物流配送中心论文.docx
《物流配送中心论文.docx》由会员分享,可在线阅读,更多相关《物流配送中心论文.docx(15页珍藏版)》请在冰豆网上搜索。
![物流配送中心论文.docx](https://file1.bdocx.com/fileroot1/2023-1/1/fb3f4401-9d7c-45c5-bbcf-cdd795a5469e/fb3f4401-9d7c-45c5-bbcf-cdd795a5469e1.gif)
物流配送中心论文
攀枝花学院经济与管理学院课程论文
多配送中心的库存需求预测研究
——以红旗连锁超市成都物流配送中心为例
**********************
学生学号:
************
院(系):
经济与管理学院
年级专业:
2009级物流管理
***********************
二〇一二年五月
摘要
区域物流网络是由各级物流节点和连线以及所属经济组织构成的相互联系、相互作用的系统结构形式,它是目前国内外理论界和业界都十分关注的重要领域。
配送中心是区域物流网络中的核心节点,不仅负责货物储存、运输等一般物流作业功能,还是实现指挥调度、信息处理、作业优化等的核心平台。
而配送中心的库存管理是企业今后用于销售或使用的储备物料,有效的对其进行管理是降低物流成本,提高服务水平的重要途径。
基于区域物流网络中多配送中心的库存需求预测在物流配送中心的库存订货管理中有重大作用及意义。
本文以红旗连锁超市成都物流多物流配送中心需求预测为例研究了区域物流网络中由
个配送中心、
个零售商组成的配送网络的需求预测问题。
分析了区域物流网络的需求特点,运用Dijkstra算法得出了最短路径矩阵,在此基础上构建了库存需求预测模型,通过该模型求得了每个配送中心的需求总量。
关键词区域物流网络;配送中心;Dijkstra算法;需求预测
ABSTRACT
Regionallogisticsnetworkisbyvariouslogisticsnodesandattachmentandeconomicorganizationsofasubordinaterelationshipoftheinteractionofthesystemstructure,itisthedomesticandforeigntheoristsandtheindustryisveryattentionimportantfields.Distributioncenteristhekeynodesofregionallogisticsnetwork,notonlyresponsibleforgoodsstorageandtransportationgenerallogisticsoperationsfunction,orrealizecommandscheduling,informationprocessing,andtheoptimizationofcoreplatformofhomework.Anddistributioncenterofinventorymanagementistheenterpriseinthefutureforsaleoruseofthereservematerials,effectivemanagingthemistoreducelogisticscosts,improvetheservicelevelofimportantways.Basedontheregionallogisticsnetworkofdistributioncenterinventorydemandforecastinthelogisticsdistributioncenterinventorymanagementmajorinorderroleandsignificance.Thispapertochangzhutanmanylogisticsdistributioncenterdemandforecastasanexampleoftheregionallogisticsnetworkbyadistributioncenter,aretailcomponentofthedistributionnetworkofdemandforecastingproblems.Analysisoftheregionallogisticsnetworkdemandcharacteristicsof,useDijkstraalgorithmconcludedthattheshortestpathmatrix,onthebasisofwhich,theinventorydemandforecastingmodel,throughthemodelforeachdistributioncenteroftotaldemand.
KeywordsRegionallogisticsnetwork;Distributioncenter;Dijkstraalgorithm;
Demandforecasting
摘要…………………………………………………………………………………Ⅰ
ABSTRACT……………………………………………………………………………..……Ⅱ
绪论………………………………………………………………………………….......1
一、多配送中心的库存需求预测模型……………………………………………...2
(一)多配送中心的库存需求预测……………………………..…………………....2
(二)多配送中心的库存需求预测假设条件…………………………………..……2
