智慧物流下快遞配送效能的優(yōu)化

鄭雨婷，鄒 浩，金文宇

（湖南財政經(jīng)濟學(xué)院，湖南 長沙 410205）

1 引言

網(wǎng)絡(luò)購物的迅猛發(fā)展給我國快遞業(yè)帶來了前所未有的發(fā)展契機，而日益激烈的行業(yè)競爭，不斷增加的客戶要求，促使快遞企業(yè)在提高服務(wù)水平的同時關(guān)注運作效率與成本。伴隨網(wǎng)購發(fā)展而得以壯大的快遞物流業(yè)，除了快件業(yè)務(wù)量猛烈增多之外，收貨人的特征、運送物品的內(nèi)容等都發(fā)生了變化，對快遞行業(yè)的發(fā)展也提出了新的挑戰(zhàn)。

針對快遞配送問題，國內(nèi)外對此展開了一系列研究。Boyer[1]等提出“最后一公里”概念的應(yīng)用領(lǐng)域主要包括城市貨物配送、電子商務(wù)及便利店配送等，發(fā)展涵蓋了電子商務(wù)物流及其快遞配送的各個方面；Gevaers[2]主要從B2C電子商務(wù)物流的角度闡述了快遞配送可能涉及的一系列活動及過程，指出快遞配送是整個物流環(huán)節(jié)的末端環(huán)節(jié)，在該階段，需要將商品配送到最終收件人的家中、指定的地址或提貨點；鄭書淵[3]、詹瑤瑤[4]、鄧素美[5]提出可視化配送、設(shè)物流點與便利店、郵政公司合作、無人機配送等模式來解決快遞配送的問題；丁雪峰[6]提出了拆分裝載策略建立配送模型；王淵博[7]通過整合縣鄉(xiāng)物流網(wǎng)點的資源和快遞承運人力交通資源，搭建互聯(lián)網(wǎng)快遞配送信息服務(wù)平臺，并采用Spring+SpringMVC+MyBatis技術(shù)架構(gòu)，提出了“農(nóng)村快遞配送+增值服務(wù)”的互聯(lián)網(wǎng)生態(tài)構(gòu)建方法；王凌霄[8]針對農(nóng)村“最后一公里”配送速度慢、成本高等問題提出用無人機代替快遞員，實現(xiàn)快遞配送的無人化和智能化。

已有的對于快遞配送模式的研究大體可分為整合現(xiàn)有資源、使用現(xiàn)代科技技術(shù)、搭建信息平臺三類，缺乏對快遞配送過程中信息有效預(yù)處理問題的研究。本文構(gòu)建了一套快遞需求參數(shù)機制，該機制從多個維度方面分析配送需求的特征，并以之為基礎(chǔ)，利用三維矢量評價模型對快遞業(yè)務(wù)的重要程度進行預(yù)排序，以作為快遞實際配送調(diào)度的信息基礎(chǔ)，從而提高快遞配送效能。

2 快遞配送現(xiàn)狀及存在的問題

目前，我國快遞業(yè)務(wù)量已經(jīng)連續(xù)4年位居世界第一，對全球包裹快遞量的增長貢獻率超過了50%。快遞業(yè)務(wù)量從上世紀80年代的153萬件提升到2018年的507.1 億件，30 年年均增速高達41.5%，在2019年中國快遞業(yè)務(wù)量有望突破600億件，具體如圖1。

圖1 2014-2018年中國快遞服務(wù)企業(yè)業(yè)務(wù)量及增長速度（單位：億件，%）

隨著城市化進程的加快，如何科學(xué)完成城市快遞“最后一公里”配送已成為快遞行業(yè)急需解決的問題。網(wǎng)絡(luò)購物的飛速發(fā)展與物流配送仍存在不匹配現(xiàn)象，快遞配送效能不高已成為物流發(fā)展過程中一個較大的瓶頸，主要存在以下幾個問題：

