鐵路全程物流服務措施配置方案的優化

劉啟鋼

(中國鐵道科學研究院 運輸及經濟研究所，北京　100081)

中國鐵路總公司實施貨運組織改革，提出“門到門”全程物流服務，以推動鐵路貨運加快向現代物流轉變[1]。“門到門”全程物流服務需要協同運輸、倉儲、裝卸、配送等多種資源，對物流服務方案設計提出了更為嚴苛的要求。近幾年學者們對鐵路物流服務方案設計進行了探索研究，研究成果主要集中在干線運輸服務領域[2-6]，尚未解決全程物流服務措施的配置問題。

本文在已有研究成果[7-12]的基礎上，研究鐵路全程物流服務措施配置方案的優化。根據全程物流作業特征，將“門到門”全程物流作業過程劃分為11個作業環節；基于公理化設計理論，提出“物流環節—服務措施—參數屬性”的鐵路物流服務措施配置機理；基于專家打分法，對每個作業環節的備選服務措施配置方案進行打分；采用多屬性群體決策粒計算方法，從備選服務措施配置方案中選取單環節最優服務配置措施；在此基礎上，以全程作業時間最短為優化目標，建立多環節物流服務措施配置方案優化的線性規劃模型，給出全程物流服務措施配置方案。最后以1批上海至北京的貨物“門到門”全程物流服務為例，驗證全程物流服務措施配置方法的有效性和合理性。

1　多屬性群體決策粒計算方法

1.1　基本模型

定義如下參數：Gr為幾何空間，r為幾何空間維度；論域U為決策對象集，U={ui，i=1，2，…，n}，ui為決策對象，n為決策對象的數量，d為2個決策對象之間的距離。則多屬性群體決策粒計算模型可表達為

ξ={Gr，U，d}

(1)

本文取r=3，即研究三維空間下的多屬性群體決策粒計算模型；其中，橫軸為成本C，縱軸為時間T，豎軸為服務質量S，則有r={T,C,S}；假設有u1，u2，u3，…，u10共10個決策對象，其粒計算模型如圖1所示。

1.2　參數定義

在三維多屬性群體決策粒計算模型的基礎上，根據三維幾何空間的基本特征，定義如下參數。

決策對象的歐氏幾何距離：2個決策對象之間的歐氏幾何距離d(ui，uj)為

圖1　三維空間下多屬性群體決策粒計算模型示意圖

d(ui，uj)=

(2)

空間粒子：論域U中存在ξi′={ui′，i′=1，2，…，n′}，?ui′，uj′，有d(ui′，uj′)≤d，則稱ξi′為論域U在劃分距離d下的粒子，ui′和n′為粒子ξi′中包含的決策對象及其數量。

如圖1中，ξ1，ξ2，ξ3，ξ4，ξ5為論域U下劃分的5個粒子，其中粒子ξ1包括決策對象u1，u2和u3；粒子ξ2包括決策對象u2，u6和u8；粒子ξ3包括決策對象u4和u5；粒子ξ4包括決策對象u7和u9；粒子ξ5包括決策對象u10。

(3)

(4)

距離的偏差：Δ1為論域U的形心與所有粒子ξi′的形心之間的距離偏差，Δ2為粒子ξi′的形心與其內部決策對象之間的距離偏差，分別為

(5)

(6)

令Zd為在粒子劃分距離d下粒子內部決策偏差與論域內部偏差之和，則有

Zd=Δ1+Δ2

(7)

最優粒子：令不同劃分距離下的粒子為Zd，當max(Zd)時則對應的粒子為最優粒子。

(8)

(9)

(10)

2　物流服務措施配置方法

2.1　物流作業環節劃分

如圖2所示，可在“門到門”全程物流作業過程中抽象出發貨人A、發貨端集貨中心或車站B、收貨端疏貨中心或車站C、收貨人D這4個關鍵作業節點；再進一步將全程物流服務過程劃分為11個作業環節，分別為發貨端裝車(A裝車，本文假設汽車和火車裝車環節一致)、發貨端接取(AB接取)、發貨端集貨中心卸車(B卸車)、發貨端集貨中心倉儲(B倉儲)、發貨端集貨中心裝車(B裝車)、干線運輸(BC干線運輸)、到達端疏貨中心卸車(C卸車)、到達端疏貨中心倉儲(C倉儲)、到達端疏貨中心裝車(C裝車)、到達端送達(CD送達)、收貨端卸車(D卸車)。這里給出的11個作業環節為“門到門”全程物流服務的所有作業環節，在實際應用時，可根據客戶實際需求省略或合并部分環節。

