生鮮電商前置倉選址因素分析與模型構建研究

梁力軍 王晨 袁苗苗

文章編號：1002-3100（2024）03-0050-05

摘? 要：前置倉作為生鮮電商企業滿足顧客多樣化需求的一種新型倉配模式，如選址不合理會導致配送成本過高、生鮮質量降低和時效性不足。如何進行合理選址和評估其各類成本收益，備受學術界關注。通過構建中心倉、前置倉以及需求點的三級網絡模型，利用混合整數線性規劃，并考慮了運輸成本、運營成本、制冷成本以及貨損成本，構建以綜合總成本最小為目標函數的數學模型，再結合0～1變量的參數約束，借助善于解決線性規劃問題的LINGO軟件解決網絡中前置倉的選址問題，并用鄭州市中牟縣的相關數據進行實例分析與計算。通過研究發現，前置倉建模中需要考慮的項目為運輸成本和履約成本。期望為生鮮電商前置倉選址研究提供更優的前置倉選址模型。

關鍵詞：前置倉選址；生鮮前置倉；生鮮電商；整數規劃；LINGO軟件

中圖分類號：F253? ? 文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2024.03.012

Abstract： As a new warehousing and distribution mode for fresh food e-commerce enterprises to meet the diversified needs of customers， unreasonable location selection will lead to high distribution costs， reduced fresh quality and insufficient timeliness. How to reasonably select a site and evaluate its various costs and benefits has attracted much attention from the academic community. By constructing a three-level network model of central warehouse， front warehouse and demand point， using mixed integer linear programming， and considering transportation cost， operating cost， refrigeration cost and cargo loss cost， a mathematical model with the minimum comprehensive total cost as the objective function is constructed， and then combined with the parameter constraint of 0～1 variables， the location problem of the front warehouse in the network is solved with the help of LINGO software， which is good at solving linear programming problems， and the relevant data of Zhongmu County in Zhengzhou City are used for case analysis and calculation. It is found that the items that need to be considered in the modeling of the front warehouse are transportation cost and performance cost.

Key words： front-end warehouse location; fresh front warehouse; fresh food e-commerce; integer programming; LINGO software

0? 引? 言

前置倉作為生鮮電商企業滿足顧客多樣化需求的一種新型倉配模式，是在生鮮貨物送往目的地前的最后一個倉庫和站點，也是最靠近消費者的一個節點，其服務半徑通常約為3～5公里，這種模式能夠大幅度縮短生鮮貨物的運輸時間，盡可能保證商品的新鮮度，提升商品的品質，目前已成為生鮮電商的主要運營模式之一。但由于前置倉模式本質上屬于重資產模式，隨著各大生鮮電商企業對前置倉的高速擴張，選址如果不合理，將導致銷售業績下降、基礎運營成本增加等問題頻發，并有可能導致一些生鮮電商企業面臨倒閉的風險。

另外生鮮電商前置倉的履約成本（包括倉庫租金、庫存成本以及履約配送成本等）一直居高不下，也成為制約前置倉模式下生鮮電商發展的主要瓶頸之一。履約成本是除商品成本以外最大支出項，主要包括外包騎手及人工工資、倉儲租金和商品從中心倉向前置倉的運輸費用以及其他成本等。據相關研究測算，日均單量800單的前置倉單票履約成本約13.3元，日均單量1 000單的前置倉單票履約成本約11.3元^[1]。另有數據顯示，前置倉模式的履約成本是傳統中心倉電商的3倍左右、平臺型電商的2倍左右、社區團購的6倍左右^[2]。

由上可見，如何科學合理的為前置倉進行選址問題成為十分重要的問題，通過合理的前置倉選址，可以有效降低生鮮電商前置倉的履約成本，為生鮮電商企業的發展提供新思路。因此，本研究針對前置倉運營過程中的相關成本，構建起以中心倉、前置倉以及需求點為主的三級物流網絡模型，同時通過相關數據來驗證模型的有效性，以期解決前置倉合理選址問題。