（1）客戶要求高，快遞派送量大。隨著網(wǎng)購的快速壯大，快遞量越來越大。2018 年我國快遞業(yè)務(wù)量達到507.1 億件。巨量的快件對于快遞物流企業(yè)形成了較大的派送壓力。因為精力和時間有限，快遞員難以在滿足客戶要求的同時增加快遞派送量。

（2）配送時間錯位，導(dǎo)致二次配送。如今網(wǎng)購群體多為上班族，快遞員上班時間與上班族上班時間重合。傳統(tǒng)投遞模式使得投遞與取件時間錯位，不能精準(zhǔn)派件，不但增加了快遞員的等待時間，降低了配送效率，而且還產(chǎn)生了二次配送，增加了運輸成本和時間成本。

（3）小批量、高頻次配送，配送成本高。日益激烈的行業(yè)競爭，不斷增加的客戶要求，促使快遞企業(yè)在提高服務(wù)水平的同時關(guān)注運作效率與成本。由于地區(qū)內(nèi)的配送中顧客對及時性的要求不斷提高，物流公司為了更好地服務(wù)客戶、滿足客戶需求，只能進行小批量、高頻次的配送，從而使得地區(qū)內(nèi)配送成本居高不下。另外網(wǎng)上購物客戶群體對物流費用的敏感度較高，使得成本不易向下游轉(zhuǎn)移。

3 基于智能信息處理的快遞配送效能優(yōu)化方案

本文針對快遞配送過程中客戶要求高、快件派送量大、二次配送情況多、配送成本高等問題，構(gòu)建了一套快遞需求參數(shù)機制。該機制從多個維度方面分析配送需求的特征，并以之為基礎(chǔ)，利用三維矢量評價模型對快遞業(yè)務(wù)的重要程度進行預(yù)排序，以作為快遞實際配送調(diào)度的信息基礎(chǔ)，并通過本文所構(gòu)建的綜合指標(biāo)隊列來提升配送的有效性，增加配送業(yè)務(wù)的整體水平，達到精準(zhǔn)派件、減少二次配送、提高顧客滿意度、降低配送成本的目的。

3.1 智能處理機制多維參數(shù)的構(gòu)建

3.1.1 多維參數(shù)構(gòu)建的必要性。在大數(shù)據(jù)時代，依托網(wǎng)絡(luò)信息技術(shù)手段，通過網(wǎng)絡(luò)平臺來收集快件信息和客戶行為數(shù)據(jù)，應(yīng)用數(shù)據(jù)挖掘、機器學(xué)習(xí)等分析和挖掘快件信息和客戶行為特征。從快件時效性、貨物重要程度、取貨時間、顧客屬性這四個方面來構(gòu)建多維參數(shù)。對快件時效性、貨物重要程度、取貨時間、顧客屬性參數(shù)進行提取和排序，快遞員能夠明確貨物與客戶對配送時間的需求。基于此，合理安排配送時間，準(zhǔn)時把貨物送到客戶手中，最大限度的避免二次配送問題，提高快遞配送效能，并為不同客戶群體提供專業(yè)化、差異化、個性化的服務(wù)，提高配送過程中的顧客滿意度。

3.1.2 多維參數(shù)構(gòu)建的內(nèi)容

（1）取貨時間指標(biāo)（I1）。客戶取貨時間主要由客戶需求決定，客戶取貨時間的不確定性嚴重影響快遞員的配送效率。若快遞員按照客戶自定的取貨時間對貨物進行配送，可以最大限度的避免二次配送，客戶自定的取貨時間用I1表示。

（2）時效性指標(biāo)（I2）。時效性是貨物與客戶對配送時間需求的統(tǒng)一，同一貨物在不同時間，對客戶具有不同方面的差異。通過權(quán)衡時效性的影響因素，比較客戶對貨物的體驗感隨時間推移的變化情況，根據(jù)貨物時效性等指標(biāo)對貨物進行排序，合理安排配送時間。影響貨物時效性的主要因素是貨物的“保質(zhì)期”，即當(dāng)前貨物的配送期限,用Q表示。一方面是食品的食用期限，主要考慮水果、農(nóng)副產(chǎn)品和普通食品；另一方面是物品的客戶要求期限，主要考慮散單藥品、文件和其他貨物，貨物根據(jù)保質(zhì)期權(quán)衡的時效性遞減排序為：文件＞散單藥品＞農(nóng)副產(chǎn)品＞水果＞普通食品＞其他。貨物時效性用I2表示，若I2值越大說明貨物越緊急，其優(yōu)先配送級別越高。