圖2　全程物流作業環節劃分

2.2　物流服務措施配置機理

按照公理化設計理論[14]，通過遞階分析，可將內部設計過程透明化、將復雜問題模板化，適用于本文物流作業環節的劃分。基于公理化設計理論，提出如圖3所示的“物流環節—服務措施—參數屬性”的鐵路物流措施配置機理。圖3中，“門到門”全程物流共分為11個作業環節fl，令F為所有作業環節的集合，則有F={fl，l=1，2，…，11}。針對每個作業環節，提出對應的備選服務措施Al={alm，m=1，2，…，M}，M為某作業環節所有備選措施的總數。針對每個備選措施，提出對應的參數集合P={pr，r=T，C，S}。

圖3　鐵路物流服務措施配置機理

2.3　單環節物流服務措施的配置

真對作業環節fl，邀請多位相關專家對該作業環節的每個備選服務措施a1m進行打分，獲得專家打分表；針對每個備選服務措施，將打分表中的1個分值作為1個決策對象，采用多屬性群體決策粒計算方法進行粒子劃分、權重計算和綜合評分計算；從所有備選服務措施中選取綜合評分最高的備選服務措施作為該環節的最優服務措施。

1)備選服務措施的專家打分

表1　作業環節fl的專家打分表

根據打分表選取最優的備選措施時，可采用的傳統方法主要有層次分析法、灰色系統理論等，但這些方法在確定權重時具有較強的主觀性，可能導致評價結果與現實不符。為此，本文采用多屬性群體決策粒計算方法，計算每個備選服務措施的綜合評分。

2)粒子劃分及最優粒子的確定

首先從pT的維度，對備選措施al1的專家打分進行排序，并根據多屬性粒計算方法進行粒子劃分，獲取備選措施al1的最優粒子；然后通過程序循環計算其他備選服務措施alm的最優粒子；最后通過循環前兩步計算工作，再分別從pC和pS維度找出對應的最優粒子。具體步驟如下。

Step1：對備選措施al1，將專家從pT維度給出的打分結果按從小到大的順序進行排序，構造專家打分序列。

Step3：將相鄰決策對象間的距離由小到大排序，構造決策對象距離序列D*={dy，1≤y≤G-1}， ?2≤y≤G-2，dy-1≤dy≤dy+1。

Step4：令d+d1，若dy≤d，則形成粒子劃分距離為d=d1的空間粒子。

Step5：令d=d2，重復Step4的工作，形成粒子劃分距離為d=d2的空間粒子；依次循環至d+dG-1，形成所有的空間粒子。

Step6：計算不同劃分距離下的粒子Zd，當max(Zd)時對應的粒子即為最優粒子。

Step7：循環Step1—Step6，計算其他備選服務措施alm的最優粒子；當m>M時，轉Step8。

Step8：循環Step1—Step7，分別計算參數pC和pS對應的最優粒子。

3)粒子權重和綜合評分的計算

Step1：對備選服務措施al1，根據式(4)計算最優粒子形心的坐標。

Step2：根據式(8)計算最優粒子的權重。

Step3：根據式(9)計算最優粒子形心的坐標。

Step4：根據式(10)計算最優粒子的綜合評分。

Step5：循環Step1—Step4，依次計算備選服務措施al2，…，alM的綜合評分。

4)單環節物流服務措施配置方案

在所有綜合評分(d(al1，0)，…，d(alm，0)，…，d(alM，0))中，最大分值所對應的備選服務措施al*即為作業環節fl的最優服務措施。

2.4　多環節物流服務措施配置及全程物流服務時間計算

采用2.3節的計算方法，依次確定f1，…，fL各作業環節的最優服務措施；在此基礎上，以全程物流作業時間最短為優化目標，對作業總成本、服務質量不做約束，構建如式(11)所示的多環節物流服務措施配置優化整數規劃模型，并采用分支定界算法對其進行求解。

(11)

