1、C公司區域物流網絡模式設計以M6裝瓶廠之SC1為例 Multiple_stars2007年 12 月摘 要摘 要本方案首先對C公司的供應鏈的結構、績效以及企業商業環境等進行了全面分析；然后針對C公司的現存問題，以具有典型意義的M6裝瓶廠下的SC1為例，設計了一個區域物流網絡模型，并對該區域進行了具體的介紹和分析。在銷售預測分析過程中，利用馬爾可夫和一元線性回歸相結合的方法，對區域的飲料需求量進行了預測；在庫存分析中，根據覆蓋天數和預測確定了庫存量和倉庫面積，并融合了ABC分類法的思想，確定精確庫存；針對運輸及配送方面暴露出的問題，本案對營業所采用的物流模式進行了詳細的設計，并結合當地情況提出了

2、不同的解決方案，以提高車輛利用率，降低物流成本，并利用Dijkstra算法及節約法等方法對市內配送進行了設計；此外，基于SC1信息系統中存在的缺陷，本案重新設計了相應的信息系統，并制作了具有典型意義的部分子軟件。通過對該區域的網絡模型設計，以期在改善本地區物流結構的同時，對公司其它地區的物流運作有一定的借鑒意義。本方案的創新之處主要有：1）結合C公司的具體情況，本方案設計了相應的物流管理信息系統，并自行設計了其中的訂單子系統軟件；2）使用馬爾可夫和一元線性回歸相結合的方法，并使用了Matlab軟件輔助，對飲料的需求量進行了精確的預測；3）針對M6裝瓶廠配銷過程中存在的車輛利用率低下等主要問題，

3、提出了以自有車為主、外租車為輔和完全使用外租車服務的兩種備選物流配送模式，再通過大量的數據計算，推算出自有車和外租車的比例，最后結合各營業所不同的實際情況確定各自的配送模式，最終達到一個整體優化的效果。目 錄 TOC o 1-3 h z u HYPERLINK l _Toc192601591 摘 要 PAGEREF _Toc192601591 h 2 HYPERLINK l _Toc192601592 目 錄 PAGEREF _Toc192601592 h 3 HYPERLINK l _Toc192601593 緒論 PAGEREF _Toc192601593 h 5 HYPERLINK l

4、_Toc192601594 第1章 C公司物流現狀分析 PAGEREF _Toc192601594 h 8 HYPERLINK l _Toc192601595 1.1 C公司供應鏈結構 PAGEREF _Toc192601595 h 8 HYPERLINK l _Toc192601596 1.1.1 C公司組織管理結構 PAGEREF _Toc192601596 h 8 HYPERLINK l _Toc192601597 1.1.2 C公司貨物流動情況 PAGEREF _Toc192601597 h 8 HYPERLINK l _Toc192601598 1.1.3 C公司信息管理現狀 PAG

5、EREF _Toc192601598 h 9 HYPERLINK l _Toc192601599 1.2 C公司供應鏈績效 PAGEREF _Toc192601599 h 9 HYPERLINK l _Toc192601600 1.2.1 C公司總體績效 PAGEREF _Toc192601600 h 9 HYPERLINK l _Toc192601601 1.2.2 C公司單項物流功能績效 PAGEREF _Toc192601601 h 9 HYPERLINK l _Toc192601602 1.3 C公司所處商業環境 PAGEREF _Toc192601602 h 10 HYPERLINK

6、 l _Toc192601603 1.4 C公司現有問題分析 PAGEREF _Toc192601603 h 11 HYPERLINK l _Toc192601604 第2章 運用的模型、算法 PAGEREF _Toc192601604 h 13 HYPERLINK l _Toc192601605 2.1 C公司區域物流網絡模型設計 PAGEREF _Toc192601605 h 13 HYPERLINK l _Toc192601606 2.1.1 庫存設計 PAGEREF _Toc192601606 h 15 HYPERLINK l _Toc192601607 2.1.2 運輸/配送模式的設

7、計 PAGEREF _Toc192601607 h 17 HYPERLINK l _Toc192601608 2.2算法說明 PAGEREF _Toc192601608 h 18 HYPERLINK l _Toc192601609 2.2.1線性回歸 PAGEREF _Toc192601609 h 18 HYPERLINK l _Toc192601610 2.2.2 馬爾可夫決策 PAGEREF _Toc192601610 h 19 HYPERLINK l _Toc192601611 2.2.3 Dijkstra算法 PAGEREF _Toc192601611 h 20 HYPERLINK l

