案例1某大型IT产品分销商.docx

1、案例1某大型IT产品分销商例2 某大型IT产品分销商，其配送网络模型如下图1所示：表4为该产品分销商在华南区的需求城市及其需求量，其中广州为其物流中心，广州、深圳、福州和武汉是4个区域配送中心。试对该分销商的配送网络进行优化，并确定各个区域配送中心的服务区域和范围，使得整个物流配送网络的成本最小。表 4 华南区 40 个需求城市及其需求量pk序号 需求城市 需求量（ kg） 序号 需求城市 需求量 (Kg) 1 广州 3615968 21 湘潭 3619 2 深圳 866416 22 洛阳 3386 3 厦门 829804 23 赣州 3287 4 武汉 430642 24 南阳 3167 5

2、 长沙 190328 25 襄樊 2881 6 郑州 163837 26 青岛 2602 7 汕头 123429 27 上饶 1722 8 福州 116864 28 信阳 1642 9 中山 102921 29 九江 1635 10 南昌 102837 30 杭州 1577 11 漳州 96041 31 景德镇 998 12 东莞 89706 32 岳阳 892 13 珠海 87287 33 十堰 820 14 南宁 81518 34 宁波 793 15 泉州 62518 35 常德 788 16 玉林 28914 36 安阳 738 17 柳州 15394 37 荆州 642 18 桂林 1

3、0208 38 苏州 561 19 宜昌 9966 39 鹰潭 533 20 平顶山 4713 40 沙市 419 解：由已知条件可知：由于该网络的物流中心和配送中心的地点已经选定，配送中心内部成本可以不予考虑，所以这个优化问题的优化内容集中在运输成本上。1.建立数学模型设由区域配送中心j 到需求城市k的配送量为xjk;目标函数为：其中cj：从物流中心i到配送中心j每单位量的运输成本；djk：从配送中心j到客户k，每单位量的配送成本；pk：第k个需求城市的配送需求量；j=1，2，3，4； k=1，2，402.确定各参数由模型（1）可知，需要知道以下参数数据：1 从物流中心i到配送中心j每单位量

4、的运输成本cj2 从配送中心j到客户k，每单位量的配送成本djk3 第k个需求城市的配送需求量pk（如表4）。2.1 cj的计算根据广州和武汉的单位运费分析，得到标准单位运费如下（表5）：1. 市内配送费用：两地的市内配送单位运费几乎相同，故取市内配送单位运费C1=0.037元/kg2. 单位外埠配送强度运费：武汉的外埠单位配送运费较高，为0.0185元/kgkm，广州的外埠单位配送运费比较合理，为0.0028元/kgkm，取C2=0.0028元/kgkm；3. 单位转储强度运费：广州为0.00013元/kgkm，武汉为0.00034元/kgkm，取C3=（0.00013+0.00033）/2

5、=0.00023元/kgkm表 5 标准单位运费 项目 市内配送费用 C1 单位外埠配送强度运费 C2 单位转储强度运费 C3 数值 0.037 元 /kg 0.0028 元 /kgkm 0.00023 元 /kgkm 在得到单位外埠配送强度运费和单位转储强度运费之后，根据物流中心到各个配送中心的距离就可以得到单位运费Cj了。由于物流中心到各个配送中心的运输批量较大，故单位运费cj取转储的单位运费，即物流中心到各个配送中心的单位运费cj= C3Sj=0.00023 Sj元/kg，Sj为物流中心到第j个配送中心的距离。如表6为物流中心到各个配送中心的距离及单位运费。表 6 物流中心到各个配送中心

6、的距离及单位运费Cj 单位：元/kg 配送中心 广州 深圳武汉福州 直线距离 Sj（ km ） 0 58.62786.82436.53 单位运费 cj= C3Sj0 0.00023 S20.00023 S30.00023 S4 cj取值00.0135元/kg0.181元/kg0.1元/kg2.2 需求量pk 见表42.3 djk的计算计算公式： djk=配送中心j到需求城市k的距离* C2（0.0028 元 /kgkm）表7给出了各配送中心到各需求城市的距离表 7 各配送中心到各需求城市的距离 单位：km 距离 广州 深圳 武汉 福州 广州 0.00 58.62 786.82 436.53深圳

7、 58.62 0.00 829.11 449.86厦门 248.80 241.05 692.51 231.67武汉 786.84 829.11 0.00 498.78长沙 558.91 605.72 240.16 373.10郑州 1234.27 1278.12 450.11 930.70汕头 130.52 102.43 787.19 366.81福州 436.53 449.86 498.78 0.00中山 77.79 47.05 863.90 495.88南昌 572.11 610.53 225.61 287.24漳州 263.28 267.22 637.87 187.02东莞 34.92

