共享模式下跨境電商海外倉動態選址研究

金桂根，李岱東

(云南財經大學 物流學院，云南 昆明 650221)

1 引言

近年來我國傳統外貿增長有所放緩，但是新興的跨境電商卻在我國實現了連續多年的高速發展，現如今已經成為我國推進進出口貿易增長的新動力。國家電子商務研究中的調查報告中顯示，我國跨境電商交易在2008年到2019年逐年上升，占比從最初的4%上升到33.37%，漲幅金額達到10萬億元，同時2020年我國跨境電商進出口市場分別增長了31.1%和25.2%。而跨境物流作為跨境電商至關重要的一環，是決定和提高跨境電商效率和成本的關鍵因素，然而隨著跨境電商的快速發展，一系列問題也暴露出來，例如跨境電商存在的高成本、運輸配送時效、退換貨難等，這些問題也在嚴重制約著跨境電商的發展。跨境電商出口物流瓶頸逐漸凸顯，為了解決這些問題，提高消費者的購物體驗，許多跨境電商企業紛紛開始探索海外倉業務。主要原因是海外倉可以覆蓋更廣的運營范圍，可以將更多服務延伸到不同的國家和地區，我國跨境電商賣家使用海外倉不僅能夠降低物流成本，也可以提高配送的及時性，提高整體物流效率。

現階段我國跨境電商海外倉仍存在許多問題，首先，海外倉自建成本高昂，消費者需求波動的情況下，很容易出現倉儲資源過剩或不足；其次，目前跨境電商退換貨率居高不下，滯銷產品積壓在海外倉難以處理；最后，本土化服務不足導致海外倉發展緩慢，缺少本土專業化技術和管理人才。而隨著共享模式在物流領域的應用發展，也同樣為海外倉的發展帶來新的模式，通過海外共享倉模式，海外倉的服務商可以向賣家提供雙向海外倉共享信息平臺，跨境電商賣家可以在其共享倉庫網絡靈活選擇倉庫地址、專業化服務以及動態倉庫容量，可以有效幫助中小企業解決自建海外倉風險大、成本高的難題，同時也能有效解決產品滯留帶來的倉儲資源浪費，提高客戶服務質量。

2 模型建立

2.1 模型描述

中小型跨境電商企業為更好地滿足海外客戶需求，采取海外倉模式，解決國際包裹運輸時間長、費率高等問題，但同時由于不具備自建海外倉庫的條件，因此選擇海外本土共享倉庫網絡，擬利用j個海外共享倉連接g個供應商和i個顧客需求點，在共享倉儲模式下，跨境電商企業可以選擇在共享倉網絡內靈活選擇倉儲需要，能夠滿足短周期動態周期內的倉儲需要，而單周期內任意顧客僅由單個共享倉庫滿足。

2.2 模型參數

2.2.1 參數變量

2.2.2 決策變量

2.3 模型建立

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

其中，目標函數式(1)表示物流成本最小，包括運輸成本、租賃成本、風險成本、退貨成本和稅收成本；(2)式表示只有在選擇海外共享倉j的情況下才能夠向倉庫運輸貨物；(3)式表示只有在選擇海外共享倉j的情況下才能向目標顧客發貨；(4)式表示一個顧客需求點的需求僅由一個海外共享倉提供；(5)式表示在一定時期內的總發貨量不能超過共享倉的最大存儲上限；(6)式表示出口稅總額；(7)式表示共享倉庫j的接收量與發出量和存儲量之和相等；(8)式為0，1變量；(9)式為非負整數變量。

3 模型算法求解

3.1 染色體編碼

通過遺傳算法解決這類問題，通常是采用將問題編碼，遺傳算法常見的編碼方法包括格雷編碼、浮點數編碼、二級制編碼等，然后通過對其完備性、非冗余性和健全性來對編碼進行指標評價，對于這個問題中所包含的決策變量x、y、a，采用二進制的編碼方法，將決策變量轉化為由{0，1}所構成的染色體，即染色體的長度和數量由所求解的精確度來確定。二進制編碼方法的優點有以下幾點，操作方便、計算簡單等，但其也同樣存在一些不可避免的缺陷，例如求解精度較低、算法空間過大等，通常不適用于連續函數問題的求解方法。

3.2 適應度函數

通過遺傳算法模擬遺傳進化中適者生存的原理，就需要確保染色體中的優良基因個體能夠遺傳到下一代當中，通過建立一個用來判斷個體是否優良的適應度函數來限制遺傳，如果將個體代入函數所得數值越大，則代表這個個體可以作為優良基因而遺進行遺傳的可能性就會越大；相反代入所得適應度函數值越小，則該基因序列遺傳的可能性也會越小。根據其優化原理，所建立的適應度函數如下所示：

(10)