8、 _Toc192601612 2.2.4 節約法 PAGEREF _Toc192601612 h 20 HYPERLINK l _Toc192601613 第3章 區域物流網絡方案（以M6下SC1為例） PAGEREF _Toc192601613 h 22 HYPERLINK l _Toc192601614 3.1需求預測 PAGEREF _Toc192601614 h 22 HYPERLINK l _Toc192601615 3.2 庫存 PAGEREF _Toc192601615 h 25 HYPERLINK l _Toc192601616 3.2.1 SC1倉庫的選址 PAGEREF _

9、Toc192601616 h 25 HYPERLINK l _Toc192601617 3.2.2 預計SC1的庫存量 PAGEREF _Toc192601617 h 25 HYPERLINK l _Toc192601618 3.2.3.預計SC1倉庫所需面積 PAGEREF _Toc192601618 h 26 HYPERLINK l _Toc192601619 3.3運輸/配送模式設計 PAGEREF _Toc192601619 h 27 HYPERLINK l _Toc192601620 3.3.1長途運輸與市內配送概述 PAGEREF _Toc192601620 h 27 HYPERL

10、INK l _Toc192601621 3.3.2長途運輸第三方費率的計算 PAGEREF _Toc192601621 h 31 HYPERLINK l _Toc192601622 3.3.3市內配送設計 PAGEREF _Toc192601622 h 39 HYPERLINK l _Toc192601623 3.3.4 市內配送線路優化 PAGEREF _Toc192601623 h 50 HYPERLINK l _Toc192601624 3.4基于SC1的物流信息系統 PAGEREF _Toc192601624 h 55 HYPERLINK l _Toc192601625 3.4.1系統

11、目標設計 PAGEREF _Toc192601625 h 55 HYPERLINK l _Toc192601626 3.4.2開發設計思想 PAGEREF _Toc192601626 h 56 HYPERLINK l _Toc192601627 3.4.3系統功能分析 PAGEREF _Toc192601627 h 56 HYPERLINK l _Toc192601628 3.4.4系統數據流程圖 PAGEREF _Toc192601628 h 57 HYPERLINK l _Toc192601629 3.4.5系統功能模塊圖 PAGEREF _Toc192601629 h 61 HYPERL

12、INK l _Toc192601630 3.4.6數據庫設計 PAGEREF _Toc192601630 h 62 HYPERLINK l _Toc192601631 3.4.7物流軟件設計（這里僅對訂單子系統進行實現） PAGEREF _Toc192601631 h 71 HYPERLINK l _Toc192601632 參 考 文 獻 PAGEREF _Toc192601632 h 75 HYPERLINK l _Toc192601633 附錄一 2006年SC1每日銷量統計分析 PAGEREF _Toc192601633 h 76 HYPERLINK l _Toc192601634 附

13、錄二 2007銷售線性回歸表 PAGEREF _Toc192601634 h 77 HYPERLINK l _Toc192601635 附錄三 用Dijsktra算法求倉庫到各超市和批發商全過程 PAGEREF _Toc192601635 h 80 HYPERLINK l _Toc192601636 附錄四 訂單子系統部分源代碼. PAGEREF _Toc192601636 h 82 緒論隨著我國經濟的發展，飲料業作為快速消費品產業迅速發展，同時飲料企業的國際化程度不斷提高，各企業的銷售區域也不斷擴大。這些都對飲料企業的研發、生產、營銷等領域提出了更高的要求，而在這之中，物流管理又是所有飲料企

14、業日益重視的一環，一個良好的物流管理系統將極大的提高企業的綜合競爭力。C公司是一家大型飲料合資企業，其下有8個裝瓶廠等下屬機構。但C公司在管理過程中，其運輸與配送、庫存、信息系統等方面暴露出諸多亟待解決的問題，這些問題對公司績效產生了較為嚴重的影響。C公司所面臨的現狀在國內飲料企業中具有典型性，其在物流領域所出現的許多問題是該行業的普遍現象。當前國內對于飲料企業物流的專題研究較少，已有的論文的對象也多為大型跨國飲料企業（如可口可樂），且其在預測、配送等過程中較少結合中國具體國情，此外，已有的論文通常沒有設計一套完整的物流信息系統，以使方案成為一個有效的整體。因此，本案對于C公司問題的解決將不僅

