报告2-物流配送中心规划与设计最新理论和方法

1、西南交通大学 物流配送中心规划与设计物流配送中心规划与设计最新理论和方法44目录一、物流中心总体规划流程和方法1二、物流量预测4三、物流中心选址方法12附件1：鲍姆沃尔夫方法案例18附件2：基于TOPSIS的配送中心选址案例18四、总体布局和功能设计18五、物流中心盈利性评估21鲍姆沃尔夫方法案例28基于TOPSIS的配送中心选址案例34一、物流中心总体规划流程和方法这里主要介绍MSFLB物流中心规划方法。MSFLB世界一流的物流咨询和研究机构，德国弗劳恩霍夫物流研究院(Fraunhofer IML，简称德国物流研究院)在众多的国际性物流中心规划项目实践中总结出了基于需求驱动、竞争驱动和最佳实

2、践驱动的物流中心规划方法论。MSFLB规划方法论要通过5个步骤来实施，也称“五步曲”。MSFLB是这5个步骤英文首个字母的简称，它们分别是：市场分析Market Study、战略定位Strategic Positioning、功能设计Function Design、布局设计Layout Design和商业计划Business Plan。“五步曲”可由下表表示：表1-1 MSFLB具体内容市场分析战略定位功能设计布局设计商业计划  需求分析  竞争分析  最佳实践  SCP  SWOT  远景和使命  阶段目标  制

3、胜策略  原则与要素  核心功能  辅助设计  核心业务流程  布局原则  与物流密切度  功能区布局  中心开发计划  组织架构  盈利模式  市场影响计划  投资收益分析（1）市场分析为了深入了解区域物流中心周边地区的经济发展状况、市场需求、基础设施、服务竞争等情况，必须对物流中心辐射地区的宏观经济、产业和微观环境情况进行全面调查和研究，根据远期和近期的物流量，确定物流中心长远和近期的建设规模。资料收集和调查分析过程使用的研究方法和工具包括：二手资料收集与分析、一手资料收

4、集与分析。其中，一手资料收集与分析包括深度访谈、电话访谈、问卷调查等方法。 在完成一手和二手资料收集后，所有的资料都汇总到一个规划数据库里，下一步就是数据处理及分析工作。我们建议采用SCP模型进行定性分析，采用REA模型进行定量分析。表1-2 SCP模型行业生厂商生厂商S行业结构C企业行为P绩效模式SCP模型是由美国哈佛大学产业经济学权威贝恩(Bain)、谢勒 (Scherer)等人建立的。该模型提供了一个既能深入具体环节，又有系统逻辑体系的市场结构(Structure)市场行为(Conduct)市场绩效(Performance)的产业分析框架。 从支柱/重点行业的营业额，产量、货物周转率和库

5、存需求中推导出区域经济对物流中心所产生的现实和潜在的运输、仓储和加工方面的需求可利用 Fraunhofer IML专用的REA(Requirement Estimation Approach)经验模型公式，就可以非常简便地推算出每个行业的运输量、仓库作业面积增值加工区作业面积，以及相应的占地面积大小。每个行业都可从市场调查中得到某地区的生产总量(或消费总量)，以及通过该地区的物流中心的货运量，估计有多少百分比的量可能在物流中心进行仓储，其中包括属于保税和非保税仓储方面的存储量需求。每个行业生产的产品在仓库内存放的周转率、堆码方式是不同的，我们根据调查和经验数据可以得到每年每平方米的仓库面积可以

6、存放多少货物，然后再与每年该行业的存储量相除，就可以得到保税(非保税)仓库的面积需求。在知道该区域物流中心中不同行业中简单物流加工，中等物流加工、复杂物流加工的比例之后，我们还可以算出保税(非保税)仓库增值服务作业面积。然后，根据仓库建筑密度这个国内要求的技术经济指标，就可以分别得到保税(非保税)仓库所需的占地面积。此后，参照该地区GDP最近几年的增长率以及未来几年的预期增长率，以此数据作为该区域物流中心的物流作业量的年增长率，就可以得到物流中心未来1015年每年物流发生量的预测数据。在测算过程中，我们可以建立不同的预测模型，例如指数回归分析法和灰色GM (1，1)模型，这样就能使得预测值更加

7、贴近区域物流未来发展的实际情况。（2）战略定位在完成详实的定性和定量市场分析研究之后，规划者必须对物流中心整体优势、劣势、机会、威胁进行分析(即SWOT分析)，如果某类服务，如空港、海港和公路货运站场在整个中心中占有较大比例，还必须进行专项的SWOT分析。这些分析主要是帮助中心的高层经营决策者明晰内外部环境，提出发展物流中心的使命，远景目标和制胜策略，从而进行准确的战略定位，帮助实现其战略目标。这里的制胜策略，是指击败现有及潜在竞争者的计划，包括一系列举措以提高物流服务的水平、物流中心战略选择的“价值方案”及实施步骤。这些策略应该严格限制在内部使用。 典型的物流中心制胜策略有：充分利用保税物流