式中：Fit(f(x))為驗證個體是否優良的適應度函數；Cmax表示之前進化過程中所產生的g(x)的最大值；g(x)為目標函數的期望值。

3.3 選擇算子

第三步操作為選擇算子，上述所構建的適應度函數能將染色體基因的優劣進行評價，適應度較高的算子可以被選擇作為遺傳的父代基因，其他算子的選擇通過輪盤賭進行，這樣可以使適應度函數值較高的個體能夠遺傳到下一代，函數值較低則被淘汰，通過這種方式可以有效提升算法的計算效果及其收斂性。算子選擇概率如下：

(11)

式中：Pi表示每個個體可能被選擇的概率；f(xi)表示個體的適應度函數值；xi表示群體中的染色體。

3.4 自適應交叉

第四步要通過交叉算子的方式，模仿自然進化的遺傳規律，將兩個優良父代基因的部分交叉重組，產生一個新的個體，新的個體更加適用于上述適應度函數。這種基因序列的交叉具有隨機性，交叉類型主要分為以下幾個，單點交叉、多點交叉、順序交叉和部分交叉，而交叉的結果將直接影響算法最終的收斂性，其交叉的概率越大，個體之間互相交叉產生新個體的頻次也會越大。但不同個體間交叉的概率也不能過大，概率過大會使最終產生的個體基因結構破壞，不利于產生最優解；同樣交叉概率也不宜過小，概率過小可能會出現算法搜索過于緩慢，最終無法得到最優解。所以自適應交叉概率應該設定為對于適應度的不同的個體其交叉概率也會相應不同，如下：

(12)

式中：Pc為不同個體的交叉概率；fmax為所有染色體中適應度函數值最大的數值；favg為所有染色體中適應度函數值的平均值；f為進行交叉的兩個個體中較大的適應度函數值；K1、K2為(0，1)之間的常數。

3.5 自適應變異

第五步是要模仿自然基因在遺傳過程中可能出現的基因突變現象，即為染色體的部分或全部發生變異，但要設置好其變異的概率，概率過大會使染色體結構破壞，使算法不具有效性，概率過小則不利于新的個體產生，因此變異概率如下：

(13)

式中：Pm為自適應變異概率；K3、K4為區間(0，1)的常數。

4 實例分析

4.1 算例描述

寧波某主要銷售家居服裝按摩類的跨境電商企業，通過Ebay、亞馬遜等跨境電商平臺將產品銷售到歐洲5個國家，由于海外客戶需求量呈現周期波動較大，為滿足各周期的服務水平前提下，降低物流運輸倉儲成本，企業決定使用租賃海外共享倉的方式作為供應商與海外客戶需求點之間的二級網絡節點。該企業配送網絡內有3家供應商G1-G3、8個海外共享倉J1-J8備選方案以及12個海外客戶需求點I1-I12，其次客戶需求按周期劃分可劃分為3個周期，顧客需求點各周期需求量以及位置坐標以及各周期外海共享倉庫的最大庫存量、位置坐標以及供應商可提供的最大商品量、位置坐標如表1所示。

表1 顧客需求點位置及各周期需求

已知供應商發貨選擇鐵路運輸運往歐洲英國、意大利、法國、德國和西班牙五個國家，運費按實重與體積重取大值計費，平均商品重量約為3kg，平均單位商品體積為0.034立方米，平均商品單位價值約為87元，歐共體統一關稅率約為15%。具體供應商到各個共享倉的運費率以及各周期顧客平均退貨率如下表2所示。

表2 各周期供應商到海外共享倉運費費率及客戶平均退貨率

海外共享倉的租賃費用以及管理、分揀費用以及倉庫風險概率如表3所示，各周期海外共享倉與客戶需求點之間的運費率如表4所示。

表3 各周期海外共享倉租賃及管理費率

表4 海外共享倉與客戶需求點運費率(元/t·km)

4.2 算例求解

運用Matlab2018a軟件，通過軟件中遺傳算法工具箱，將案例實際參數設置完畢對目標模型進行仿真求解，其中相關參數設置如下：最大迭代次數為Tmax=500；初始的化種群規模N=100；自適應變異概率Pm=[0.01，0.15]；自適應交叉概率Pc=[0.75，1.0]。根據顧客需求點以及海外共享倉的相關數據，使模型獨立求解20次，取最小值作為最優解，最終的結果物流總成本233.08萬元，海外共享倉租金成本77.52萬元，運輸成本74.80萬元，風險成本22.74萬元，稅收成本15.66萬元，退貨成本42.36萬元。海外共享倉選址最優方案如表5、表6所示。

表5 最優海外共享倉選址方案

續表

表6 最優海外倉配送網絡

5 結語

文章通過構建總成本最小模型，針對跨境電商周期需求波動較大、分布較廣的現狀，將顧客需求的波動性與海外倉庫資源共享性因素作為考慮因素引入共享海外倉的選址問題當中，并通過實例分析驗證模型。文章在研究跨境電商海外倉的問題上只考慮了總成本、風險成本、稅收成本，而實際上還有很多考慮因素，例如文化及環境、保稅區等相關政策、國家貿易協定等多個方面的因素，在今后的研究中將進一步考慮更多其他因素對于海外倉選址的影響。