3　實例分析

3.1　實例描述

假設某個客戶需要定期通過鐵路將1批貨物從上海的A倉庫運送到北京的B倉庫。距離上海A倉庫較近的鐵路貨場為閔行車站的貨場，距離北京B倉庫較近的鐵路貨場為黃村車站的貨場；A倉庫和B倉庫均位于城市的非貨車限行區域，接取送達距離均為10 km；完成客戶需求的受理時間為17:00；閔行車站可用于裝車的車輛有P65棚車、25 t行李車，從閔行車站開往黃村車站的X102次貨運列車的開車時間為22:18，終到時間為次日10:18，列車運行時間為12 h，根據經驗運到時限為15～20 h。

貨物屬性：1批普通件裝貨物(礦泉水)總重10 t。礦泉水每箱重18 kg，箱體規格為31.5 cm×29.5 cm×33.5 cm；采用托盤集裝，1個托盤的規格為1.23 m×1.08 m×1.68 m。故1個托盤1層可碼放12箱，最高可碼放5層，則可碼放60箱，即1.08 t。客戶已經將貨物通過托盤進行集裝化，堆垛數量為10個。

倉庫A和倉庫B均有2組裝卸人員，每組各10人，并有5輛合力H2000系列CPCD30型3 t柴油叉車，5輛合力CPD15—J3型電動平衡叉車，20臺額定起重量為2 t的SYP—11K20型手動液壓車。

黃村和閔行車站貨場均有：10輛額定載重1.4 t的廂式貨車，貨廂尺寸為4.10 m×1.88 m×1.90 m；5輛東風嘉龍CNG倉柵式貨車，額定載重10.0 t，貨廂尺寸為6.74 m×2.294 m，倉柵高0.55 m；5輛福田歐曼VT6系倉柵式貨車，額定載重19.5 t，貨廂尺寸為9.53 m×2.40 m，倉柵高0.80 m；10輛解放J6L中卡廂式載貨車，額定載重8.0 t，貨廂尺寸為7.70 m×2.42 m×2.60 m。

黃村和閔行車站貨場內的裝卸條件均為：2組裝卸人員，每組10人；5輛額定起重量為1.75 t的柴油叉車；5輛額定起重量為1.5 t的電動叉車；5輛額定載重3 t的液壓車；龍門吊、正面吊等裝卸設備。

黃村與閔行車站的貨場均擁有普通平庫、雨棚、集裝箱堆場和散貨堆場等倉儲設備。

3.2　物流作業環節劃分

根據物流服務過程劃分，可將該全程物流需求分解為：A裝車f1、A-閔行站運輸f2、閔行站卸車f3、閔行站暫存f4、閔行站裝車f5、閔行站—黃村站運輸f6、黃村站卸車f7、黃村站暫存f8、黃村站裝車f9、黃村站—B運輸f10、B卸車f11共11個環節，對每個作業環節給出其備選服務措施集。

3.3　物流作業環節的作業方式及其作業時間

在環節f1：采用1臺柴油叉車卸車，作業時間為1.7 h；采用1臺柴油叉車裝車，作業時間為1.5 h；采用1臺地牛裝車，作業時間3.0 h；采用雙組人工裝卸，作業時間4.0 h；采用單組人工裝卸，作業時間4.5 h。

在環節f2：采用東風倉柵式貨車運輸，運輸時間為0.5 h；采用東風廂式貨車運輸，運輸時間為0.4 h。

在環節f3：采用2臺電動叉車卸車，作業時間為0.3 h；采用2臺柴油叉車卸車，作業時間為0.3 h。

在環節f4：采用單區、單層倉儲，作業時間為1.1 h；采用多區、單層倉儲，作業時間為1.1 h；采用單區、雙層倉儲，作業時間為1.2 h；采用多區、雙層倉儲，作業時間為1.2 h。

在環節f5：采用1臺電動叉車裝車，作業時間為0.7 h；采用3臺電動叉車裝車，作業時間為0.3 h。

在環節f6：采用P65棚車運輸，運輸時間為14 h；采用25 t行李車運輸，運輸時間為16 h。

在環節f7：采用3臺柴油叉車卸車，作業時間為0.3 h；采用1臺電動叉車卸車，作業時間為0.5 h。

在環節f8：采用單區、單層存儲方式，存儲時間為2 h；采用多區、單層存儲方式，存儲時間為5.3 h。

在環節f9：采用2臺柴油叉車，作業時間為0.3 h；采用2臺電動叉車，作業時間為0.3 h。

在環節f10：采用東風倉柵式貨車運輸，運輸時間為0.4 h；采用福田歐曼系重卡運輸，運輸時間為0.4 h。

在環節f11：采用2臺電動叉車卸車，作業時間為0.3 h；采用2臺柴油叉車卸車，作業時間為0.3 h。

3.4　單環節物流服務措施配置

1)單環節物流服務措施配置過程

以環節f1為例，邀請10位專家按照9個等級對5個備選措施進行評價。評價等級包括：非常低(VL)、介于非常低到低之間(VLL)、低(L)、較低(ML)、中等(M)、較高(MH)、高(H)，介于高與非常高之間(HVH)，非常高(VH)[15]。將專家給出的評價等級按照表2轉化為得分，形成專家打分表；表3中僅給出了備選服務措施a11的專家打分表。