（3）貨物相對重要程度指標(biāo)（I3）。貨物相對重要程度是指該貨物在客戶心中的地位，客戶對該貨物的看重程度。對貨物的重要性參數(shù)進行賦權(quán)計算得出的貨物相對重要程度用I3表示，I3值越大說明此貨物在該客戶心中的相對重要程度越高。貨物相對重要程度受多種因素的影響，具體影響見表1。

表1 貨物重要程度影響因素表

貨物相對重要程度計算公式如下（其中Bi(i=1,2,3)為貨物相對重要程度指標(biāo)中各影響因素的權(quán)重，且B1+B2+B3=1）：

（4）客戶屬性指標(biāo)（I4）。客戶屬性是指客戶對貨物等待的可忍耐度以及客戶價值，通過整合客戶群體信息，根據(jù)客戶屬性特征將客戶劃分為不同群體，協(xié)調(diào)快遞員與客戶間的信息不匹配問題，在客戶可接受的范圍內(nèi)，對配送進行調(diào)整以滿足配送需求，在保證快遞員派送效率的前提下，為不同客戶群體提供專業(yè)化、差異化、個性化服務(wù)，以此提高客戶滿意度。I4值越大說明這個顧客對貨物等待時間忍耐度越低，優(yōu)先派送級別越高。以下分析客戶屬性的三個影響因素：

①客戶快遞服務(wù)反饋頻率（P2）。即客戶對本公司提供的快遞服務(wù)反饋頻率。其中n2為客戶對本公司快遞服務(wù)反饋次數(shù)，N2為本公司為該客戶提供快遞服務(wù)總數(shù)。

②客戶快遞服務(wù)差評率（P3）。即客戶對本公司提供的快遞服務(wù)差評頻率。其中n3為該客戶對本公司快遞服務(wù)的差評次數(shù)。

客戶屬性指標(biāo)計算公式如下（其中Di(i=1,2,3)為各指標(biāo)的權(quán)重，且D1+D2+D3=1）：

3.2 綜合指標(biāo)隊列的構(gòu)建

目前配送中心依據(jù)貨物先進先出的原則進行配送，雖然減少了部分貨物的滯留積壓時間，但存在二次派送、資源浪費、成本過高、客戶滿意度難以提高等問題。本文構(gòu)建的智能處理機制隊列依據(jù)時效性、貨物相對重要程度、取貨時間和客戶屬性四個指標(biāo)，通過不同的條件約束與數(shù)據(jù)挖掘，對比傳統(tǒng)先進先出隊列，建立了綜合指標(biāo)隊列。

3.2.1 先進先出隊列。在計算機中，先入先出隊列是一種傳統(tǒng)的按序執(zhí)行方式，先進入的指令先完成并引退，跟著才執(zhí)行第二條指令。當(dāng)CPU 在某一時段來不及響應(yīng)所有的指令時，指令就會被安排在FIFO 隊列中，比如0 號指令先進入隊列，接著是1 號指令……當(dāng)CPU完成當(dāng)前指令以后就會從隊列中取出0 號指令先行執(zhí)行，此時1 號指令就會接替0 號指令的位置，同樣，2號指令……都會向前挪一個位置。

目前，配送中心基于先進先出原則對貨物進行配送，即先到達配送中心的貨物優(yōu)先配送，后到的貨物晚配送。如圖2所示，配送中心根據(jù)先后順序先將貨物A 派送完，接著派送貨物B、貨物C……以此類推，直到貨物派送完為止，而快遞員根據(jù)配送中心給定的貨物清單進行配送。