1? 文獻綜述

關于生鮮電商行業前置倉方面，學界主要從前置倉選址影響因素和選址構建模型兩個方面展開研究，具體如下。

1.1? 前置倉選址影響因素分析

學者側重考慮的前置倉選址影響因素各不相同，其中多數學者都會考慮到基本運輸成本和運營成本。如學者衡歡樂^[3]、李佳潔^[4]等人考慮到懲罰成本對生鮮產品的影響研究冷鏈物流中前置倉選址問題；宋振波等^[5]為應對當前電商企業倉庫容量飽和現狀，以及客戶對配送時間的嚴格要求，考慮了退供成本；考慮到貨損成本的有董琦^[6]、沈紅霞^[7]主要基于貨損成本這一因素對生鮮電商企業中心倉和前置倉進行選址研究；學者Li等^[8]在研究前置倉選址的過程中，還考慮到了非接觸配送中碳排放的優化問題，并提出了配送成本和碳排放最小化的雙重目標；朱鈴^[9]以生鮮電商前置倉為例，也將碳排放處理成本加入到了前置倉選址模型，為碳交易背景下生鮮電商物流設施節點選址提供了有益借鑒。

1.2? 前置倉選址模型構建分析

在對數學模型構建求解的過程中，學者運用多種多樣的方法對模型進行求解。如對需求點進行聚類分析的時候，大多數學者采取K-means聚類算法，如學者趙振強^[10]、趙琨^[11]、周曉曄^[12]；楊雨蕾^[13]采用模糊聚類篩選法針對初始優化階段的最優解集篩選出合適的最優方案，該聚類方法相較于帕累托更有利于決策人員迅速選擇出實施方案。

又如孔成龍^[14]、解妮妮^[15]、楊雨蕾^[13]、夏連超^[16]等針對前置倉選址問題，使用遺傳算法對模型進行求解或者驗證算法的有效性，并對求解結果進行分析；Dou^[17]還運用了一種免疫狼群混合算法進行求解；郭放^[18]用基于節約算法與自適應大鄰域搜索的混合啟發式算法CWIGALNS對前置倉選址、車輛服務路徑以及補貨策略使得物流企業整體運營成本最低的問題進行求解，并同時使用CPLEX12.6對模型求解驗證模型的有效性。

在案例實證方面，李金嬌^[19]以柳州26個社區為目標區域進行前置倉選址，并用winQSB進行求解，在對配送中心的選址問題上，用重心法進行求解，最終得出具體配送中心和前置倉選址位置；黃紀凱^[20]、劉宸宇^[21]等針對求解目標之間存在矛盾或沖突，采用基于精英集的多目標模擬退火算法對前置倉選址模型進行求解，具有較強的適用性和精確性；莊峻^[22]則通過Benders分解算法并結合SAA方法能夠有效地求解不確定環境下的生鮮電商前置倉選址及訂單履約問題，可以保證模型解的質量并高效的求解模型。

除上述方法外，學者宋振波^[5]、吳競鴻^[23]、楊振宇等^[24]使用LINGO軟件對前置倉選址的數學模型進行最優解分析，最終得出結果，事實證明LINGO軟件具有適用性和能夠快速得出結果的優勢。

2? 生鮮電商前置倉選址問題描述及模型構建

在現有研究的基礎上，除了考慮生鮮電商前置倉實際運營狀況，本研究以總成本最低為目標函數，構建了混合整數規劃模型。由于LINGO在解決線性規劃問題上具有顯著優勢，可以快速準確得出路徑求解結果，故在研究中主要使用LINGO軟件進行編程求解。

2.1? 問題描述與假設

前置倉作為一種新型倉配模式，被廣泛應用于生鮮電商領域，基于對文獻^{[14，23，24]}的整理，本研究將生鮮電商的中心倉、前置倉，以及客戶需求點進行整合，構建前置倉模式下的生鮮電商物流三級物流網絡結構，如圖1所示。

本研究的生鮮前置倉選址問題可描述為：在由中心倉庫、前置倉、顧客需求點構成的三級物流網絡結構中，通過對鄭州中牟地區的興趣點進行搜集，并通過K-means聚類分析得到顧客需求點位置，將需求點位置作為前置倉選址備選地點，在滿足運輸成本、前置倉運營成本、制冷成本以及貨損成本最小的情況下，從前置倉備選點中選出建設前置倉的數量以及及具體位置。