15、提高C公司自身運營的效益，也對國內其他飲料公司相似問題的解決有一定借鑒意義。針對C公司現狀，本方案首先對公司供應鏈結構、績效以及商業環境等方面進行了全面的分析，總結了公司現存的主要問題。找出公司在物流領域的劣勢，并提出解決方案。針對發現的現存問題，以具有典型意義的M6裝瓶廠下的SC1為設計對象，本案設計了一個區域物流網絡模型；首先對該區域進行了分析，確定該地區的物流網絡設計具有實踐性、典型性和推廣性。在此基礎上設計了預測方法、庫存系統、運輸配送系統、物流信息管理系統。（1）預測：C公司當前存在庫存數據的時效性和準確性不高的問題，并導致D&OP項目預測精度不高。為解決該問題，我們使用了馬爾可夫法

16、和一元線性回歸相結合的預測手段。方案以某一日的銷量預測為例，通過馬爾可夫法對去年同月數據進行了處理，并求得P矩陣，根據經統計的該月銷量評價系數得到該日前一天的狀態，利用Matlab軟件結合去年同月的P矩陣得到該日的狀態，并進行加權求和，得到該日的初步預測銷量。在此基礎上，由于飲料的銷售量和氣溫具有極大的聯系。本案還使用了一元線性回歸的方法對氣溫和銷量進行了擬合，并得到擬合直線方程，代入當天的預計氣溫得到當天的銷量。最后，本案對由以上兩種方法得到的結果進行了加權求和。權系數由一元線性回歸方法中得到的線性擬合相關度計算而來。使用此兩種方法相結合的全新預測方法，不僅發揮了馬爾可夫法預測近期數據準確的

17、優勢，又利用一元線性回歸法，對氣溫和銷售進行了擬合，使得該預測能夠貼合飲料銷售的實際情況，使得預測結果更加精確。（2）庫存：C公司庫存方面存在信息化程度不高等問題，本案在物流信息系統章節有詳細的解決方案。此外，在庫存設計中，針對飲料企業的特殊性，本案在ABC分類法的基礎上，提出“產品計劃覆蓋天數的概念”，按照未來的預期銷量進行庫存的前期儲備，以有效的支持顧客的需求。（3）運輸、配送：C公司飲料產品的配銷過程分為長途運輸和市內配送兩大模塊。首先本案整理歸納了M6裝瓶廠供應鏈運作上暴露出的問題，如車輛利用率低下、送貨的及時性和準確性差、配送系統信息化程度低等核心問題，通過深入分析這些問題所產生的表

18、象和現有的數據，最后發現各營業所（SC）物流模式選擇上的混亂和滯后缺乏規劃的信息系統是導致以上問題出現的根源，因此我們采取了相應的措施并提出了一套科學的、行之有效的解決方法。運輸/配送模式設計的目的，就是在保證滿足客戶服務需求、完成預測銷量的前提下，盡可能的節省物流成本，提高自有車的車輛利用率。通過對本案現有數據的分析和討論，在長途運輸方面，選擇了將長途運輸完全外包給第三方物流的運輸模式。隨之通過一套科學的計算方法，經過較為精確的計算，確定了長途運輸第三方的費率。在市內配送過程中，在參照現有配送模式的基礎上，提出了兩種以上的配送模式。接著對其中三種配送模式進行了橫向比較和績效評估，并考慮了各S

19、C的實際情況（包括預測銷量、目前的配送模式、自有車數量、車輛利用率等），初步提出了以銷量確定配送模式的方法，再經過較為精確的計算，結合自有車配送的實際成本，最終以運價確定到底采用哪種物流配送模式。之后又對市內配送線路缺乏規劃等影響車輛利用率而又非物流模式所能解決的問題，利用運籌學中的Dijkstra算法及節約法等法則對市內配送線路進行了合理的規劃設計，優化了市內配送線路。（4）信息系統：本案根據信息系統的開發方法,對SC1的整個業務過程進行分析和設計，并用數據庫開發軟件PowerBuilder9.0制作了具有典型意義的訂單子軟件。信息系統對于解決本案中現存的問題，具有極其重要的意義。它將整個供

20、應鏈網絡電子化、自動化、集成化，利用系統的思想與軟件工程的方法優化網絡，提高供應鏈效率，增強企業競爭力。第1章 C公司物流現狀分析1.1 C公司供應鏈結構 1.1.1 C公司組織管理結構:C公司總部協調管理8省的裝瓶廠（M1-M8），提供必要的支持和幫助。每一家裝瓶廠要負責這個品牌系列產品的生產，各裝瓶廠只負責所轄地區的銷售，在自己的轄區內設立分公司、營業所或配送中心，各裝瓶廠需把產品運送到分公司、營業所或配送中心的倉庫，分公司、營業所或配送中心租用當地倉庫，主要使用公司自己配置的車輛為客戶送貨，根據客戶的訂單從倉庫把產品送到客戶手中。1.1.2 C公司貨物流動情況 當前，C公司貨物的實際流動