圖2 先進先出隊列流程

當(dāng)前配送中心根據(jù)先進先出原則對貨物進行多批次、小批量配送，實際配送過程中由于快遞員和客戶時間的錯位，出現(xiàn)了二次配送、貨物積壓等問題，導(dǎo)致配送成本上升，存在嚴重的資源浪費現(xiàn)象。先進先出隊列貨量分布如圖3所示。

圖3 先進先出隊列貨量分布圖

如圖3所示，快遞員根據(jù)配送中心給定的配送清單在時間段1配送貨物A、B、C、D，由于貨物D的收貨人無法準(zhǔn)時簽收貨物，快遞員只能將貨物D 帶回配送中心，在時間段2連同貨物E、F一起配送，此時，由于快遞員與客戶時間的錯位，導(dǎo)致了貨物的二次配送問題；快遞員在時間段2 接收到的配送清單只有E、F 和上一時間段累積的貨物D，此時配送需求較低，快遞員處于配送相對空閑期，快遞配送能力未充分利用，存在人力資源浪費現(xiàn)象；快遞員在最后一個時間段3接收到貨物G、H、I、J、K、L的配送清單，此時的配送需求遠遠大于快遞員的配送能力，快遞員無法準(zhǔn)時完成配送任務(wù)，導(dǎo)致出現(xiàn)貨物積壓的現(xiàn)象。

3.2.2 綜合指標(biāo)隊列。綜合指標(biāo)隊列用于對配送中心的貨物進行優(yōu)先配送排序。本文基于貨物時效性、貨物相對重要程度、客戶屬性三個指標(biāo)，建立由貨物屬性、客戶屬性、緊急程度為三維矢量的綜合指標(biāo)貨物評價模型，分析不同貨物的緊急程度，以此進行貨物排序，決定貨物的配送順序。其原理是在直角坐標(biāo)系統(tǒng)中建立簡易的三維矢量綜合評價簡化模型，將各評價指標(biāo)采用矢量的形式加以表征，然后按照矢量的運算法則獲得最終的綜合評價向量及其對應(yīng)的評價值，并以此作為參數(shù)選擇的依據(jù)。

（1）三維矢量評價模型的構(gòu)建（其中α3=1，α1+α2=1）。三維矢量指標(biāo)見表2。

表2 三維矢量指標(biāo)表

（2）三維矢量評價模型建模的步驟。首先確立工作空間。由控制圓弧和控制向量組成，工作空間的建立是為綜合評價指標(biāo)體系搭建平臺，保證在不同條件下各項指標(biāo)的單一性和可比性。該模型選取灰色預(yù)測模型中某一時間段所有貨物的貨物屬性(y軸)和客戶屬性(x軸)作為二維矢量計算平臺，計算出貨物的綜合評價分數(shù)，判斷出貨物的緊急程度，并以此進行排序，再將排序情況反映到緊急程度屬性（z軸）上，形成綜合指標(biāo)隊列。

其次選擇評價指標(biāo)矢量。基于前文對多維度貨物綜合指標(biāo)的理論研究，評價指標(biāo)矢量分別選取某一時間段客戶屬性(x軸)、貨物屬性(y軸)和緊急程度(z軸)。

最后進行數(shù)據(jù)處理。歐式距離（euclidean metric）在m維空間中指兩個點之間的真實距離，或者向量的自然長度（即該點到原點的距離）。在二維和三維空間中的歐氏距離就是兩點之間的實際距離。本文根據(jù)客戶屬性和貨物屬性兩個評價指標(biāo)對貨物采用矢量的形式加以表征，得到相應(yīng)的X 和Y 值，而貨物在二維坐標(biāo)系的坐標(biāo)與原點O之間的距離為貨物的重要程度。設(shè)點M（x，y）為貨物在二維坐標(biāo)系的坐標(biāo)，線段OM 的長度表示該貨物的緊急程度，OM 值越大，該貨物緊急程度越高。

