長江經濟帶新能源汽車零部件庫存與運輸整合優化研究

摘 要：新能源汽車因其運輸路線規劃的不合理，總成本居高不下。本文選取長江經濟帶的重要節點配送中心為實例，對新能源汽車零部件物流系統進行調查研究，構建多元線性回歸模型，分析運輸距離、運輸量、周轉次數與總成本的關系，通過對三項指標的合理設計，得出總成本可降低的具體數值，分別為31.95112元/km、17.75872元/百件、129.6443元/次，三者影響大小以周轉次數、運輸距離、運輸量排列。以此為基礎構建降低物流成本的最優配送方案，從而達到降低成本的總目的。

關鍵詞：長江經濟帶;新能源汽車;庫存—運輸整合優化

中圖分類號：F253文獻標識碼：A文章編號：1008-4428（2019）04-0022-02

一、 引言

長江經濟帶因有著豐富的自然資源、人才資源，其市場廣闊、交通便捷、產業眾多，因此人口和生產總值均超過全國的40%，有著巨大的發展潛力，是中國重要的經濟發展領域之一。近年來為優化產業結構以獲更大的發展，長江經濟帶集中發展新能源產業，其中新能源汽車更是重中之重。然而，作為整車行業的基礎，汽車零部件行業因倉庫容量有限，零件數量繁多，配送計劃不合理等諸多因素，導致物流系統總費用高昂。制定配送計劃時如何整合優化庫存控制與路徑規劃，降低物流成本，成為亟待解決的關鍵問題。

在經濟全球化的背景下，供應鏈一體化的趨勢愈發顯著，由于庫存與運輸之間存在著“效益背反（trade-off）”的關系，決定了對其進行綜合研究分析，有利于從整體上提高物流效率、降低物流成本，兩者的聯合優化也成為研究熱點，Chuah和Yingling基于庫存與運輸的關系，建立循環模式的數學模型;Nagesh Shukla等三人構建了隨機性需求下的單供應商和單零售商的庫存運輸模型;Chen和Sarker建立了多供應商、單一制造商的循環取貨集成優化模型。國內也有許多相關研究，施朝春等構建了Milk—Run模式的雙層規劃模型;趙達等對直接配送策略下隨機需求庫存—路徑問題進行研究;楊志林等在隨機需求且允許缺貨的條件下構建了單個供應商—多個零售商的生產—庫存—運輸的整合優化模型。

以上庫存與運輸聯合優化研究側重于通用理論模型與算法研究，注重物流供應運作模式的研究，對長江經濟帶的汽車零部件物流系統優化沒有進行針對性的研究，長江經濟帶覆蓋面廣，各個地域對新能源汽車的支持政策均有所不同，且零部件技術要求高，零件數量繁多，具有特殊性。本文以上海汽車售后配送中心、武漢上汽通用汽車配件配送中心、襄陽長英物流分公司、重慶聰聰·高新物流配送中心等新能源汽車零部件配送中心為核心，構建多元線性回歸模型并設計求解，根據模型分析得出影響總成本的顯著因素，以便構建降低物流成本的最優配送方案，從而達到降低成本的總目的。

二、 現狀

（一）長江經濟帶

長江是中國最長、流域最廣的河流，長江經濟帶依長江而生，橫跨我國中東西三大區域，覆蓋11個省市，有著巨大的發展潛力。近年來，國務院接連印發《關于依托黃金水道推動長江經濟帶發展的指導意見》《長江經濟帶綜合立體交通走廊規劃（2014—2020年）》《長江經濟帶發展規劃綱要》，體現了國家對長江經濟帶發展的高度重視。

長江經濟帶宏觀經濟發展近幾年來一直穩中有進，然而綠色發展指數與創新發展指數卻增速緩慢。2011—2017年長江經濟帶綠色發展指數中，前三年發展迅速由49.39增長到54.9，之后四年發展速度放緩，然而一直在穩步提升。另一方面，長江經濟帶的創新驅動力在2011—2013年間，由41.63上升到53.37，而在2014、2015又下降回43.17，年增速僅為0.72%。作為創新綠色發展領域中的佼佼者，新能源汽車理應受到重視、改進和發展自身，從而為GDP的發展做出更大的貢獻。

（二）新能源汽車

從2001年起新能源汽車研究項目被列入國家重大科技課題，2008年開始，新能源汽車的話題在我國受到的關注度不斷提高，至今仍有極高的熱度。新能源汽車擁有政府支持補貼、自身節能環保以及噪聲小等諸多優點，也存在著續航能力差、充電難等缺點。但不可否認在國家的大力推行下，傳統汽車終將退出市場被新能源汽車取而代之。

