铁路全程物流服务措施配置方案的优化

刘启钢

(中国铁道科学研究院 运输及经济研究所，北京　100081)

中国铁路总公司实施货运组织改革，提出“门到门”全程物流服务，以推动铁路货运加快向现代物流转变[1]。“门到门”全程物流服务需要协同运输、仓储、装卸、配送等多种资源，对物流服务方案设计提出了更为严苛的要求。近几年学者们对铁路物流服务方案设计进行了探索研究，研究成果主要集中在干线运输服务领域[2-6]，尚未解决全程物流服务措施的配置问题。

本文在已有研究成果[7-12]的基础上，研究铁路全程物流服务措施配置方案的优化。根据全程物流作业特征，将“门到门”全程物流作业过程划分为11个作业环节；基于公理化设计理论，提出“物流环节—服务措施—参数属性”的铁路物流服务措施配置机理；基于专家打分法，对每个作业环节的备选服务措施配置方案进行打分；采用多属性群体决策粒计算方法，从备选服务措施配置方案中选取单环节最优服务配置措施；在此基础上，以全程作业时间最短为优化目标，建立多环节物流服务措施配置方案优化的线性规划模型，给出全程物流服务措施配置方案。最后以1批上海至北京的货物“门到门”全程物流服务为例，验证全程物流服务措施配置方法的有效性和合理性。

1　多属性群体决策粒计算方法

1.1　基本模型

定义如下参数：Gr为几何空间，r为几何空间维度；论域U为决策对象集，U={ui，i=1，2，…，n}，ui为决策对象，n为决策对象的数量，d为2个决策对象之间的距离。则多属性群体决策粒计算模型可表达为

ξ={Gr，U，d}

(1)

本文取r=3，即研究三维空间下的多属性群体决策粒计算模型；其中，横轴为成本C，纵轴为时间T，竖轴为服务质量S，则有r={T,C,S}；假设有u1，u2，u3，…，u10共10个决策对象，其粒计算模型如图1所示。

1.2　参数定义

在三维多属性群体决策粒计算模型的基础上，根据三维几何空间的基本特征，定义如下参数。

决策对象的欧氏几何距离：2个决策对象之间的欧氏几何距离d(ui，uj)为

图1　三维空间下多属性群体决策粒计算模型示意图

d(ui，uj)=

(2)

空间粒子：论域U中存在ξi′={ui′，i′=1，2，…，n′}，∀ui′，uj′，有d(ui′，uj′)≤d，则称ξi′为论域U在划分距离d下的粒子，ui′和n′为粒子ξi′中包含的决策对象及其数量。

如图1中，ξ1，ξ2，ξ3，ξ4，ξ5为论域U下划分的5个粒子，其中粒子ξ1包括决策对象u1，u2和u3；粒子ξ2包括决策对象u2，u6和u8；粒子ξ3包括决策对象u4和u5；粒子ξ4包括决策对象u7和u9；粒子ξ5包括决策对象u10。

(3)

(4)

距离的偏差：Δ1为论域U的形心与所有粒子ξi′的形心之间的距离偏差，Δ2为粒子ξi′的形心与其内部决策对象之间的距离偏差，分别为

(5)

(6)

令Zd为在粒子划分距离d下粒子内部决策偏差与论域内部偏差之和，则有

Zd=Δ1+Δ2

(7)

最优粒子：令不同划分距离下的粒子为Zd，当max(Zd)时则对应的粒子为最优粒子。

(8)

(9)

(10)

2　物流服务措施配置方法

2.1　物流作业环节划分

如图2所示，可在“门到门”全程物流作业过程中抽象出发货人A、发货端集货中心或车站B、收货端疏货中心或车站C、收货人D这4个关键作业节点；再进一步将全程物流服务过程划分为11个作业环节，分别为发货端装车(A装车，本文假设汽车和火车装车环节一致)、发货端接取(AB接取)、发货端集货中心卸车(B卸车)、发货端集货中心仓储(B仓储)、发货端集货中心装车(B装车)、干线运输(BC干线运输)、到达端疏货中心卸车(C卸车)、到达端疏货中心仓储(C仓储)、到达端疏货中心装车(C装车)、到达端送达(CD送达)、收货端卸车(D卸车)。这里给出的11个作业环节为“门到门”全程物流服务的所有作业环节，在实际应用时，可根据客户实际需求省略或合并部分环节。

