1、西南交通大學 物流配送中心規劃與設計物流配送中心規劃與設計最新理論和方法44目錄一、物流中心總體規劃流程和方法1二、物流量預測4三、物流中心選址方法12附件1：鮑姆沃爾夫方法案例18附件2：基于TOPSIS的配送中心選址案例18四、總體布局和功能設計18五、物流中心盈利性評估21鮑姆沃爾夫方法案例28基于TOPSIS的配送中心選址案例34一、物流中心總體規劃流程和方法這里主要介紹MSFLB物流中心規劃方法。MSFLB世界一流的物流咨詢和研究機構，德國弗勞恩霍夫物流研究院(Fraunhofer IML，簡稱德國物流研究院)在眾多的國際性物流中心規劃項目實踐中總結出了基于需求驅動、競爭驅動和最佳實

2、踐驅動的物流中心規劃方法論。MSFLB規劃方法論要通過5個步驟來實施，也稱“五步曲”。MSFLB是這5個步驟英文首個字母的簡稱，它們分別是：市場分析Market Study、戰略定位Strategic Positioning、功能設計Function Design、布局設計Layout Design和商業計劃Business Plan?！拔宀角笨捎上卤肀硎荆罕?-1 MSFLB具體內容市場分析戰略定位功能設計布局設計商業計劃  需求分析  競爭分析  最佳實踐  SCP  SWOT  遠景和使命  階段目標  制

3、勝策略  原則與要素  核心功能  輔助設計  核心業務流程  布局原則  與物流密切度  功能區布局  中心開發計劃  組織架構  盈利模式  市場影響計劃  投資收益分析（1）市場分析為了深入了解區域物流中心周邊地區的經濟發展狀況、市場需求、基礎設施、服務競爭等情況，必須對物流中心輻射地區的宏觀經濟、產業和微觀環境情況進行全面調查和研究，根據遠期和近期的物流量，確定物流中心長遠和近期的建設規模。資料收集和調查分析過程使用的研究方法和工具包括：二手資料收集與分析、一手資料收

4、集與分析。其中，一手資料收集與分析包括深度訪談、電話訪談、問卷調查等方法。 在完成一手和二手資料收集后，所有的資料都匯總到一個規劃數據庫里，下一步就是數據處理及分析工作。我們建議采用SCP模型進行定性分析，采用REA模型進行定量分析。表1-2 SCP模型行業生廠商生廠商S行業結構C企業行為P績效模式SCP模型是由美國哈佛大學產業經濟學權威貝恩(Bain)、謝勒 (Scherer)等人建立的。該模型提供了一個既能深入具體環節，又有系統邏輯體系的市場結構(Structure)市場行為(Conduct)市場績效(Performance)的產業分析框架。 從支柱/重點行業的營業額，產量、貨物周轉率和庫

5、存需求中推導出區域經濟對物流中心所產生的現實和潛在的運輸、倉儲和加工方面的需求可利用 Fraunhofer IML專用的REA(Requirement Estimation Approach)經驗模型公式，就可以非常簡便地推算出每個行業的運輸量、倉庫作業面積增值加工區作業面積，以及相應的占地面積大小。每個行業都可從市場調查中得到某地區的生產總量(或消費總量)，以及通過該地區的物流中心的貨運量，估計有多少百分比的量可能在物流中心進行倉儲，其中包括屬于保稅和非保稅倉儲方面的存儲量需求。每個行業生產的產品在倉庫內存放的周轉率、堆碼方式是不同的，我們根據調查和經驗數據可以得到每年每平方米的倉庫面積可以

6、存放多少貨物，然后再與每年該行業的存儲量相除，就可以得到保稅(非保稅)倉庫的面積需求。在知道該區域物流中心中不同行業中簡單物流加工，中等物流加工、復雜物流加工的比例之后，我們還可以算出保稅(非保稅)倉庫增值服務作業面積。然后，根據倉庫建筑密度這個國內要求的技術經濟指標，就可以分別得到保稅(非保稅)倉庫所需的占地面積。此后，參照該地區GDP最近幾年的增長率以及未來幾年的預期增長率，以此數據作為該區域物流中心的物流作業量的年增長率，就可以得到物流中心未來1015年每年物流發生量的預測數據。在測算過程中，我們可以建立不同的預測模型，例如指數回歸分析法和灰色GM (1，1)模型，這樣就能使得預測值更加

7、貼近區域物流未來發展的實際情況。（2）戰略定位在完成詳實的定性和定量市場分析研究之后，規劃者必須對物流中心整體優勢、劣勢、機會、威脅進行分析(即SWOT分析)，如果某類服務，如空港、海港和公路貨運站場在整個中心中占有較大比例，還必須進行專項的SWOT分析。這些分析主要是幫助中心的高層經營決策者明晰內外部環境，提出發展物流中心的使命，遠景目標和制勝策略，從而進行準確的戰略定位，幫助實現其戰略目標。這里的制勝策略，是指擊敗現有及潛在競爭者的計劃，包括一系列舉措以提高物流服務的水平、物流中心戰略選擇的“價值方案”及實施步驟。這些策略應該嚴格限制在內部使用。 典型的物流中心制勝策略有：充分利用保稅物流