不同貨物根據(jù)其客戶屬性和貨物屬性指標(biāo)得到的二維坐標(biāo)不同，再按照運算法則計算獲得的貨物緊急程度值也不同，將某一時間段的所有貨物進行三維矢量評價，可得到一個某時間段的三維矢量圖，如圖4 所示，貨物坐標(biāo)離原點越遠，其貨物重要程度越高。

圖4 三維矢量圖

4 案例分析

針對快遞配送問題，在實際操作中采用三維矢量評價模型對貨物的各項指標(biāo)參數(shù)進行評價打分，得到各個貨物的緊急程度，并將其合理地歸類到相應(yīng)合適的取貨時間段。根據(jù)調(diào)查與研究，本文假設(shè)十二個貨物的相應(yīng)指標(biāo)數(shù)據(jù)和相關(guān)權(quán)重分別見表3、表4。

表3 客戶相關(guān)指標(biāo)表

表4 客戶相關(guān)指標(biāo)表

配送中心采用綜合指標(biāo)隊列，先對所有貨物依據(jù)取貨時間指標(biāo)進行分類，見表5。

表5 貨物時間歸類表

然后得到不同時間段需要配送的貨物，如圖5所示。

圖5 貨物配送時間歸類圖

如圖5所示，配送中心根據(jù)取貨時間指標(biāo)對貨物進行時間段歸類，時間段1需要配送貨物C、D、H、L，時間段2 需要配送貨物B、J，時間段3 需要配送貨物A、E、F、G、I、K。將三個時間段的貨物量進行比較，時間段1的配送需求較正常，時間段2的配送需求較少，時間段3 的配送需求較多，存在配送需求不均衡的現(xiàn)象。假設(shè)快遞員的配送能力僅可以完成時間段1 和時間段2 的貨物配送任務(wù)，而時間段3 的配送需求遠大于快遞員配送能力，快遞員無法完成時間段3的配送任務(wù)，因此導(dǎo)致容易出現(xiàn)貨物積壓問題。

針對以上問題，可將配送需求遠遠大于配送能力時間段的貨物依據(jù)貨物時效性、客戶取貨時間和客戶屬性三個指標(biāo)進行分析，將一部分貨物安排到合適的時間段配送。如圖5所示，對時間段3的貨物A、E、F、G、I、K進行分析。根據(jù)表3中的指標(biāo)數(shù)據(jù)，利用式（2）—式（5）計算這些貨物的時效性和對應(yīng)客戶的客戶屬性指標(biāo)，結(jié)果見表6。

表6 時間段3貨物配送順序表

表6 中，比較貨物A、E、F、G、I、K 的時效性指標(biāo)和客戶屬性指標(biāo)，其中貨物G和貨物K的時效性指標(biāo)和客戶屬性指標(biāo)比較高，適合安排到時間段2進行配送，且時間段3剩下的貨物按照I、A、E、F的順序進行配送，對貨物時間歸類圖進行相應(yīng)調(diào)整，結(jié)果如圖6所示。

圖6 貨物配送時間歸類改進圖

將其他時間段的貨物根據(jù)客戶屬性和貨物屬性進行矢量運算，得到時間段1、2 的貨物配送順序，見表7。

表7 時間段1、2貨物配送順序表

最后整合整個時間段的貨物配送順序，見表8。

得到各時間段快遞員需要配送的排序貨物清單，如圖7所示。

表8 各時間段貨物排序表

圖7 綜合隊列貨物配送排序圖

5 結(jié)語

本文針對快遞配送量大、快遞配送效能較低、配送成本高等問題，提出了構(gòu)建多維參數(shù)與綜合指標(biāo)隊列的方案，并通過三維矢量評價模型得到貨物的緊急程度，確定了貨物配送的優(yōu)先級別，提高了貨物精準(zhǔn)配送程度。通過該智能處理機制合理規(guī)劃貨物配送時間，從而減少二次配送、降低配送成本、提高配送業(yè)務(wù)的整體水平。本文所構(gòu)建的參數(shù)雖然具有代表性，但沒有考慮不同配送方式下的效能優(yōu)化問題，這將成為未來進一步研究的方向。