物流配送中心論文

1、花攀枝花學院經(jīng)濟與管理學院課程論文多配送中心的庫存需求預測研究以紅旗連鎖超市成都物流配送中心為例學生姓名：伍星全學生學號：200910305045院（系）：經(jīng)濟與管理學院年級專業(yè)：2009級物流管理指導教師：湯詠梅二0二年五月區(qū)域物流網(wǎng)絡是由各級物流節(jié)點和連線以及所屬經(jīng)濟組織構成的相互聯(lián)系、相 互作用的系統(tǒng)結構形式，它是目前國內外理論界和業(yè)界都十分關注的重要領域。配送 中心是區(qū)域物流網(wǎng)絡中的核心節(jié)點，不僅負責貨物儲存、運輸?shù)纫话阄锪髯鳂I(yè)功能， 還是實現(xiàn)指揮調度、信息處理、作業(yè)優(yōu)化等的核心平臺。而配送中心的庫存管理是企 業(yè)今后用于銷售或使用的儲備物料，有效的對其進行管理是降低物流成本，提高服務

2、水平的重要途徑?；趨^(qū)域物流網(wǎng)絡中多配送中心的庫存需求預測在物流配送中心的 庫存訂貨管理中有重大作用及意義。本文以紅旗連鎖超市成都物流多物流配送中心需 求預測為例研究了區(qū)域物流網(wǎng)絡中由m個配送中心、n個零售商組成的配送網(wǎng)絡的需 求預測問題。分析了區(qū)域物流網(wǎng)絡的需求特點，運用Dijkstra算法得出了最短路徑矩 陣，在此基礎上構建了庫存需求預測模型，通過該模型求得了每個配送中心的需求總 量。關鍵詞 區(qū)域物流網(wǎng)絡；配送中心；Dijkstra算法；需求預測ABSTRACTRegional logistics network is by various logistics nodes and atta

3、chment and economic organizations of a subordinate relationship of the interaction of the system structure, it is the domestic and foreign theorists and the industry is very attention important fields. Distribution center is the key nodes of regional logistics network, not only responsible for goods

4、 storage and transportation general logistics operations function, or realize command scheduling, information processing, and the optimization of core platform of homework. And distribution center of inventory management is the enterprise in the future for sale or use of the reserve materials, effec

5、tive managing them is to reduce logistics costs, improve the service level of important ways. Based on the regional logistics network of distribution center inventory demand forecast in the logistics distribution center inventory management major in order role and significance. This paper to changzh

6、utan many logistics distribution center demand forecast as an example of the regional logistics network by a distribution center, a retail component of the distribution network of demand forecasting problems. Analysis of the regional logistics network demand characteristics of, use Dijkstra algorith

7、m concluded that the shortest path matrix, on the basis of which, the inventory demand forecasting model, through the model for each distribution center of total demand.Keywords Regional logistics network; Distribution center; Dijkstra algorithm;Demand forecasting目錄 TOC o 1-5 h z 摘要 IABSTRACT II HYP

8、ERLINK l bookmark19 o Current Document 緒論1 HYPERLINK l bookmark22 o Current Document 一、 多配送中心的庫存需求預測模型 2 HYPERLINK l bookmark26 o Current Document （一）多配送中心的庫存需求預測 2 HYPERLINK l bookmark30 o Current Document （二）多配送中心的庫存需求預測假設條件 2 HYPERLINK l bookmark38 o Current Document 二、多配送中心的庫存需求預測建模過程 3（一）區(qū)域物流網(wǎng)絡

9、3（二）加權矩陣3 HYPERLINK l bookmark48 o Current Document （三）最短路徑矩陣4 HYPERLINK l bookmark52 o Current Document （四）需求矩陣4（五）庫存需求計算模型 5 HYPERLINK l bookmark56 o Current Document 三、以紅旗連鎖超市成都物流配送中心為例進行庫存需求預測 6 HYPERLINK l bookmark60 o Current Document （一）成都紅旗連鎖物流配送中心6 HYPERLINK l bookmark64 o Current Document