8、中心的功能，實現進出口通關和行政管理的高效率；充分利用和拓展現有的物流信息系統，打造強勢的國際物流信息平臺；充分利用WTO和CEPA的國際貿易政策，建立特色的歐美商品專業集散地，拓展國際物流業務；充分利用現有入駐中心企業的優勢和物流需求的特點，促進行業供應鏈的競爭力提升，集聚產業的物流，實現產業鏈的成型和優化；按照循環經濟的發展要求，以創建生態物流中心為目標，牢固樹立科學發展觀，堅持經濟發展和生態保護并重，致力于生態環境的培育和提升。（3）功能設計物流中心的功能設計主要采用自頂向下的方法，即在確定物流中心的規劃原則以后，對物流功能規劃所涉及的核心因素進行列舉和分析，然后通過收集整理一系列國際最

9、先進的物流中心案例，總結出對國內物流中心最適合的經驗。隨后，整個物流中心將被劃分為幾個大功能區域，例如物流產業區和管理服務區，規劃者再從國際最佳實踐經驗，以及市場調查得到的實際需求兩方面入手，為每個功能區域命名，定義，分配相應的面積，引入相關的設施、設備和IT系統。功能規劃的最后一步是對物流中心的核心流程進行定義和描述。這些流程包括：集裝箱服務。生產原材料供應和配送、生活資料采購和配送流程、保稅物流作業流程以及空港、海港、鐵路物流服務流程等。 （4）布局設計物流中心的設施規劃與布局設計是指根據物流中心的戰略定位和經營目標，在已確認的空間場所內，按照從貨物的進入、組裝、加工等到貨物運出的全過程，

10、力爭將人員、設備和物料所需要的空間做最適當的分配和最有效的組合，以獲得最大的經濟效益。 目前，我國在物流中心布局規劃方面可以參考的案例不多。歐洲物流中心最佳實踐案例(見表2)，可使國內物流中心在布局方面有不少值得借鑒的經驗：校園化的設計理念，分割不同的功能區域；按照物流與空港海港以及與陸路運輸的密切程度來安排相關產業；地塊規劃面積能滿足柔性需求并有可選的擴展空間；多式聯運的設施規劃，如水路、鐵路、公路和航空；保持產業加工和高附加值物流企業之間合理的分配比例；充分考慮地理和生態環境，有吸引力地設計并考慮環保預留用地。 對物流中心中的各建筑設施的選址和規劃應采用科學的定量方法，如：運籌學中的一些最

11、優選址方法，最短路徑法、最小費用最大流法。有效的物料進出表法、搬運系統分析法，模糊理論中的模糊綜合評價法、最優決策方法等。物流中心規劃與設施布局的合理性還可以通過動畫仿真來進行檢驗。德國物流研究院在物流中心仿真方面擁有成熟的軟件和模型，可以輕松地協助客戶優化規劃成果。 （5）商業計劃商業計劃包括物流中心管理公司的組織架構和職責、物流中心業務模式、收益預測、客戶分析、中心銷售、市場推廣策略、投資收益等財務概要分析。 物流中心的開發一般分階段進行。分階段進行將比整體一步到位式開發容易實施，而且，后一個階段可以吸取前一個階段的經驗，同時進一步調整和優化下一步的營銷策略和其他細節。物流中心典型的業務模

12、式有：物業支持、建設支持、財務支持、人力資源支持、環境支持、安全支持，質量支持、設備支持等服務。 在物流中心市場營銷方面，建議采取宣傳手冊、用戶雜志、出席推介會和交易會、視覺形象設計、互聯網、投資指南、廣告等多種手段混合使用的整合營銷方式，以達到預期效果。 二、物流量預測基于最優定權組合模型的物流量預測區域物流量的預測方法有很多，其中定性預測方法在社會中應用最廣泛，常見的幾種定性預測方法有: 德爾菲預測法，主觀概率法，頭腦風暴法，專家評估法，市場調查法等；定量預測方法相對于數據的分析有更直觀更準確的優勢，主要包括線性回歸預測模型、灰色預測模型、指數平滑預測模型、趨勢外推法、神經網絡模型等?；?/p>

13、最優定權組合模型的物流量預測采用趨勢外推模型、灰色 GM( 1，1) 模型分別進行物流量的預測，以每種方法單項預測結果組合誤差平方和最小為原則，提出一種最優定權組合預測模型，以此為物流中心的合理規劃做出貢獻。（1）趨勢外推法趨勢外推預測法是指通過對所研究對象的過去和現在進行全面分析，根據模型研究數據的變化規律和特征，再依此規律進行外推，主要應用在經濟、社會預測等領域。如果所研究的對象對季節或其他因素沒有特別明顯的波動和反應，而且可以找到合適的函數去描述和反映其變化趨勢，即 Y = f( X) ，對未來的某個 X 值，根據此函數，便可以預測出其相應時序的未來值。在實際中最常用的函數模型包括線性模

