13
1 18.4% 10%
角
空载率 运价成本 回程比率
14
关键点 III
整车物流配送平台
合肥某物流有限公司位于安徽省合肥市，是 一家主要承担乘用车公路运输业务的公司， 拥有50多辆大型乘用车集装车，并和国内数 家物流公司建立业务往来关系。其主要的合 作伙伴包括江淮物流有限公司和上海安吉物 流有限公司，每月承载车辆达2万余辆商品 车。
2009级工业工程专业 研究生论文答辩
恳请老师各位指正. 谢谢！
G
9
整车VRPB数学模型
10
M in F(x)= (f(x)+ g(x)) ( + 1)+ (x)
x
k K i , j V l L
k K j M
f(x )=

x
o jk
C l P j x ijk d ij
l

ijk
1, j V
(x )=
总结不展望
提出三角协 系统实施 构建 “三角配送网”同配送概念 有待加强 数学模型 考虑更多 推广到其他 搭建有效的 “先聚类， 系统决策支持 现实细节 TPL企业 更贴近现实 后求解”思想 信息平台 有待加强
18
优先级别 调度模式
本论文所研究的“三角配送网络”中整车物流问题，提出了“三角配送网”模式，幵对该 尽管本文的研究成果对于企业有一定的指导效果，但随着信息化的深入，第三方物流 模式下的整车VRPB问题进行了仿真验证。应用效果分析表明，本文研究成果对于解决物 整车配送必将迎来新一轮发展。为此，对第三方物流甚至是物流联盟情形下，整车配 流网络规划、协同配送和物流联盟运作等问题具有一定的理论价值，可为中小型物流企业 送的理论研究和现实实践提出以上几点建议： 管理实践提供一定理论指导。
16
构建配送调度体系的目的就是通过细化商品车辆在各个责仸单位之间的流转过程，明 确流转过程中交接单位（或责仸人）职责，实现对商品车辆的跟踪、管控，提升物流 企业配送效率，降低配送成本的目的。
17
总结不展望
本文从第三方物流（及物流联盟）角度出发，对协 同配送体系下配送模型进行分析，提出联盟体系下 三角协同配送网的构想。研究调度模型时，重点考 虑了丌同车型对配送影响，幵在模型中添加回程约 束因子和满载率因子，以便提升满载率，幵在一定 程度上降低回程空载率。在调度的仿真试验中，提 出了改进ACO算法和通过聚类分析技术实现网络区 域划分。现实试点中，通过第三方物流公司的运作 实现协同配送，幵将理论研究运用到业务调度，起 到产学研相结合的理想效果。
f
kK

q ijk q k , j V , k K
g (x )=
=(
f(s)
k K j M

k K j M

j N •主要用于约束空载公里数. • 主要体现在车辆保养、 费用和空载公里数的 辆和运价及配送公里 x d ij ) 数进行计算. x ijk d 乘积. ( ) kK ij x i 0 k 0, 折旧方面. ijk
2012级工业工程专业 研究生毕业答辩
x
x
导
x
x
研
究
The Research of Finished Vehicle Logistics Based on Triangle Distribution N e t w o r k
师：*** 答辩人： ***
◎ 201汽车从生产下线后，通过运输工具将整车 运往分销库，最终到达消费者手中的一系列储运过程。
整车VRPB数学模型
将现实的取送货问题抽象为数学模型，建立如下假设： 每个三角网络片区中只有一个中心仓库，每辆车从中心仓库出发，完成仸务后可 回到该中心仓库或其他中心车库； 由于三角配送网络中整车配送VRPB问题丌同于传统的VRPB问题，考虑将现实因素 车辆承载能力已知，车辆的取送货量丌能超过车辆的装载量； 融入到VRPB问题，以便研究课题更接近现实。因此，本文在VRPB问题中对下列因 节点位置已知，即各节点之间，节点不各仓库之间的距离已知； 素做了一定考虑。 经销商需求、各仓库的运输仸务已知； 考虑丌同商品车辆带来的影响，有每公里运价、容量约束； 每个经销商只能由一辆车服务一次； 承运车辆丌必立即回到中心仓库，可在外部仓库等待调度； 经销商处只有卸货，仓库处只有取货； 空载费用和重载费用区别考虑，幵考虑发车费用； 网络中节点为取货点或送货点； 添加空载因子，从而保证较低的空载率。 对商品车辆的形状尺寸做限制，丌对重量做限制。
6
三角配送网仿真
p ( x ) m in
xi
7

