基于低碳物流的循环取货入场物流优化

[摘 要]本文以低碳环保理念为基础，分析了循环取货入场物流的一般优化方法。构建了车辆装载率和运输路径同步优化模型，创新性地提出了加入随机变量的贪婪算法来对模型进行求解。运用C#编程编译优化程序，并随机选取相应的实例数据进行分析验证。验证结果表明，优化方法可以提高物流环节中的车辆装载率，减少运输车辆数，从而减少入场物流中的碳排放量，符合低碳物流的标准。

[关键词]低碳物流；循环取货；入场物流；运输路径

[中图分类号]F252 [文献标识码]A [文章编号]1005-6432（2014）44-0012-03

1 循环取货的现状

循环取货（Milk Run）[4]起源于北美。循环取货是制造商用同一货运车辆从多个供应商处取零配件的一种操作模式。对于有些用量少的零部件，且是附近供应商提供，为了不浪费车辆的运能，充分节约运输成本，每天固定的时刻卡车从制造企业工厂或者集货、配送中心出发，到第一个供应商处装上准备发运的原材料，然后按事先设计好的路线到第二家、第三家，依此类推，直到装完所有安排好的材料再返回，具体运作方式如图1所示。

图1 循环取货流程

在循环取货模式应用之初，由于制造业的业务量较小，供应商比较少，而且分布比较集中，循环取货的模式取得了较好的效果。随着中国经济的发展，制造商的规模日益增加，入场物流的业务量急剧攀升，现有的循环取货模式已经难以满足客户的需求。经过分析，可以总结出循环取货入场物流模式以下问题。

循环取货入场模式问题分析

问题原因结果

车辆装载率低原材料零部件尺寸众多，形状不一难以及时地完成订单

运输路径安排不合理供应商、主机厂数目多而分散

运输路线设计困难运输效率低下

车辆调度不合理业务剧增，原始系统落后

车辆信息难以掌握运输成本居高不下

从表中可以看出，车辆装载率和运输路径的安排成为了入场物流循环取货模式的瓶颈，车辆装载率的低下，以及运输路径的不合理将会导致资源的浪费，增加在物流过程中的碳排放量，不符合低碳物流的标准。

2 循环取货模式车辆路径和装载率的优化设计

相比传统的入场物流模式，循环取货入场物流模式已经很好地减少了物流环节中碳排放量。但是，为了进一步优化入场物流循环取货模式，使入场物流过程中的碳排放量最小化，结合循环取货现状的分析，将车辆装载率和运输路径作为优化的主要内容，设计了如图2的优化思路。

图2 车辆装载率与运输路径优化思路

2.1 建立数学模型

（1）确定目标

以成本为目标。主要考虑运输过程中的成本最小化。经调研发现影响碳排放量的主要因素是车辆的数量及行驶总路程。

以装载率为目标。主要考虑装载率最大化原则。为提高车辆的利用率，减少车辆往返的次数，需要将车辆装载率作为确定循环取货的另一目标。

该模型主要结合了上述两个目标来对入场物流循环取货模式进行优化设计。

（2）确定约束条件

循环取货运输路径选择模型满足的约束条件主要包括：

满足所有供应商零件的种类、规格、数量的要求；

满足主机厂零件需求时间的要求；

尽量每天在固定的时间窗口到各供应商处取货；

车辆在取货过程中的实际容积不得超过车辆的最大允许容积；

在运载中心现有运力范围之内。

（3）建立模型

循环取货路径的选择不仅仅要考虑选择最短的线路，而且要考虑使用车辆的数量、生产企业的JIT供应，以满足企业的生产节拍、时间窗口和多频次小批量运输等多方面的要求，同时对自身、供应商以及生产运作系统施加有益的压力，提高整个生产系统的稳定性及弹性。