14、型、指數曲線、生長曲線、包絡曲線等。線性模型線性模型是最簡單的外推模型，可以用來研究隨時間穩定變化的事物。應用線性外推法，首先要收集所研究對象的動態數列，然后勾畫數據分布圖，如果散點所構成的形狀非常接近直線，就可以按直線規律外推。把時間數列中的時間順序作為自變量，把數列中的每項數值作為因變量，按照某種函數關系，求出線性方程，并根據此方程進行未來預測，函數通式可以表示為: Y = A + B( t) ，其中: Y 代表趨勢值，t 代表時間，A、B 是待定的參數。常用的方法有分段平均數法和最小平方法。在使用直線外推預測時，應先根據時間數列計算逐年的增長量，并繪出大致曲線圖，以方便隨時觀察期變動情形

15、，以確定適不適合這種方法進行預測。指數曲線當某一客觀事物的指標或參數隨著時間的推移近似地按等比數列增長，即經濟序列的環比近似于一個常數，該經濟變量yt與時間參數 t 的函數關系可以表示為 yt= a + bt。其中 t表示時間序列中的時期數，即自變量; yt是 t 時刻的預測值，即因變量; a、b 是兩個待定的參數。通常使用最小二乘法來確定a 和 b 的值。研究結果表明，社會發展的許多變量的經濟特性往往表現為按指數規律或近似指數規律增長，任何經濟現象都不可能長期穩定地按既定量的變化增長，或者一直保持穩定的增長速度，所以指數曲線預測法和直線預測一樣，只適用于中期預測。（2）灰色預測法灰色 GM(

16、 1，1) 模型灰色系統是 1982 年由中國學者鄧聚龍教授提出的，是研究缺少數據、信息貧乏等不確定性問題的新方法。所謂灰色系統，指的是信息不完全的系統，信息不完全通常指系統因素不完全明確、因素關系不完全清楚、系統結構不完全清楚。一般情況下，社會系統、生態系統、經濟系統都是灰色系統?；疑A測是基于 GM 模型作出的定量預測，是灰色理論的主要應用之一，在灰色理論中應用最廣泛的是灰色 GM( 1，1) 模型，其采用的是五步建模的思想，包括語言模型、網絡模型、量化模型、動態模型、優化模型，它是只含有一個變量的一階微分方程預測模型，適用于時間序列的預測，其建模步驟如下:設原始數列為，對原始數列做一次累

17、加生成，得到累加數列為：，其中 （1）此累加數列是一條單調增加的曲線，增加了原數據列的規律性，弱化了數據的波動性。對累加數列建立一階微分方程為：，其中a，b為待定系數 （2）使用最小二乘法求出參數 a，b 的值，其中： （3）其中，B 是由累加數列構成的累加矩陣，是原始數據列構成的矩陣: 其中， （4） （5）將求出的 a，b 的值代入公式( 2) 得到一階微分方程，并求解得出 GM( 1，1) 模型為: （6）因為，將的計算值做累減還原，便可得到原始數據的預測值為: （7）（3）基于最優定權組合模型的物流量預測這里的方法通過趨勢外推法、灰色 GM( 1，1) 模型預測之后，綜合利用其各單項預

18、測方法提供的信息，以其預測結果的組合誤差平方和最小為原則，求得各單項預測方法的最優加權系數，提出最優定權組合預測模型，通過此模型能進一步地提高預測精度。加權系數的求解可以通過以下步驟:步驟 1：建立非線性規劃模型目標函數為 約束條件為：其中 （1） E是預測誤差信息矩陣，為： （2）其中，m為第m種預測方法，n為第n期。步驟2 對 K 進行求解滿足目標函數的最優加權系數向量為：，其中是的逆矩陣 （3）步驟 3：根據公式進行預測，其中是 t 時刻各單項預測方法的預測值，是 t 時刻的實際觀測值，表示最優定權組合預測值（4）算例分析土默特右旗物流中心物流量預測 1）土默特右旗市場環境分析土默特右旗

19、位于內蒙古自治區包頭市的東南部，南臨黃河，北靠陰山，地處呼和浩特、包頭和鄂爾多斯的“金三角”腹地，是包頭市最大的農業旗縣，也是內蒙古自治區 50 個重點工業發展區旗縣之一。優越的地理環境，便利的交通成為促進土默特右旗經濟發展的有利自然因素。該地區土地資源豐富、用地成本低廉，除現有的 130 萬畝耕地和部分林地外，還有大量的閑置土地可供開發利用，現已沿交通干線規劃建設用地 50 平方公里，特別是總占地 30 平方公里的支柱產業區已實現“四通一平”; 水資源充沛、利用方便，為農林牧副漁和經濟發展提供了有利的條件; 該旗境內北部大青山礦產資源豐富，且具有種類多、儲量大、口位高、易開采等特點，其中以煤

20、炭最多，已探明的煤炭儲量 9 6 億噸，可開采量 5 3 億噸，現年生產能力 525 萬噸。綜上，土默特右旗優越的地理環境、交通設施建設、適宜的氣候、再加上得天獨厚的自然資源為土右旗經濟的快速發展奠定了堅實的基礎。2）土默特右旗物流量預測根據 2001 年到 2010 年土默特右旗貨運量實際完成情況，采用指數曲線趨勢預測法、灰色 GM( 1，1) 模型預測法，并進行最優定權組合預測，預測出未來幾年的物流量并進行分析，為后期的用地規模設計做準備。土默特右旗 2001 年到 2010 年統計年鑒及國民經濟和發展統計公報中得到有關數據如下：表2-1 2001年到2010年土默特右旗貨運量年份2001