8、中心的功能，实现进出口通关和行政管理的高效率；充分利用和拓展现有的物流信息系统，打造强势的国际物流信息平台；充分利用WTO和CEPA的国际贸易政策，建立特色的欧美商品专业集散地，拓展国际物流业务；充分利用现有入驻中心企业的优势和物流需求的特点，促进行业供应链的竞争力提升，集聚产业的物流，实现产业链的成型和优化；按照循环经济的发展要求，以创建生态物流中心为目标，牢固树立科学发展观，坚持经济发展和生态保护并重，致力于生态环境的培育和提升。（3）功能设计物流中心的功能设计主要采用自顶向下的方法，即在确定物流中心的规划原则以后，对物流功能规划所涉及的核心因素进行列举和分析，然后通过收集整理一系列国际最

9、先进的物流中心案例，总结出对国内物流中心最适合的经验。随后，整个物流中心将被划分为几个大功能区域，例如物流产业区和管理服务区，规划者再从国际最佳实践经验，以及市场调查得到的实际需求两方面入手，为每个功能区域命名，定义，分配相应的面积，引入相关的设施、设备和IT系统。功能规划的最后一步是对物流中心的核心流程进行定义和描述。这些流程包括：集装箱服务。生产原材料供应和配送、生活资料采购和配送流程、保税物流作业流程以及空港、海港、铁路物流服务流程等。 （4）布局设计物流中心的设施规划与布局设计是指根据物流中心的战略定位和经营目标，在已确认的空间场所内，按照从货物的进入、组装、加工等到货物运出的全过程，

10、力争将人员、设备和物料所需要的空间做最适当的分配和最有效的组合，以获得最大的经济效益。 目前，我国在物流中心布局规划方面可以参考的案例不多。欧洲物流中心最佳实践案例(见表2)，可使国内物流中心在布局方面有不少值得借鉴的经验：校园化的设计理念，分割不同的功能区域；按照物流与空港海港以及与陆路运输的密切程度来安排相关产业；地块规划面积能满足柔性需求并有可选的扩展空间；多式联运的设施规划，如水路、铁路、公路和航空；保持产业加工和高附加值物流企业之间合理的分配比例；充分考虑地理和生态环境，有吸引力地设计并考虑环保预留用地。 对物流中心中的各建筑设施的选址和规划应采用科学的定量方法，如：运筹学中的一些最

11、优选址方法，最短路径法、最小费用最大流法。有效的物料进出表法、搬运系统分析法，模糊理论中的模糊综合评价法、最优决策方法等。物流中心规划与设施布局的合理性还可以通过动画仿真来进行检验。德国物流研究院在物流中心仿真方面拥有成熟的软件和模型，可以轻松地协助客户优化规划成果。 （5）商业计划商业计划包括物流中心管理公司的组织架构和职责、物流中心业务模式、收益预测、客户分析、中心销售、市场推广策略、投资收益等财务概要分析。 物流中心的开发一般分阶段进行。分阶段进行将比整体一步到位式开发容易实施，而且，后一个阶段可以吸取前一个阶段的经验，同时进一步调整和优化下一步的营销策略和其他细节。物流中心典型的业务模

12、式有：物业支持、建设支持、财务支持、人力资源支持、环境支持、安全支持，质量支持、设备支持等服务。 在物流中心市场营销方面，建议采取宣传手册、用户杂志、出席推介会和交易会、视觉形象设计、互联网、投资指南、广告等多种手段混合使用的整合营销方式，以达到预期效果。 二、物流量预测基于最优定权组合模型的物流量预测区域物流量的预测方法有很多，其中定性预测方法在社会中应用最广泛，常见的几种定性预测方法有: 德尔菲预测法，主观概率法，头脑风暴法，专家评估法，市场调查法等；定量预测方法相对于数据的分析有更直观更准确的优势，主要包括线性回归预测模型、灰色预测模型、指数平滑预测模型、趋势外推法、神经网络模型等。基于

13、最优定权组合模型的物流量预测采用趋势外推模型、灰色 GM( 1，1) 模型分别进行物流量的预测，以每种方法单项预测结果组合误差平方和最小为原则，提出一种最优定权组合预测模型，以此为物流中心的合理规划做出贡献。（1）趋势外推法趋势外推预测法是指通过对所研究对象的过去和现在进行全面分析，根据模型研究数据的变化规律和特征，再依此规律进行外推，主要应用在经济、社会预测等领域。如果所研究的对象对季节或其他因素没有特别明显的波动和反应，而且可以找到合适的函数去描述和反映其变化趋势，即 Y = f( X) ，对未来的某个 X 值，根据此函数，便可以预测出其相应时序的未来值。在实际中最常用的函数模型包括线性模

14、型、指数曲线、生长曲线、包络曲线等。线性模型线性模型是最简单的外推模型，可以用来研究随时间稳定变化的事物。应用线性外推法，首先要收集所研究对象的动态数列，然后勾画数据分布图，如果散点所构成的形状非常接近直线，就可以按直线规律外推。把时间数列中的时间顺序作为自变量，把数列中的每项数值作为因变量，按照某种函数关系，求出线性方程，并根据此方程进行未来预测，函数通式可以表示为: Y = A + B( t) ，其中: Y 代表趋势值，t 代表时间，A、B 是待定的参数。常用的方法有分段平均数法和最小平方法。在使用直线外推预测时，应先根据时间数列计算逐年的增长量，并绘出大致曲线图，以方便随时观察期变动情形