21、如圖1.1所示,M1-M8表示各裝瓶廠，SC加數字表示裝瓶廠下的分公司：M6M1M8SC1SC2SC8裝瓶廠當地客戶分公司，營業所，或配送中心原料供應商圖1.1 C公司貨物實際流動圖 貨物的流動情況為從原料到成品，成品從裝瓶廠到分公司再到當地客戶。其中原料到成品部分涉及到采購問題，公司采用集中采購以獲得最優價格和質量保證。而在裝瓶廠生產的過程中主要存在生產計劃變化過快的問題。各裝瓶廠的成品運輸分為兩大塊：產品調撥和市內配送。產品調撥即產品從裝瓶廠到分公司的配送過程，市內配送為分公司將產品運到當地客戶。1.1.3 C公司信息管理現狀: 信息管理主要分為以下幾個方面（1）訂單信息處理：C公司現有自

22、己的訂單處理系統。但手工填寫訂單常在錄入數據時才發現錯誤導致數據延遲錄入；系統數據流設置的問題導致效率低下；系統數據共享程度很低，庫存數據無法實時更新，常常因為庫存缺貨而導致單據的更改。（2）需求預測信息：各分公司根據歷史數據和市場需求與IT部門合作開發預測軟件。但預測精度在65%以下，有時甚至不到50%，庫存數據的可用性差。（3）管理信息：無有效的物流管理信息對物流運作效率進行監控、對庫存水平等進行實時監控。1.2 C公司供應鏈績效1.2.1 C公司總體績效：（1）客戶服務：承諾24小時送貨，總體服務令人滿意，但送貨方面客戶有不少抱怨，主要表現為部分貨物不能在24小時內送達，不能完全滿足客戶

23、送貨時段的要求，貨物與訂單不符，部分貨物送達時損壞。（2）物流成本：各廠總運輸費用占儲運費用70%左右，在自有車成本非常高的情況下，使用了第三方物流，市內配送成本普遍較高；部分公司倉儲成本過高（如M5）。1.2.2 C公司單項物流功能績效：（1）庫存控制系統：使用ABC法對短期內需求較大的產品進行重點管理。依統計學原理確定安全庫存。（2）運輸服務：a.長途運輸采用公路運輸的模式，一是從裝瓶廠的中心倉庫向下級倉庫調撥產品；二是服務裝瓶廠所在市的室內配送。各廠都有自由車隊，但數據顯示其效率普遍低下，在運力不足的情況下，使用第三方運輸作為補充。b.市內配送自有車輛進行市內配送，其駕駛人員和客戶進行良

24、好溝通，運力不足時外租車輛。(3)供應商關系：集團指定供應商。產品自有一套嚴格質量認證體系。總部給各廠采購指引保證集團得到最優價格并和供應商長期合作。(4)生產控制：根據最大庫存水平、銷售預測、實際庫存數量，制定出各廠生產計劃和向下級產品調撥計劃。生產過程品種變換頻繁，生產線效率低下。1.3 C公司所處商業環境商業環境可以分為以下兩類：（1）企業內部環境：C集團公司統一的客戶服務承諾是24小時送貨。為防止缺貨，公司的24小時送貨體系對配送方面提出了很高的要求，各裝瓶廠要有一定的合理庫存。另外，由于客戶有送貨時段的要求，對市內配送中送貨的路線、時間安排提出了更高的要求。與此同時，這對公司的訂單處

25、理系統提出了較高的要求，它需要系統對訂單進行更快更好的處理，以把更多的時間留給配送。由于產品自身特點，貨物銷量在不同月份以及在同一月份內都有較大的波動性，并要求產品庫存的位置必須要最接近客戶端，即產品的存貨緩沖點必須在最下流。（2）企業外部環境：行業競爭激烈；客戶對庫存、運輸的要求很高，在供應鏈中使用第三方物流可能能減少成本。1.4 C公司現有問題分析：經分析歸納，C公司現主要存在的問題如下：表1.1 C公司現有問題分析一、需求預測庫存數據的時效性和準確性差導致D&OP項目預測精度不高二、庫存設計倉庫信息化程度不高，安全庫存的確定方法有待改進三、運輸與配送（一）長途運輸現有的物流運輸模式不合理

