A公司物流优化案例分析.doc

A公司物流网络优化设 09物流管理二班 第五小组：章克彬 郭少纯 郑伯加 黄水凤 杨志平 目录1 案例介绍32.1 A公司简介2.2 A公司现有物流模式概况及存在问题2 RDC选址的要求53 RDC选址的基本条件及原则63.1 RDC选址的基本条件4 A公司RDC选址的基本思路75 RDC选址的具体过程75.1 分仓库的区域整合.75.1.1 RDC选址影响因素分析5.1.2 基于模糊聚类法仓库聚类组合5.2 最佳RDC区域地点的确定145.3 最优RDC的区域选址165.3.1 RDC选址问题分析5.3.2 RDC选址的基本假设5.3.3 模型的建立及求解1 案例介绍1.1 A公司简介A公司集团成立于1980年5月，座落在风光秀丽的深圳湾畔。经过二十多年的快速发展，A公司已成长为总资产100亿元、净资产30亿元、年销售收入130多亿元的大型电子信息产业集团，和境内外上市的公众股份制公司。公司现有总股本6.02亿股，HQ集团为第一大股东。公司主导业务涉及多媒体消费电子、移动通信、信息网络、汽车电子，以及上游元器件等多个产业领域。是中国彩电行业和手机行业骨干龙头企业，曾连续四年位居中国电子百强第4位，是国家300家重点企业和广东省、深圳市重点扶持发展的外向型高科技企业集团。其生产彩电和小家电的工厂分别分布在深圳、重庆、咸阳、牡丹江。年产量超过2000万台。销售商上万家，遍及全国各地，随着销售市场的扩张，客户群的分散，A公司原有的一对多的批发型销售模式已经让W公司因为时效性等丧失了很多的销售量和客户。长距离的预定式物流模式因不能对市场需求做出及时的反应而满足不了终端客户的需求，为此，A公司销售公司连同物流部决定对现有的物流模式进行改变，决定设立区域RDC，分解工厂CDC的压力，将物流细化做到终端配送，满足客户需求，争取订单，从而降低长途运输成本，提高货物的空间及时间效益。1.2 A公司现有物流模式概况及存在问题在讨论设立A公司RDC之前，先对36个仓库进行编号，如表2-1。表2-1 仓库编号编号仓库编号仓库编号仓库编号仓库1济南10菏泽19韶关28湛江2淄博11天津20肇庆29海口3聊城12中山21青岛30玉林4东营13石家庄22烟台31茂名5柳州14邯郸23潍坊32梅州6桂林15衡水24南宁33深圳7河池16厦门25梧州34南昌8济宁17广州26赣州35上饶9临沂18佛山27福州36宜春全国共有36个仓库，仓库分散，面积大小不一。仓库货物的补给均由四大工厂进行补给，四大工厂的生产线各有侧重。各仓库的补货完全通过各地销售公司根据市场预测来向各大工厂要货，仓库的出货主要是对大型经销商，出货批量大批次小，单库单一产品库存比较大，不能满足客户多品种的要货，由于36个仓库分布较广且散，只有工厂CDC直接对接于各个仓库，这给工厂CDC很大压力，且运输距离长，成本高，很可能造成极大的缺货成本，从而削弱集团公司总体竞争力。由案例所给A公司全国仓库分布情况可知，公司现有的36个仓库，其仓库面积大小（见图2-1）、年出库量、常年流通的规格品种数、辐射的经销商数量（见图2-2）等指标各不相同。图2-1 仓库面积图2-1 仓库辐射经销商数量2 RDC选址的要求1可以满足终端客户的B to C单台送货要求，同时有能力满足各级经销商2-3方的零散订单配送；2降低工厂直发经销商的比率；3RDC的辐射半径在600公里左右；4车辆行驶时间不超过8小时；5RDC设立大小按照区域销售量2000万、4000万、4000万以上分别设立。通过仓库整合降低管理成本、运输成本和缺货损失。3 RDC选址的基本条件及原则选址之前，首先要明确RDC选址的必要性、目的、原则及基本条件，这样能够更好的指导我们做好选址，作出有实际意义的选址方案来。3.1 RDC选址的基本条件1.自然环境条件。RDC的选址地点要考虑该地区的气象条件、地质条件、地形条件等。如家电产品对湿度有较高的要求，仓库地点尽量选在湿度较低的地方；配送中心可能户堆存较高的物品，如果地质条件不好、承载能力较低，将会严重影响配送中心的运营；而选址地点地形高低不平，则又给仓库带来较大平整费用。