15、，以确定适不适合这种方法进行预测。指数曲线当某一客观事物的指标或参数随着时间的推移近似地按等比数列增长，即经济序列的环比近似于一个常数，该经济变量yt与时间参数 t 的函数关系可以表示为 yt= a + bt。其中 t表示时间序列中的时期数，即自变量; yt是 t 时刻的预测值，即因变量; a、b 是两个待定的参数。通常使用最小二乘法来确定a 和 b 的值。研究结果表明，社会发展的许多变量的经济特性往往表现为按指数规律或近似指数规律增长，任何经济现象都不可能长期稳定地按既定量的变化增长，或者一直保持稳定的增长速度，所以指数曲线预测法和直线预测一样，只适用于中期预测。（2）灰色预测法灰色 GM(

16、 1，1) 模型灰色系统是 1982 年由中国学者邓聚龙教授提出的，是研究缺少数据、信息贫乏等不确定性问题的新方法。所谓灰色系统，指的是信息不完全的系统，信息不完全通常指系统因素不完全明确、因素关系不完全清楚、系统结构不完全清楚。一般情况下，社会系统、生态系统、经济系统都是灰色系统。灰色预测是基于 GM 模型作出的定量预测，是灰色理论的主要应用之一，在灰色理论中应用最广泛的是灰色 GM( 1，1) 模型，其采用的是五步建模的思想，包括语言模型、网络模型、量化模型、动态模型、优化模型，它是只含有一个变量的一阶微分方程预测模型，适用于时间序列的预测，其建模步骤如下:设原始数列为，对原始数列做一次累

17、加生成，得到累加数列为：，其中 （1）此累加数列是一条单调增加的曲线，增加了原数据列的规律性，弱化了数据的波动性。对累加数列建立一阶微分方程为：，其中a，b为待定系数 （2）使用最小二乘法求出参数 a，b 的值，其中： （3）其中，B 是由累加数列构成的累加矩阵，是原始数据列构成的矩阵: 其中， （4） （5）将求出的 a，b 的值代入公式( 2) 得到一阶微分方程，并求解得出 GM( 1，1) 模型为: （6）因为，将的计算值做累减还原，便可得到原始数据的预测值为: （7）（3）基于最优定权组合模型的物流量预测这里的方法通过趋势外推法、灰色 GM( 1，1) 模型预测之后，综合利用其各单项预

18、测方法提供的信息，以其预测结果的组合误差平方和最小为原则，求得各单项预测方法的最优加权系数，提出最优定权组合预测模型，通过此模型能进一步地提高预测精度。加权系数的求解可以通过以下步骤:步骤 1：建立非线性规划模型目标函数为 约束条件为：其中 （1） E是预测误差信息矩阵，为： （2）其中，m为第m种预测方法，n为第n期。步骤2 对 K 进行求解满足目标函数的最优加权系数向量为：，其中是的逆矩阵 （3）步骤 3：根据公式进行预测，其中是 t 时刻各单项预测方法的预测值，是 t 时刻的实际观测值，表示最优定权组合预测值（4）算例分析土默特右旗物流中心物流量预测 1）土默特右旗市场环境分析土默特右旗

19、位于内蒙古自治区包头市的东南部，南临黄河，北靠阴山，地处呼和浩特、包头和鄂尔多斯的“金三角”腹地，是包头市最大的农业旗县，也是内蒙古自治区 50 个重点工业发展区旗县之一。优越的地理环境，便利的交通成为促进土默特右旗经济发展的有利自然因素。该地区土地资源丰富、用地成本低廉，除现有的 130 万亩耕地和部分林地外，还有大量的闲置土地可供开发利用，现已沿交通干线规划建设用地 50 平方公里，特别是总占地 30 平方公里的支柱产业区已实现“四通一平”; 水资源充沛、利用方便，为农林牧副渔和经济发展提供了有利的条件; 该旗境内北部大青山矿产资源丰富，且具有种类多、储量大、口位高、易开采等特点，其中以煤

20、炭最多，已探明的煤炭储量 9 6 亿吨，可开采量 5 3 亿吨，现年生产能力 525 万吨。综上，土默特右旗优越的地理环境、交通设施建设、适宜的气候、再加上得天独厚的自然资源为土右旗经济的快速发展奠定了坚实的基础。2）土默特右旗物流量预测根据 2001 年到 2010 年土默特右旗货运量实际完成情况，采用指数曲线趋势预测法、灰色 GM( 1，1) 模型预测法，并进行最优定权组合预测，预测出未来几年的物流量并进行分析，为后期的用地规模设计做准备。土默特右旗 2001 年到 2010 年统计年鉴及国民经济和发展统计公报中得到有关数据如下：表2-1 2001年到2010年土默特右旗货运量年份2001