基于以上分析，建立了如下模型：

① 假设条件

在一个回路中，除出发点外不能重复经过同一个点；

车辆装载率达到85%以上可以返回；

车辆的行驶距离没有限制；

选择的车辆容积为60m3（内径：12m×2.3m×2.3m，近似等于60m3）；

主机厂设定为O点，其余依次为1，2 ，3，…，n，其中n为自然数；

忽略货物的形状与取货顺序对满载率的影响；

车辆仅在设定的时间窗口内进行取货和运输。

② 参数说明

dij：节点i和节点j之间的距离；

Pi：节点i供应商提供的零件外包装尺寸；

Vk：车辆的容积；

K：车辆K，其中K属于自然数；

③定义变量

yik=1， 点i由车辆k完成

0， 其他情况xijk=1， 从点i到j由车辆k完成

0， 其他情况

④ 确定目标函数

minz=ni=1nj=1mk=1dijxijk（1）

⑤ 确定约束条件

mk=1yik=1 i=1， 2， …， n（2）

0.85Vk≤ni=1piyik≤Vk i=1， 2， …， n（3）

ni=1xijk=yik i=1， 2， …， n（4）

nj=1xijk=yikj=1， 2， …， n

说明：

目标函数表示每辆车的总运输路径最短；

约束式（2）表示每一节点会有相应的车辆完成；

约束式（3）表示车辆装载率限制，装载率大于车辆容积的85%；

约束式（4）、（5）共同约束形成回路。

2.2 加入随机变量的贪婪算法

路径选择是一个VRP问题，在分析现有的路径选择算法的基础上，通过对各种算法的对比总结，本部分采用了加入随机量的贪婪算法。此算法是一种在启发式算法原理的基础上，考虑了精确度而加入随机量的贪婪算法。

贪婪算法可以更加迅速方便地解决问题。该算法具有自顶向下，层层深入的优点，节约了为找最优解要穷尽所有可能而必须耗费的大量时间。其从局部最优解出发，局部到整体，得到解决该问题的一个整体最优解。

与此同时，加入随机量可以扩大对最优解的搜索范围，提高解的质量，这样可以根据实际路线情况调节运输路径。

该算法求解的一般步骤为：

①随机选择一点取货，每个点都有相应的一定数量的标签标记（该标记的数量表示该点需要取货的频次），由于考虑到时间窗口的限制，每次该点当期所需货物取完时，该点的标签数量相应地减少一个，当该点所有的标签数量减少到0时，该点消失（即该点的取货任务完成）；

②车辆从制造厂出发，在相应的时间窗口内，选择满足时间窗口限制的取货点进行取货，取货后首先判断一辆车是否能够把该点的货物取完，若取不完，则该车辆返回主机厂，该车辆完成一次循环取货。对于该点剩余的货物，则派第二辆车来取货物，直到相应时间窗口内的货物取完；若能取完，判断车辆是否达到额定装载率（即装载率是否大于85%），若未达到，则搜索最近的点进行取货；

③在最近的点取完货后再次判断车辆的装载率是否达到85%，若是，则该次循环取货完成，该车辆走过的路径为一条循环取货路径；若否，继续寻找最近点取货，直至达到额定装载率为止，生成循环取货路径；

④当一张订单的所有取货点在经过所有的时间窗口后取完时，则此订单完成。

3 实验及结果分析

基于上述算法，利用C#编写出一套可执行程序，随机选取了一个制造厂的入场物流数据对优化后的循环取货运输的运输路线进行了求解。输入供应商数量192，货车容积60，货车载重20，装载率上限100后，导入相应订单，按相应的操作步骤操作后会得到如图3所示的运行结果。通过该程序，可以算出运输车辆的平均装载率为78.3%，所需运输车辆数为36辆，车辆行驶总路程为31550，相比由被测试的制造商提供的入场物流的数据（装载率60%，运输车辆需要54辆，车辆行驶总路径42100）而言，车辆装载率和运输路径都得到了很大程度的优化。车辆装载率提高和运输车辆数目的减少，很大程度上减少了入场物流过程中的能源消耗，从而减少了碳排放量。

4 结 论

低碳物流是当今物流企业的发展的趋势，能否成功地向低碳物流的方向转型成为了企业之间彼此竞争的又一个新的主题。本文从车辆装载率和车辆路径出发，提出了优化循环取货入场物流模式的方法，旨在降低入场物流过程中的能源消耗，减少碳排放量。并用实例数据进行了分析验证方法的可行性，对物流企业向低碳物流转型具有一定的借鉴意义。

参考文献：

[1]于一秀，邱灿华.我国低碳物流问题研究[J].广西财经学院学报，2010，23：63-65.

[2]姜舒曼.汽车制造企业零部件入场物流循环取货路径优化――以华中某汽车制造企业为例[J].物流技术，2013，35：76-80.

[3]汪金莲，蒋祖华.汽车零部件入厂物流的循环取货方法研究[J].管理科学与工程，2008，2：1402-1406.

[4]Jianhua Ma，Guohua Sun，Xiang Li.Mutation Ant Colony Algorithm of Milk-Run Vehicle Routing Problem with Fastest Completion Time Based on Dynamic Optimization[J].Discrete Dynamics in Nature and Society，2013，Vol.2013.

[5]I.Nyoman Sutapa，I.Gede Agus Widyadana，Christine Christine.STUDI TENTANG Travelling Salesman DAN Vehicle Routing Problem DENGAN Time Windows[J].Jurnal Teknik Industri，2003，Vol.5（2），pp.81.

[6]parison of the convergence rate of pure greedy and orthogonal greedy algorithms[J].Mathematical Notes，2012，Vol.92（3），pp.485-489.