21、200220032004200520062007200820092010期數（t）12345678910貨運量（萬噸）203.76291.97418.36599.47858.981230.91763.82816.23267.94363.9指數曲線趨勢外推預測模型首先，根據這十年來的貨運量數據，使用 SPSS 軟件中的曲線擬合分析方法，結果如下圖: 可以看出該組數據和指數曲線的擬合程度相當高，R 平方值為 0.996，因此可以說明指數曲線趨勢外推預測模型的數據是接近于真實值的。表2-2 指數曲線預測模型擬合度RR方調整R方估計值的標準誤0.9980.9960.9960.071其次，使用指數曲線趨

22、勢外推預測法，見下圖，可以得出其預測擬合公式為:，其中 t 為年份所表示的期數，為當期的預測值; 由此便可得出未來 8 年的貨運量預測值，見表2-3。表2-3 2011年到2018年土默特右旗貨運量預測值 年份20112012201320142015201620172018期數（t）1112131415161718貨運量（萬噸）6901.959786.5113876.6119676.127899.3939559.4656092.6679535.61表2-4 2001年到2010年土默特右旗貨運量誤差分析年份貨運量（實際值）貨運量（預測值）相對誤差絕對值（%）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，使用指數曲線趨勢外推預測法得出的貨運量相對誤差絕對值的平均值為 4.3%，但從逐年的預測相對誤差可以看出此預測模型進行預測的相對誤差不穩定，尤其是到了后幾年數據偏差較大，因此此預測模型需要進一步改進。灰色 G

24、M( 1，1) 預測模型原始數列為：，累加之后的數列為： 其中， 因此，將 a，b 的值代入公式( 2) 得到一階微分方程，并求解 GM( 1，1) 模型為:因此，將的計算值做累減還原，便可得到原始數據的預測值為:表2-5 2011年到2018年土默特右旗貨運量預測值年份20112012201320142015201620172018貨運量（萬噸）6722.669181.812540.517127.8123393.1631950.3643637.7859600.47表2-6 2001年到2010年土默特右旗貨運量誤差分析年份貨運量（實際值）貨運量（預測值）相對誤差絕對值（%）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對 GM( 1，1) 模型進行殘差檢驗，一般要求相對誤差絕對值不大于20%，最好不大于10%。由表6 可以看出，使用灰色GM( 1，1) 預測模型得出的相對誤差絕對值的平均值為 1728% ，雖然在可接受范圍之內，但

26、仍舊不是最理想的預測方法。最優定權組合預測模型在使用指數外推趨勢預測法、灰色 GM( 1，1) 模型預測之后，求得這兩種方法的最優加權系數，進一步通過最優定權組合預測模型來提高預測精度，經計算得出：所以根據公式進行預測: 由此，使用最優定權組合預測模型計算出的預測值表4-7 所示:表4-7 2011年到2018年土默特右旗貨運量預測值 年份20112012201320142015201620172018貨運量（萬噸）6868.429673.4313626.7619199.5727056.7238·36.5653763.675807.74表4-8 2001年到2010年土默特右旗貨運量

27、誤差分析年份貨運量（實際值）貨運量（預測值）相對誤差絕對值（%）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對最優定權組合預測模型得出的預測值進行殘差分析，由表 8 可以分析得出，各年的相對誤差絕對值平均值為5. 83% ，此誤差率已在最優范圍之內，

28、由此可以看出，最優定權組合預測模型是一種相對最優的預測方法，其得出的預測值也可以作為參考。（5）結論使用最優定權組合預測模型，充分利用了各種預測方法的優勢，彌補了不足，可以得出相對準確的物流量，為用地規模的確定提供了依據，為物流中心的規劃和建設做出了貢獻。三、物流中心選址方法物流中心在企業流通中的發揮的作用越來越重要，一個企業的成功與否直接取決于它把各項資源聯系起來的能力，而物流配送中心被視為企業加強與客戶、供應商聯系的核心競爭力。理好物流配送中心的問題對于提高庫存周轉率、加速商品流通，降低無聊成本產生一系列積極的影響。國內外對物流配送中心選址的研究國外在對物流配送中心選址問題上已經進行了數十

29、年的研究，在理論和實踐上對此類問題都取得了杰出的成果，并建立形成了許多可行的模型方法。概括的說，物流配送中心選址方法大致可分為以下三類：（1）連續型模型選址連續模型選址方法認為物流配送中心的地點可以在任意平面上選址，主要代表性的方法有：重心法和交叉中值法。該方法優點在于對特定的備選地點的選擇不限制，具有較大的靈活性，在單物流配送中心選址中應用較為廣泛。但是，此類方法未考慮到自然地理因素的限制，這個地址很可能位于河流、建筑物或其他無法設置的地點，實際應用中找到的最優地點可能很難滿足。重心法和交叉中值法在課上都有涉及，在此不再贅述。（2）離散型模型選址對于物流配送中心的候選點為有限的幾個可行點時，