21、200220032004200520062007200820092010期数（t）12345678910货运量（万吨）203.76291.97418.36599.47858.981230.91763.82816.23267.94363.9指数曲线趋势外推预测模型首先，根据这十年来的货运量数据，使用 SPSS 软件中的曲线拟合分析方法，结果如下图: 可以看出该组数据和指数曲线的拟合程度相当高，R 平方值为 0.996，因此可以说明指数曲线趋势外推预测模型的数据是接近于真实值的。表2-2 指数曲线预测模型拟合度RR方调整R方估计值的标准误0.9980.9960.9960.071其次，使用指数曲线趋

22、势外推预测法，见下图，可以得出其预测拟合公式为:，其中 t 为年份所表示的期数，为当期的预测值; 由此便可得出未来 8 年的货运量预测值，见表2-3。表2-3 2011年到2018年土默特右旗货运量预测值 年份20112012201320142015201620172018期数（t）1112131415161718货运量（万吨）6901.959786.5113876.6119676.127899.3939559.4656092.6679535.61表2-4 2001年到2010年土默特右旗货运量误差分析年份货运量（实际值）货运量（预测值）相对误差绝对值（%）2001203.76210.123.

23、112002291.97297.92.032003418.36422.40.972004599.47598.940.092005858.98849.261.1320061230.91204.192.1720071763.81707.463.1920082816.22421.0614.0320093267.93432.95.0520104363.94867.6211.5由表2-4 可以看出，使用指数曲线趋势外推预测法得出的货运量相对误差绝对值的平均值为 4.3%，但从逐年的预测相对误差可以看出此预测模型进行预测的相对误差不稳定，尤其是到了后几年数据偏差较大，因此此预测模型需要进一步改进。灰色 G

24、M( 1，1) 预测模型原始数列为：，累加之后的数列为： 其中， 因此，将 a，b 的值代入公式( 2) 得到一阶微分方程，并求解 GM( 1，1) 模型为:因此，将的计算值做累减还原，便可得到原始数据的预测值为:表2-5 2011年到2018年土默特右旗货运量预测值年份20112012201320142015201620172018货运量（万吨）6722.669181.812540.517127.8123393.1631950.3643637.7859600.47表2-6 2001年到2010年土默特右旗货运量误差分析年份货运量（实际值）货运量（预测值）相对误差绝对值（%）2001203.7

25、6203.7602002291.97406.5039.22003418.36555.1932.72004599.47758.2926.52005858.981035.6620.620061230.91414.5114.920071763.81931.949.520082816.22638.646.320093267.93603.8510.320104363.94922.1412.8对 GM( 1，1) 模型进行残差检验，一般要求相对误差绝对值不大于20%，最好不大于10%。由表6 可以看出，使用灰色GM( 1，1) 预测模型得出的相对误差绝对值的平均值为 1728% ，虽然在可接受范围之内，但

26、仍旧不是最理想的预测方法。最优定权组合预测模型在使用指数外推趋势预测法、灰色 GM( 1，1) 模型预测之后，求得这两种方法的最优加权系数，进一步通过最优定权组合预测模型来提高预测精度，经计算得出：所以根据公式进行预测: 由此，使用最优定权组合预测模型计算出的预测值表4-7 所示:表4-7 2011年到2018年土默特右旗货运量预测值 年份20112012201320142015201620172018货运量（万吨）6868.429673.4313626.7619199.5727056.7238·36.5653763.675807.74表4-8 2001年到2010年土默特右旗货运量

27、误差分析年份货运量（实际值）货运量（预测值）相对误差绝对值（%）2001203.76208.912.52002291.97318.218.92003418.36447.236.92004599.47628.744.92005858.98884.122.920061230.91243.521.020071763.81749.440.820082816.22461.7512.620093267.93464.876.020104363.94877.8211.8对最优定权组合预测模型得出的预测值进行残差分析，由表 8 可以分析得出，各年的相对误差绝对值平均值为5. 83% ，此误差率已在最优范围之内，

28、由此可以看出，最优定权组合预测模型是一种相对最优的预测方法，其得出的预测值也可以作为参考。（5）结论使用最优定权组合预测模型，充分利用了各种预测方法的优势，弥补了不足，可以得出相对准确的物流量，为用地规模的确定提供了依据，为物流中心的规划和建设做出了贡献。三、物流中心选址方法物流中心在企业流通中的发挥的作用越来越重要，一个企业的成功与否直接取决于它把各项资源联系起来的能力，而物流配送中心被视为企业加强与客户、供应商联系的核心竞争力。理好物流配送中心的问题对于提高库存周转率、加速商品流通，降低无聊成本产生一系列积极的影响。国内外对物流配送中心选址的研究国外在对物流配送中心选址问题上已经进行了数十

29、年的研究，在理论和实践上对此类问题都取得了杰出的成果，并建立形成了许多可行的模型方法。概括的说，物流配送中心选址方法大致可分为以下三类：（1）连续型模型选址连续模型选址方法认为物流配送中心的地点可以在任意平面上选址，主要代表性的方法有：重心法和交叉中值法。该方法优点在于对特定的备选地点的选择不限制，具有较大的灵活性，在单物流配送中心选址中应用较为广泛。但是，此类方法未考虑到自然地理因素的限制，这个地址很可能位于河流、建筑物或其他无法设置的地点，实际应用中找到的最优地点可能很难满足。重心法和交叉中值法在课上都有涉及，在此不再赘述。（2）离散型模型选址对于物流配送中心的候选点为有限的几个可行点时，