2.地理条件。由于配送中心的运营成本只要来自运输配送、仓储等作业，而运输距离则是决定运输配送成本高低的直接因素，所以配送中心的选址应充分考虑其所处的地理位置与各个配送需求点之间的距离，最佳的RDC选址能使总的配送距离最小，即运输配送总成本最少。3.产品需求条件。主要包括配送中心的服务对象的现在分布以及未来的分布情况预测，货物作业量的增长率和配送中心的区域范围。4.运输条件。配送中心应靠近交通枢纽点，如铁路货运站、港口、汽车站及高速公路交汇入口处等。5.政策条件。它包括土地使用、税收优惠、法律法规完善情况等，因为配送中心建设初期投资很大，如果当地政府政策支持的话，企业能节省很大一笔费用；企业要综合考虑设施、土地、劳务等费用，多数情况下，首先考虑土地购置费用。6.空间发展条件。配送中心的选址满足可持续发展的要求，而选址地点的综合经济情况、产业布局、经济辐射范围及其未来发展方向，将对给地区和周边的物流市场需求产生重要影响。7.其他条件还有配送服务条件、管理与信息条件等。4 A公司RDC选址的基本思路1.将A公司分布在全国的36个仓库依据其具体地理位置、规模大小等因素进行聚类，从而使得条件相似的仓库整合在一起。这样，通过聚类分析和RDC设计要求，可把36个仓库划分为几个区域，从而得到几类不同的RDC设计方案。2.针对上述不同的RDC设计方案，应用模糊综合分析法及AHP法对这几种方案中不同区域内的RDC进行选址，从而得到不同RDC设计方案的最佳RDC选址。3.从第2步通过模糊聚类法得到的对应于不同RDC设计方案的备选地点排序结果中，选择前4项为候选地点，应用多元线性规划法，建立数学模型，求解出不同RDC设计方案的最优RDC选址。5 RDC选址的具体过程5.1 分仓库的区域整合5.1.1 RDC选址影响因素分析结合A公司具体RDC选址，在这里我们主要考虑三个影响因素：需求点的地理分布情况、规模大小、规格品种数。由于A公司的36个仓库的分布较为分散，在这里我们用仓库所在城市的地理坐标（经度、纬度）代替仓库的具体地理位置，如某仓库的地理坐标为（X1，X2），其中X1表示经度，X2表示纬度。规模大小是针对各个仓库而言的，由于每个仓库的规模大小不同，其对聚类分析结果的影响程度不同，我们给每个仓库赋予一个权重表示，范围14之间。本文以每个仓库的年出库量来衡量。结合RDC设计要求，50000台及50000台以上赋予权值4，3000049999赋予权值3，1000029999赋予权值2，10000以下赋予权值1。每个仓库的常年流通的规格品种数也是重要的一个方面，相同产品规格的仓库尽可能整合在一起。由案例W公司全国仓库分布情况常年流通的规格品种数子项数据可知，明确规格品种数的仓库，它们所含的规格品种大致相同。如济南、淄博、聊城、东营、济宁、临沂、菏泽、赣州、湛江、海口、茂名等仓库主要产品规格是2134寸彩电、冰箱。在这里我们用表示，范围13之间。如济南、淄博、聊城、东营、济宁、临沂、菏泽、赣州、湛江、海口、茂名等明给出产品规格的仓库赋予权值3，如广州、佛州、韶关、肇庆大致给出（彩电、冰箱）的赋予权值2，没给出产品规格的赋予权值1。6.1.2 基于模糊聚类法仓库聚类组合1.由于案例所给W公司全国仓库分布情况各个仓库的常年流通的规格品种数不同，给年出库量统计工作造成极大困难，所以我们假设各个仓库的规格品种只有21寸、25寸、29寸、34寸彩电，其库存所占比例稳定，21寸占20%、25寸占30%、29寸占40%、34寸占10%。由以上所赋权重值及假设数据可得W公司各仓库基本情况表，如表6-1。