10、（二）紅旗連鎖三大物流配送中心的庫存需求預測6 HYPERLINK l bookmark68 o Current Document 總結 9 HYPERLINK l bookmark71 o Current Document 參考文獻 10緒論區(qū)域物流網(wǎng)絡是由各級物流節(jié)點和連線以及所屬經(jīng)濟組織構成的相互聯(lián)系、相 互作用的系統(tǒng)結構形式，它是目前國內外理論界和業(yè)界都十分關注的重要領域。配送 中心(Distribution Center，DC)是區(qū)域物流網(wǎng)絡中的核心節(jié)點，不僅負責貨物儲 存、運輸?shù)纫话阄锪髯鳂I(yè)功能，還是實現(xiàn)指揮調度、信息處理、作業(yè)優(yōu)化等的核心平 臺。而配送中心的庫存是企業(yè)今后用于銷售

11、或使用的儲備物料，有效的對其進行管理 是降低物流成本，提高服務水平的重要途徑。目前，對于庫存管理，有兩類不確定因 素對它構成重要的影響：一是供貨周期不確定性；二是需求不確定因素。近幾年來興 起的供應商管理庫存(VMI)有效地解決了供貨周期不確定因素的影響，但是仍存在 許多問題亟待解決，其最困惑的問題莫過于庫存需求不確定性因素的影響。目前，國內外在需求預測研究方面已經(jīng)取得了很多突出的成果，主要的需求預測 模型有：簡單移動平均模型(Simple Moving Averages)、加權移動平均模型(Weighted Moving Averages)、回歸分析模型(Linear regression

12、Forecasting)、灰色系統(tǒng) 預測模型、神經(jīng)網(wǎng)絡預測模型、希斯金(Shiskin)時間序列模型(Time Series Analysis)、鮑克斯詹金斯(Box-Jenkins)模型等。區(qū)域物流網(wǎng)絡中，各配送中心距離較遠，如果庫存量設置不合理，客戶的需求波 動可能會引起貨物相互調用，很大程度地增加了運行成本。因此，如何精確的預測每 個配送中心的需求量，減少由于庫存不足而引起的相互調用成為亟待解決的問題。然 而，在一個區(qū)域范圍內，客戶潛在總需求是確定的，即各配送中心的需求總和固定， 各配送中心之間的需求量存在差異，但相互關聯(lián)。以上的幾種模型都不適合這種情況， 本文通過分析區(qū)域物流網(wǎng)絡的特點

13、，以及影響庫存需求的關鍵因素，建立精確需求預 測模型。降低物流成本、提高客戶服務水平。一、多配送中心的庫存需求預測模型（一）多配送中心的庫存需求預測區(qū)域物流網(wǎng)絡是由各級物流節(jié)點和連線以及所屬經(jīng)濟“組織”構成的相互聯(lián)系、 相互作用的系統(tǒng)結構形式。物流節(jié)點表示一定區(qū)域內的配送中心和需求節(jié)點，連線表 示配送中心與需求節(jié)點之間的實際道路。配送中心與需求節(jié)點之間是相互依賴的，不 是完全獨立的；而公路是節(jié)點間實現(xiàn)資源傳遞的渠道。在一定的區(qū)域范圍內，零售商 對不同配送中心都有一定的需求，考慮到物流成本的大小，零售商去不同配送中心的 概率是不同的，一般的，在離自己距離近的配送中心取貨的概率就相對來說大些。（二

14、）多配送中心的庫存需求預測假設條件我們這里所研究的配送中心的庫存需求是在配送中心選址確定的情況下對其進 行預測的，且區(qū)域物流網(wǎng)絡中各零售商的需求量在短期內不會發(fā)生變化。零售商取貨 時，會考慮去配送中心是否方便，即會考慮配送中心和自己之間的距離。零售商會選 擇離自己近的配送中心多取貨，而離自己相對較遠的配送中心少取貨，即零售商的需 求量與距離成反比。在不改變問題本質的條件下，先作如下假設：（1）在一個給定的物流區(qū)域內有n個零售商，m個配送中心，其中my ；（2）假設配送中心的位置是已知的；（3）每個需求節(jié)點的需求量確定且相同，設為2- 1 ；（4）節(jié)點-對配送中心有一定的需求量，且需求量為qj