為提升研究的準確性，現對生鮮電商前置倉選址模型做出如下假設：

假設1：當從中心倉庫到前置倉、前置倉到顧客需求地點以相應的運輸方式進行運輸時，存在新鮮度損耗現象，新鮮度損耗與配送的距離呈正相關，且所有生鮮的損耗程度一致，同時及時到達前置倉的貨物全部被派送出去，滯留成本忽略不計；

假設2：配送成本與運輸距離成正比，所有生鮮貨物的單位距離運輸成本相同，且擁有足夠運力進行運輸，不考慮競爭因素；

假設3：所研究的生鮮產品視為同一類單一品種；

假設4：本研究假設只有一個中心倉庫，所以前置倉都只接受一個中心倉的供貨；

假設5：物流方向只考慮從中心倉到前置倉候選點和前置倉候選點到終端需求地點；

假設6：本研究以一個月30天為計算周期。

2.2? 前置倉選址模型構建

2.2.1? 模型相關參數設定

本研究構建的前置倉選址模型，主要參數包括需求點數量、中心倉向前置倉運貨的單位運費、前置倉向需求點運貨的單位運費、生鮮成本平均價值等。具體如表1所示。

2.2.2? 模型變量及表征構造

本研究構建的選址模型，主要包括以下變量：一是，運輸成本，包括中心倉到前置倉以及前置倉到需求點的運輸成本；二是，建設前置倉時涉及到的運營成本，包括租金、人工等；三是，在生鮮貨物運輸過程中從中心倉庫到前置倉，前置倉到需求點的貨物損失成本；四是，由于生鮮電商在配送過程中需要耗費更多的能源來保持產品的新鮮度，而根據前置倉的特征，前置倉距離目標需求點較近，只需要考慮中心倉庫到前置倉這一段路程的制冷成本，具體數學模型表征如下：

模型中約束條件解釋如下：

式（6）表示只有當需求點i被選為前置倉的時候，中心倉庫才會對其運輸貨物；式（7）表示只有當需求點i被選為前置倉時，才能向其他需求點運輸貨物；式（8）表示被選中的前置倉只能向周圍三公里內的需求點運輸貨物；式（9）表示貨運平衡，即對于每個點來說其輸入貨運量和輸出貨運量之差等于其需求量。

3? 案例實證——以河南中牟縣物流園區為例

3.1? 背景介紹

由于一個前置倉的覆蓋半徑較小，若以整個城市為例，則需求點與前置倉的數量較多，計算數據過于龐大，鄭州市中牟縣作為河南省直轄縣，交通密度，縣級地域河南第一，同時中牟縣附近的物流園區共83個，萬邦農產品物流園區交易量位居全國第一，同時還有眾多的水果、蔬菜以及鮮肉等大型批發市場，故本研究選取鄭州市中牟縣為例進行研究。

3.2? 基礎數據

3.2.1? 興趣點與需求點數量

在中國IT社區（CSDN）上對中牟縣2023年1月的興趣點進行POI需求點搜索，共得到322條數據，因為高德POI數據不完整，在同一時間段對安居客上的住房信息整理得到356條住房信息，通過去重、篩選，最終得到該區域145條數據，將這些數據導入SPSS軟件中，進行K-means聚類分析，共聚出了12個類，選中類中心作為12個需求點的位置，并將這12個點作為前置倉預選地點。

3.2.2? 前置倉預選地點位圖

通過《中國統計年鑒2021》，全國居民主要食品消費量中，對生鮮產品進行歸類，并進行歸一化處理得出人均月消費量。一個小區通過百度地圖和網上查詢約1 000人，再根據聚類族數量，可得出族中心的需求量。選取生鮮銷售額居全國第一的中牟縣萬邦生鮮農產品物流園區作為中心倉位置（34.695 526°，113.956 077°），前置倉的經緯度、族數量、需求量以及根據地理坐標相對位置得出備選前置倉地點到中心倉之間的距離如表2所示，前置倉預選地點的坐標圖如圖2所示，其中五角星點表示中心倉庫位置，圓點表示12個前置倉預選點位置。