图2　全程物流作业环节划分

2.2　物流服务措施配置机理

按照公理化设计理论[14]，通过递阶分析，可将内部设计过程透明化、将复杂问题模板化，适用于本文物流作业环节的划分。基于公理化设计理论，提出如图3所示的“物流环节—服务措施—参数属性”的铁路物流措施配置机理。图3中，“门到门”全程物流共分为11个作业环节fl，令F为所有作业环节的集合，则有F={fl，l=1，2，…，11}。针对每个作业环节，提出对应的备选服务措施Al={alm，m=1，2，…，M}，M为某作业环节所有备选措施的总数。针对每个备选措施，提出对应的参数集合P={pr，r=T，C，S}。

图3　铁路物流服务措施配置机理

2.3　单环节物流服务措施的配置

真对作业环节fl，邀请多位相关专家对该作业环节的每个备选服务措施a1m进行打分，获得专家打分表；针对每个备选服务措施，将打分表中的1个分值作为1个决策对象，采用多属性群体决策粒计算方法进行粒子划分、权重计算和综合评分计算；从所有备选服务措施中选取综合评分最高的备选服务措施作为该环节的最优服务措施。

1)备选服务措施的专家打分

表1　作业环节fl的专家打分表

根据打分表选取最优的备选措施时，可采用的传统方法主要有层次分析法、灰色系统理论等，但这些方法在确定权重时具有较强的主观性，可能导致评价结果与现实不符。为此，本文采用多属性群体决策粒计算方法，计算每个备选服务措施的综合评分。

2)粒子划分及最优粒子的确定

首先从pT的维度，对备选措施al1的专家打分进行排序，并根据多属性粒计算方法进行粒子划分，获取备选措施al1的最优粒子；然后通过程序循环计算其他备选服务措施alm的最优粒子；最后通过循环前两步计算工作，再分别从pC和pS维度找出对应的最优粒子。具体步骤如下。

Step1：对备选措施al1，将专家从pT维度给出的打分结果按从小到大的顺序进行排序，构造专家打分序列。

Step3：将相邻决策对象间的距离由小到大排序，构造决策对象距离序列D*={dy，1≤y≤G-1}， ∀2≤y≤G-2，dy-1≤dy≤dy+1。

Step4：令d+d1，若dy≤d，则形成粒子划分距离为d=d1的空间粒子。

Step5：令d=d2，重复Step4的工作，形成粒子划分距离为d=d2的空间粒子；依次循环至d+dG-1，形成所有的空间粒子。

Step6：计算不同划分距离下的粒子Zd，当max(Zd)时对应的粒子即为最优粒子。

Step7：循环Step1—Step6，计算其他备选服务措施alm的最优粒子；当m>M时，转Step8。

Step8：循环Step1—Step7，分别计算参数pC和pS对应的最优粒子。

3)粒子权重和综合评分的计算

Step1：对备选服务措施al1，根据式(4)计算最优粒子形心的坐标。

Step2：根据式(8)计算最优粒子的权重。

Step3：根据式(9)计算最优粒子形心的坐标。

Step4：根据式(10)计算最优粒子的综合评分。

Step5：循环Step1—Step4，依次计算备选服务措施al2，…，alM的综合评分。

4)单环节物流服务措施配置方案

在所有综合评分(d(al1，0)，…，d(alm，0)，…，d(alM，0))中，最大分值所对应的备选服务措施al*即为作业环节fl的最优服务措施。

2.4　多环节物流服务措施配置及全程物流服务时间计算

采用2.3节的计算方法，依次确定f1，…，fL各作业环节的最优服务措施；在此基础上，以全程物流作业时间最短为优化目标，对作业总成本、服务质量不做约束，构建如式(11)所示的多环节物流服务措施配置优化整数规划模型，并采用分支定界算法对其进行求解。

(11)