15、；假設只需考慮qj與距離匕（節(jié)點-到配送中心j的網(wǎng)絡距離）的關系，且與距離成 反比。二、多配送中心的庫存需求預測建模過程(一)區(qū)域物流網(wǎng)絡區(qū)域物流網(wǎng)絡中，盡管需求點、配送中心在功能上有所不同，但是它們有一個共 同的特點就是發(fā)送或接收資源，并且，在某段時間內，它們在地域上具有相對固定的 關系；由此，可把所有的需求點、配送中心所在地域抽象為節(jié)點。節(jié)點可通過道路連 接到一起構成網(wǎng)絡，網(wǎng)絡用邊來表示節(jié)點間的道路，其長度就是道路的實際距離；而 邊上的數(shù)值v 表示兩節(jié)點Z與j之間邊的權重1數(shù)學上，網(wǎng)絡可以表示為由頂點集v和邊集E組成的圖G = (, E)。集合V = v ,v , ,v 中的元素是圖G的節(jié)

16、點，集合E = e ,e , ,e 中的元素是圖G的邊，是由 12n12m集合v中元素的無序(或有序)對構成。如果任意點對(v ,v )與(v ,v )對應于同一條邊，i jj i且每條邊都賦予相應的權值，我們稱這樣的網(wǎng)絡為無向加權網(wǎng)絡(undirectedweighted network)。這里我們所研究的區(qū)域物流網(wǎng)絡就是一種無向加權網(wǎng)絡。該簡 化的網(wǎng)絡示意圖如圖1所示：圖1 區(qū)域網(wǎng)絡示意圖(二)加權矩陣G = (V,E)可由鄰接矩陣A = a 完全描述。其中: ija =節(jié)點而之間無公路直接相連 1節(jié)點ij之間有公路直接相連( 1圖1的鄰接可表示為：0 1 0 0 1 0、1 0 1 0

17、1 10 1 0 1 1 1A= 0 0 1 0 0 11 1 1 0 0 0、0 1 1 1 0 0 /鄰接矩陣心a 只是簡單的描述了節(jié)點間的關系，即節(jié)點間是否相連；我們通過 ij加權矩陣w = W 來描述節(jié)點間的數(shù)量關系。wjwTo1=j8 a = 0ij由式（2）、（3）得到圖1的加權矩陣，如式（4）所示:f 028828 202832w =820222882083232808I822380 式中，w表示節(jié)點V與V之間的實際距離。如：w = 2表示節(jié)點V與V之間距離 iji j1212為2， w24 =8表示節(jié)點V2與V4之間無邊直接相連。（三）最短路徑矩陣最短路徑問題要解決的是求G=中

18、兩給定頂點之間的最短路徑，所以我們 這里要解決的問題可以描述為：由需求地i出發(fā)前往配送中心j取貨，i,j間存在交通 道路網(wǎng)絡，求從i地出發(fā)前往j地，怎樣走路線最短。求最短路徑的一個著名算法是 Dijkstra （迪杰斯特拉）算法1。它按路徑長度遞增的次序產(chǎn)生最短路徑，可由下 式給出：D = minD,D + w i i ij根據(jù)式（4），可用Dijkstra算法求出節(jié)點間的最短路徑矩陣，其矩陣形式如下所示：f l ll )11121mlL =21:l -:司llk n1nm J式中，匕表示節(jié)點i到配送中心j的最短路徑。（四）需求矩陣q2 1q2qjq2n我們用Q =網(wǎng)來表示需求節(jié)點i對配送中心

19、j的需求，即:告qmqm)n /由式（7）得出節(jié)點i的總需求量Q : iI TOC o 1-5 h z 5.(8)Q = q1 + q2+ qm =切 qj (i = 1,2,n)i i iiilj=1根據(jù)與距離匕成反比，并結合式（6）、（7）可以得出:q：:q2 : qm = : -1 : *（i = 1,2, ,n） （9）i1 i 2im由式（7）得出配送中心j的總需求量Qj:(10)Qj = qj + qj + qj =切 qj (j = 1,2, m)12nii=1（五）庫存需求計算模型通過聯(lián)立式（6）、（8）、（9）、（10），得到多配送中心的庫存需求預測模型如下:Qj = qj