26、表現為使用自有車送貨運力小，運費高產品送達后空車返回造成資源的浪費（二）市內配送1.送貨的及時性和準確性差客戶反饋信息中，不滿主要集中在送貨方面2.車輛利用率低車輛的分布和利用不合理因產品的回庫而產生的逆向物流3.市內配送線路安排不合理沒有合理的模型、算法以確定合理的配送路線4.配送系統信息化程度低采用原始的手工訂單錄入方式造成訂單的人為延遲訂單管理系統落后，處理環節繁瑣，處理效率低5.倉庫受面積限制，配貨效率低車輛在倉庫等待裝貨的時間長，造成整個送貨被延遲四、信息系統供應鏈響應速度慢，等待時間長，現有的信息系統無力對突發情況作出及時且行之有效的調整針對C公司供應鏈各環節的問題，本案提出了相應

27、的解決方案。銷售預測中針對庫存數據的時效性和準確性差這一主要問題，我們使用馬爾可夫法和一元線性回歸法相結合的方法提高了預測的精度。倉儲方面，采用庫存設計和信息系統的構建相結合的方式，同時在確定安全庫存時提出了產品計劃覆蓋天數的概念。通過分析配銷過程中暴露出的一系列表面現象，追本溯源，發現C公司混亂的配銷模式和落后的信息系統是造成這些問題的根源，從源頭處著手，不僅對長途運輸和市內配送的模式進行了重新設計，還建立了一整套新的物流信息管理系統。四、針對供應鏈響應速度慢的問題，設計了一套及時且行之有效的信息系統，完成了編程并制作出了部分的子軟件模塊。第2章 運用的模型、算法2.1 C公司區域物流網絡模

28、型設計針對M6裝瓶廠配銷過程中存在的問題，我們設計了一個區域物流網絡模型，以使我們所設計的方案更接近于現實，同時使方案可操作性更強，更易于實施執行。設計對象：M6裝瓶廠下的SC1SC1介紹：SC1地處Z省南部的一座海濱城市，現轄AF六區、GHI三市、J縣，總面積1.25萬平方公里，人口603萬。其中ABC為市內三區，本案主要的研究對象為A-F區，尤以A-C市內三區為本案的中心，該三區人口密集、銷量較大，存在大量大型超市，同時配送相對復雜。而J縣由于銷量有限，其配送等由F區的批發商負責，GHI三市由于距離本省裝瓶廠較近，而距SC1較遠，因此裝瓶廠在該三市設立了一個獨立的分公司，本案對該三地不予以

29、考慮。下圖為SC1地理區劃圖，其中劃圈部分是SC1地區消費較大的地區。圖2.1 SC1地理區劃及重點市鎮圖在本章里，我們將以銷售區域“M6之下SC1”為例，其優勢在于：M6裝瓶廠存在的問題在C公司具有普遍性，且C公司對于M6已有較為深入的研究，對其問題的解決值得C公司其他裝瓶廠的借鑒；SC1同時作為M6下最大的分公司，問題的解決對于提高M6裝瓶廠業績也有重要意義。同時作為最大的分公司，又于裝瓶廠有一定的距離，SC1的長途運輸模式具有典型性。M6其下的SC1面向該省最大的消費市場，其在訂單管理、運輸配送、倉儲等環節中暴露了一些典型性問題，對其物流網絡的設計有一定的推廣作用。同時，位處沿海大型城市

30、的SC1，在推廣新的物流理念和信息系統方面具有可操作性和可實驗性。下圖是本案的研究中心，ABC三區，該三區位于該市的南部。圖2.2 ABC三區A區 面積 49平方千米，人口 70萬。B 區 面積 43平方千米，人口 41萬。C 區 面積 26平方千米，人口 34萬。按照物流資源的分類，整個物流網絡的設計過程分為兩大塊：1. 庫存設計2. 運輸/配送模式的設計。其中運輸/配送模式的設計作為本方案的重點解決的問題2.1.1 庫存設計（1）庫存量的確定C公司作為一家飲料企業，其共有三類產品，市場對于各產品有著不同的要求。同時，隨著市場競爭的加劇，為了增強自身的競爭能力，不斷的滿足客戶的要求，也需要努