3　实例分析

3.1　实例描述

假设某个客户需要定期通过铁路将1批货物从上海的A仓库运送到北京的B仓库。距离上海A仓库较近的铁路货场为闵行车站的货场，距离北京B仓库较近的铁路货场为黄村车站的货场；A仓库和B仓库均位于城市的非货车限行区域，接取送达距离均为10 km；完成客户需求的受理时间为17:00；闵行车站可用于装车的车辆有P65棚车、25 t行李车，从闵行车站开往黄村车站的X102次货运列车的开车时间为22:18，终到时间为次日10:18，列车运行时间为12 h，根据经验运到时限为15～20 h。

货物属性：1批普通件装货物(矿泉水)总重10 t。矿泉水每箱重18 kg，箱体规格为31.5 cm×29.5 cm×33.5 cm；采用托盘集装，1个托盘的规格为1.23 m×1.08 m×1.68 m。故1个托盘1层可码放12箱，最高可码放5层，则可码放60箱，即1.08 t。客户已经将货物通过托盘进行集装化，堆垛数量为10个。

仓库A和仓库B均有2组装卸人员，每组各10人，并有5辆合力H2000系列CPCD30型3 t柴油叉车，5辆合力CPD15—J3型电动平衡叉车，20台额定起重量为2 t的SYP—11K20型手动液压车。

黄村和闵行车站货场均有：10辆额定载重1.4 t的厢式货车，货厢尺寸为4.10 m×1.88 m×1.90 m；5辆东风嘉龙CNG仓栅式货车，额定载重10.0 t，货厢尺寸为6.74 m×2.294 m，仓栅高0.55 m；5辆福田欧曼VT6系仓栅式货车，额定载重19.5 t，货厢尺寸为9.53 m×2.40 m，仓栅高0.80 m；10辆解放J6L中卡厢式载货车，额定载重8.0 t，货厢尺寸为7.70 m×2.42 m×2.60 m。

黄村和闵行车站货场内的装卸条件均为：2组装卸人员，每组10人；5辆额定起重量为1.75 t的柴油叉车；5辆额定起重量为1.5 t的电动叉车；5辆额定载重3 t的液压车；龙门吊、正面吊等装卸设备。

黄村与闵行车站的货场均拥有普通平库、雨棚、集装箱堆场和散货堆场等仓储设备。

3.2　物流作业环节划分

根据物流服务过程划分，可将该全程物流需求分解为：A装车f1、A-闵行站运输f2、闵行站卸车f3、闵行站暂存f4、闵行站装车f5、闵行站—黄村站运输f6、黄村站卸车f7、黄村站暂存f8、黄村站装车f9、黄村站—B运输f10、B卸车f11共11个环节，对每个作业环节给出其备选服务措施集。

3.3　物流作业环节的作业方式及其作业时间

在环节f1：采用1台柴油叉车卸车，作业时间为1.7 h；采用1台柴油叉车装车，作业时间为1.5 h；采用1台地牛装车，作业时间3.0 h；采用双组人工装卸，作业时间4.0 h；采用单组人工装卸，作业时间4.5 h。

在环节f2：采用东风仓栅式货车运输，运输时间为0.5 h；采用东风厢式货车运输，运输时间为0.4 h。

在环节f3：采用2台电动叉车卸车，作业时间为0.3 h；采用2台柴油叉车卸车，作业时间为0.3 h。

在环节f4：采用单区、单层仓储，作业时间为1.1 h；采用多区、单层仓储，作业时间为1.1 h；采用单区、双层仓储，作业时间为1.2 h；采用多区、双层仓储，作业时间为1.2 h。

在环节f5：采用1台电动叉车装车，作业时间为0.7 h；采用3台电动叉车装车，作业时间为0.3 h。

在环节f6：采用P65棚车运输，运输时间为14 h；采用25 t行李车运输，运输时间为16 h。

在环节f7：采用3台柴油叉车卸车，作业时间为0.3 h；采用1台电动叉车卸车，作业时间为0.5 h。

在环节f8：采用单区、单层存储方式，存储时间为2 h；采用多区、单层存储方式，存储时间为5.3 h。

在环节f9：采用2台柴油叉车，作业时间为0.3 h；采用2台电动叉车，作业时间为0.3 h。

在环节f10：采用东风仓栅式货车运输，运输时间为0.4 h；采用福田欧曼系重卡运输，运输时间为0.4 h。

在环节f11：采用2台电动叉车卸车，作业时间为0.3 h；采用2台柴油叉车卸车，作业时间为0.3 h。

3.4　单环节物流服务措施配置

1)单环节物流服务措施配置过程

以环节f1为例，邀请10位专家按照9个等级对5个备选措施进行评价。评价等级包括：非常低(VL)、介于非常低到低之间(VLL)、低(L)、较低(ML)、中等(M)、较高(MH)、高(H)，介于高与非常高之间(HVH)，非常高(VH)[15]。将专家给出的评价等级按照表2转化为得分，形成专家打分表；表3中仅给出了备选服务措施a11的专家打分表。

