基于客戶滿意度的服裝業車輛調度研究

2010-07-24 13:33:22孫瓊玲南京財經大學江蘇南京210046

物流科技 2010年6期

孫瓊玲，王亮（南京財經大學，江蘇南京 210046）

0 引言

20世紀60年代，歐美學術界就已提出 “服務中心”理論，該理論主要觀點是企業進行物流管理和決策不能僅僅強調節約消耗，降低成本，而應該立足于在保持和提高企業對客戶的服務水平的基礎上，通過尋求物流成本與服務之間的平衡點，保持企業的競爭優勢。

在服裝業這個時效性很強的行業里，若配送不能在零售商要求的時間內到達，會造成產品脫銷，給零售商造成利潤損失，從而降低客戶滿意度。配送到達時間的準時與否，已成為客戶衡量配送服務水平的高低。準確的到達時間需要配送中心合理的車輛調度方案，這就要求企業從客戶的角度去考慮問題。

據羅蘭·貝格與中國連鎖經營協會在2003年對國內多個連鎖零售企業調查結果顯示：其缺貨問題是配送中的重要癥結，每年因缺貨導致損失近四成消費機會。與生產企業不同，服裝門店多分布在商業區，競爭激烈，顧客停留時間短，缺貨時顧客等待可能性小，給零售商造成損失，在銷售旺季節，損失會更嚴重。

目前分別針對客戶滿意度和物流配送車輛路徑調度的研究成果很多，但大多是局限在二者范圍內研究，前者僅有對客戶滿意度評價的一些研究，后者僅在算法方面作專門研究，總目標選取得大都簡單，有很多目標項沒有考慮到，沒有針對性地給出配送調度方案。本文以服裝業的配送問題作為研究對象，在日益激烈的市場競爭中，服裝企業的成敗不僅取決于其成本，還取決于其服務水平。

1 客戶滿意度

根據服裝行業的特點，客戶滿意度的高低是個模糊概念，所以使用模糊度對評價指標進行描述有利于模型的研究。這里定義：物流配送客戶滿意度用介于0與1的數值進行表示，0表示客戶對配送服務完全不滿意，1表示客戶對配送服務完全滿意。

1.1 送貨準時性對客戶滿意度的模糊描述

送貨準時性反映了客戶對貨物到達時間的要求。在物流配送過程中，客戶通常限定交貨時間，貨物必須在某一時間段內送達、卸貨，如果過早或過遲，都會使客戶滿意度下降，從而影響客戶滿意度。時間段［Tei,Tli］，表示客戶所能接受的服務時間段；時間段［TEi,TLi］表示客戶最滿意的服務時間段。配送時間準時與否對客戶滿意度的影響可以通過圖1表示出來。

1.2 構建客戶滿意度模糊函數

圖1 客戶滿意度示意圖

2 模型描述與設計

模型的假設條件：（1）單配送中心；（2）各配送點只被一輛車服務，而一輛車能為多配送點服務；（3）配送中心的車都是同一型號，即具有同樣的最大配送量；（4）配送中心的產品能滿足所有客戶的需求。

設i=0表示配送中心，i=1,2…n表示第n個客戶，hij表示客戶i與客戶j之間的距離，Ti表示配送到達客戶i處的時間，si表示配送在客戶i處的服務時間，tij表示從客戶i行駛到客戶j所需要的時間，Q為每輛車配送的最大配送量，F為每輛車配送的固定成本，di為客戶i的需求量。

xijk=1表示第k輛車配送時，配送完點i后配送點j，否則xijk=0

rk=1表示第k輛車進行了配送，否則rk=0

約束條件：

式中， i、j=1,2,…,n,k=1,2,…,K。

（1）表示成本最小化的目標；（2）表示客戶滿意度最大化的目標；（3）每個配送點只被一輛車服務的約束；（4）表示到達客戶j的時間要晚于到達客戶i的時間、為客戶i服務的時間及客戶i到客戶j間的行駛時間之和；（5）車輛不允許超載；（6）、（7）表示各個車輛從配送中心出發，服務客戶后回到配送中心。

3 算法設計

本文先以配送成本最小為第一個目標函數，求解配送路線的客戶組合，再以客戶滿意度最大為次目標，求解配送組合的客戶配送順序以及每次配送從配送中心出發的時間。用遺傳算法求解的步驟：

（1）染色體編碼。本文采用自然編碼，即序數編碼。車輛調度的一條可行線路可以編成長度為n+k的染色體，（0,i11,i12,…,i1s,…,0,i21,…,i2t,0,iml,…,imw），其中ikj表示第ikj個配送點。可以理解為車輛從配送中心出發，經過配送點i11,i12,...,i1s后，回到配送中心，形成子路徑l；而第二輛車也是從配送中心出發，經過i21,...,i2t后，返回配送中心0，從而形成子路徑2；如此反復，直到所有的客戶都被訪問到。這樣，使染色體具有子路徑內部有序，而各個子路徑之間無序的特性。

（2）適應度函數。在車輛優化調度問題中，目標函數值越小越好（即在滿足載重量和時間約束的基礎上，行車線路的總運距越小越好），而在遺傳算法中，個體適應度越大，表示個體的性能越好，一般適應度函數要求非負，所以將目標函數通過變換fi=bz′zi轉化為適應度函數。其中fi為染色體i的適應度；b為一常數；z′為初始群體中最好染色體的運輸成本；zi為染色體i對應的運輸成本。

（3）產生初始種群。由于基于某一特定的初始化策略會降低種群的多樣性，一般采用隨機生成的方法產生初始種群。初始種群是隨機產生一個門店的全排列，并將第一位和最后一位置為0，表示從配送中心出發并最終回到配送中心，如（0,i1,i2,…i1,0 ）。

（4）遺傳算子。遺傳算子主要包括交叉算子和變異算子。交叉算子是把兩個父代個體的部分結構加以替換重組，而生成新個體，在遺傳算法中起核心作用。交叉算子的設計一般與所求解的具體問題有關，而且要和編碼方式相協調，就本文而言，對于染色體（0,i11,i12,…,i1s,…,0,i2l,…,i2t,0,iml,…,imw），可以采用遺傳算法標準的一點交叉（one－point crossover）、兩點交叉（two－point crossover）等。變異算子是對染色體的某些基因座上的基因值做變動，作用是維持群體的多樣性。與二進制編碼的變異操作不同，這里的變異是對個體某個基因的值隨機產生。

用遺傳算法對第一目標進行求解后，用客戶滿意度隸屬函數UT（Ti）進行優化取得優化值。