30、按照目標函數從有限個可行點中選取最合適位置的情況，會應用到離散型模型選址方法。其代表性的方法有：整數或混合整數規劃問題的分制定界法、鮑姆爾·沃爾夫（Bournol-Wolfe）法、庫恩·漢姆布利爾(Huehn-Hambureer)法、逐次逼近模型法等等。這類方法的優勢在于如果基礎數據完整準確，使用該類方法得出的結果比較符合實際需要。但這類方法所需基本資料相當龐雜，且這類方法所建立的模型多數被證明為NP問題，不能采用線性模型的方法來選址，求解方法復雜、計算量較大。鮑姆爾沃爾夫法鮑姆爾沃爾夫網點布局方法是針對圖1的網絡結構提出的一種啟發式方法，這種方法在求解的過程中只需要運用一

31、般運輸規劃的計算方法即可，避免了混合整數規劃的求解的困難，大大降低了計算成本。不僅如此鮑姆爾法還較好的解決了網點存儲費用非線形的問題。一般而言，對存儲費用，都把它看成網點中轉量的線形函數，即存儲費用率與網點規模的大小無關，顯然，這是不符合實際的，鮑姆爾法用非線形函數來描述網點的存儲費用，如下圖：從圖中曲線可以看出隨著網點規模的增大，存儲費用曲線變得平坦，即費率下降，這是符合實際情況的，但是非線形函數的引入，使計算求解變得復雜，為了使問題簡化，鮑姆爾法在迭代過程中對非線形函數采取分段線形化的做法，即在每一次迭代過程中用邊際成本表示存儲費率，邊際成本表示在一定網點規模下的單位貨物存儲費用，因此，可

32、與單位運輸費用直接相加。經過這樣的處理后，就可直接利用運輸規劃的方法計算求解。圖 1鮑姆爾沃爾夫法適用的網絡構架圖 2 儲存費用和網點規模的關系求解步驟：1求初始解。要求最初的工廠到用戶（k，j）間的運輸費用相對最小，也就是說，要求工廠到倉庫間的運輸費率和倉庫到用戶間的發貨費率hij之和為最小，即Cki0=min(Ckj0+hij)設所有工廠到客戶運輸路徑取最小費率Ckj0，倉庫序號是Ikj0。這個結果決定了所有工廠到用戶間的費用。如果工廠的生產能力和用戶的需要量已知。按希契科克運輸問題求解，使費用函數Cki0xkj為最小時，Xki0就為初始解。2二次解。根據初始解，倉庫i的通過量可按下式計算

33、：Wi0=Xkj0用通過量反過來計算倉庫的可變費用：在這個階段中，對于所有的工廠到用戶取下式：Chj2的倉庫序號設為hhj2。再次按希契科克運輸問題求解，使費用函數Chj2xni為最小時，就為二次解。3n次解。設n1次的解為，則倉庫的通過量如下：是n1次解得到的所使用倉庫的序號。n1次解可使倉庫通過量反映到可變費用上，因此求得n次解，就可得到倉庫的新的通過量。4最終解。把n1次解的倉庫通過量和n次解的倉庫通過量進行比較，如果完全相等就停止計算；如果不等，再繼續反復計算。也就是說，當=時，為最終解。其他方法還有一些方法是對已有的備選方案進行綜合評價的方法，如基于數據包絡法的物流中心選址和基于集對

34、-熵權概念的物流中心選址。這些方法的關鍵是建立合適的物流中心評價標準指標體系，然后用合適的方法對這些指標數據進行處理，得出結論。配送中心選址問題本質上是一個多屬性決策問題，針對此類問題，需要解決兩個問題。第一，評價方法的選擇；第二，各評價指標的權重確定。針對多屬性決策問題，常用的評價方法有線性分配法、簡單加權法、TOPSIS法、數據包絡分析法，學術界新進又提出了人工智能技術、神經網絡、遺傳算法和粗糙集理論等方法。目前確定指標權重的方法有很多種，主要分為主觀賦權法和客觀賦權法兩類。主觀賦權法有層次分析法、排隊計分法和G1等，客觀賦權法有主成分分析法、因子分析法和熵權法等。主觀賦權法和客觀賦權法各

35、有其各自的優缺點，客觀賦權法雖然能夠充分挖掘數據本身蘊含的信息，得出的結論比較合理，但該方法忽視了評價者的主觀信息，主觀賦權法雖然反映了評價者的主觀判斷或直覺，但在綜合評價結果或排序中可能產生一定的主觀隨意性，即可能受到評價者的知識或經驗缺乏的影響。為了客服各自的缺點，在實踐中經常將這兩種方法綜合集成起來使用。因此本文將采用TOPSIS評價方法，結合G1法和熵權法對評價指標進行賦權。1.TOPSISTOPSIS(technique for order preference by similarity to an ideal solution)是一種逼近理想解的排序方法，它借助多屬性問題的理想解

