电子商务环境下的配送区域划分

中图分类号:F713.365.1 文献标识码:A

Abstract: In recent years, the express industry has made nearly doubled growth, resulting in the difficulty of the distribution. In order to solve the present express delivery company neglect the differences of the distribution point in regional division, and the subjective factors are too strong, resulting in the problem of unreasonable distribution region partition. This topic is to analyze and summarize the elements that influence the efficiency of distribution service. Based on the evaluation indexes of integrate out to calculate the corresponding workload index, then try to adjust the regional division results according to the workload index. The result need to meet the requirement of distribution region basic division: make sure the adjacent delivery point into a region of each; the region courier workload is balanced and reasonable after partition in order to improve the operation efficiency and ensure optimal express site customer business hours purpose.

Key words: express service; distribution; region division; workload indicators; improved k-means algorithm

随着电商市场的膨胀,网购的规模不断扩大,网购的人数不断增加,快递业以空前的速度发展。近年来,快递服务实现了几近翻番式增长,仅从一个数据看,2011年1 800万件,2012年3 000万件,2013年达6 500万件,2014年我国快递业务量为140亿件,预计2015年,我国快递业务量的增幅在40%~50%之间,即在2014年超越美国的跃居全球第一大快件国的基础上,2015年快递业务量将在180亿件至210亿件之间。企业在组织资源的速度、规模、效率和资源的合理配置方面都是传统的物流和配送不可比拟的。物流配送的统一和效率影响着整个供应链流通的效率,因此也就自然而然的成为影响快递业乃至电商企业核心竞争力的一个重要组成部分。然而当前快递配送中存在着诸多问题:

(1)配送成本过高:“四通一达”以及顺丰等快递企业都是最近几年快速兴起的物流企业,基础设施不够完善,管理模式混乱,导致人力资源等方面的成本不断提升。

(2)配送效率低下:资源分配的不均衡,重复配送的产生,责任明确的不到位,造成派送的延误,如“双十一”大量的货品堆积,造成分拣困难,派送停滞。

(3)顾客满意度不够:配送效率造成的顾客时间成本高,顾客取货时间不灵活,物业的管理严格导致终端无法进入社区。收货地点的不稳定,部分快递员工作超负荷,服务态度得不到保证[1]。

有效地提高配送效率和配送质量成为解决这些问题的关键,快递最后一公里其实属于多车辆多点间的大规模配送问题,而且配送需求存在很大的不确定性,然而规模效应却使得快递的客户分布存在一定规律性,即每天派送的范围和取派送点分布存在很强的规律性和重复性。快递企业在解决这类实际问题时,采用的是对配送区域进行划分,然后分派给各快递员进行配送。一般情况下为保证业务熟练度和客户稳定性,每个分派区域由合同期内固定的快递员负责。这里所说的快递配送区域是指每辆送货车提供配送及各种快递服务的区域,是基于服务需求而自然形成和客观存在的专项经济区域,它是以经济区域为标准,它的划分必须建立在具体的服务需求上,以降低成本,提高效率为目的[2]。

目前企业进行配送区域划分的方式主要是区域经理主观判断,根据快件预估的派送数量和距离因素大致分划,尤其是“四通一达”以承包制为主要经营模式的主流快递业,配送区域划分混乱,并且随着人事调整会存在很强的不稳定性。由于配送区域划分确实存在一定难度,不仅要考虑区位因素,交通状况,还有考虑配送的成本和工作量因素。针对快递配送还要考虑快递网点的经济效益,以及多种送递形式共存的问题,如学校是设点代收,村庄有约点交货,自提货[3],还有物业代签等多种形式。不同配送点货品特征也不同,比如学校、家属区多是些小型淘宝商品,而公司厂区等经常接收一些原料、配件类大中型货物。配送点属性的不同导致每单快件的配送难度和配送成本存在明显差异[4]。从企业效益角度看,每个配送点发货的可能性也不同,快递配送区域其实是由大量属性存在明显差异的点构成的,区域划分时应充分考虑到这一点。配送区域的明确划分能有力促进快递流程的规范化和管理模式的规范化,使快递行业未来变革中更易产生规模化效应。 所以如果仅凭人为经验和主观判断很难对区域进行有效的划分,不仅容易导致各区域快递员工作量得不到合理分配,配送效率得不到最大程度的实现,取件不及时还会影响网点的经济效益,降低客户的满意度。以承包制为主体的企业还会出现职责划分不明确,管理人员无法对各派送区间的实际情况充分了解,造成管理的困难和混乱。此外,快递员从业思想不稳定,流动率大,没有明确的区域机制,每次人员变动都会给组织协调和管理带来极大的麻烦。区域划分能有效降低企业自身的风险[5]。

1 国内外研究现状

物流领域的区域划分属于专项经济区域的划分,所以区别于行政区域的划分方法,应该充分考虑服务需求的指标。基于这个原则,在搜集相关文献时有针对性的展开。已知配送区域划分的方法有:

(1)运用网格划分法进行区域划分。对区域内点进行网格划分,判断关键点然后填入。采用网格划分的优势是:使一条线路尽量集中,减少线路交叉,便于配送;大大降低了划分的复杂度,减少了运算量;可以判断出哪个区域网点较密集,对密集区域集中配送,提高配送效率[6]。

(2)运用泰森多边形理论进行区域划分。泰森多边形在空间划分上的等分性特征,可用于解决最近点、最小封闭圆等问题,以及许多空间分析问题,文献[7]用泰森多边形进行区域划分,并得出区域集群特征。文献[8]在原有多边形算法上进行改进提出了探测线法。

(3)运用搜索式算法进行区域划分。基于遗传算法、禁忌算法等搜索式算法求解配送区域划分的问题,得到了学者们的广泛关注[9-11]。刘洪娟、甘明将影响配送的因素转化成配送成本,运用层次分析法求权重,把区域划分和选址转化成决策问题,然后用遗传算法求解。Bozkaya. B等学者设计了解决划分问题的禁忌搜索式算法,后又应用遗传算法设计了编码方式和选择、交叉、变异算子进行计算机仿真求解模型,获得配送区域划分的优化布局方案。

(4)运用图论的方法进行区域划分。文献[12]配送区域划分是在静态成本最小路径矩阵的基础上划分。配送区域划分不分割道路网,某区的配送可以使用它区的道路。划分方法是通过给每段路段两端的节点赋配送点属性,划分其归属。还有运用图论的知识,转化成最小生成树问题建模,得到区域划分[13]。集覆盖也是一类求解思路,但这些方法可以解决需求点较少的特定问题,没能形成一类具体的求解思路。

(5)运用聚类算法解决区域划分。运用该方法的文献比较多,方法比较成熟,适合解决大规模配送点的问题,本文结合聚类算法单独对解决该类问题的文献进行总结。为解决烟草配送中配送区域划分问题,朱培芬、汉吉庆等人提出了一种改进的 k-means聚类算法,计算每个点的密度并取其中最大的k个点作为初始聚类中心,通过分析比较边缘点到聚类中心距离与所有点间的平均距离,在可选范围内优先考虑边缘点,以避免边缘点对整体最优性的干扰[14]。

从对以上文献的研究中发现,在解决区域划分问题时大部分作者仅考虑距离因素对区域划分的影响,本文之前讨论过实际配送过程中影响配送效率的因素很多,除了距离因素外还有很多因素制约着配送人员的工作量。文献[15]提出了weighted-k-means算法这一改进方法,该方法根据物流配送中的实际情况,充分考虑配送点的差异性给每一点都赋以各自的权重,在聚类的时候将每一类的权重作为一个约束条件,从而使得每一个类的权重大体相等,从在区域划分时能有效控制权重使划分结果更贴近实际需求。谷炜、张群、胡睿在此思想的基础上设计了两阶段k-means算法,第一部分运用传统聚类算法结束后,第二部分利用不同配送点给定的相应工作量衡量指标对第一部分完成后形成的k个聚类进行调整,最终目的是使各个类的工作量大致相同[16]。但第二部工作量指标的算法过于复杂,本文对算法进行了改进。而且以上文献没有对影响配送人员工作量的指标进行具体分析,下面本文就来进行这方面的研究和阐释。

2 工作量指标分析

当然我们不能忽略距离因素对配送产生最直接影响,若配送区域内各需求点之间的距离过大,必然会使配送员在区域内送货时,要行驶更多的路程。若需求点距离配送中心的距离过远,则配送员会在路途中花费更多的时间。其实在实际配送过程中影响配送效率的因素还有很多,比如在宽敞舒缓的街道可以驾驶面包车进行配送,而在拥挤繁华的都市配送员只能驾驶电动自行车。若只考虑配送效率的话,通过这两种情况我们可以发现,仅仅考虑配送过程中的距离因素是远远不够的。

影响配送效率的其他因素:

(1)周边路况:配送环境的复杂度是影响配送效率的重要因素之一,拥堵的路段和曲折的乡村公路都会让快递员花费更多的时间在路上,而人流相对稀疏的家属区路段和上班时刻的城市广场、商务楼会为快递员节省更多的时间,比如上下楼和在附近停车都会比较方便。

(2)货品的属性:调查发现,目前大部分快递行业并没有规定统一包装等方面的要求,一些快件可能形状很不规则,货品形状差异往往使配送受到影响,比如送往工业园区物流园区的货品,还有一些办公区会收到一些产品样品,它们的外形包装往往很难预测而且有可能数量巨大,这样的货物配送员在每次装卸过程中都会耗费大量的时间和精力。即使形状规则但有的包裹可能体积过大,配送过程中要改换运输车辆,比如快递员的电动自行车后座无法承载如此大体积的物品。当然,还有货物的重量也会对配送效率产生直接影响。