表2　评价等级与得分的关系表

表3　专家打分表(以备选服务措施a11为例)

在专家打分表的基础上，采用第2.3节给出的单环节物流服务措施配置方法，分别计算5个备选服务措施的综合评分，然后从中选取综合评分最高的服务措施作为该环节物流服务措施配置方案，具体计算步骤如下。

Step1：首先以备选措施a11为研究对象，对10位专家的打分进行排序。

Step2：根据式(2)计算d1=0.20下的粒划分，以u11为起点搜索d(1，k)≤0.20的对象，可寻找到对象u14；再以剩余的对象为起点搜索，依次搜索得d1=0.20条件下的空间粒子序列。

(u16，u19)， (u17，u110)， (u18，u19)}

Step3：令d2=0.28，d3=0.35，d4=0.40，d5=0.45，d6=0.49，d7=0.57，d8=0.60，d9=0.63，按照Step2的方法，分别计算不同粒子划分下的空间粒子序列。

Step8：循环Step1—Step7，分别对其他4个备选服务措施计算综合评分，可得环节f1的所有备选服务措施的综合评分序列(0.58，0.76，0.59，0.58，0.75)，综合评分最高的0.76对应的备选措施a12，即为装车环节f1的最优服务措施配置方案。该方案具体为：采用单组机械装卸组织方式，即采用2台柴油叉车，作业时间为1.5 h。

2)其他环节物流服务措施配置方案

按照环节f1的最优服务措施配置方法和作业时间确定方法，依次确定其余10个作业环节的最优服务措施配置方案及其所用时间，结果如下。

环节f2(A—闵行站运输)：采用单车运输组织方式，即采用1台东风厢式货车；运输时间为0.4 h。

环节f3(闵行站卸车)：采用双组机械装卸组织方式，即采用2台电动叉车；作业时间为0.3 h。

环节f4(闵行站暂存)：采用单区、单层存储组织方式，作业时间为1.1 h。

环节f5(闵行站装车)：采用单组机械装卸组织方式，即采用1台电动叉车；作业时间为0.7 h。

环节f6(闵行站—黄村站运输)：运用整车组织方式，即采用1辆25 t行李车；作业时间为16.0 h。

环节f7(黄村站卸车)：采用单组机械装卸组织方式，即采用3台柴油叉车；作业时间为0.3 h。

环节f8(黄村站暂存)：采用单区、单层存储组织方式，即采用普通平库；作业时间为2.0 h。

环节f9(黄村站装车)：采用双组机械装卸组织方式，即采用2台柴油叉车；作业时间为0.3 h。

环节f10(黄村站—B运输)：采用单车运输组织方式，即采用1台东风仓栅式载货车；运输时间为0.4 h。

环节f11(B卸车)：采用双组机械装卸组织方式，即采用2台电动叉车；作业时间为0.3 h。

3.5　多环节物流服务措施集成

在本案例中客户要求全程物流作业时间最短，而对服务质量和作业成本不进行要求，因此全程物流服务措施配置方案为各单环节最优服务措施配置方案的集成；采用式(11)优化得到的全程物流作业时间等于各单环节最优服务措施配置方案的作业时间之和。具体：发送端物流作业时间为4.0 h，闵行站到黄村站的铁路运输时间为16.0 h，收货端物流作业时间为3.3 h；即全程物流服务总时间为23.3 h。

4　结　语

根据铁路全程物流作业特征，将“门到门”全程物流服务过程划分为多个单作业环节；基于公理化设计理论，提出“物流环节—服务措施—参数属性”的铁路物流服务措施配置机理。针对每个作业环节，采用专家打分法获得备选服务措施配置方案打分表；针对打分表，采用多属性群体决策粒计算方法计算每个备选服务措施配置方案的综合评分。在此基础上，以全程作业时间最短为优化目标，构建多环节物流服务措施配置方案集成优化的线性规划模型，得出全程物流服务措施配置方案。最后以闵行至黄村的件装货物门到门物流服务为例进行全程物流服务措施优化配置，验证了本文方法的合理性和有效性。

[1]崔艳萍, 郝阳阳. 我国铁路货运发展全程物流的思考[J]. 铁道货运, 2013, 31(11):9-15.