36、和負理想解對方案集中的方案進行排序。理想解是一個虛擬的最優解，它的各個指標值都達到評價對象中的最優值；而負理想解是虛擬的最差解，它的各個指標都達到評價對象中的最差值，通過計算各方案到理想解和負理想解的距離，對方案進行排序。2.G1法G1法是針對層次分析法（AHP）的缺陷提出的一種新的權重賦權法。AHP有嚴格的限制，指標數超過9個即不適合；需要對指標進行一致性檢驗，計算量大。G1則對指標的個數沒有限制；無需進行一致性檢驗，追加指標，無需重新計算，計算量較層次分析法大大減少。3.熵權法熵權法確定各評價指標的權數，它是一種客觀賦權方法，其原理是根據各評價指標數值的變異程度所反映的信息量大小來確定權數

37、。在信息論中，信息熵是系統的無序程度或不確定性的度量，信息是系統有序程度的度量，二者絕對值相等，但符號相反。信息熵的減少意味著信息的增加。也就是說，某項指標的指標值變異程度越大，指標所包含的信息量就越大，信息熵越小，從而該指標在綜合評價中所起的作用越大，權重應該越大； 反之，某項指標的指標值變異程度越小，指標所包含的信息量就越小，信息熵越大，從而該指標在綜合評價中所起的作用越小，權重應該越小。所以在具體的評價分析過程中，可以根據各項指標的指標值變異程度，利用信息熵計算出各指標權重，再對所有指標進行加權，從而得出較為客觀的綜合評價結果。4集成賦權法綜合集成賦權法的基本思想就是從邏輯上將這兩大類賦

38、權法有機地結合起來，使所確定的權重系數同時體現主觀信息和客觀信息。權重的綜合集成方法有主要有兩種：“加法”集成法和“乘法”集成法。1） “加法”集成法設lj和aj分別為基于G1法和熵權法確定的權重系數，則這兩個系數的“加法”集成法公式為：其中，k1，k2為待定常數（k1>0，k2>0且k1+k2=1）。2） “乘法”集成法“乘法”集成法的計算公式為：5. 基于集對-熵權的物流中心選址方法熵原本是熱力學概念，是對系統狀態不確定性的一種度量。自從將熵引入信息論后，熵成為一種可靠的權重確定方法，被廣泛應用于方案優選、多目標決策和各種評價中，涵蓋工程技術、社會經濟、管理科學和決策論等幾乎所

39、有學科中。根據信息論基本原理，信息是系統有序程度的一個度量，而熵是系統無序程度的一個度量，二者絕對值相等，但符號相反。在信息論中，信息熵H(x)p(xi)lnP(xi)反映系統無序化程度。信息熵越小，系統無序化程度越大；信息熵越大，系統無序化程度越小。對于所討論的m個方案n個評價指標的初始矩陣，判斷矩陣顯然是一種信息的載體，故可用信息熵評價所獲系統信息的有序度及其效用來確定指標權重，盡量消除權重計算的人為干擾，使評價結果更符合實際。其計算步驟如下：1）考慮一個評價問題，設有m個被評價對象，n個評價指標，得到原始評價信息矩陣：O=(oij)mn，(i=1，2，m；j=1，2，n)(1)2）由于系

40、統中各因素的量綱不一定相同，而且有時數值的數量級相差懸殊，這樣的數據很難直接進行比較。因此，對原始數據需要消除量綱，轉換為可比較的數據序列，也就是歸一化處理。對O中極大型指標做標準化處理：eij=oij-minoij/maxoij-minoij，(i=1，2，m；j=1，2，n)(2)對O中極小型指標做標準化處理：eij=maxoij-oij/maxoij-minoij，(i=1，2，m；j=1，2，n)(3)對O中適中型指標做標準化處理：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） 計算Pij(第j項指標下第i個方案的指標值的比重)Pij=eiji=1meij(5)2） 計算Sj(第j個指標的熵值)Sj=-ki=1mPijlnPij其中，K=1/lnm，并規定當Pij=0時PijlnPij=0。3） 計算權重Wj(第j個指標的熵權)Wj= (1-Sj)j=1m(1-Sj) 4） 計算各被評價對象的綜合評價值Vi(第i個被評價對象的評價值)由此可見，如果某個指標的信息熵越小，就表明其指標值的變異程度越大，提供的信息量越大，在綜合評價中所起的作用越大，則其權重也應越大。反之，某指標的信息熵越大，就表明其指標值的變異程度越小，提供的信息量越小，在綜合評價中所起的作用越

42、小，則其權重也應越小。所以具體分析過程中，可根據各個指標值的變異程度，利用熵來算出各指標權重，再對所有指標進行加權，從而得出較為客觀的綜合評價結果。評價指標體系的建立建立物流配送中心選址評價指標體系的根本目的旨在通過對指標的評價來確定配送中心的地點及配送流量。因此，指標體系的構建要盡量綜合考慮各影響因素，遵循全面性、層次性和可測性等原則。根據物流配送中心自身的特點，選取了自然環境、經營環境、基礎設施、其他因素等指標作為物流配送中心選址的評價指標。在此，通過對物流行業顧客滿意度共性的分析，建立了三層指標體系：第一層為總體指標，即物流配送中心評價的指標；第二層為結構指標，包括自然環境U1，經營環境

