论文部分内容阅读
摘 要：物流已成为一个新的经济增长点，蕴藏着巨大的经济效益。而其中物流配送中心的选址问题，正是蕴藏这样潜在的经济效益。至关重要的是科学地选择物流基地的地址。基于这种情况，通过建立物流基地选址评价指标体系，运用层次分析法和重心法进行选址，使物流基地选址的定性分析和定量分析相互补足，从而为物流基地选址提供科学支持。
关键词：层次分析法；重心模型；物流基地选址
1 引言
随着经济的全球化和技术的发展。生产中通过降低原材料或设备生产能力来提高企业的效益已经很有限了。于是，物流作为可供挖掘的“第三利润源泉”被越来越多的人所认识。而物流配送是物流活动中一个重要节点。在一区域内，配送中心按照用户订货的需求时间和地址，运用各种交通工具进行配送货。配送不单是送货，而是一个有机的结合。因此物流配送中心在整个物流全过程中起极为重要的作用，直接影响着整个物流企业的成本和利润。；若选址不当，将对企业产生负面影响。因而，应用科学的决策方法寻找到最为适宜的仓库位置十分必要。
2 具体案例分析
2.1实证分析选址方法介绍
物流基地选址的定量研究在国外由来已久，采用的方法主要有重心法、混合整数规划法、CFLP法等。而国内学者目前使用较多的有重心法和层次分析法。
重心法是物流选址的典型方法之一，这种方法考虑的主要因素是现有设施间的距离和要运输的货物量。酒成品的运输量是影响酒制造企业酒成品运费的主要因素，我们选择的配送中心要尽可能接近运量较大的网点，从而使较大的酒成品运量走较短的路程。
层次分析法（AHP）是一种多指标综合评价方法，特别适合难于完全定量进行分析的复杂问题。
2.2企业概况
本文根据贵州某大型酒生产制造的特点，进行对各地配送中心选址的研究，为达成公司物流总成本最低的目标。据资料统计，有六个城市酒成品需求量相比较大为重庆，上海，北京，云南，广东，四川。按国家统计局统计数据计算，截至2013年末全国人均白酒消费量已达8.57升/年。
2.3基于重心法和AHP的选址应用分析
2.3.1构造参造物坐标
为了构造参照坐标，在研究中以贵州（106.70。E，26.61。N）为坐标原点，根据经纬度：重庆（106.45。E，29.57。N）、广东（113.23。E，23.17。N）、上海（121.43。E，34.50。N）、云南（102.7。E，25.0。N），北京（116.42。E，39.92。N），四川（104.1。E，30.6。N）赋予六个相应的地理位置，设贵州为点O，依次重庆为点A，广东为点B，上海为点C，云南为点D，北京为点E，四川为点F。结合所在的地理位置绘制象限图，再根据各地的实际地理位置绘出相应的地理坐标，按照位置换算，可以粗略地赋予各地相应的坐标值（见图1）
图1拟选配送中心分布坐标
2.3.2重心法求解和结论
利用重心法进行研究。首先根据各点在坐标系中的纵、横坐标值计算出新位置坐标Xo和Yo。新坐标值计算依据重心法公式：（式中，Xo和Yo是待定配送中心的坐标值）。X1和Y1是各地的坐标值，Wi表示各候选地所在的省（市）的白酒成品年均需求量。據统计它们的年酒需求量分别为O点40300t，A：190000t，B：81200t，C：132700t，D：57700t，E：126600t，F：76200t。根据重心法公式，计算新的地理坐标值：=4.596；=4.578
现得新坐标点设为N点（4.596，4.578），为求出配送中心的选址地点，再次计算新坐标点M与各点间的距离，计算公式为：
因此通过上式可算出：MO的距离L1=6.48；MA的距离L2=5.108；MB的距离L3=8.248；MC的距离L4=10.661；MD的距离L5=6.217；ME的距离L6=10.124；MF的距离L7=7.220。
由此可知O点，A点离配送中心（4.596，4.578）较近。接下来采用AHP进行下一步的选址决策。
2.3.3基于AHP优化备选地址
层次分析法是基于利用重心法选出的两个备选点的基础上，将所要分析的问题层次化，构造层次结构模型，确定各要素权重，然后得到最优地址。
①建立层析分析结构模型
图2配送中心选址层次结构模型
②构造判断矩阵
③计算层次单排序的权向量和一致性检验成对比较矩阵
由于AW0==（0.228，2.367，0.486，1.185）T
计算=1/4（0.228/0.055+2.367/0.544+0.486/0.119+1.185/0.281）=4.199
进行一致性检验=（4.199-4）/（4-1）=0.066
判断矩阵的平均随机一致性指标RI值如下表6：
表6 平均随机一致性指标
因为矩阵A为四阶矩阵，因此RI=0.90，则随机一致性比率CR=CI/RI=0.074<0.10。通过一致性检验。同理对方案层中的P1，P2在C1，C2，C3，C4中的权重等进行计算可得均为：；CI=0；CR=0<0.10说明准则层对方案层的所有成对比较比较均通过一致性检验。