表6-1 W公司各仓库基本情况表仓库名东经北纬规模大小产品规格济南117.036.3943淄博118.136.4723聊城115.5836.2723东营118.2937.2823柳州109.2424.241桂林110.2525.341河池108.2424.741济宁116.935.2343临沂117.2138.933菏泽115.2635.1423天津117.1139.0931中山113.2223.3141石家庄114.3838.0041邯郸114.3636.3621衡水115.3743.4321厦门118.0624.2941广州113.2323.1142佛山113.2324.2922韶关113.2437.5022肇庆112.2326.312青岛120.236.0441烟台121.2337.3121潍坊119.0636.3721南宁108.2220.541梧州111.320.3111赣州114.5525.5333福州119.326.141湛江110.2321.1123海口110.221.123玉林110.2222.723茂名110.2121.733梅州116.2424.321深圳114.2222.641南昌115.5228.4131上饶117.5828.2711宜春114.2327.49112、为了是原始数据能够适合模糊聚类分析的要求，需要对坐标（x1，x2）进行标准化处理，即通过适当的数据变换和压缩，将其转化为模糊矩阵，由于地理坐标、规模大小、产品规格等因素影响聚类的程度不同，故我们赋予（x1，x2）、x3、x4不同权重，分别为7、1、2，借助MATLAB软件标准化求解得到数据，如表6-2。表6-2 W公司各仓库数据处理表仓库名东经北纬规模大小产品规格济南4.97366.805446淄博7.18686.885526聊城2.11656.685326东营7.56917.696726柳州-10.6397-5.402342桂林-8.6075-4.300742河池-12.6517-4.901642济宁4.77245.643746临沂5.39619.319136菏泽1.47275.553626天津5.19499.509332中山-2.6318-6.293642石家庄-0.29798.417842邯郸-0.33816.775422衡水1.694013.855622厦门7.1064-5.312142广州-2.6117-6.493944佛山-2.6117-5.312124韶关-2.5916-5.235824肇庆-4.6237-3.299214青岛11.41216.454942烟台13.48457.726822潍坊9.11846.785422南宁-12.6920-9.107742梧州-6.4949-9.297912赣州0.0442 -4.070336福州9.6013 -3.499542湛江-8.6478-8.496826海口-8.7081-8.506826玉林-8.6679-6.904526茂名-8.6880-7.905936梅州3.4445 -5.302122深圳-0.6198-7.004642南昌1.9958 -1.186232上饶6.1406 -1.326412宜春-0.5997-2.107512在这里我们S=s1,s2,.,s36为36个仓库的集合，每个对象有4个指标表示其性态，即xi=x1，x2，x3，x4（i=1,2，.,36）,其中（x1，x2）表示每个仓库的地理坐标经纬度，x3表示每个仓库的规模大小，x4表示每个仓库的规格产品种类数。3、 利用SPSS得出以下结果数据集案例处理汇总a,b案例有效缺失总计N百分比N百分比N百分比36100.00.036100.0a. 平方 Euclidean 距离 已使用 b. 单个联结上表为数据的基本信息，它表明36个观测值都有效，同时表明距离的测度采用欧氏距离的平方。单个联结聚类表阶群集组合系数首次出现阶群集下一阶群集 1群集 2群集 1群集 212829.00400421819.0060012324.8040015428311.3511075181.390001463101.6950021728302.0034031812174.04100109574.29900111012334.554801211565.34390251212185.397102161313146.699002914197.497501515128.354143211612208.880120221721239.37000191816279.51000241921229.9131702720343611.5850026211312.1391562322122613.306160262311116.0772102724163217.410180282552417.6931103226123418.7542220282712119.23123192928121620.0392624302911320.77227133430123521.1992803331252822.27707323252526.1452531333351229.8743230353411532.14729035351562.69934330结果解释：1、由于有36个观测值，所以要执行35步才能将所有的观测值量聚为一类 