43、U2，基礎設施U3，其他因素U4；第三層為分析指標，分屬于第2層各個結構指標，形成多層次指標體系，該指標體系較全面地反映了物流配送中心評價指標體系的構成要素，同時指標數據的收集和計算機具有較大的便利性，具體指標內容如表1所示。表 1 評價指標體系一級指標二級指標三級指標物流中心評價指標體系自然環境U1氣象條件R1、地質條件R2水文條件R3、地形條件R4經營環境U2物流產業政策R5、勞動力條件R6商品特征R7、物流費用R8服務水平R9基礎設施U3交通條件R10、公共設施狀況R11其他因素U4國土資源利用R12、環境保護要求R13周邊狀況R14附件1：鮑姆沃爾夫方法案例附件2：基于TOPSIS的配

44、送中心選址案例四、總體布局和功能設計（一）國外研究現狀最初傳統的功能區設施布局設計主要是憑經驗，通過豐富的布置經驗，完成對早期工業化時代的工廠設施布置和平面設計工作，后來逐步形成了一些先進的設計方法。1961年美國的理查德·繆瑟運用系統工程的概念和系統分析的方法，提出了具有代表性的系統布置設計法SLP(Systematic Layout Planning)，。用作業單位相互關系的等級表示法，使設施布置問題由定性階段發展到定量階段。德國弗勞恩霍夫物流研究院(Fraunhofer IML)在眾多的國際性物流中心規劃項目實踐中總結出了基于需求驅動、競爭驅動和最佳實踐驅動的MSFLB(Mar

45、ket Study,Strategic Positioning，Function Design，Layout Design，Business Plan)五個步驟構成的物流中心規劃流程。20世紀60年代以來，以Lee RC，MooreJM等為代表的設施規劃與設計學者們，把計算機技術引入平面布置及其優化的問題研究中晗1。隨后，產生了許多用高級語言編成的平面布置程序，如CRAFT,CORELAP,ALDEP,COFAD，MULTIPLE等程序，形成計算機輔助設施布置(Computer Aided FacilitiesDesign，CAFD)方法。通過利用計算機的強大功能，解決設施布置的復雜任務，為物

46、流系統的設施新建和重新布置提供強有力的支持和幫助，節省了大量人力和財力。JCagan(1998)詳細闡述了布局問題求解的非線形方法、遺傳算法的不足以及模擬退火算法的優越性。CPapahristodoulou(1999)提出設施布置問題的二元線性模型，將簡單的二元線性模型應用于小型醫院設施布局，布置五個功能模塊，這個模型具有靈活性和實用性特點。很多學者提出了用遺傳算法解決布局問題：例如TDunker(2002)提出設施布置問題的遺傳基因進化算法，使用一種新方法編碼各部門相對位置，提出改良的突變和交叉算子，并應用于大型設施布置。KyuYeul Leea(2005)提出具有內墻和通道的多層設施布置問

47、題的改進遺傳算法。通過選擇、交叉、倒置、變異等基因操作，實現設施布置問題解決方案，其中設施、通道、電梯等相互關系被描述成鄰接圖，以圖論理論中Dijkstra算法計算兩設施之間的最短路徑和距離等。ICasfillo(2003)對設施布置嵌入鏈式算法進行研究，模擬大量點系統的圖型模式，節點為各個設施布置點，邊為布置點間的鏈，通過獲得最小的系統費用為最佳布置方式。Andr6 RSAmaral(2006)針對單線型設施布局問題提出了一種新的混合整數線性規劃模型。Alessandro Tugnoli等學者（2008)在設施布置中的安全評價方面作出了一些研究。JaydeepBalakrishnan等學者在

48、動態設施布局問題上做了進一步的探討。此外，還有其他學者對布局問題進行了研究見文獻。（二）物流中心功能方法介紹平面布局問題就是在一定的目標下（諸如物料搬運費用最小等）對各功能分區空間位置的布局規劃問題。一般要經過兩個步驟，先是分塊布置，然后是完成細節設計。分塊布置確定了各分區的形狀和相對位置，細節設計則要確定各分區所用的主要設備和附屬設施與裝置等的相對位置。細節設計常常是與具體系統相關的，因此，目前多數研究都集中在分塊布置的優化方法上。物流設施布置方法源于工廠車間布局設計，伴隨布局設計研究地不斷深入，物流設施布局也參照性地選擇了一些方法，有工程圖表法、流程圖法，現代數理上的優化法、近似法等，如S

49、LP法、CORELAP法、ALDEP法、CRAFT法和MultiPLE法等，主要可以概括為以下幾個大類：1、傳統圖解的方式(1)擺樣法。利用二維平面ELffJJ模擬方法，按一定比例制成的樣片在同一比例的平面圖上表示設施系統的組成、設施、機器或活動，通過相關的分析，調整樣片位置可得較好的布置方案。這種布局方法人為因素較大，適用于較簡單的布局設計。(2)圖解法。產生于20世紀50年代，有螺線規劃法、簡化布置規劃法及運輸形成圖等。優點是將擺樣法與數學模型結合起來，但在實踐中較少應用。2、數學模型法運用運籌學、系統工程中的模型優化技術（如：線性規劃、隨機規劃、多目標規劃、運輸問題、排隊論等）研究最優布