31、力縮短交貨周期。只有維持適當的庫存，充分發揮庫存的緩沖作用，才能滿足以上的需求。充分發揮庫存的緩沖作用，提高服務水平。同時，也不能設置過高的庫存，否則庫存成本將非常的高。在確定庫存時，我們采用了ABC分類法的思想。參照“巴雷特法則”（Paretos Law）即“（80/20 rule），按銷售量來進行分類1。分類結果：A 類產品：占銷量總量的 80%左右，或短期內需求較大的促銷產品；B 類產品：占銷量總量的 15%左右；C 類產品：占銷量總量的 5%左右。定出 A，B，C 分類后，就可以按每個不同企業的特有運轉模式，制定策略。按照每月的預測銷量，根據預測，計算出區域倉庫需要存儲的產品數量。這些

32、在倉庫中儲存的產品為“庫存量”。庫存量的計算公式為： W=S/D*t （2.1）（W-庫存量；S-當月配送的預測銷量；D-當月天數；t-產品覆蓋天數）。S和D的數據經過計算可得，其中最大的影響因素便為t。產品計劃庫存覆蓋天數，就是為庫存水平以日銷量來計算，可以滿足的銷售天數。按照未來的預期銷量進行庫存的前期儲備，即利用存貨來協調作業，以有效的支持顧客服務的需求。但是大批量的存貨關乎龐大的成本和利息，因此必須確定適當的庫存水平，尤其是作為快速消費品的飲料行業，產品流量大、周轉快，對庫存管理的要求也相應提高。舉例來說，如果庫存天數為7，即說明庫存可以滿足7天的銷售。這種以“產品計劃庫存覆蓋天數”來

33、計量安全庫存的方法，是不同于一個固定數值作為安全庫存的方法。為在激烈的市場競爭中保持優勢。所以，對于不同重要性的產品，跟采用ABC管理方法一致，可以分別設立其自己的“產品計劃庫存覆蓋天數”，這種控制庫存的辦法實際上就是一種“巴雷特法則”，又稱“80/20規則”(80/20rule)。按照這個原則，通過庫存覆蓋天數可以分別設置不同重要性的產品的安全庫存。對于地區倉庫來說，由于不是裝瓶廠的總倉，安全庫存量不能設置的太高，是因為一個裝瓶廠的區域倉庫不下十個，我們更強調把安全庫存放在總倉，以便于機動地應付每一個倉庫的隨時的需求。所以，我們在設置區域倉庫的安全庫存時，要盡量的設置低一些，如對于一般A類、

34、B類產品來說，可以設置2一3天的安全庫存，對于C類產品，可以設置一周左右的安全庫存。但同時，安全庫存又不能設置的太低。如果設置太低的話，如C類產品設置1天的安全庫存，就會造成幾乎每一天的補貨需求(即轉倉運輸)，但這樣物流成本就會高的很多，顯然不是一個好的設置。所以，在設置區域倉庫的安全庫存時，既不能太高，以免造成庫存積壓和倉庫面積租用過多，這些都是造成倉儲費用提高;但又不能太低，以免造成頻繁的轉倉補貨，造成運輸費用提高。這兩部分費用都是物流費用的一部分，也就是說，如果安全庫存設置不當，物流費用就會提高。2（2）計算成品所需庫存面積計算原理:通過預測的銷量和產品碼放的規則，來計算出需要的倉庫面積

35、。公式: A=W/C/L （2.2）其中，A一成品所占倉庫面積W庫存量C一每托盤堆放箱數L一托盤堆放層數在這里，托盤面積為1M2，托盤堆放層數為1層。（3）估算其他產品所需占用倉庫面積一個區域倉庫不僅僅要存放產品，而且還會有其他非產品的存儲。根據倉庫的實際情況，估算非產品所需面積。估算的依據是要考慮預測時間段內的市場活動涉及的市場物品、冷飲設備以及管理需要的其他輔料、包裝物及其他辦公勞保物品等的數量。如果該倉庫較大，我們一般取70%的倉庫利用率。2.1.2 運輸/配送模式的設計運輸/配送模式的設計的目的，是在保證滿足客戶服務需求、完成預測銷量的前提下，盡可能的節省物流成本，提高自有車的車輛利用

36、率。需要確定每一步的配銷過程采用下列物流模式中的其中一種：A 自建物流自營運作：即由自有車完成全部的送貨B 第三方物流外包運作：將送貨全部外包給專業的物流公司C 自建物流為主，外租車輛為輔：以自有車輛送貨為主，外租車輛送貨為輔所謂配銷過程是指在運輸送貨全過程中，可以分為幾個不同的分過程：圖2.3 物流的三種配銷過程從上圖我們可以得出C公司在該省各地區的配銷過程主要有以下3種配銷過程：（1） 轉倉：從裝瓶廠倉庫發貨到各營業所的倉庫（2） 直送貨：從裝瓶廠直接發貨到各營業所所轄地區的經銷商（3） 市內配送：從當地營業所倉庫發貨到當地的分銷商其中，轉倉和直送貨一起被稱為長途運輸。本方案中，長途運輸是