表2　評價等級與得分的關系表

表3　專家打分表(以備選服務措施a11為例)

在專家打分表的基礎上，采用第2.3節給出的單環節物流服務措施配置方法，分別計算5個備選服務措施的綜合評分，然后從中選取綜合評分最高的服務措施作為該環節物流服務措施配置方案，具體計算步驟如下。

Step1：首先以備選措施a11為研究對象，對10位專家的打分進行排序。

Step2：根據式(2)計算d1=0.20下的粒劃分，以u11為起點搜索d(1，k)≤0.20的對象，可尋找到對象u14；再以剩余的對象為起點搜索，依次搜索得d1=0.20條件下的空間粒子序列。

(u16，u19)， (u17，u110)， (u18，u19)}

Step3：令d2=0.28，d3=0.35，d4=0.40，d5=0.45，d6=0.49，d7=0.57，d8=0.60，d9=0.63，按照Step2的方法，分別計算不同粒子劃分下的空間粒子序列。

Step8：循環Step1—Step7，分別對其他4個備選服務措施計算綜合評分，可得環節f1的所有備選服務措施的綜合評分序列(0.58，0.76，0.59，0.58，0.75)，綜合評分最高的0.76對應的備選措施a12，即為裝車環節f1的最優服務措施配置方案。該方案具體為：采用單組機械裝卸組織方式，即采用2臺柴油叉車，作業時間為1.5 h。

2)其他環節物流服務措施配置方案

按照環節f1的最優服務措施配置方法和作業時間確定方法，依次確定其余10個作業環節的最優服務措施配置方案及其所用時間，結果如下。

環節f2(A—閔行站運輸)：采用單車運輸組織方式，即采用1臺東風廂式貨車；運輸時間為0.4 h。

環節f3(閔行站卸車)：采用雙組機械裝卸組織方式，即采用2臺電動叉車；作業時間為0.3 h。

環節f4(閔行站暫存)：采用單區、單層存儲組織方式，作業時間為1.1 h。

環節f5(閔行站裝車)：采用單組機械裝卸組織方式，即采用1臺電動叉車；作業時間為0.7 h。

環節f6(閔行站—黃村站運輸)：運用整車組織方式，即采用1輛25 t行李車；作業時間為16.0 h。

環節f7(黃村站卸車)：采用單組機械裝卸組織方式，即采用3臺柴油叉車；作業時間為0.3 h。

環節f8(黃村站暫存)：采用單區、單層存儲組織方式，即采用普通平庫；作業時間為2.0 h。

環節f9(黃村站裝車)：采用雙組機械裝卸組織方式，即采用2臺柴油叉車；作業時間為0.3 h。

環節f10(黃村站—B運輸)：采用單車運輸組織方式，即采用1臺東風倉柵式載貨車；運輸時間為0.4 h。

環節f11(B卸車)：采用雙組機械裝卸組織方式，即采用2臺電動叉車；作業時間為0.3 h。

3.5　多環節物流服務措施集成

在本案例中客戶要求全程物流作業時間最短，而對服務質量和作業成本不進行要求，因此全程物流服務措施配置方案為各單環節最優服務措施配置方案的集成；采用式(11)優化得到的全程物流作業時間等于各單環節最優服務措施配置方案的作業時間之和。具體：發送端物流作業時間為4.0 h，閔行站到黃村站的鐵路運輸時間為16.0 h，收貨端物流作業時間為3.3 h；即全程物流服務總時間為23.3 h。

4　結　語

根據鐵路全程物流作業特征，將“門到門”全程物流服務過程劃分為多個單作業環節；基于公理化設計理論，提出“物流環節—服務措施—參數屬性”的鐵路物流服務措施配置機理。針對每個作業環節，采用專家打分法獲得備選服務措施配置方案打分表；針對打分表，采用多屬性群體決策粒計算方法計算每個備選服務措施配置方案的綜合評分。在此基礎上，以全程作業時間最短為優化目標，構建多環節物流服務措施配置方案集成優化的線性規劃模型，得出全程物流服務措施配置方案。最后以閔行至黃村的件裝貨物門到門物流服務為例進行全程物流服務措施優化配置，驗證了本文方法的合理性和有效性。

[1]崔艷萍, 郝陽陽. 我國鐵路貨運發展全程物流的思考[J]. 鐵道貨運, 2013, 31(11):9-15.