50、局方案，通過數學模型提高系統布置的精確性和效率。但是用數學模型解決布局問題有兩大困難：一是當問題的條件過復雜時，數學模型很難得到符合實際要求的準確結果；二是布局設計最終希望得到布局圖，但是用數學模型得不到。利用數學模型和CAD相結合的系統布局軟件是解決問題的一種好方法。3、計算機輔助設計(1)自動布置設計程序(Automated Layout Design Program，ALDEP)法。ALDEP基于湊合法的布置設計的算法。工作原理是按照物流系統作業單元之間的密切程度等級進行平面布置。ALDEP是一個構造程序，等于從一張空白的設計紙開始，從所有作業單元中，隨機挑選第一個作業單元到空白的設計圖

51、中，然后根據密切程度作業單元。先擺放密切程度高的作業單元，然后再選擇密切程度稍低的作業單元擺放，直到所有作業單元都擺放完畢為止。(2)計算機化關系布局規劃(Computerized Relationship Layoutplanning，CORELAP)法。CORELAP優化算法和ALDEP法一樣，也是根據作業單元間的密切程度來選擇和擺放作業單元。CORELAP用長方形的作業單元構造布局。根據對作業單元密切程度的權重賦值，用以計算每個作業單元總密切程度等級TCR，TCR表示一個作業單元與另一個作業單元之間的彼此可接受性。CORELAP也是從一張自紙開始，先將TCR最大值的作業單元A放在紙上，然

52、后掃描各作業單元密切程度表，將與A有密切關系的作業單元再放在邊上，接著再選擇其它有密切關系的作業單元擺放，直到應該擺放的作業單元都擺放完畢。與ALDEP方法不同的是，CORELAP使用了擺放等級和邊界長度參數，前者根據準備放上去的新作業單元和已在圖上的將分享共同邊界的相鄰作業單元的權重等級之和來決定選擇何者。(3)定量布局程序(CRAFT)法，CRAFT和基于密切程度等級的ALDEP和CORELAP法相反，CRAFT使用物流信息或從制表上累加而得出的作業單元物流強度。CRAFT被稱為定量布置程序，而前兩個方法被稱為定性布置程序。CRAFT是一種改進程序，接受一項初始布置設計并用順序方式成對交換

53、作業單元的位置，試圖做出改進。幾個設計方案相互比較時，CRAFT用物品搬移或運輸成本作為評價標準，這個成本用移動距離的線性函數來表示。(4)多層設施定量布置程序(MultiPLE)法。MultiPLE是CRAFT的改進型。它可以用于多層樓房設施布置設計，也可以用于單層設施設計。它與CRAFT一樣，MultiPL使用物流量信息、目標函數和搜索程序，用優化程序產生改進的布置方案。MultiPLE允許任何作業單元位置作雙向交換，主要特征是采用空間填充曲線，用于構造布置以及用以表示作業單元布置的空間。4、系統布局規劃設計法SLP此方法最初由Richard Muther在1961年提出，其提出的作業單元

54、相互關系的密級表示法，形成了一種以大量的圖表分析為手段，以物流費用最小為目標，物流關系分析與非物流關系分析相結合，求得合理的設施布置方案。以上各種方法中，Richard Muther提出的系統布置設計(SLP)方法使平面布置設計從定性階段發展到了定量階段。LEE等提出的CORELAP優化算法，在已知物流設施作業面積需求和設施間關系等級的基礎上，使設施之間的密切度最大；ALDEP法與CORELAP法相似，只是在具體指標的選擇和優先性上有所不同；Buffa等人提出的CRAFT法是在已知物流設施間的貨物流量的基礎上，對已有布局進行調整，使物流結點內的搬運費用最小的方法；MultiPLE法是對CRAF

55、T法的改進，只是調整方法不同?？偟膩碚f，物流中心功能布局方法研究方面已經比較成熟，然而正確地掌握和運用這些方法還需要我們一番實踐。五、物流中心盈利性評估基于數據包絡法的物流中心績效評估DEA是一種對同類型的具有多輸入、多輸出的投入產出系統的相對運行效率進行比較評價的系統分析方法，它能直接估算多個決策單元的效率之間的相對關系，即相對有效性。DEA模型是用來研究多輸入、多輸出的決策單元為規模有效和技術有效的方法，它無需確定輸入、輸出之間關系的顯式表達式，而是以系統中的實際決策單元為基礎，利用有效樣本數據，采用線性規劃技術確定系統的有效前沿面，進而得到各決策單元的相對效率以及資源投入是否冗余和產出是否不足、產業結構以及流程布局是否合理、技術水平是否低下等方面的信息，此外還可給出某個決策單元從非有效到有效的改進途徑，這為決策者克服不利因素改進運行效率提供了努力方向。DEA各項指標量綱不一定要一致，且排除了很多主觀因素的影響，不用事先確定權重，也不需要一個預先已知的帶有參數的生產函數形式。而在各種資源投入中，除土地資源投入外，還包括設備投入和人力資源的投入等，因此，在評價物流中心各種資源的投入產出效率時，應根據系統工程的觀點，結合土地、設備和人力資源等多項指標，從系統總體上考察物流中心各種資源的投入產出效率情況，故物流中心的盈利能力評價是