37、指產品從裝瓶廠倉庫向各地區分公司或營業所的倉庫調撥的過程。C公司下屬的M6裝瓶廠地處Z省省會南部地區，負責整個Z省的市場銷售。SC1至Z省省會的裝瓶廠300公里，從M6裝瓶廠走高速公路可直達SC1的倉庫。圖2.4 從裝瓶廠至SC1的路線市內配送是指從當地營業所倉庫發貨到當地的分銷商。SC1每天每次的送貨里程為30公里，一天可以配送兩次。本模型具體的設計步驟和計算方法見“3.3運輸/配送模式設計”一節。2.2算法說明2.2.1線性回歸線性回歸分析是在一個因變量與一個或者多個自變量之間建立相關關系的預測模型。我們運用相關性以及自變量未來值的知識信息，預測因變量的未來值。在簡單線性回歸分析中，只有一

38、個自變量。本案中我們采用的自變量是氣溫，因變量是銷售量。表2.1列出了變量、變量定義和簡單線性回歸分析公式。模型公式是Y=a+bX。表2.1 變量、變量定義和簡單線性回歸分析公式x=自變量值Y位于趨勢線的y的值Y=a+bxX位于趨勢線的x的值r=相關系數=相關強度y=因變量值n=觀察數a=縱軸截距b=回歸線斜率=因變量的平均值 a= （2.3） Y=a+bX （2.4） b= （2.5） r= （2.6）求得常量以后，將X的未來值代入線性回歸方程就可以得到Y的未來值。42.2.2 馬爾可夫決策一次轉移概率是指系統又狀態i（i=1，2，n）經過一次轉移達到狀態j（j=1，2，n）的概率，設。系統

39、全部一次轉移概率的集合所組成的矩陣就稱為一次轉移概率矩陣，設為P（1） 5，則有表2.2 轉移概率矩陣P（1）P（1）=k次轉移概率是指系統又狀態i（i=1，2，n）經過k次轉移達到狀態j（j=1，2，n）的概率，設。表2.3經過K次轉移后的矩陣P(k)= =所謂的狀態概率就是指系統在某一時期處在某一狀態的概率。設初始狀態為S0,則之后一個時間段的狀態S1=S0*P由此可知，之后k個時間段的狀態為Sk=S0*在本案中，我們通過去年同月的P矩陣和今年某一天的狀態來對后面幾天的銷售量進行預測。2.2.3 Dijkstra算法Dijkstra的基本思想是從出發，逐步地向外探尋最短路。執行的過程中與每

40、個點對應，記錄下一個數（稱為這個點的標號），它或者表示從到該點的最短路的權（稱為P標號），或者是從到該點的最短路的權的上界（稱為T標號），方法的每一步是去修改T標號并且把某一個具T標號的點改變為具P標號的點，從而使D中具P標號的頂點數多一個，這樣，至多經過p-1步就可以求出從到各點的最短路6。2.2.4 節約法節約法的目標是使所有車輛的行駛總里程最短，并且服務的車輛數最小。首先假設每個站點都有一輛虛擬的卡車提供服務，隨后返回倉庫；將兩個站點合并到同一線路上，縮短了路線里程，減少了一輛車；圖2.5 節約法節約的里程為dOA+ dAO + dOB + dBO ( dOA + dAB + dBO)=

41、 dAO + dOB dAB 第3章 區域物流網絡方案（以M6下SC1為例） 本方案設計的對象為M6下SC1，SC1的基本情況介紹見本文“2.1區域物流網絡模型”一節。設計的主要內容包括需求預測、庫存設計、運輸配送模式設計以及物流信息系統的設計。3.1需求預測 C公司現存在庫存數據的時效性和準確性差導致D&OP項目預測精度不高。為了解決該問題，在2007年預測中，我們使用了馬爾可夫法和一元線性回歸相結合的預測手段。我們以11月份16號的銷量預測為例，在2007年11月銷量預測中，假設已知該月1日15日的日銷量。其他月份可以依照11月16日的預測方法進行。3.1.1馬爾可夫法：通過統計2006年