新能源汽車的產量月均8萬輛以上，且有著不斷上升的趨勢。據推測，中國的汽車需求仍在不斷增加，到2020年，中國的汽車市場將達到2000億元，對新能源汽車的產業要求也在不斷提高，因此即使是占有優勢的新能源汽車若不進一步發展完善自身，提高企業競爭力，也一定會在激烈的市場競爭中落敗。

新能源汽車作為中國七大戰略性新興產業之一，被國家密切關注且支持，然而中國的新能源汽車產業仍存在關鍵核心技術未能完全掌握和民族品牌缺乏的問題，長江經濟帶覆蓋面廣，上、中、下游地區各有其獨特的優勢，武漢、襄陽、福田、長沙等眾多位于長江經濟帶的城市都競相發展新能源汽車產業，為了降低成本，以提高企業競爭力，新能源汽車零部件物流的整合優化研究必不可少。

（三）汽車零部件物流

在汽車制造業中，零部件制造業可謂是至關重要的一部分。在汽車工業的成本中，汽車零部件制造業占了絕大部分，隨著時間的推移比重逐步上升，到了2017年，它在汽車工業的制造成本中甚至高達70%。而物流卻在零部件制造業中占了近14%。因此若能有效地降低物流成本，也能有效地降低總成本，進一步達到提高利潤、增強企業競爭力的效果。

三、 問題描述及模型構建

物流成本是一座冰山，其沉在水面下的黑色區域還有很大的開發潛力。運輸及庫存是物流中最具潛力的利潤創造源，而它們之間還存在著“效益背反”的關系，需要進行合理的整合優化，以求最大化的降低物流成本，達到價值的最大化。

新能源汽車零部件運輸與庫存的綜合優化就是汽車生產商在目前所采用的JIT生產模式，以及對零部件供應的硬性需求和各種客觀因素的限制下，追求最優的運輸與庫存解決方案，使整個供應物流系統運輸與庫存的總費用達到最小，從而顯著降低成本，有效提升企業效益，改善企業運營效率。

在實際問題中，影響汽車零部件庫存—運輸成本的因素太過繁多和瑣碎，本文由于數據來源、簡化計算等諸多考慮，僅選擇距離、運輸數量和周轉次數這三個最為顯著的因素作為自變量進行研究。根據多元回歸模型建立以下方程：

襄陽是長江中游城市群重要成員，也是湖北省省域副中心城市，近年來襄陽積極響應國家號召，保護環境綠色發展，著重發展新能源汽車產業且成果顯著。通過對上海汽車售后配送中心、武漢上汽通用汽車配件配送中心、襄陽長英物流分公司、重慶聰聰·高新物流配送中心的走訪調查，對他們企業每天的大致運輸量，與運輸工廠的距離，大致運營成本等數據，并對運輸過程、企業內部組織進行了觀察，之后通過spss軟件進行整理錄入，表1為整理出的部分數據。

依據市場調查結果，設定短程固定運輸費用C0=200（單位：RMB），針對本案例所處的宏觀條件和自然條件限制，做出如下設定：

1. 在運輸過程中發生的特殊情況不計入在內，如發生交通事故等。

2. 忽略在中轉過程中由于不同汽車生產商所規定的特殊要求而產生的額外費用。

3. 由于不同的供應商所負擔的責任和職責可能不同，例如有些生產商只要求供應商將零部件整包配送至儲存地，而有些生產商則要求直接配送至車間。在本案例中，忽略這種情況所產生的運輸成本。

四、 模型回歸分析

（一）模型回歸結果檢驗

在多元回歸模型中，t值是一個重要的判斷標準，如果得到的t值超過臨界值就代表該自變量對因變量影響顯著。查表可得本文t值的臨界值為2.101。

F檢驗是多元線性回歸模型中的另一重要檢驗，是用于檢驗總體回歸方程的顯著性。查表可得，本文F檢驗的臨界值為2.46。

在回歸分析中，p值用來檢驗系數的顯著性水平，值越小表示變量越顯著，超過0.05則判定系數不顯著。Prob.是檢驗F檢驗本身的顯著性，判斷方法與P值一致。

R2度量了Y與所有解釋變量的線性相關程度，計算方法為R2=ESS/TSS，其中ESS代表回歸平方和，TSS代表因變量Y的總平方和，越接近于1越能說明模型的準確性。