8、23.71 812.29 444.32珠海 95.01 57.41 880.37 507.19南宁 204.09 225.17 910.91 629.48泉州 333.11 336.91 604.87 125.60玉林 115.98 148.07 839.95 539.12柳州 185.62 243.63 696.36 474.35桂林 250.96 307.81 582.15 400.84宜昌 791.36 839.05 117.66 564.12平顶山 1157.92 1201.72 373.81 856.97湘潭 459.83 507.93 338.74 334.25洛阳 1232.99

9、 1278.09 453.53 941.42赣州 328.24 364.16 468.52 193.40南阳 1112.14 1156.83 331.89 822.20襄樊 780.04 826.02 77.80 533.43青岛 1478.87 1513.37 714.94 1101.99上饶 642.05 671.46 253.21 266.61信阳 1008.62 1051.13 222.02 703.43九江 684.03 723.28 117.54 381.53杭州 842.90 869.68 278.17 440.08景德镇 721.53 755.23 164.31 367.04岳

10、阳 706.46 750.71 88.21 451.67十堰 1074.60 1121.51 312.19 810.62宁波 776.41 797.26 349.93 353.03常德 672.93 720.11 148.08 460.19安阳 1452.28 1494.82 665.73 1130.53荆州 799.57 845.48 78.22 549.34苏州 949.95 978.64 302.15 552.96鹰潭 596.32 628.39 252.11 247.98沙市 812.69 858.34 76.76 557.733.优化方案的求解 数学模型（1）是一个运输问题的线性规划

11、问题。其优化的关键在于物流网络模型的末端，即各个区域配送中心与各个需求城市之间的对应问题。只要各个区域配送中心的配送任务最优方案得到，那么处于上端的物流中心到区域配送中心的配送费用也就确定了。 利用lingo编程如下：!Lingo执行程序;model:Title distribution model;sets:demand/1.40/:pdemand; !共有40个客户，pdemand表示各客户的需求量;distributioncenters/1.4/:ccost; !ccost表示从物流中心到配送中心,每单位量的运输成本,即案例中的cj;link(distributioncenters,de

12、mandpoints):distance,x; !distance表示从配送中心到客户的距离,x表示决策变量，即从配送中心到客户的配送量;endsetsdata:pdemand=3615968 866416 829804 430642 190328 163837 123429 116864 102921 102837 96041 89706 87287 81518 62518 28914 15394 10208 9966 4713 3619 3386 3287 3167 2881 2602 1722 1642 1635 1577 998 892 820 793 788 738 642 561

13、533 419;!各点的需求量;ccost=0 0.0135 0.181 0.1;!ccost表示从物流中心到配送中心,每单位量的运输成本,即案例中的cj;distance=0 58.62 248.8 786.84 558.91 1234.27 130.52 436.53 77.79 572.11 263.28 34.92 95.01 204.09 333.11 115.98 185.62 250.96 791.36 1157.92 459.83 1232.99 328.24 1112.14 780.04 1478.87 642.05 1008.62 684.03 842.9 721.53 7

14、06.46 1074.6 776.41 672.93 1452.28 799.57 949.95 596.32 812.6958.62 0 241.05 829.11 605.72 1278.12 102.43 449.86 47.05 610.53 267.22 23.71 57.41 225.17 336.91 148.07 243.63 307.81 839.05 1201.72 507.93 1278.09 364.16 1156.83 826.02 1513.37 671.46 1051.13 723.28 869.68 755.23 750.71 1121.51 797.26 72

15、0.11 1494.82 845.48 978.64 628.39 858.34786.82 829.11 692.51 0 240.16 450.11 787.19 498.78 863.9 225.61 637.87 812.29 880.37 910.91 604.87 839.95 696.36 582.15 117.66 373.81 338.74 453.53 468.52 331.89 77.8 714.94 253.21 222.02 117.54 278.17 164.31 88.21 312.19 349.93 148.08 665.73 78.22 302.15 252.