30、按照目标函数从有限个可行点中选取最合适位置的情况，会应用到离散型模型选址方法。其代表性的方法有：整数或混合整数规划问题的分制定界法、鲍姆尔·沃尔夫（Bournol-Wolfe）法、库恩·汉姆布利尔(Huehn-Hambureer)法、逐次逼近模型法等等。这类方法的优势在于如果基础数据完整准确，使用该类方法得出的结果比较符合实际需要。但这类方法所需基本资料相当庞杂，且这类方法所建立的模型多数被证明为NP问题，不能采用线性模型的方法来选址，求解方法复杂、计算量较大。鲍姆尔沃尔夫法鲍姆尔沃尔夫网点布局方法是针对图1的网络结构提出的一种启发式方法，这种方法在求解的过程中只需要运用一

31、般运输规划的计算方法即可，避免了混合整数规划的求解的困难，大大降低了计算成本。不仅如此鲍姆尔法还较好的解决了网点存储费用非线形的问题。一般而言，对存储费用，都把它看成网点中转量的线形函数，即存储费用率与网点规模的大小无关，显然，这是不符合实际的，鲍姆尔法用非线形函数来描述网点的存储费用，如下图：从图中曲线可以看出随着网点规模的增大，存储费用曲线变得平坦，即费率下降，这是符合实际情况的，但是非线形函数的引入，使计算求解变得复杂，为了使问题简化，鲍姆尔法在迭代过程中对非线形函数采取分段线形化的做法，即在每一次迭代过程中用边际成本表示存储费率，边际成本表示在一定网点规模下的单位货物存储费用，因此，可

32、与单位运输费用直接相加。经过这样的处理后，就可直接利用运输规划的方法计算求解。图 1鲍姆尔沃尔夫法适用的网络构架图 2 储存费用和网点规模的关系求解步骤：1求初始解。要求最初的工厂到用户（k，j）间的运输费用相对最小，也就是说，要求工厂到仓库间的运输费率和仓库到用户间的发货费率hij之和为最小，即Cki0=min(Ckj0+hij)设所有工厂到客户运输路径取最小费率Ckj0，仓库序号是Ikj0。这个结果决定了所有工厂到用户间的费用。如果工厂的生产能力和用户的需要量已知。按希契科克运输问题求解，使费用函数Cki0xkj为最小时，Xki0就为初始解。2二次解。根据初始解，仓库i的通过量可按下式计算

33、：Wi0=Xkj0用通过量反过来计算仓库的可变费用：在这个阶段中，对于所有的工厂到用户取下式：Chj2的仓库序号设为hhj2。再次按希契科克运输问题求解，使费用函数Chj2xni为最小时，就为二次解。3n次解。设n1次的解为，则仓库的通过量如下：是n1次解得到的所使用仓库的序号。n1次解可使仓库通过量反映到可变费用上，因此求得n次解，就可得到仓库的新的通过量。4最终解。把n1次解的仓库通过量和n次解的仓库通过量进行比较，如果完全相等就停止计算；如果不等，再继续反复计算。也就是说，当=时，为最终解。其他方法还有一些方法是对已有的备选方案进行综合评价的方法，如基于数据包络法的物流中心选址和基于集对

34、-熵权概念的物流中心选址。这些方法的关键是建立合适的物流中心评价标准指标体系，然后用合适的方法对这些指标数据进行处理，得出结论。配送中心选址问题本质上是一个多属性决策问题，针对此类问题，需要解决两个问题。第一，评价方法的选择；第二，各评价指标的权重确定。针对多属性决策问题，常用的评价方法有线性分配法、简单加权法、TOPSIS法、数据包络分析法，学术界新进又提出了人工智能技术、神经网络、遗传算法和粗糙集理论等方法。目前确定指标权重的方法有很多种，主要分为主观赋权法和客观赋权法两类。主观赋权法有层次分析法、排队计分法和G1等，客观赋权法有主成分分析法、因子分析法和熵权法等。主观赋权法和客观赋权法各

35、有其各自的优缺点，客观赋权法虽然能够充分挖掘数据本身蕴含的信息，得出的结论比较合理，但该方法忽视了评价者的主观信息，主观赋权法虽然反映了评价者的主观判断或直觉，但在综合评价结果或排序中可能产生一定的主观随意性，即可能受到评价者的知识或经验缺乏的影响。为了客服各自的缺点，在实践中经常将这两种方法综合集成起来使用。因此本文将采用TOPSIS评价方法，结合G1法和熵权法对评价指标进行赋权。1.TOPSISTOPSIS(technique for order preference by similarity to an ideal solution)是一种逼近理想解的排序方法，它借助多属性问题的理想解