(CUI Yanping, HAO Yangyang. Thoughts on Developing Whole-Procedure Logistics of Railway Freight Transportation in China [J]. Railway Freight Transport, 2013, 31(11):9-15. in Chinese)

[2]屠晓君. 关于推进铁路“门到门”物流服务的实践与思考[J]. 铁道货运, 2013, 31(4):15-20.

(TU Xiaojun. Practice and Thoughts on Promoting Railway “Door-to-Door” Logistic Service[J]. Railway Freight Transport, 2013, 31(4):15-20. in Chinese)

[3]王奎林. 铁路货物门到门运输相关问题研究[D]. 成都：西南交通大学, 2014.

(WANG Kuilin. Research on Door to Door Related Issues of Railway Freight [D]. Chengdu：Southwest Jiaotong University,2014. in Chinese)

[4]王娟. 中铁快运拓展门到门物流服务方案研究[D]. 成都：西南交通大学, 2013.

(WANG Juan. Research on Service Scheme of Door to Door Logistics of CRE [D]. Chengdu：Southwest Jiaotong University,2013. in Chinese)

[5]赵攀峰. 我国铁路物流企业发展“门到门”运输经营模式研究[D]. 北京：北京交通大学, 2014.

(ZHAO Panfeng. Research on Business Model for China Railway Logistics Enterprise to Develop Door to Door Transportation[D]. Beijing: Beijing Jiaotong University,2014. in Chinese)

[6]路海平, 鞠颂东. 基于联合介数中心度的铁路货运嵌入社会大物流系统网络结构优化[J].中国铁道科学, 2012, 33(6):120-125.

(LU Haiping, JU Songdong. Network Structure Optimization of Railway Freight Embedded in Social Logistics System Based on Combination Betweenness Centrality[J]. China Railway Science, 2012, 33(6):120-125. in Chinese)

[7]贝萨·艾尔海克. 六西格玛服务设计——走向卓越之路线图[M]. 西安：西安交通大学出版社, 2008: 188-202.

[8]苗夺谦, 徐菲菲, 姚一豫, 等. 粒计算的集合论描述[J]. 计算机学报, 2012, 35(2):351-363.

(MIAO Duoqian, XU Feifei, YAO Yiyu, et al.Set-Theoretic Formulation of Granular Computing[J]. Chinese Journal of Computers, 2012, 35(2):351-363. in Chinese)

[9]DEVILLEZ A，BILLAUDEL P, LECOLIER G V.A Fuzzy Hybrid Hierarchical Clustering Method with a New Criterion Able to Find the Optimal Partition[J]. Fuzzy Sets and Systems, 2002, 128(3):323-338.

[10]JAMES C Bezdek. Pattern Recognition with Fuzzy Objective Function Algorithms[M]. New York：Plenum Press New York and London，1981.

[11]WINDHAM M P. Cluster Validity for Fuzzy Clustering Algorithms[J].Fuzzy Sets and Systems, 1981, 5(2): 177-185.

[12]XIE L X, BENI G. A Validity Measure for Fuzzy Clustering[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1991, 13(8):841-847.

[13]刘启钢.铁路物流服务需求传递理论与服务方案设计技术研究[D]. 北京：中国铁道科学研究院, 2015.

(LIU Qigang. Research on Service Demand Transfer and Technology of Service Solution Design for Railway Logistics [D]. Beijing: China Academy of Railway Sciences,2015. in Chinese)

[14]NAM P Suh. The Principles of Design[M]. New York: Oxford University Press,1990.

[15]张再房. 顾客需求驱动的产品服务系统方案设计技术研究[D]. 上海：上海交通大学, 2011.

(ZHANG Zaifang. Research on Conceptual Design Technology of Product Service Systems Driven by Customer Requirement[D]. Shanghai: Shanghai Jiaotong University,2011. in Chinese)