二、多配送中心的库存需求预测建模过程………………………………………...3
(一)区域物流网络……………………………………..……………………………..3
(二)加权矩阵………………………………………………………..………………..3
(三)最短路径矩阵………………………………..……………………………………4
(四)需求矩阵………………………………………………………..………………..4
(五)库存需求计算模型…………………………..……………………………………5
三、以红旗连锁超市成都物流配送中心为例进行库存需求预测…………………….6
(一)成都红旗连锁物流配送中心…………………………..……………………………..6
(二)红旗连锁三大物流配送中心的库存需求预测……..…………………………………..6
总结…………………………………………………………………………………9
参考文献………………………………………………………………………………10
绪论
区域物流[1]网络是由各级物流节点和连线以及所属经济组织构成的相互联系、相互作用的系统结构形式,它是目前国内外理论界和业界都十分关注的重要领域。
配送中心(DistributionCenter,DC)[2]是区域物流网络中的核心节点,不仅负责货物储存、运输等一般物流作业功能,还是实现指挥调度、信息处理、作业优化等的核心平台。
而配送中心的库存是企业今后用于销售或使用的储备物料,有效的对其进行管理是降低物流成本,提高服务水平的重要途径。
目前,对于库存管理,有两类不确定因素对它构成重要的影响:
一是供货周期不确定性;二是需求不确定因素。
近几年来兴起的供应商管理库存(VMI)[3]有效地解决了供货周期不确定因素的影响,但是仍存在许多问题亟待解决,其最困惑的问题莫过于库存需求不确定性因素的影响[4]。
目前,国内外在需求预测研究方面已经取得了很多突出的成果,主要的需求预测模型有:
简单移动平均模型(SimpleMovingAverages)、加权移动平均模型(WeightedMovingAverages)、回归分析模型(LinearregressionForecasting)、灰色系统预测模型、神经网络预测模型、希斯金(Shiskin)时间序列模型(TimeSeriesAnalysis)、鲍克斯·詹金斯(Box-Jenkins)模型等。
区域物流网络中,各配送中心距离较远,如果库存量设置不合理,客户的需求波动可能会引起货物相互调用,很大程度地增加了运行成本。
因此,如何精确的预测每个配送中心的需求量,减少由于库存不足而引起的相互调用成为亟待解决的问题。
然而,在一个区域范围内,客户潜在总需求是确定的,即各配送中心的需求总和固定,各配送中心之间的需求量存在差异,但相互关联。
以上的几种模型都不适合这种情况,本文通过分析区域物流网络的特点,以及影响库存需求的关键因素,建立精确需求预测模型。
降低物流成本、提高客户服务水平。
一、多配送中心的库存需求预测模型
(一)多配送中心的库存需求预测
区域物流网络是由各级物流节点和连线以及所属经济“组织”构成的相互联系、相互作用的系统结构形式。
物流节点表示一定区域内的配送中心和需求节点,连线表示配送中心与需求节点之间的实际道路。
配送中心与需求节点之间是相互依赖的,不是完全独立的;而公路是节点间实现资源传递的渠道。
在一定的区域范围内,零售商对不同配送中心都有一定的需求,考虑到物流成本的大小,零售商去不同配送中心的概率是不同的,一般的,在离自己距离近的配送中心取货的概率就相对来说大些。
(二)多配送中心的库存需求预测假设条件
我们这里所研究的配送中心的库存需求是在配送中心选址确定的情况下对其进行预测的,且区域物流网络中各零售商的需求量在短期内不会发生变化。
零售商取货时,会考虑去配送中心是否方便,即会考虑配送中心和自己之间的距离。
零售商会选择离自己近的配送中心多取货,而离自己相对较远的配送中心少取货,即零售商的需求量与距离成反比。
在不改变问题本质的条件下,先作如下假设:
(1)在一个给定的物流区域内有
个零售商,
个配送中心,其中
;
(2)假设配送中心的位置是已知的;
(3)每个需求节点的需求量确定且相同,设为
;
(4)节点
对配送中心
有一定的需求量,且需求量为
;
假设只需考虑
与距离
(节点
到配送中心
的网络距离)的关系,且与距离成反比。
二、多配送中心的库存需求预测建模过程
(一)区域物流网络
区域物流网络中,尽管需求点、配送中心在功能上有所不同,但是它们有一个共同的特点就是发送或接收资源,并且,在某段时间内,它们在地域上具有相对固定的关系;由此,可把所有的需求点、配送中心所在地域抽象为节点。
节点可通过道路连接到一起构成网络,网络用边来表示节点间的道路,其长度就是道路的实际距离;而边上的数值
,表示两节点
与
之间边的权重[1]。
数学上,网络可以表示为由顶点集
和边集
组成的图
。
集合
中的元素是图
的节点,集合
中的元素是图
的边,是由集合
中元素的无序(或有序)对构成。
如果任意点对
与
对应于同一条边,且每条边都赋予相应的权值,我们称这样的网络为无向加权网络(undirectedweightednetwork)。
这里我们所研究的区域物流网络就是一种无向加权网络。
该简化的网络示意图如图1所示:
图1区域网络示意图
(二)加权矩阵
可由邻接矩阵
完全描述。
其中:
图1的邻接可表示为:
邻接矩阵
只是简单的描述了节点间的关系,即节点间是否相连;我们通过加权矩阵
来描述节点间的数量关系。
由式
(2)、(3)得到图1的加权矩阵,如式(4)所示:
式中,
表示节点
与
之间的实际距离。
如:
表示节点
与
之间距离为2,
表示节点
与
之间无边直接相连。
(三)最短路径矩阵
最短路径问题要解决的是求
中两给定顶点之间的最短路径,所以我们这里要解决的问题可以描述为:
由需求地
出发前往配送中心
取货,
间存在交通道路网络,求从
地出发前往
地,怎样走路线最短。
求最短路径的一个著名算法是Dijkstra(迪杰斯特拉)算法[1]。
它按路径长度递增的次序产生最短路径,可由下式给出:
根据式(4),可用Dijkstra算法求出节点间的最短路径矩阵,其矩阵形式如下所示:
式中,
表示节点
到配送中心
的最短路径。
(四)需求矩阵
我们用
来表示需求节点
对配送中心
的需求,即:
由式(7)得出节点
的总需求量
:
根据
与距离
成反比,并结合式(6)、(7)可以得出:
由式(7)得出配送中心
的总需求量
:
(五)库存需求计算模型
通过联立式(6)、(8)、(9)、(10),得到多配送中心的库存需求预测模型如下:
通过此模型可以直接精确计算每个配送的库存需求。
三、以红旗连锁超市物流配送中心为例进行库存需求预测
(一)成都红旗连锁物流配送中心
成都红旗连锁有限公司成立于2000年6月。
2010年5月20日,成都红旗连锁股份有限公司正式创立。
公司现已发展成为中国西部地区最具规模的以连锁经营、物流配送、电子商务为一体的商业连锁企业。
目前在四川省内已开设上千家连锁超市,就业员工上万人,累计上缴税收6亿以上;拥有三个现代化的物流配送中心;与上千家供货商建立了良好的互利双赢的商业合作关系。
随着门店数量的增加、销售额的上升,红旗连锁强烈感到加强商品配送能力的重要性,从2000年开始,红旗连锁就着力对配送中心进行建设,2002年红旗连锁在簇桥马家河建立了占地近4万平方米的第一配送中心。
2005年红旗连锁投资3500万元,在龙泉驿区西河镇建立第二个现代化物流配送中心,该中心于2006年9月落成,面积约6万平方米。
2006年9月11日,红旗连锁西河配送中心正式投入使用,该中心日配货量可达300吨以上,可支撑60亿元以上的年商品销售额。
目前,红旗连锁西河配送中心拥有中国西部地区最完善的配送设施,全面实现了配送中心与业务部、财务部的联网,对红旗连锁的扩张发展提供有力支持。
2012年1月,红旗连锁第三配送中心——红光配送中心投入使用,位于郫县红光镇现代工业港,占地约3万平方米,这座新增的配送中心将为红旗连锁加速市场扩张提供有力的保障。
红旗连锁成都三大三配送中心是簇桥配送中心、西河配送中心,红光配送中心。
(二)红旗连锁三大物流配送中心的库存需求预测
为了验证预测模型的有效性和正确性,本文以红旗连锁超市物流配送网络为背景,来预测配送中心的需求。
图2中,节点(用实心点表示)为成都区域内的配送中心和红旗连锁门店,节点的位置对应于它在地图中的实际相对位置;边表示道路,边的长度与节点之间的实际距离(用直线表示)成比例。
图2红旗连锁成都物流网络拓扑结构图
如图,节点
分别表示簇桥配送中心、红光配送中心,西河配送中心,
为该区域内的24个零售商。
其抽象的网络拓扑结构图如上所示。
我们可用邻接矩阵A完全表示上图中节点与节点间的关系,A是一个27×27的矩阵,在这一矩阵中,多数元素为0,我们也称此矩阵为稀疏矩阵(sparsematrix)。
稀疏矩阵中每一个非零元素所在的行号、列号和值组成了一个三元组
并由此三元组唯一确定;由于知道非零元素所在的行号和列号,所以能迅速确定一个非零元素是矩阵中的哪一个元素。
为了使问题描述简单,我们用稀疏矩阵[3]来表示:
行
列
值
[0]
0
1
4
[1]
0
25
10
[2]
0
26
6
[3]
1
2
4
[4]
2
3
3
…
…
…
…
[33]
19
25
3
[34]
19
20
4
[35]
21
22
5
[36]
22
23
3
通过运用Dijkstra算法求得距离矩阵:
表示零售商到配送中心的实际距离,如
表示
到
的实际距离,
表示
到
实际距离,
表示
到
的实际距离。
由式(12)求得
:
由式(13)即可得到结果:
对结果进行归一化可得:
由式(15)计算结果可求得方差
:
方差
是
与平均值偏差的期望,即
与其平均数的平均偏差,反映了
的离中程度。
是刻画配送中心库存需求差异大小的一个重要指标。
该实例分析结果显示,不同配送中心的库存需求相差比较大,通过对其需求进行有效的预测,避免了重复、迂回运输现象的发生,从而提高了配送的效率。
总结
本文对某区域物流网络中由
个配送中心、
个零售商组成的配送网络的需求问题进行了预测研究。
文章首先分析了区域物流网络的需求特点,运用了Dijkstra算法求出了最短路径矩阵,并在此基础上构建了库存需求的预测模型,通过该模型求得了每个配送中心的需求总量,并以红旗连锁成都的三个配送中心的实例验证了模型的正确性和可行性。
进一步研究的课题是如何在该方法的基础上考虑随机性因素的影响的库存需求。
参考文献
[1]陈蓉,宋俊德.基于SVM分块回归分析的话务量预测模型[J].计算机应用,2008,28(009):
2230-2232.
[2]吉培荣,黄巍松,胡翔勇.灰色预测模型特性的研究[J].系统工程理论与实践,2001,21(009):
105-108.
[3]常建娥,蒋太立.层次分析法确定权重的研究[J].武汉理工大学学报:
信息与管理工程版,2007,29(001):
153-156.
[4]张红科.基于链表的Dijkstra算法优化研究[J].电脑知识与技术,2008,3:
26.
{5}张春生.关键路径的稀疏矩阵求解算法[J].计算机应用,2006,26(003):
529-530.