VIF（方差膨脹因子）是判斷模型是否存在多重共線性的重要標準。VIF越大，顯示共線性越嚴重，反之存在的可能性越小。一般以10作為共線性存在與否的分界線，超過10說明存在多重共線，反之不存在。

（二）模型回歸結果

由表2可得：本模型設定顯著水平α=0.05，查表得到對應的t值的臨界值為2.101。得到的結果中X1、X2、X3的t值分別6.228911、4.865588、2.631514均大于臨界值，P值為0.0000、0.0002、0.0223均小于0.05，即三個變量均通過顯著性檢驗，說明選取的三個自變量對因變量影響顯著。

在回歸結果中F=94.7，且Prob.=0.0000<0.5，說明模型通過F檢驗，拒絕0假設，即表示解釋變量Y與被解釋變量X1、X2、X3之間有明顯的線性關系。

該模型的擬合優度R2=0.94，調整后的擬合優度R2=0.93，均大于0.9且接近于1，所以該模型的擬合程度很高，模型準確。

表2中的模型結果顯示的VIF均小于10，說明解釋變量之間不存在多重共線性。

最終根據模型結果建立多元回歸方程：

從模型結果來看，不難發現，運輸距離X1、運輸數量X2、周轉次數X3均對成本有正向影響，即距離越大，運量越大，周轉次數越多，總成本越大，且三者影響大小以周轉次數、運輸距離、運輸量排列。

五、 結語

新能源汽車是集創新和環保于一體的新興產業，引起社會的諸多熱議，作為其根基的零部件物流也成為企業重點關注的對象。本文分析了新能源汽車零部件物流的現狀以及發展的必然性。并對新能源汽車零部件的運輸過程進行回歸分析，分析運輸距離、運輸數量、周轉次數與總成本之間的關系。以長江經濟帶四個主要城市的汽車零部件配送中心作為研究對象，收集數據建立多元回歸線性模型，發現距離越大，運量越大、周轉次數越多，總成本越大，而且三者影響大小以周轉次數、運輸距離、運輸量排列。

本文中構建的模型相對簡單，但這也說明在庫存—運輸這一整體中仍存在著諸多成本浪費現象以及值得挖掘的利潤，還有優化上升的空間。這對降低物流總成本、提高企業競爭力有著積極的推動作用。

參考文獻：

[1]Chuah K H Yingling J C.Analyzing Inventory/Transportation Cost Tradeoffs for Milkrun Parts Delivery Systems to Large JIT Assembly Plants[C].AerospaceManufacturing Technology Conference & Exposition，2001.

[2]Nagesh Shukla，M.K.Tiwari，Darek Ceglarek.Genetic-algorithms-based algorithmportfolio for inventory routing problem with stochastic demand[J].nternational Journal of Production Research，2013，51（1）：118-137.

[3]Chen Z，Sarker B R.An integrated optimal inventory lot-sizing and vehicle-routing modelfor a multi-supplier single-assembler system with JIT delivery[J].International Journalof Production Research，2014，52（17）：5086-5114.

[4]王旭，施朝春，葛顯龍.基于Milk Run模式的庫存運輸整合優化[J].計算機集成制造系統，2011，17（4）：852-857.

[5]趙達，李軍，馬丹祥，李妍峰.直接配送下隨機需求庫存-路徑問題最優平穩策略及其算法[J].中國管理科學，2014，22（6）：61-68.

[6]楊志林，李擎卿，林冠男.隨機需求下單供應商與多零售商的生產—庫存—運輸聯優化模型[J].大學數學，2015，31（5）：12-19.

[7]葉志堅，杜文，王清榮，朱健梅.供應商管理庫存系統中庫存和運輸計劃整合[J].交通運輸系統工程與信息，2003（4）：82-88.

[8]肖繼先，康玉茜，孔閃閃.最大最小運送周期下的庫存與運輸優化模型[J].遼寧工程技術大學學報（自然科學版），2013，32（3）：393-396.

[9]葛顯龍，辜羽潔，王偉鑫.供應鏈環境下的庫存與運輸整合優化模型及算法[J].系統工程，2014，32（1）：26-32.

[10]汪金蓮，蔣祖華.汽車制造廠零部件入廠物流的循環取貨路徑規劃[J].上海交通大學學報，2009，43（11）：1703-1708，1714.

[11]葉志堅，杜文，王清榮，朱健梅.供應商管理庫存系統中庫存和運輸計劃整合[J].交通運輸系統工程與信息，2003（4）：82-88.

作者簡介：

江銘佳， 女，湖北武漢人，湖北文理學院管理學院學生，研究方向：事物流管理。