2、（群集组合）群集1，群集2：是该步被合并的两类中的代表性观测量号。如在第一步中，群集1和群集2分别为28、29，这表明在第一步中合并第28类和第29类，同时将新的类用28来标识（当观测量与观测量、观测量与类、类与类合并成一个新类时，用小的数值标识新的类别） 3、系数：距离测度值，表明不相似性的系数。由于选择了欧氏距离作为测度，因此从表中可以看出数值最小的两项先合并，如第28个观测量和第29个观测量的距离系数最小，所以他们最先合成一个新类。树状图：* * * * * * * * * * * * * * * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * * * * * * * * * * * * * Dendrogram using Single Linkage Rescaled Distance Cluster Combine C A S E 0 5 10 15 20 25 Label Num +-+-+-+-+-+ 湛江 28 -+ 海口 29 -+ 茂名 31 -+-+ 玉林 30 -+ +-+ 梧州 25 -+ | 柳州 5 -+-+ +-+ 河池 7 -+ +-+ | | 桂林 6 -+ +-+ | 南宁 24 -+ | 厦门 16 -+-+ | 福州 27 -+ +-+ +-+ 梅州 32 -+ | | | 南昌 34 -+-+-+ | | 宜春 36 -+ | | | | 佛山 18 -+-+ | | | | 韶关 19 -+ +-+ | | | | 中山 12 -+ | | | +-+ | 广州 17 -+-+ +-+ | | | 深圳 33 -+ | +-+ | | 肇庆 20 -+ | | | 赣州 26 -+ | | 上饶 35 -+ | 石家庄 13 -+-+ | 邯郸 14 -+ | | 青岛 21 -+ | | 潍坊 23 -+-+ +-+ | 烟台 22 -+ | | | | 聊城 3 -+-+ | | | | 菏泽 10 -+ +-+ +-+ | | 淄博 2 -+-+ | | | | | 东营 4 -+ +-+ | | +-+ 济南 1 -+-+ | +-+ | 济宁 8 -+ +-+ | | 临沂 9 -+ | | 天津 11 -+ | 衡水 15 -+（3）聚类组合根据W设立RDC的要求，根据城市距离和地图位置大概可得区域划分方案。区域一：济南、淄博、聊城、东营、济宁、菏泽、天津、石家庄、邯郸、衡水、青岛、烟台、潍坊。（1、2、3、4、8、9、10、11、13、14、15、21、22、23）区域二：柳州、桂林、河池、南宁、梧州、湛江、海口、玉林、茂名。（5、6、7、24、25、28、29、30、31）区域三：中山、广州、佛山、韶关、肇庆、深圳。（12、17、18、19、20、33）区域四：厦门、福州、梅州、南昌、上饶、宜春、赣州。（16、26、27、32、34、35、36）图6-3 区域划分示意图5.2 最佳RDC区域地点的确定5.2.1 最佳RDC选址方案的确定1.评价指标体系的建立在这里，我们把影响配送中心选址的因素按属性建立多因素评价指标体系。第一层是自然环境、地理环境，市场需求与竞争，现有基础设施。它们是配送中心选址的决定因素。利用AHP软件 分析过程如下：得出结果：5.3 最优RDC的区域选址前半部分由模糊聚类分析法把仓库划分为4个区域，并以区域三为例，用模糊综合评价法得出区域三的候选城市排序，从而选出深圳作为区域三的最优RDC选址地点。