(CUI Yanping, HAO Yangyang. Thoughts on Developing Whole-Procedure Logistics of Railway Freight Transportation in China [J]. Railway Freight Transport, 2013, 31(11):9-15. in Chinese)

[2]屠曉君. 關于推進鐵路“門到門”物流服務的實踐與思考[J]. 鐵道貨運, 2013, 31(4):15-20.

(TU Xiaojun. Practice and Thoughts on Promoting Railway “Door-to-Door” Logistic Service[J]. Railway Freight Transport, 2013, 31(4):15-20. in Chinese)

[3]王奎林. 鐵路貨物門到門運輸相關問題研究[D]. 成都：西南交通大學, 2014.

(WANG Kuilin. Research on Door to Door Related Issues of Railway Freight [D]. Chengdu：Southwest Jiaotong University,2014. in Chinese)

[4]王娟. 中鐵快運拓展門到門物流服務方案研究[D]. 成都：西南交通大學, 2013.

(WANG Juan. Research on Service Scheme of Door to Door Logistics of CRE [D]. Chengdu：Southwest Jiaotong University,2013. in Chinese)

[5]趙攀峰. 我國鐵路物流企業發展“門到門”運輸經營模式研究[D]. 北京：北京交通大學, 2014.

(ZHAO Panfeng. Research on Business Model for China Railway Logistics Enterprise to Develop Door to Door Transportation[D]. Beijing: Beijing Jiaotong University,2014. in Chinese)

[6]路海平, 鞠頌東. 基于聯合介數中心度的鐵路貨運嵌入社會大物流系統網絡結構優化[J].中國鐵道科學, 2012, 33(6):120-125.

(LU Haiping, JU Songdong. Network Structure Optimization of Railway Freight Embedded in Social Logistics System Based on Combination Betweenness Centrality[J]. China Railway Science, 2012, 33(6):120-125. in Chinese)

[7]貝薩·艾爾海克. 六西格瑪服務設計——走向卓越之路線圖[M]. 西安：西安交通大學出版社, 2008: 188-202.

[8]苗奪謙, 徐菲菲, 姚一豫, 等. 粒計算的集合論描述[J]. 計算機學報, 2012, 35(2):351-363.

(MIAO Duoqian, XU Feifei, YAO Yiyu, et al.Set-Theoretic Formulation of Granular Computing[J]. Chinese Journal of Computers, 2012, 35(2):351-363. in Chinese)

[9]DEVILLEZ A，BILLAUDEL P, LECOLIER G V.A Fuzzy Hybrid Hierarchical Clustering Method with a New Criterion Able to Find the Optimal Partition[J]. Fuzzy Sets and Systems, 2002, 128(3):323-338.

[10]JAMES C Bezdek. Pattern Recognition with Fuzzy Objective Function Algorithms[M]. New York：Plenum Press New York and London，1981.

[11]WINDHAM M P. Cluster Validity for Fuzzy Clustering Algorithms[J].Fuzzy Sets and Systems, 1981, 5(2): 177-185.

[12]XIE L X, BENI G. A Validity Measure for Fuzzy Clustering[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1991, 13(8):841-847.

[13]劉啟鋼.鐵路物流服務需求傳遞理論與服務方案設計技術研究[D]. 北京：中國鐵道科學研究院, 2015.

(LIU Qigang. Research on Service Demand Transfer and Technology of Service Solution Design for Railway Logistics [D]. Beijing: China Academy of Railway Sciences,2015. in Chinese)

[14]NAM P Suh. The Principles of Design[M]. New York: Oxford University Press,1990.

[15]張再房. 顧客需求驅動的產品服務系統方案設計技術研究[D]. 上海：上海交通大學, 2011.

(ZHANG Zaifang. Research on Conceptual Design Technology of Product Service Systems Driven by Customer Requirement[D]. Shanghai: Shanghai Jiaotong University,2011. in Chinese)