物流配送车辆优化调度的综述论文

物流配送车辆优化调度的综述论文

物流配送车辆优化调度的综述

闫晨阳

(中国铁路北京局集团有限公司 京铁物流中心,北京 102600)

[摘 要] 物流车辆的调度工作是否完善、能否根据实际的物流路况做出动态化的积极调整,将成为物流配送是否具有高效率的决定性因素。文章在对物流配送车辆调度方式研究中,对影响物流车辆配送效率的影响因素进行了总结分析,同时以动态化管理为基础,进行依靠信息条件实现调度功能的调度优化模型,提升物流配送车辆的调度能力,提高配送效率。

[关键词] 物流配送;高效率;车辆调度;优化模型

1 引 言

物流配送车辆所处的行驶环境和行驶轨迹规划,是物流配送效率的保证,调度工作主要依靠环境分析和运行情况判断,做出实时的调度调整,以此保证车辆行驶与实际的气候、配送环境、交通环境相适应,从而达到最佳的配送路线选择、实现最短时间、高效率的物流配送服务,提升物流企业的市场形象和核心竞争价值。

2 影响物流配送车辆配送效率的主要因素

2.1 客观不可抗力因素

环境因素和非预见性的人为不可抗力因素,都是造成物流配送车辆无法提升效率、达到最优配送的主要阻碍因素。其中大部分因素的出现有着明显的随机特征,无法预先判断,导致物流配送车辆的调度工作陷入被动,调度实现无法满足实际的物流需求,造成二者之间存在差异。

常见的环境问题主要体现在天气、气候、地质灾害等方面,例如在雷雨天、暴风雪天气等环境当中,配送车辆的行驶路线规划和行驶速度都将受到一定限制,部分路段还会发生较为严重的堵塞问题,影响物流配送和物流调度工作。不过这一类型的环境问题往往可以借助人类科技的预测手段完成预先判断,调度部门可以根据具体的天气情况尽早完成规划,从而避免车辆受阻过于严重。

而诸如地震、交通事故、道路故障等客观因素,同样对配送车辆的行驶造成严重影响,但由于其所具有的不可预见性,事故的出现往往处于突发状态,一旦调度部门缺乏信息沟通或者无法做出第一时间的判断和处理,极有可能造成车辆受阻严重程度增加,导致车辆无法准时完成物流配送。

Hence, it is found that Qrad depends on the azimuthal mode number m and radial mode number r, and high order modes lead to lower Qrad9.

2.2 路线规划与车辆行驶速度

车辆的行驶速度同样是制约物流配送效率的关键,我国大部分城市内部交通车道都具有限速要求,因此配送车辆的行驶速度,也成为调度工作当中应当充分考量的重点内容。

路线规划是调度部门主要应当完成的调度工作内容,部门结合所获取的配送地区的地理交通信息和行车信息,从预期规划和实时调度规划两个方面,开展车辆行驶路线规划工作,引导车辆选择最优线路完成物流配送工作。但实际上,受限于信息资源的时效性和动态性,调度部门所进行的规划难以针对具体的线路问题做出精准、快速的应度。[1]部分物流公司还存在调度与实际情况不符的情况,导致物流配送十分缓慢,引发客户流失等问题。

3 基于信息化的动态调度管理优化方案

3.1 建立动态交通规划模型

1.2.1 CAG检查 选择飞利浦血管造影机,经股动脉穿刺插管,于左、右冠状动脉处造影,采用2~3个体位进行投照,选择自动高压注射器注射碘帕醇注射液21~28mL,注射速度7mL/s,以造影导管直径为基准,分析左、右冠状动脉及其主要分支血管内径。

交通情况的模拟是物流调度部门必须建立的工作内容,通过开展动态化的交通环境模拟方案,可以实现可视化的调度策略分析方案,从而解决因环境、不可抗力等因素所造成的配送车辆阻碍。传统物流公司的调度工作开展,主要依靠直角坐标的方式,对各个配送点和物流车辆所在点进行坐标模拟,并通过输入量的方式,构建直角坐标模型。但事实上,这种直角坐标模型对于真实道路交通的模拟程度十分有限,大量配送线路尤其是城市配送线路交通环境十分复杂,配送点与客户之间的线路众多,直角坐标无法精准描述,因此调度部门难以结合坐标完成调度规划。[2]而在信息化时代,动态化的交通环境模拟模型,应当以立体、具象、实时更新为基本要求,笔者提出,可以将地图信息当中的可测节点作为基本点,通过将基本点与虚拟点相互结合的方式,形成交通模型,其中基本点是实际配送路线当中真实存在的,而虚拟点则是经过算法计算后所得出的最优化节点中的路口,从而实现对于车辆运行轨迹和所处交通状态的准确模拟。此外,在交通模型当中,还需要引入信息系统,通过实时的交通道路信息获取的方式,来进行节点判断,例如当A节点所处最优线路出现无法通行或通行受阻问题后,系统将重新进行当前配送车辆和目标基本点之间的联络,完成次优化线路的选择,争取压缩配送时间,提高配送效率。