16、11 76.76436.53 449.86 231.67 498.78 373.1 930.7 366.81 0 495.88 287.24 187.02 444.32 507.19 629.48 125.6 539.12 474.35 400.84 564.12 856.97 334.25 941.42 193.4 822.2 533.43 1101.99 266.61 703.43 381.53 440.08 367.04 451.67 810.62 353.03 460.19 1130.53 549.34 552.96 247.98 557.73;c2=0.0028;enddata!目标

17、函数;min=(sum(distributioncenters(j): sum(demandpoints(k): (ccost(j)+distance(j,k)*c2)*x(j,k)+0.037*5029890-0.0135*866416-0.181*430642-0.1*116864);!加入后面的一串数字，表示;!约束条件;for(demandpoints(k): sum(distributioncenters(j): x(j,k)=pdemand(k);end各个区域配送中心到需求城市的配送费用djk用单位外埠配送强度运费C2乘上配送路程xij (如表7所示)即可得到，配送中心本市配送的

18、单位运费C1= 0.037元/kg 。 通过计算机求得共N种方案的物流网络成本，从中选择出成本最低的方案，如下：表 8 各个区域配送中心的服务范围 物流中心 配送中心 服务城市 备注 广州 广州 广州；南宁；玉林；柳州；桂林 深圳 深圳；厦门；汕头；中山；东莞；珠海 武汉 武汉；长沙；郑州；南昌；宜昌；平顶山；洛阳；南阳；襄樊；青岛；信阳；九江；杭州；景德镇；岳阳；十堰；常德；安阳；荆州；苏州；沙市 福州 福州；漳州；泉州；湘潭；赣州；上饶；宁波；鹰潭 表 9 服务范围优化前后运费对比 优化前运费（万元） 优化后运费（万元） 节约运费（万元） 总运费 185.6347 161.7848 23.

19、8499 3.结论： 通过建立物流网络数学模型，优化的结果使得企业物流成本9个月节约成本24万元，取得了实际的经济效率。Lingo执行程序model:Title distribution model;sets:demandpoints/1.40/:pdemand; !共有40个客户，pdemand表示各客户的需求量;distributioncenters/1.4/:ccost; !ccost表示从物流中心到配送中心,每单位量的运输成本,即案例中的cj;link(distributioncenters,demandpoints):distance,x; !distance表示从配送中心到客户的距

20、离,x表示决策变量，即从配送中心到客户的配送量;endsetsdata:pdemand=3615968 866416 829804 430642 190328 163837 123429 116864 102921 102837 96041 89706 87287 81518 62518 28914 15394 10208 9966 4713 3619 3386 3287 3167 2881 2602 1722 1642 1635 1577 998 892 820 793 788 738 642 561 533 419;!各点的需求量;ccost=0 0.0135 0.181 0.1;!cco

21、st表示从物流中心到配送中心,每单位量的运输成本,即案例中的cj;distance=(0 58.62 248.8 786.84 558.91 1234.27 130.52 436.53 77.79 572.11 263.28 34.92 95.01 204.09 333.11 115.98 185.62 250.96 791.36 1157.92 459.83 1232.99 328.24 1112.14 780.04 1478.87 642.05 1008.62 684.03 842.9 721.53 706.46 1074.6 776.41 672.93 1452.28 799.57 94

22、9.95 596.32 812.6958.62 0 241.05 829.11 605.72 1278.12 102.43 449.86 47.05 610.53 267.22 23.71 57.41 225.17 336.91 148.07 243.63 307.81 839.05 1201.72 507.93 1278.09 364.16 1156.83 826.02 1513.37 671.46 1051.13 723.28 869.68 755.23 750.71 1121.51 797.26 720.11 1494.82 845.48 978.64 628.39 858.34786.

23、82 829.11 692.51 0 240.16 450.11 787.19 498.78 863.9 225.61 637.87 812.29 880.37 910.91 604.87 839.95 696.36 582.15 117.66 373.81 338.74 453.53 468.52 331.89 77.8 714.94 253.21 222.02 117.54 278.17 164.31 88.21 312.19 349.93 148.08 665.73 78.22 302.15 252.11 76.76436.53 449.86 231.67 498.78 373.1 93

24、0.7 366.81 0 495.88 287.24 187.02 444.32 507.19 629.48 125.6 539.12 474.35 400.84 564.12 856.97 334.25 941.42 193.4 822.2 533.43 1101.99 266.61 703.43 381.53 440.08 367.04 451.67 810.62 353.03 460.19 1130.53 549.34 552.96 247.98 557.73*0.0028;!distance表示从配送中心到客户的距离;c2=0.0028;enddata!目标函数;min=(sum(distributioncenters(j): sum(demandpoints(k): (ccost(j)+distance(j,k)*c2)*x(j,k)+0.037*5029890-0.0135*866416-0.181*430642-0.1*116864);!约束条件;for(demandpoints(k): sum(distributioncenters(j): x(j,k)=pdemand(k);end