來進(jìn)行建模，運(yùn)用算例的方式求解出在一定滿意度水平條件下不同成熟度的鮮果發(fā)貨決策。在一定程度上為電商果農(nóng)發(fā)貨決策提供了技術(shù)方法。通過對(duì)結(jié)果分析可以發(fā)現(xiàn)：(1)草莓、櫻桃等成熟較快的鮮果可以選擇空運(yùn)，如順豐快遞；獼猴桃等成熟較慢的水果選擇一般快遞就可以，如“四通一達(dá)”等；(2)鮮果訂單量很大時(shí)(如雙11、雙12或年貨節(jié)等重大電商節(jié)日時(shí))，快遞公司采用動(dòng)車和火車對(duì)鮮果進(jìn)行運(yùn)輸也許是最佳的運(yùn)輸方式；(3)選擇空運(yùn)時(shí)鮮果從發(fā)貨到達(dá)到顧客期望成熟度所需時(shí)間要在配送時(shí)間的3或4倍(汽運(yùn)時(shí)最大為3倍、空運(yùn)時(shí)最大為4倍)以內(nèi)，否則就認(rèn)為水果過生影響鮮果食用。