3.2.3? 各前置倉之間的距離

在SPSS相關性分析結果頁面有12個前置倉之間的相對距離，但因SPSS結果頁面的距離為歐式距離，本研究所需單位為千米，其單位不統一，故將得到的結果導入EXCEL表格中，進行單位換算，最終得出前置倉庫之間的相對距離如表3所示，接著通過繪制地圖軟件，根據K-means聚類分析分析結果頁面的結果，將最終聚類中心的經緯度結果批量導入繪制地圖軟件，得到前置倉預選地點的地理位置圖如圖3所示。

3.2.4? 其他相關數據

3.3? 模型驗證

LINGO作為最優化問題的一種建模語言，包括許多常用的函數可供使用者建立優化模型時調用，并提供與其他數據文件的接口，易于方便的輸入、求解和分析大規模最優化問題。LINGO軟件對于求解線性、非線性及整數最優化模型非常實用，具有方便靈活、執行速度快的優勢，是求解最優化模型的良好選擇^[5]。

使用LINGO軟件求解目標函數Z的最小值，以及從前置倉備選地點選取的前置倉位置及所需要建立前置倉的數量，根據LINGO軟件編碼原則將模型語言轉換為計算機語言，將上述所有數據帶入LINGO軟件中，讓軟件運行起來，得出結果：總成本最低為85 676.89元，如圖4所示。

圖5為各個成本結果以及前置倉建立地點，備選前置倉在圖5中表示為X，若X=1則表示被選中作為前置倉，若X=0則表示不被選為前置倉，由圖5可知選擇建立前置倉的地點為前置倉8、11。此時的運輸成本為50 150.45元，運營成本為30 800.00元；貨損成本為2 681.320元；制冷成本為2 045.114元。

由圖5可知，經過LINGO軟件的求解，得出在前置倉的各項成本，在前置倉的各項成本中，運輸成本所占的比重最大為58.53%，運營成本占比第二為35.95%，貨損成本占比第三為3.12%，最后是制冷成本占比2.39%。管理人員可以根據其在成本中所占的比重，針對性的對前置倉各項成本進行管理，并提出相應的解決方案，降低前置倉的履約成本，從而幫助生鮮電商企業更好地進行成本控制，從而突破生鮮電商前置倉發展瓶頸，實現更好的盈利。

4? 結論與展望

經過研究，相關結論如下：一是，本文運用LINGO軟件，以生鮮電商企業的前置倉選址問題為研究對象，對涉及多個變量的數學模型進行求解，最終得到前置倉的數量、具體位置以及最小化成本，實現生鮮電商企業成本最小化，企業利潤最大化，可見，LINGO對構建解決多變量的數學模型而言具有良好優勢。二是，生鮮電商行業的前置倉履約成本是除了商品成本之外的第二大開支，而履約成本中主要包含運輸成本、配送成本、運營成本等，根據各項成本所占的比例不同，合理的對其進行成本管控十分有必要。

除了以上研究外，仍有一些未考慮的相關因素，如時間因素、配送服務可靠度、客戶滿意度等，另外，在進行模型計算時還可以考慮運用一些非線性軟件進行求解和分析，以更好地驗證多重因素之間的相互作用關系，以及對選址決策的影響。

參考文獻：

[1] 明興，孫延. 物流行業供應鏈視角看商流系列之一：京東物流VS社區團購VS通達系，誰的成本更低[R]. 深圳：安信證券研究中心，2021.

[2] 東北證券. 生鮮電商行業深度報告：前置倉的市場空間及競爭力幾何[R]. 長春：東北證券股份有限公司，2021.

[3] 衡歡樂. 基于生鮮前置倉的選址研究[D]. 北京：北京交通大學，2019.

[4] 李佳潔. 生鮮產品冷鏈物流前置倉選址及路徑問題研究與應用[D]. 重慶：重慶大學，2020.

[5] 宋振波，馬文，吳耀華. 基于電商行業的前置倉選址優化[J]. 科學技術與工程，2020，20（2）：681-686.