下面我们接着以区域三为例，并以候选城市排序的前四名作为进一步分析的候选城市，应用多元线性规划法作出排序，选出最佳区域三的RDC选址地点。5.3.1 RDC选址问题分析原问题是在已有的候选城市中选出最佳的RDC选址地点，其选址要求为可以满足终端客户的B to C单台送货要求，同时有能力满足各级经销商2-3方的零散订单配送；降低工厂直发经销商的比率；车辆行驶时间不超过8小时。并且选出的RDC要使所有经过其配送的仓库的总费用最少，这些费用包括RDC仓库租金费、建设费、运输费等。5.3.2 RDC选址的基本假设1.A公司个工厂的年生产能力能充分满足市场需求，且各仓库及经销商的位置及需求量不变。2.各个仓库的年出库量基本稳定。3.各区域的仓库都愿意从所在区域的RDC中心进货。4.RDC配送中心是在所选仓库的基础上扩租的，并且可以满足其扩租需求和所需租金不变。区域三的配送网络为图6-7：图6-7 区域三的配送网络5.3.3 模型的建立及求解1.A公司RDC选址的约束条件（1）4个工厂所提供的货物量不超过各自的生产能力。（2）RDC中心从4个工厂的进货量之和等于客户（或仓库）从RDC中心的进货量之和。 （3）配送中心的数目大于或等于1。2.建立目标函数数学模型（1）主要变量说明：Qqj工厂q到j地点区域配送中心的运输量；Pqj工厂q到j地点区域配送中心的单位运输价格；Mq工厂q的生产能力；djij地点区域配送中心到i客户的距离；Qjij地点区域配送中心到i客户的运输量；Pjij地点区域配送中心到i客户的单位运输价格；Aii客户的需求量；Xj在j地点设立RDC中心时，值为1；否则，值为0；Fjj地点区域配送中心扩租面积；Cjj地点区域配送中心的单位租金；（2） 模型的建立，我们追求工厂到RDC中心、RDC中心到客户的运输费用和RDC中心的扩租费用之和最小。由于配送中心的简历需要扩租的费用原问题中已经给出，但是扩租面积的大小我们需要进一步的确定地点区域配送中心的扩租面积的求解（1）主要变量说明：Sjj地点原来仓库的面积；Yjj仓库的平均库存量；（2）回归性分析案例数据整理汇总分公司（经营部）仓库面积（m2）平均库存量（台）租金价格单位：元/平方每天分公司（经营部）仓库面积（m2）平均库存量（台）租金价格单位：元/平方每天济南37227982.20.23韶关2551083.30.27淄博3601064.30.2肇庆1707500.22聊城2501378.50.03青岛21607083.30.26东营2601383.60.32烟台4182083.30.28柳州106020073.80.2潍坊4131666.70.28桂林2806385.80.2南宁15004666.70.15河池22044700.18梧州190583.30.16济宁16006917.90.18赣州9003575.50.16临沂2502785.30.20福州150050000.34菏泽3001330.40.23湛江3951275.50.32天津250040000.23海口5001530.60.27中山148043767.30.33玉林320954.90.23石家庄125050000.20茂名9672976.20.2邯郸360833.30.14梅州200833.30.21衡水300833.30.14深圳25008333.30.24厦门200050000.04南昌14903715.20.26广州17008333.30.23上饶400280.60.23佛山2501833.30.23宜春220548.10.15这里我们用SPSS对案例中提供的各仓库的数据进行回归分析，如图6-8。图5-8 平均库存量Y和面积S的回归分析图回归分析得平均库存量和仓库面积的函数关系式：S=0.281*Y+4.734进行数据整合下表 区域三各城市间的距离（公里）城市中山广州佛山韶关深圳肇庆中山082.181316126184广州82.1028.9235143102佛山8128.9025716093.6深圳1261431602380240工厂到候选城市的距离（公里） 城市工厂深圳广州