42、SC1地區的日銷售量（見附錄一），對其進行數據分析（見附錄二），利用馬爾可夫法，對每日的數據進行了處理。以下是對2006年11月份該地區銷量進行的數據分析：首先對每日的數據進行統計，并根據數值高低分為以下五類：表3.1 2006年11月該地區日銷售量分類統計評價系數ABCDE區間1299910000-129997000-99994000-6999P(vk)+Wkj則把T(vj)修改為P(vk)+Wkj,否則轉入令T(vji)=minT(vj)，如果T(vj) +,則把vji的T標號變為P標號,P(vji)=T(vji)i=0S0=vo,P(v0)=0，(v0)=0,T(vi)= +, (vi)

43、=M(i=1,2,3)轉入，P（v0）+W01T（v1）,把T（v1）改為P（v0）+W01=0+4.6=4.6，(v1)=0同理，把T（v2）修改為P（v0）+W02=0+0.8=0.8，(v2)=0轉入，在所有T標號中，T（v2）=0.8最小，所以令P（v2）=0.8i=1轉入，P（v2）+W2319500194991650016499-135001349910500P(vk)+Wkj則把T(vj)修改為P(vk)+Wkj,否則轉入令T(vji)=minT(vj)，如果T(vj) +,則把vji的T標號變為P標號,P(vji)=T(vji)i=0S0=vo,P(v0)=0，(v0)=0,T

44、(vi)= +, (vi)=M(i=1,2,3)轉入，P（v0）+W01T（v1）,把T（v1）改為P（v0）+W01=0+4.6=4.6，(v1)=0同理，把T（v2）修改為P（v0）+W02=0+0.8=0.8，(v2)=0轉入，在所有T標號中，T（v2）=0.8最小，所以令P（v2）=0.8i=1轉入，P（v2）+W23T（v3），把T(v3)修改為P（v2）+W23=0.8+4.3=5.1，(v3)=2同理，T（v4）=P（v2）+W24=0.8+2.5=3.3，(v4)=2T (v10)=P(v2)+W 2,10=0.8+4.2=5, (v10)=2轉入，在所有T標號中，T（v4）=

45、3.3最小，令P(v4)=3.3(3)i=2轉入，P（v4）+W49=3.3+2.6=5.9T(v3),不對v3做修改轉入，在所有T標號中，T（v10）=5最小，令P（v10）=5（5）i=4轉入，P（v10）+W10，11=5+0.5=5.5T（v11），把T（v11）改為5.5，(v11)=10轉入，在所有T標號中，T（v3）=5.1最小，令P(v3)=5.1(6)i=5轉入，P(v3)+W3,13=5.1+5.9=11T(v13),把T（v13）改為11，(v13)=3同理，T（v14）=5.1+6.2=11.3, (v14)=3轉入，在所有T標號中，T(v11)=5.5最小，令P(v1

46、1)=5.5(7)i=6轉入，P(v11)+W11,12=5.5+1.9=7.4T(v12),把T（v12）改為7.4，(v12)=11轉入，在所有T標號中，T（v9）=5.9最小，令P(v9)=5.9（8）i=7轉入，P（v9）+W98=5.9+3.1=9T（v8），把T（v8）改為9，(v8)=9同理，T（v15）=（）9,15=5.9+3.7=9.6, (v15)=9轉入，在所有T標號中，T(v5)=6.9最小，令P(v5)=6.9(9)i=8轉入，P(v5)+W58=6.9+1.8=8.7T(v13), 不對v13做修改轉入，在所有T標號中，T(v8)=8.7最小，令P(v8)=8.7

47、(11)i=10轉入，P(v8)+W87=8.7+5.1=13.8T(v7), 把T（v7）改為13.8, (v7)=8轉入，在所有T標號中，T(v6)=8.9最小，令P(v6)=8.9(12)i=11轉入，P(v6)+W67=8.9+3.9=12.8T(v7), 把T（v7）改為12.8, (v7)=6轉入，在所有T標號中，T(v15)=9.6最小，令P(v15)=9.6(13)i=12轉入，在所有T標號中，T(v13)=11最小，令P(v13)=11(14)i=13轉入，在所有T標號中，T(v14)=11.3最小，令P(v14)=11.3(15)i=14在所有T標號中，只有T（v7）具有T標號，算法終止。算法終止時P(v0)=0，P（v1）=4.6，P（v2）=0.8 ，P(v3)=5.1，P(v4)=3.3 ，P(v5)=6.9 ，P（v7）=12.8，P(v6)=8.9，P(v8)=8.7，P(v9)=5.9，P（v10）=5， P(v11)=5.5 ，P(v12)=7.4， P(v13)=11，P(v14)=11.3，P(v15)=9