[6] 董琦. 基于需求量預測的生鮮電商企業中心倉與前置倉選址研究[D]. 北京：北京交通大學，2020.

[7] 沈紅霞，羊英. 后疫情時代生鮮電商前置倉選址研究[J]. 上海第二工業大學學報，2021，38（4）：313-319.

[8]? LIU A， ZHU Q， XU L， et al. Sustainable supply chain management for perishable products in emerging markets： An integrated location-inventory-routing mode[J]. Transportation Research Part E： Logistics and Transportation Review， 2021，150：102319.

[9] 朱鈴，楊中華，車路濤. 碳交易背景下生鮮電商前置倉選址問題研究[J]. 物流科技，2022，45（4）：44-49.

[10] 趙振強，張立濤，王文釗，等. 基于顧客需求量分布的生鮮農產品前置倉選址研究[J]. 計算機應用與軟件，2021，38（10）：107-113，124.

[11] 趙琨，趙剛，趙永健，等. 基于非等覆蓋半徑的前置倉選址[J]. 上海海事大學學報，2022，43（2）：66-73.

[12] 周曉曄，閆泓月，馬小云，等. 城市快速物流配送網絡末端節點——前置倉選址研究[J]. 沈陽工業大學學報（社會科學版），2020，13（5）：422-427.

[13] 楊雨蕾，張錦，孫文杰，等. 動態需求下的基于醫藥前置倉的選址-路徑問題研究[D]. 成都：西南交通大學，2023.

[14] 孔成龍. 考慮消費者新鮮度感知的生鮮前置倉選址-容量決策研究[D]. 重慶：重慶大學，2020.

[15] 解妮妮. 考慮分品類的D生鮮電商前置倉競爭選址研究[D]. 北京：北京交通大學，2021.

[16] 夏連超，張洪. 考慮時間滿意度的生鮮前置倉雙目標選址優化[J]. 物流科技，2022，45（19）：160-165.

[17]? DOU S， LIU G， YANG Y. A new hybrid algorithm for cold chain logistics distribution center location problem[J]. IEEE Ac-cess， 2020（8）：88769-88776.

[18] 郭放，黃志紅，黃衛來. 考慮前置倉選址與服務策略的同時取送貨車輛路徑問題研究[J]. 系統工程理論與實踐，2021，41（4）：962-978.

[19] 李金嬌，羅倩文，宣善芬，等. 社區團購平臺前置倉選址研究——以柳州市26個社區為例[J]. 經營與管理，2021（8）：69-73.

[20] 黃紀凱. 全渠道模式前置倉選址與配送路徑優化[D]. 北京：北京交通大學，2021.

[21] 劉宸宇. B公司生鮮電商前置倉選址-路徑問題研究[D]. 北京：北京交通大學，2021.

[22] 莊峻，楊東. 面向生鮮電商的前置倉選址及訂單履約決策優化研究[J/OL]. 中國管理科學：1-15[2023-01-05].

[23] 吳競鴻. 考慮服務可靠度的生鮮電商前置倉選址問題研究[J]. 遼寧工業大學學報（自然科學版），2022，42（4）：259-263，280.

[24] 楊振宇，陳剛，安瑾. 新零售下生鮮連鎖零售企業城市前置倉選址問題研究[J]. 物流科技，2020，43（1）：159-162.

收稿日期：2023-03-11

基金項目：北京市社科基金項目“北京市互聯網金融風險畫像與風險圖譜構建研究”（19YJB015）

作者簡介：梁力軍（1974—），男，河北石家莊人，北京信息科技大學信息管理學院，副教授，管理學博士，碩士生導師，研究方向：物流與供應鏈管理、審計理論與實務、金融風險管理；王? 晨（1999—），女，河南周口人，北京信息科技大學信息管理學院物流工程與管理系22級碩士研究生，研究方向：物流與供應鏈管理；袁苗苗（1998—），女，山東聊城人，北京信息科技大學信息管理學院物流工程與管理系21級碩士研究生，研究方向：物流與供應鏈管理。

引文格式：梁力軍，王晨，袁苗苗. 生鮮電商前置倉選址因素分析與模型構建研究[J]. 物流科技，2024，47（3）：50-54.