36、和负理想解对方案集中的方案进行排序。理想解是一个虚拟的最优解，它的各个指标值都达到评价对象中的最优值；而负理想解是虚拟的最差解，它的各个指标都达到评价对象中的最差值，通过计算各方案到理想解和负理想解的距离，对方案进行排序。2.G1法G1法是针对层次分析法（AHP）的缺陷提出的一种新的权重赋权法。AHP有严格的限制，指标数超过9个即不适合；需要对指标进行一致性检验，计算量大。G1则对指标的个数没有限制；无需进行一致性检验，追加指标，无需重新计算，计算量较层次分析法大大减少。3.熵权法熵权法确定各评价指标的权数，它是一种客观赋权方法，其原理是根据各评价指标数值的变异程度所反映的信息量大小来确定权数

37、。在信息论中，信息熵是系统的无序程度或不确定性的度量，信息是系统有序程度的度量，二者绝对值相等，但符号相反。信息熵的减少意味着信息的增加。也就是说，某项指标的指标值变异程度越大，指标所包含的信息量就越大，信息熵越小，从而该指标在综合评价中所起的作用越大，权重应该越大； 反之，某项指标的指标值变异程度越小，指标所包含的信息量就越小，信息熵越大，从而该指标在综合评价中所起的作用越小，权重应该越小。所以在具体的评价分析过程中，可以根据各项指标的指标值变异程度，利用信息熵计算出各指标权重，再对所有指标进行加权，从而得出较为客观的综合评价结果。4集成赋权法综合集成赋权法的基本思想就是从逻辑上将这两大类赋

38、权法有机地结合起来，使所确定的权重系数同时体现主观信息和客观信息。权重的综合集成方法有主要有两种：“加法”集成法和“乘法”集成法。1） “加法”集成法设lj和aj分别为基于G1法和熵权法确定的权重系数，则这两个系数的“加法”集成法公式为：其中，k1，k2为待定常数（k1>0，k2>0且k1+k2=1）。2） “乘法”集成法“乘法”集成法的计算公式为：5. 基于集对-熵权的物流中心选址方法熵原本是热力学概念，是对系统状态不确定性的一种度量。自从将熵引入信息论后，熵成为一种可靠的权重确定方法，被广泛应用于方案优选、多目标决策和各种评价中，涵盖工程技术、社会经济、管理科学和决策论等几乎所

39、有学科中。根据信息论基本原理，信息是系统有序程度的一个度量，而熵是系统无序程度的一个度量，二者绝对值相等，但符号相反。在信息论中，信息熵H(x)p(xi)lnP(xi)反映系统无序化程度。信息熵越小，系统无序化程度越大；信息熵越大，系统无序化程度越小。对于所讨论的m个方案n个评价指标的初始矩阵，判断矩阵显然是一种信息的载体，故可用信息熵评价所获系统信息的有序度及其效用来确定指标权重，尽量消除权重计算的人为干扰，使评价结果更符合实际。其计算步骤如下：1）考虑一个评价问题，设有m个被评价对象，n个评价指标，得到原始评价信息矩阵：O=(oij)mn，(i=1，2，m；j=1，2，n)(1)2）由于系

40、统中各因素的量纲不一定相同，而且有时数值的数量级相差悬殊，这样的数据很难直接进行比较。因此，对原始数据需要消除量纲，转换为可比较的数据序列，也就是归一化处理。对O中极大型指标做标准化处理：eij=oij-minoij/maxoij-minoij，(i=1，2，m；j=1，2，n)(2)对O中极小型指标做标准化处理：eij=maxoij-oij/maxoij-minoij，(i=1，2，m；j=1，2，n)(3)对O中适中型指标做标准化处理：eij=|max(oij)-min(oij)/2-oij|*2max(oij)-min(oij)(i=1，2，m；j=1，2，n)(4)得到E=(eij)m

41、*n1） 计算Pij(第j项指标下第i个方案的指标值的比重)Pij=eiji=1meij(5)2） 计算Sj(第j个指标的熵值)Sj=-ki=1mPijlnPij其中，K=1/lnm，并规定当Pij=0时PijlnPij=0。3） 计算权重Wj(第j个指标的熵权)Wj= (1-Sj)j=1m(1-Sj) 4） 计算各被评价对象的综合评价值Vi(第i个被评价对象的评价值)由此可见，如果某个指标的信息熵越小，就表明其指标值的变异程度越大，提供的信息量越大，在综合评价中所起的作用越大，则其权重也应越大。反之，某指标的信息熵越大，就表明其指标值的变异程度越小，提供的信息量越小，在综合评价中所起的作用越

42、小，则其权重也应越小。所以具体分析过程中，可根据各个指标值的变异程度，利用熵来算出各指标权重，再对所有指标进行加权，从而得出较为客观的综合评价结果。评价指标体系的建立建立物流配送中心选址评价指标体系的根本目的旨在通过对指标的评价来确定配送中心的地点及配送流量。因此，指标体系的构建要尽量综合考虑各影响因素，遵循全面性、层次性和可测性等原则。根据物流配送中心自身的特点，选取了自然环境、经营环境、基础设施、其他因素等指标作为物流配送中心选址的评价指标。在此，通过对物流行业顾客满意度共性的分析，建立了三层指标体系：第一层为总体指标，即物流配送中心评价的指标；第二层为结构指标，包括自然环境U1，经营环境