最终，可得到各方案的层次总排序结果见表7：
表7 综合评价总排序
从表7知，重庆的综合评价最好为0.605，高于B贵州0.394，所以A為配送中心的最佳。
3 结束语
通过定性与定量两方面对配送拟选地点进行分析比较。规避了重心法和AHP各自的缺点。从中可以看出其中重庆的优势比较明显。首先重庆对酒成品的需求量较大，且距离较近。其次，重庆陆路和水路的交通优势都特别明显，并且重庆市长江沿线重要的通道和集散地。综合各因素选择重庆为物流配送中心较为合理。
关键词：层次分析法；重心模型；物流基地选址
1 引言
随着经济的全球化和技术的发展。生产中通过降低原材料或设备生产能力来提高企业的效益已经很有限了。于是，物流作为可供挖掘的“第三利润源泉”被越来越多的人所认识。而物流配送是物流活动中一个重要节点。在一区域内，配送中心按照用户订货的需求时间和地址，运用各种交通工具进行配送货。配送不单是送货，而是一个有机的结合。因此物流配送中心在整个物流全过程中起极为重要的作用，直接影响着整个物流企业的成本和利润。；若选址不当，将对企业产生负面影响。因而，应用科学的决策方法寻找到最为适宜的仓库位置十分必要。
2 具体案例分析
2.1实证分析选址方法介绍
物流基地选址的定量研究在国外由来已久，采用的方法主要有重心法、混合整数规划法、CFLP法等。而国内学者目前使用较多的有重心法和层次分析法。
重心法是物流选址的典型方法之一，这种方法考虑的主要因素是现有设施间的距离和要运输的货物量。酒成品的运输量是影响酒制造企业酒成品运费的主要因素，我们选择的配送中心要尽可能接近运量较大的网点，从而使较大的酒成品运量走较短的路程。
层次分析法（AHP）是一种多指标综合评价方法，特别适合难于完全定量进行分析的复杂问题。
2.2企业概况
本文根据贵州某大型酒生产制造的特点，进行对各地配送中心选址的研究，为达成公司物流总成本最低的目标。据资料统计，有六个城市酒成品需求量相比较大为重庆，上海，北京，云南，广东，四川。按国家统计局统计数据计算，截至2013年末全国人均白酒消费量已达8.57升/年。
2.3基于重心法和AHP的选址应用分析
2.3.1构造参造物坐标
为了构造参照坐标，在研究中以贵州（106.70。E，26.61。N）为坐标原点，根据经纬度：重庆（106.45。E，29.57。N）、广东（113.23。E，23.17。N）、上海（121.43。E，34.50。N）、云南（102.7。E，25.0。N），北京（116.42。E，39.92。N），四川（104.1。E，30.6。N）赋予六个相应的地理位置，设贵州为点O，依次重庆为点A，广东为点B，上海为点C，云南为点D，北京为点E，四川为点F。结合所在的地理位置绘制象限图，再根据各地的实际地理位置绘出相应的地理坐标，按照位置换算，可以粗略地赋予各地相应的坐标值（见图1）
图1拟选配送中心分布坐标
2.3.2重心法求解和结论
利用重心法进行研究。首先根据各点在坐标系中的纵、横坐标值计算出新位置坐标Xo和Yo。新坐标值计算依据重心法公式：
现得新坐标点设为N点（4.596，4.578），为求出配送中心的选址地点，再次计算新坐标点M与各点间的距离，计算公式为：
因此通过上式可算出：MO的距离L1=6.48；MA的距离L2=5.108；MB的距离L3=8.248；MC的距离L4=10.661；MD的距离L5=6.217；ME的距离L6=10.124；MF的距离L7=7.220。
由此可知O点，A点离配送中心（4.596，4.578）较近。接下来采用AHP进行下一步的选址决策。
2.3.3基于AHP优化备选地址
层次分析法是基于利用重心法选出的两个备选点的基础上，将所要分析的问题层次化，构造层次结构模型，确定各要素权重，然后得到最优地址。
①建立层析分析结构模型
图2配送中心选址层次结构模型
②构造判断矩阵
③计算层次单排序的权向量和一致性检验成对比较矩阵
由于AW0=
计算
进行一致性检验
判断矩阵的平均随机一致性指标RI值如下表6：
表6 平均随机一致性指标
因为矩阵A为四阶矩阵，因此RI=0.90，则随机一致性比率CR=CI/RI=0.074<0.10。通过一致性检验。同理对方案层中的P1，P2在C1，C2，C3，C4中的权重等进行计算可得均为：
最终，可得到各方案的层次总排序结果见表7：
表7 综合评价总排序
从表7知，重庆的综合评价最好为0.605，高于B贵州0.394，所以A為配送中心的最佳。
3 结束语
通过定性与定量两方面对配送拟选地点进行分析比较。规避了重心法和AHP各自的缺点。从中可以看出其中重庆的优势比较明显。首先重庆对酒成品的需求量较大，且距离较近。其次，重庆陆路和水路的交通优势都特别明显，并且重庆市长江沿线重要的通道和集散地。综合各因素选择重庆为物流配送中心较为合理。