(3)客户因素:有些配送点物业不允许快递进入,配送员需要下车后把每个快件搬运至客户手中,有时需往返好几趟。这种家属区或工业园会花费配送员大量的时间。有些家属区的客户电话联系会非常困难(有可能不在家),还有可能要临时更换配送地址。在校学生需要提前电话或者短信预约(学生白天可能在上课),这些都会占用配送员大量时间,加大配送的工作量。

(4)签收率是影响配送效率的重要指标,很多时候家属区和大学校园是签收率普遍较低的地方,家属区很可能白天上班家里没有人,学校因为有代理点的缘故,学生往往不着急取货。还有些影响签收率的因素如配送员到达指定地点后联系不到客户,造成一天或者两天内对该件重复配送。所以有经验的快递员会挑选可能出现类似情况的客户点提前电话联系,但这种联系同样会耗费时间成本。 (5)等待服务时间。很多时候把快件送到客户手中到客户签收还会花费一定时间,比如一些网购的商品,客户需要拆箱检验。一些公司或者仓库对于一些体积较小的价值较高的货物也可能选择走零担或者快递,对这种货品会有严格的进货检验过程,可能要找两个以上部门负责人签字后才能签收,还有些快递对一些企业客户提供代收货款或者签回单等方面的服务,在往这些公司配送时,快递员往往要预留足够的等待时间,否则有可能影响其他货物的配送。

(6)每个配送点的需求量当然也是影响配送效率的重要指标,虽然配送员更希望尽可能在一个需求点放下多个货物,比如校园配送点,只需一趟路程能够赚取几百件的配送费用,但是把这几百个件安置好需要花费的时间、联系成本和等待成本也是配送过程不可忽视的环节。

(7)除此之外配送过程还有些影响配送效率的因素,例如物业或前台的配合度,有些前台会帮助员工代签,有些则需要等待客户自行取件,有些配送点有自动取货装置,会节省快递员一些时间,目前很多村落被划分的配送范围内,对这些村落的配送难度往往是非常大的,很多地址含糊不清,门牌指示不准确,客户的不配合都会增加配送的工作量。

3 运用改进k-means算法进行配送区域划分

k-means最基本的算法思想是选取初始聚类中心,通过迭代把数据划分到不同的簇中,使簇内对象之间的相似度很大,而簇与簇之间对象的相似度尽可能小。由于聚类的特殊性,在对配送系统进行区域划分中使用聚类算法可以使得到的区域比较紧密且更符合实际需求。

3.1 改进的k-means算法思想

根据文献[16]的算法思想首先将聚类过程划分为两部分:第一部分为传统的k-means聚类过程,经过多次迭代,将配送点划分为k个类。第二部分进行调整,利用计算出来的工作量衡量指标,对第一步完成的k个聚类进行调整,从而使每个类内配送员的工作量差距最小化。具体调整方法如下:

3.2 两阶段的k-means算法的具体步骤总结如下:

Step1 根据公式计算分区数目k,选取k个点作为初始聚类中心。

Step3 对于每一个非中心点,在计算出的k个距离中选择最小的一个,并将该点加入对应类。

4 实例验证

通过实例验证来确定算法的有效性和划分结果的合理性。研究针对X快运公司青岛经济开发区分部进行实例分析,青岛经济开发区快递运营起步较晚,但发展相当迅速,开发区内有众多的大学、工业园,住宅区和保税区,其独特的区位优势导致物流服务需求量近几年快速增长,很多站点存在不稳定性,分区不合理造成的管理困难和利润无法达到最优。研究拟对区域内所有配送点进行分析,选择了该地区基本上平均每天都会产生需求的配送点50个,转化为平面坐标。首先根据第2小节中提到的有关聚类数量的计算公式,得出需将该地区划分成10个配送分区。

运用matlab软件,按照两阶段k-means算法的具体流程进行计算得到聚类中心如表2。

经两阶段算法进行区域划分并进行点集的调整得到结果如图1所示,从图中可以发现一个非常特殊的点,因为距离其他聚类中心都很远,所以被单独分为一类。根据实际情况可将该点划分给距离该区域最近的配送员,最终调整结果标注在青岛经济开发区地图上如图2。

5 总 结

该区域划分方法基于对实际配送过程中的影响因素进行分析,适用于解决实际问题,但基于配送环境的复杂性,该要素分析还有一定的局限性,如考虑到地区差异时,指标的权重值还需针对具体情况进行调整,但这种方法提供了在解决这类问题时的一种思路。

关于两阶段k-means算法,其实是对传统聚类k-means算法的改进,克服了基本k-means算法无法增加外部约束的问题,而且由于第一步基于传统算法,无需验证算法收敛性,程序容易实现。在第二阶段引入了外部调整量来衡量各个聚类的工作量,以保证每个配送区域所需要做的工作量控制在合理的范围内,衡量指标的各个系数则是通过数据统计分析总结而来,该指标源自实际研究数据,在应用中更加可靠。