3.2 模型算法应用

如前所述,交通模拟模型的实际应用,除了需要对交通信息和交通状况进行精准的可视化表达之外,还需要结合算法的应用,来实现对于最优路线的选择,从而建立起调度方案。笔者在进行算法选用和算法实际应用中,通过对比观察的方式选取了“蚁群算法”进行交通模型的模拟和应用。所谓蚁群算法是指科学家通过对蚂蚁觅食过程的观察,发现蚂蚁群体会通过遗留“信息素”的方式,引领同伴找寻到最佳的觅食路线。科学家将其总结为正反馈机制算法,被称为“蚁群算法”。在物流车辆配送过程中,调度优化可以由蚁群算法来实现规划和线路优化分析。调度部门可以结合物流工作当中物流公司与客户之间形成交易的流程,来设置蚁群算法的优化策略。首先,物流公司在收获到客户物流服务请求后,需要首先判断车辆空闲状态,只有车辆满足情况下,方可进行初始参数、车辆运输容量、车辆行驶节点的导入和配送。其中车辆行驶节点需要通过设置初始化的禁忌表的方式,将已经根据转移概率完成配送的蚂蚁所到达的节点q设置到禁忌表当中,同时结合禁忌表的数据信息,对所获取到禁忌表内容中的信息素做出局域更新。随后,对客户节点做出信息反馈,判断车辆到达情况,得出其“是否已被访问”结论,随后依据路径的全局更新,进行数据信息迭代。迭代结果得到最大值,则对数据结果进行输出,以此作为车辆的配送序列情况和路线规划情况,完成交通模型内的路线最优化选取。

3.3 功能模块设计

为了实现调度优化方案的实际应用,本文结合信息平台的设计方案,提出了调度优化方式的模块化功能调整性设计,使其满足选优的路线控制方案和信息分析能力。

1.国内增加值系数效应。日本国内各产业增加值系数效应对增加值出口的影响较大,特别是在金融危机之前的两个阶段,该影响因素发挥了非常显著的积极效应,导致两阶段增加值出口的平均增长率为19.54%;在2008年金融危机爆发之后,由于日本经济受到危机的影响,导致企业产量减少、利润下降、失业率上升,进而造成主要行业的增加值率下降,其影响程度达到8.31%。

模块设计主要以满足功能需求为前提,因此本文所进行的模块设计主要集中在物流车辆的在途管理、位置管理、发车方案管理以及调整管理等几个方面,其中在途管理和位置管理是通过信息手段对配送过程中的车辆运行状态所进行信息汇总的功能模块,模块需要完成对常态信息和非常态信息进行分辨,从而实现对车辆及车辆周边环境的判断;发车方案模块是规划结果功能的实现,要求调度部门依照预期分析,完成调度设置;调整管理则是算法和交通模型模拟功能模块,主要应对处理突发状况下的车辆路线的重新调整,保证配送运行的动态性和时效性。对于调度部门来说,通过建设行之有效的信息化动态规划平台,能够实现调度能力和调度水平的提升,保障车辆配送的实际运行效率。[3]

4 结 论

综上所述,上市公司的内部控制体系管理工作的开展、财务工作风险评估和风险控制成为市场化发展当中重要的环节。上市公司需要以指标权重方案形成对于风险内容的识别,并通过加强内部环境优化和企业经营能力的提升,来保障企业拥有财务风险的控制能力。对于上市来说,如何进行内部优化管理的实施和开展,成为企业自身发展创新的关键。

参考文献:

[1]陈禹默,宋剑萍.同城物流配送车辆调度问题研究——以西安飞雕电器为例[J].甘肃科学学报,2018,30(5):142-147.

[2]赵建峰,梁伯栋.物流车辆调度一般模型及启发式算法求解现状及研究方向[J].物流技术,2017,36(12):119-123.

[3]林伟强,张袖斌,何志杰.基于物联网的高职智能物流实训室设计与探索——以广州科技贸易职业学院物流车辆调度实训室为例[J].科技创新导报,2015,12(31):15-16.

[DOI] 10.13939/j.cnki.zgsc.2019.15.168

[作者简介] 闫晨阳(1965—),男,汉族,河北平山人,大学本科,工程师,研究方向:铁路运输、公铁联运、物流规划、城市配送。

标签:;  ;  ;  ;  ;  

物流配送车辆优化调度的综述论文
下载Doc文档

猜你喜欢