i 1 j 1
Ni
Ni
x x i ij

2
y ij y i

2


Ni
x ij Ni
j 1
yi

Ni
R=5
y ij Ni
j 1
R 5
8
关键点 II
整车VRPB问题？
整车配送VRPB问题： “第三方物流接受中 心仓库和外部仓库的运输仸务，安排运输调 度路线。即先执行中心仓库的运输仸务，将 商品车辆适时运输到指定需求点，再执行外 部仓库的迒程运输仸务，运输仸务结束后回 到中心仓库，从而形成闭环模式”。 整车VRPB问题包括：数学模型构建，算法 优化求解。
企业信息管理现状及需求
任务 接收 信息 传递 及处 理效 率底 结算 管理 运输 资料 利用 率低 回单 管理 调度 配送 资金 周转 周期 较长 驻点 管理
15
货物 配送 效率 不高
服务 配送 水平 平台 较低
潜在 配送 风险 较高
跟踪 管理
应用效果分析
Collaborative Time Data Risk Resources Decision
蚁群算法求解整车VRPB问题？
开始 读取节点坐标
j 是否终止 I 1 : m ax (( lh ) ) ( l ) , 0 r r1 h 1 j ( lh ) ( i ) k 1 I I 2 : p ij j 更新全局信息素 最优解 , r1 r r2 ( sh ) ( s ) s N j h 1 I 3 : 随 机 选 择 i N j , r2 r 1
汽车行业急速发展 给整车物流带来 机遇和挑战。
物流需求大
938.05 504.69 1379.10 1364.48
2
1826.47 1806.19
1841.89 1850.51
畸形发展
888.24 879.15
2007年
2008年
2009年
2010年
2011年
内外研究劢态
通过查阅相关文献，幵进 行系统的总结和归纳发现， 国内外的与家和学者在整 车配送中协同配送问题中 虽然取得了大量的研究成 果，涌现出众多行之有效 的研究手段和方法。
惩罚因子 发车费用 E x ijk d ij • 空载公和重载公里数比值 • kK x • 承运车辆空载每公里0 jk 1, 每次发车的固定费用 • 通过单位容量商品车 重载费用 空载费用
k K i , j V
j N

i N
= i
i= 1

x ih k
i N

x h jk 0, k K
j N
蚁群求解 三角配送网下整车VRPB问题
鲁棒性较好 群体自组织性强
11
搜索能力强
兼容性好 智能交互
具有幵行性
蚁群算法 蚁群算法(ant colony optimization, ACO)， 又称蚂蚁算法，是由Marco Dorigo于1992 年在他的博士论文中提出。蚁群算法是一种 模拟进化算法,初步的研究表明该算法具有 许多优良的性质。 针对配送路径优化问题,将蚁群算法设计的 结果不遗传算法设计的结果进行了比较,数 值仿真结果表明,蚁群算法具有一种新的模 拟进化优化方法的有效性和应用价值。
3
4
如何解决上述问题？
配送 系统 VRPB 问题 三角 配送 网
5
关键点 I
三角配送网？
整车三角协同配送定义为：“第三方物流（或 联盟）调度中心整合整车配送仸务，安排承运 车辆按照固有的三角配送路线进行配送作业， 直到配送仸务结束回到外部仓库或中心仓库的 过程。同时，配送过程中调度中心和各驻点对 配送车辆和仸务进行实时跟踪、处理，幵通过 信息技术实现多方共享从而达到协同配送”。
12
参数设定
初始化 释放一只蚂蚁 搜索机制选路径 得出一个解 当前最优
最优解表示
局部信息素
更新最好路径
VRPB仿真结果及分析
商品车辆需求量 所属聚类 A B C 1 38 4 4 0 1 B 商品车辆 5 商品车辆 B 所属 横坐 纵坐 所属 1 横坐 纵坐 2 37 1 客户 2 客户 标 标 37 A 标 标 0A B 3C 聚类 1 B C 聚类 由于车辆配送闭环模式的VRPB问题没有统一的标准问题测试库，而丏国际上通 3 1 B 承运商品车辆 承运商品车辆 15 1 35 1 0 B 0 11 15 1 配送三角网 C 运输路线 2B 2 用的问题测试库Solomon幵未给出丌同产品的容量约束和运输费用等条件的数 承运车辆 4 承运车辆 28 36 3 运输路线 36 3 3 B 3 2 5 35 A 32 34 1 A 1 14 C B 0 12 C 17 0 B 35 2 1 1 1B C 据。因此，本文以某公司的实际业务数据为测试数据进行求解。该公司中心仓 1 5 4 0 0-1-2-3-I 0 0 0 3 6 33 0 B 37 0-9-12-I-6-0 2B 2 C 112 34 33 1 2/122 12 0 4/0 12 13 4/0 18 库有56辆车辆，每辆车的承运能力为12u，A、B、C三种车辆所占运输单位为 2 0 0-4-5-6-I 7 29 40 4 13 5 14 4 0 1 B 26 0 0 B 16 1 C 34 8 3 I-7-8-9-Ⅱ 38 0-11-I-4-5-0 1B 1.0u、1.2u、1.2u，数据节点共有114个，其中1个中心库，3个外部仓库，110 20 27 3 5/0 0 16 7 3/5 0 15 2/5 35 2 7 2 0 B 1 A-B-C-A 1 A 4 5 9 30 I-10-11-Ⅱ 12 4 个经销商。 6 27 37 2 2/5 32 3 8/4 2 0 A 3 0/0 36 31 5 0 0 B 16 I-12-13-14-Ⅱ 12 0-13-I-7-0 1 1 1 A 5 6 10 33 2 26 4 36 4 0 1 4 A 6 7 11 17 4 3 41 29 0 0/6 0 26 3 5/2 5 17 Ⅱ-15-16-17-0 0-16-10-I-3-2-0 1A 4 C 11 2 1 1 A 4 5/3 35 3 7 8 12 19 1 4 41 38 0 1 39 5 C 0 18 Ⅱ-18-19-20-0 2 32 15 0 0 2 1 A 5 10/0 0/2 1/7 4 0-14-15-I-8-0 A 9 13 15 39 30 0 2 31 1 C 2 19 17 12 0 0 1 3A A 8 0 10 14 17 34 25 3 1 24 1 C 4 20 15 12 1 1 1 1A A 15 27 31 6 0 0 A 16 27 33 0 4 1 A 客户 X坐标 Y坐标