APP下载

基于禁忌搜索算法的啤酒分销商选址问题研究

2019-12-10王园台玉红

物流科技 2019年11期

王园 台玉红

摘要:啤酒的销售物流活动受企业销售模式的制约,文章针对啤酒销售模式的特点。将候选经销商服务的终端客户数量作为考量该设施吸引力的因素,构建了求解啤酒分销商选址的重力P-median模型,并设计了禁忌搜索算法对其进行求解。最后以安庆市某啤酒企业2018年的销售数据为例,优化该区域配送分销商布局,验证了模型的可行性和有效性,具有一定的现实意义。

关键词:设施选址;重力P-median模型;禁忌搜索算法

中图分类号:F252.14文献标识码:A

1研究综述

啤酒是深受广大消费者喜爱的饮品之一。我国的啤酒市场目前竞争激烈,有效控制销售物流成本已成为重要的利润来源。建立高效的销售物流体系已成为啤酒生产企业提高自身竞争力的关键途径。

销售物流指的是啤酒企业通过一系列营销手段,将产成品从生产地到消费者的物流活动。我国传统的啤酒销售通路基本形式为啤酒企业→经销商→批发商(包括二、三级批发商)→零售商→终端→消费者。以安庆市某啤酒企业为例,该企业在当地未建工厂,所有啤酒产成品均运自外地,由企业安排直接运至分销商。其中分销商又分为配送与直销分销两种经营模式:直销分销商直接服务终端客户,而配送分销商是将产品运送至下级批发网点,再由批发网点运至终端。安庆市该啤酒企业的销售通路如图1所示:

不同于其它快消商品,啤酒的消费需求在很大程度上与天气因素相关联。酷暑天气会强烈刺激人们的消费需求,形成短期消费高潮。据中国啤酒网统计数据,在夏季(6-8月)啤酒的销量占到全年的50%以上。因此,啤酒的周转量也随季节波动较大。科学布局分销商,以满足销售旺季的消费市场,避免因物流渠道不畅而增加运费、库存及管理成本,更因供货不及时而影响销售的情况。对啤酒企业来说至关重要。本文结合啤酒销售模式的特点,建立啤酒分销商选址问题的重力P-median模型,并设计了求解该模型的禁忌搜索算法,最后以安庆市某啤酒企业作为研究对象,验证了模型的合理性及算法的有效性。

2数据与方法

2.1问题描述

分销网络的设计问题包括原材料的供应方式,工厂、仓库及分销商的选址,对顾客的配送方案等。对于大型企业,由于产品种类繁多、渠道复杂等原因,整体设计一个行之有效的分销网络尤为困难。传统的解决方案是将分销网络合理分解并逐步优化,以达到整体优化的目的。分销商选址便是其中的一个子问题。

啤酒分销商选址指的是在啤酒销售需求稳定持续的市场环境下,为啤酒分销商的布局给出建议。使得啤酒产成品从生产地到消费者间的物流过程畅通高效。由于终端客户对于分销商的选择存在一定的偏好性,经销商都有各自长年的客户资源积累,因此在啤酒经销商的选址问题的求解过程中,应充分考虑终端客户的实际情况,尽可能选择拥有更多稳定或潜在终端客户的经销商,使得被选择的经销商发挥更大的经济效益。

2.2算例说明

选择2018年安庆市该啤酒企业的数据作为研究对象,该市啤酒配送经销商及批发网点的分布如图2所示,其中各批发网点标识的半径大小与其全年的需求量成正相关。由图2可知,该区域仅有5家配送经销商,且分布不均匀。例如:经销商1与经销商2的位置相隔仅100m。据市场反应,在啤酒消费高潮的夏季,现存的配送经销商常有供货不及时的现象,影响批发网点的忠诚度。在较紧急时,批发网点会被迫选择进货其它品牌,从而对该品牌啤酒的市场占比产生负面影响。若能建立畅通的供应渠道,该企业预测全年销量有至少10%的上升空间。故应对该区域的配送经销商选址进行优化。

2.3啤酒分销商选址问题的重力P-median模型

2.3.1重力P-median模型

重力P-median问题是设施选址中常见的一类问题,重力P-median模型由Drezner等首先提出,其针对P-median模型“临近分配”的局限性,引入了空间相互作用领域经典的重力模型来描述设施选择行为。假设每个需求点选择各个设施的概率与该设施点与需求点的距离以及该设施的吸引力这两个因素相关:即若设施点与需求点的距离越近、设施点的吸引力越大,则需求点有更大概率选择该设施点。文章针对啤酒配送分销商选址问题的特殊性定义了考量分销商设施吸引力的因素,构建啤酒配送分销商选址问题的重力P-median模型。

2.3.2参数设定

模型中需要设定的参数如下:

首先设定候选配送啤酒分销商的位置及其吸引力因子。选择安庆市该啤酒企业已建立合作关系的所有经销商作为候选设施点。其中包括配送经销商5个、直销经销商11个,候选经销商分布如图3所示;通常客户资源多的啤酒经销商其吸引力也较大,本文选择每个啤酒经销商设施点直接或间接服务的终端客户数量作为考量其吸引力的参数。终端的定义是市场销售的最后一环,如超市、便利店、餐饮店等消费者直接购买商品的地点。以100个终端客户为基數,设其吸引力因子为1,每增加10个终端,则吸引力因子增加0.01。候选设施点吸引力因子如表1所示。

下一步定义需求点位置及其需求量。选择安庆市该啤酒企业现服务的所有批发网点作为需求点,需求量参考2018年该批发网点的总进货量(单位:千升),由于预测进行配送经销商设施点优化、提升配送效率之后将有效增加批发网点的忠诚度从而增加进货量,则将各个批发网点需求量设为2018年其总进货量的110%。需求点位置如图4所示,各需求点需求量如表2所示。

根据2018年的数据,全市22个批发网点的总进货量是2703.70千升,预计优化配送经销商设施点之后上升10%,即2974.07千升。据该企业统计可知,每400千升的配送量即需要1个配送经销商。则该啤酒企业需要在安庆市建立8个配送经销商设施点,以满足现有的市场啤酒需求量。故啤酒配送经销商个数P设为8。

最后设定距离衰减因子。现有研究中对距离衰减因子卢的取值通常在1-2之间,本文中卢取值为2。