43、U2，基础设施U3，其他因素U4；第三层为分析指标，分属于第2层各个结构指标，形成多层次指标体系，该指标体系较全面地反映了物流配送中心评价指标体系的构成要素，同时指标数据的收集和计算机具有较大的便利性，具体指标内容如表1所示。表 1 评价指标体系一级指标二级指标三级指标物流中心评价指标体系自然环境U1气象条件R1、地质条件R2水文条件R3、地形条件R4经营环境U2物流产业政策R5、劳动力条件R6商品特征R7、物流费用R8服务水平R9基础设施U3交通条件R10、公共设施状况R11其他因素U4国土资源利用R12、环境保护要求R13周边状况R14附件1：鲍姆沃尔夫方法案例附件2：基于TOPSIS的配

44、送中心选址案例四、总体布局和功能设计（一）国外研究现状最初传统的功能区设施布局设计主要是凭经验，通过丰富的布置经验，完成对早期工业化时代的工厂设施布置和平面设计工作，后来逐步形成了一些先进的设计方法。1961年美国的理查德·缪瑟运用系统工程的概念和系统分析的方法，提出了具有代表性的系统布置设计法SLP(Systematic Layout Planning)，。用作业单位相互关系的等级表示法，使设施布置问题由定性阶段发展到定量阶段。德国弗劳恩霍夫物流研究院(Fraunhofer IML)在众多的国际性物流中心规划项目实践中总结出了基于需求驱动、竞争驱动和最佳实践驱动的MSFLB(Mar

45、ket Study,Strategic Positioning，Function Design，Layout Design，Business Plan)五个步骤构成的物流中心规划流程。20世纪60年代以来，以Lee RC，MooreJM等为代表的设施规划与设计学者们，把计算机技术引入平面布置及其优化的问题研究中晗1。随后，产生了许多用高级语言编成的平面布置程序，如CRAFT,CORELAP,ALDEP,COFAD，MULTIPLE等程序，形成计算机辅助设施布置(Computer Aided FacilitiesDesign，CAFD)方法。通过利用计算机的强大功能，解决设施布置的复杂任务，为物

46、流系统的设施新建和重新布置提供强有力的支持和帮助，节省了大量人力和财力。JCagan(1998)详细阐述了布局问题求解的非线形方法、遗传算法的不足以及模拟退火算法的优越性。CPapahristodoulou(1999)提出设施布置问题的二元线性模型，将简单的二元线性模型应用于小型医院设施布局，布置五个功能模块，这个模型具有灵活性和实用性特点。很多学者提出了用遗传算法解决布局问题：例如TDunker(2002)提出设施布置问题的遗传基因进化算法，使用一种新方法编码各部门相对位置，提出改良的突变和交叉算子，并应用于大型设施布置。KyuYeul Leea(2005)提出具有内墙和通道的多层设施布置问

47、题的改进遗传算法。通过选择、交叉、倒置、变异等基因操作，实现设施布置问题解决方案，其中设施、通道、电梯等相互关系被描述成邻接图，以图论理论中Dijkstra算法计算两设施之间的最短路径和距离等。ICasfillo(2003)对设施布置嵌入链式算法进行研究，模拟大量点系统的图型模式，节点为各个设施布置点，边为布置点间的链，通过获得最小的系统费用为最佳布置方式。Andr6 RSAmaral(2006)针对单线型设施布局问题提出了一种新的混合整数线性规划模型。Alessandro Tugnoli等学者（2008)在设施布置中的安全评价方面作出了一些研究。JaydeepBalakrishnan等学者在

48、动态设施布局问题上做了进一步的探讨。此外，还有其他学者对布局问题进行了研究见文献。（二）物流中心功能方法介绍平面布局问题就是在一定的目标下（诸如物料搬运费用最小等）对各功能分区空间位置的布局规划问题。一般要经过两个步骤，先是分块布置，然后是完成细节设计。分块布置确定了各分区的形状和相对位置，细节设计则要确定各分区所用的主要设备和附属设施与装置等的相对位置。细节设计常常是与具体系统相关的，因此，目前多数研究都集中在分块布置的优化方法上。物流设施布置方法源于工厂车间布局设计，伴随布局设计研究地不断深入，物流设施布局也参照性地选择了一些方法，有工程图表法、流程图法，现代数理上的优化法、近似法等，如S

49、LP法、CORELAP法、ALDEP法、CRAFT法和MultiPLE法等，主要可以概括为以下几个大类：1、传统图解的方式(1)摆样法。利用二维平面ELffJJ模拟方法，按一定比例制成的样片在同一比例的平面图上表示设施系统的组成、设施、机器或活动，通过相关的分析，调整样片位置可得较好的布置方案。这种布局方法人为因素较大，适用于较简单的布局设计。(2)图解法。产生于20世纪50年代，有螺线规划法、简化布置规划法及运输形成图等。优点是将摆样法与数学模型结合起来，但在实践中较少应用。2、数学模型法运用运筹学、系统工程中的模型优化技术（如：线性规划、随机规划、多目标规划、运输问题、排队论等）研究最优布

