案例1-某大型IT产品分销商

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。图1配送网辐模整表4华南区40个需求城巾及其需求量 pk厅P需求城巾需求量（kg ）厅P需求城巾需求量（Kg）1广州361596821湘潭36192深圳86641622洛阳33863厦门82980423赣州32874武汉43064224南阳31675长沙19032825襄樊28816郑州1638

2、3726青岛26027汕头12342927上饶17228福州11686428信阳16429中山10292129九江163510南昌10283730杭州157711漳州9604131景德镇99812东完8970632岳阳 89213珠海8728733十堰J820148151834宁波79315泉州6251835常德78816玉林2891436安阳73817柳州1539437荆州64218桂林1020838苏州56119宜昌996639鹰潭53320平顶山471340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

3、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：工 3 加犷j 工; xj .t约束条件,= p.k=l, 2, 3, 40j加20=1, 2, 3, 4j k二 1, 2, 3,，40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

4、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）:1.2.3.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/kg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；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=0.00023 元/kgkm表5标准单位运费项目数值0.037

5、元 /kg0.0028 元 /kgkm0.00023 元 /kgkm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跑离Sj ( k

6、m )058.62786.82436.53单位运费cj= C3Sj 00.00023 S20.00023 S30.00023 S4cj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跑离单位：km距离广州深圳武汉福州广州0.0058.62786.82436.53深圳58.620.00829.11449.86厦门口248.80241.05692.51231.67武汉786.84829.1

7、10.00498.78长沙558.91605.72240.16373.10郑州1234.271278.12450.11930.70汕头130.52102.43787.19366.81福州436.53449.86498.780.00中山77.7947.05863.90495.88南昌572.11610.53225.61287.24漳州263.28267.22637.87187.02东完34.9223.71812.29444.32珠海95.0157.41880.37507.19204.09225.17910.91629.48泉州333.11336.91604.87125.60玉林115.98148

8、.07839.95539.12柳州185.62243.63696.36474.35桂林250.96307.81582.15400.84宜昌791.36839.05117.66564.12平顶山1157.921201.72373.81856.97湘潭459.83507.93338.74334.25洛阳1232.991278.09453.53941.42赣州328.24364.16468.52193.40南阳1112.141156.83331.89822.20襄樊780.04826.0277.80533.43青岛1478.871513.37714.941101.99上饶642.05671.4625

9、3.21266.61信阳1008.621051.13222.02703.43九江684.03723.28117.54381.53杭州842.90869.68278.17440.08景德镇721.53755.23164.31367.04岳阳706.46750.7188.21451.67十堰1074.601121.51312.19810.62宁波776.41797.26349.93353.03常德672.93720.11148.08460.19安阳1452.281494.82665.731130.53荆州799.57845.4878.22549.34苏州949.95978.64302.15552.

10、96鹰潭596.32628.39252.11247.98沙市812.69858.3476.76557.733.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 distributionmodel ;sets :demand/1.40/:pdemand;!共有 40 个客户，pdemancHl示各客户的需求量；distribut

11、ioncenters/1.4/:ccost;!c cost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离不表示决策变量，即从配送中心到客户的配送量；endsets data pdemand=3615968 866416 829804 430642 190328 163837 123429 116864 102921 10283796041 89706 87287 81518 62518 28914 15394 102089966

12、471336193386 3287 3167 2881 2602 1722 16421635 1577998892820793788738642561533419; !各点的需求量；ccost=0 0.0135 0.181 0.1;!c cost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 58.62248.8786.84 558.91 1234.27130.52 436.53 77.79572.11 263.28 34.9295.01204.09 333.11 115.98 185.62 250.96791.36 1157.92459.83 1232.

13、99328.24 1112.14780.041478.87642.05 1008.62684.03 842.9721.53 706.46 1074.6776.41 672.93 1452.28799.57 949.95 596.32 812.6958.620241.05 829.11 605.72 1278.12102.43 449.86 47.05610.53267.22 23.7157.41225.17 336.91 148.07 243.63 307.81 839.051201.72507.93 1278.09364.16 1156.83826.02 1513.37671.46 1051

14、.13723.28 869.68 755.23 750.71 1121.51797.26720.11 1494.82845.48 978.64 628.39 858.34786.82 829.11 692.51 0240.16 450.11 787.19 498.78 863.9225.61637.87 812.29 880.37 910.91 604.87 839.95 696.36 582.15 117.66373.81 338.74 453.53 468.52 331.89 77.8714.94 253.21 222.02117.54 278.17 164.31 88.21312.19

15、349.93 148.08 665.73 78.22302.15 252.11 76.76436.53 449.86 231.67 498.78 373.1187.02 444.32 507.19 629.48 125.6930.7366.81 0495.88 287.24539.12 474.35 400.84 564.12sum(distributioncenters(j): x(j,k)尸pdemand(k);end856.97 334.25 941.42 193.4822.2533.43 1101.99266.61 703.43549.34381.53 440.08 367.04 45

16、1.67 810.62 353.03 460.19 1130.53552.96 247.98 557.73;c2=0.0028;enddata!目标函数；min =( sum(distributioncenters(j):sum(demandpoints(k):(ccostS+distance(j,k)*c2)*xO,k)+0.037*5029890-0.0135*866416-0.18 1*430642-0.1*116864);!加入后面的一串数字，表示 ；!约束条件；for (demandpoints(k):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

17、程xij （如表7所示）即可得到，配送中心本市配送的单位运费 C1=0.037 元/kg o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,;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185.63

18、47161.784823.84993.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 distributionmodel sets :demandpoints/1.40/:pdemand;!共有 40 个客户，pdemancHl示各客户的需求量；distributioncenters/1.4/:ccost;!c cost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;!dist

19、ance 表示从配送中心到客户的距离不表示决策变量，即从配送中心到客户的配送量；endsetsdata :pdemand=3615968 866416 829804 430642 190328 163837 123429 116864102921 10283796041 89706 87287 81518 62518 28914 15394 102089966 471336193386 3287 3167 2881 2602 1722 16421635 1577998892820793788738642561533sum(distributioncenters(j): x(j,k)尸pdema

20、nd(k);end419; !各点的需求量；ccost=0 0.0135 0.181 0.1;!c cost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=(058.62248.877.79572.11 263.28 34.92250.96 791.36 1157.921478.87642.05 1008.62776.41 672.93 1452.28786.84 558.91 1234.27130.52 436.5395.01204.09 333.11 115.98 185.62459.83 1232.99328.24 1112.14780.04684.03

21、 842.9721.53 706.46 1074.6799.57 949.95 596.32 812.6958.620241.05 829.11 605.72 1278.12102.43 449.86 47.05610.53267.22 23.7157.41225.17 336.91 148.07 243.63 307.81 839.051201.72507.93 1278.09364.16 1156.83826.02 1513.37671.46 1051.13723.28 869.68 755.23 750.71 1121.51797.26720.11 1494.82845.48 978.64 628.39 858.34786.82 829.11 692.51 0240.16 450.11