20、+ qj+ qj =K1l12= qj (j = 1,2, m)ii=1Im)lij(11)n1qj = 1(i = T；2, ij=1r* 11、q1: q2：q；廠：廠:廠（i = 1,2, , n）i1 i2im通過此模型可以直接精確計算每個配送的庫存需求。三、以紅旗連鎖超市物流配送中心為例進行庫存需求預測（一）成都紅旗連鎖物流配送中心成都紅旗連鎖有限公司成立于2000年6月。2010年5月20日，成都紅旗連鎖股 份有限公司正式創(chuàng)立。公司現(xiàn)已發(fā)展成為中國西部地區(qū)最具規(guī)模的以連鎖經(jīng)營、物流 配送、電子商務為一體的商業(yè)連鎖企業(yè)。目前在四川省內已開設上千家連鎖超市，就 業(yè)員工上萬人，累計上繳稅

21、收6億以上；擁有三個現(xiàn)代化的物流配送中心；與上千家 供貨商建立了良好的互利雙贏的商業(yè)合作關系。隨著門店數(shù)量的增加、銷售額的上升，紅旗連鎖強烈感到加強商品配送能力的重 要性，從2000年開始，紅旗連鎖就著力對配送中心進行建設，2002年紅旗連鎖在簇 橋馬家河建立了占地近4萬平方米的第一配送中心。2005年紅旗連鎖投資3500萬元， 在龍泉驛區(qū)西河鎮(zhèn)建立第二個現(xiàn)代化物流配送中心，該中心于2006年9月落成，面 積約6萬平方米。2006年9月11日，紅旗連鎖西河配送中心正式投入使用，該中心日配貨量可達 300噸以上，可支撐60億元以上的年商品銷售額。目前，紅旗連鎖西河配送中心擁有 中國西部地區(qū)最完善

22、的配送設施，全面實現(xiàn)了配送中心與業(yè)務部、財務部的聯(lián)網(wǎng)，對 紅旗連鎖的擴張發(fā)展提供有力支持。2012年1月，紅旗連鎖第三配送中心一一紅光配送中心投入使用，位于鄲縣紅光 鎮(zhèn)現(xiàn)代工業(yè)港，占地約3萬平方米，這座新增的配送中心將為紅旗連鎖加速市場擴張 提供有力的保障。紅旗連鎖成都三大三配送中心是簇橋配送中心、西河配送中心，紅光配送中心。（二）紅旗連鎖三大物流配送中心的庫存需求預測為了驗證預測模型的有效性和正確性，本文以紅旗連鎖超市物流配送網(wǎng)絡為背 景，來預測配送中心的需求。圖2中，節(jié)點（用實心點表示）為成都區(qū)域內的配送中 心和紅旗連鎖門店，節(jié)點的位置對應于它在地圖中的實際相對位置；邊表示道路，邊 的長度

23、與節(jié)點之間的實際距離（用直線表示）成比例。需求點配送中心圖2 紅旗連鎖成都物流網(wǎng)絡拓撲結構圖如圖，節(jié)點A ,氣,A分別表示簇橋配送中心、紅光配送中心，西河配送中心， 匕(i = a,b, ,x)為該區(qū)域內的24個零售商。其抽象的網(wǎng)絡拓撲結構圖如上所示。 我們.可用鄰接矩陣A完全表示上圖中節(jié)點與節(jié)點間的關系，A是一個27X27的 矩陣，在這一矩陣中，多數(shù)元素為0,我們也稱此矩陣為稀疏矩陣(sparse matrix)。 稀疏矩陣中每一個非零元素所在的行號、列號和值組成了一個三元組(力,。廣),并由此 三元組唯一確定；由于知道非零元素所在的行號和列號，所以能迅速確定一個非零元 素是矩陣中的哪一個元

24、素。為了使問題描述簡單，我們用稀疏矩陣3來表示：行列值001410251020266312442333319253341920435212253622233通過運用Dijkstra算法求得距離矩陣:21136171710132114 251914221611L =(12)匕X3表示零售商到配送中心的實際距離，如 婦，1) = 13表示七到氣的實際距離, /(3,2)= 21表示七到A2實際距離，(24,3) =U表示七到氣的實際距離。由式(12)求得G24x3 :，入(0.16350.26420.5723)0.27030.27030.45950.39250.24300.3645Q =. .0.24380.32080.435410.22860.31430.4571)由式(13)即可得到結果:(13)Q= 0.1635+0.2703+0.3925+ +0.22861Q = 0.2642+0.2703+0.2430+.+0.3143 (14) A 2Q = 0.5723+0.4595+0.3645+. +0