50、局方案，通过数学模型提高系统布置的精确性和效率。但是用数学模型解决布局问题有两大困难：一是当问题的条件过复杂时，数学模型很难得到符合实际要求的准确结果；二是布局设计最终希望得到布局图，但是用数学模型得不到。利用数学模型和CAD相结合的系统布局软件是解决问题的一种好方法。3、计算机辅助设计(1)自动布置设计程序(Automated Layout Design Program，ALDEP)法。ALDEP基于凑合法的布置设计的算法。工作原理是按照物流系统作业单元之间的密切程度等级进行平面布置。ALDEP是一个构造程序，等于从一张空白的设计纸开始，从所有作业单元中，随机挑选第一个作业单元到空白的设计图

51、中，然后根据密切程度作业单元。先摆放密切程度高的作业单元，然后再选择密切程度稍低的作业单元摆放，直到所有作业单元都摆放完毕为止。(2)计算机化关系布局规划(Computerized Relationship Layoutplanning，CORELAP)法。CORELAP优化算法和ALDEP法一样，也是根据作业单元间的密切程度来选择和摆放作业单元。CORELAP用长方形的作业单元构造布局。根据对作业单元密切程度的权重赋值，用以计算每个作业单元总密切程度等级TCR，TCR表示一个作业单元与另一个作业单元之间的彼此可接受性。CORELAP也是从一张自纸开始，先将TCR最大值的作业单元A放在纸上，然

52、后扫描各作业单元密切程度表，将与A有密切关系的作业单元再放在边上，接着再选择其它有密切关系的作业单元摆放，直到应该摆放的作业单元都摆放完毕。与ALDEP方法不同的是，CORELAP使用了摆放等级和边界长度参数，前者根据准备放上去的新作业单元和已在图上的将分享共同边界的相邻作业单元的权重等级之和来决定选择何者。(3)定量布局程序(CRAFT)法，CRAFT和基于密切程度等级的ALDEP和CORELAP法相反，CRAFT使用物流信息或从制表上累加而得出的作业单元物流强度。CRAFT被称为定量布置程序，而前两个方法被称为定性布置程序。CRAFT是一种改进程序，接受一项初始布置设计并用顺序方式成对交换

53、作业单元的位置，试图做出改进。几个设计方案相互比较时，CRAFT用物品搬移或运输成本作为评价标准，这个成本用移动距离的线性函数来表示。(4)多层设施定量布置程序(MultiPLE)法。MultiPLE是CRAFT的改进型。它可以用于多层楼房设施布置设计，也可以用于单层设施设计。它与CRAFT一样，MultiPL使用物流量信息、目标函数和搜索程序，用优化程序产生改进的布置方案。MultiPLE允许任何作业单元位置作双向交换，主要特征是采用空间填充曲线，用于构造布置以及用以表示作业单元布置的空间。4、系统布局规划设计法SLP此方法最初由Richard Muther在1961年提出，其提出的作业单元

54、相互关系的密级表示法，形成了一种以大量的图表分析为手段，以物流费用最小为目标，物流关系分析与非物流关系分析相结合，求得合理的设施布置方案。以上各种方法中，Richard Muther提出的系统布置设计(SLP)方法使平面布置设计从定性阶段发展到了定量阶段。LEE等提出的CORELAP优化算法，在已知物流设施作业面积需求和设施间关系等级的基础上，使设施之间的密切度最大；ALDEP法与CORELAP法相似，只是在具体指标的选择和优先性上有所不同；Buffa等人提出的CRAFT法是在已知物流设施间的货物流量的基础上，对已有布局进行调整，使物流结点内的搬运费用最小的方法；MultiPLE法是对CRAF

55、T法的改进，只是调整方法不同。总的来说，物流中心功能布局方法研究方面已经比较成熟，然而正确地掌握和运用这些方法还需要我们一番实践。五、物流中心盈利性评估基于数据包络法的物流中心绩效评估DEA是一种对同类型的具有多输入、多输出的投入产出系统的相对运行效率进行比较评价的系统分析方法，它能直接估算多个决策单元的效率之间的相对关系，即相对有效性。DEA模型是用来研究多输入、多输出的决策单元为规模有效和技术有效的方法，它无需确定输入、输出之间关系的显式表达式，而是以系统中的实际决策单元为基础，利用有效样本数据，采用线性规划技术确定系统的有效前沿面，进而得到各决策单元的相对效率以及资源投入是否冗余和产出是否不足、产业结构以及流程布局是否合理、技术水平是否低下等方面的信息，此外还可给出某个决策单元从非有效到有效的改进途径，这为决策者克服不利因素改进运行效率提供了努力方向。DEA各项指标量纲不一定要一致，且排除了很多主观因素的影响，不用事先确定权重，也不需要一个预先已知的带有参数的生产函数形式。而在各种资源投入中，除土地资源投入外，还包括设备投入和人力资源的投入等，因此，在评价物流中心各种资源的投入产出效率时，应根据系统工程的观点，结合土地、设备和人力资源等多项指标，从系统总体上考察物流中心各种资源的投入产出效率情况，故物流中心的盈利能力评价是