物流配送车辆的干扰管理序贯决策方法研究，本文主要内容关键词为：物流配送论文,干扰论文,车辆论文,方法论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
0 引言
物流配送是现代物流管理的重要组成部分之一，如何为客户提供满意的配送服务是物流企业必须解决的关键问题。物流配送过程中，配送车辆经常会碰到大量的干扰事件，如车辆抛锚、道路堵塞、天气变化等，从而导致配送的时间延迟，使事先制定好的配送计划受到影响，甚至变得不可行。因此，对该问题的研究具有重要的实际意义和理论意义。
由于物流配送系统涉及了物流供应商、客户等多个主体，扰动发生后，如何权衡各方利益形成应对扰动的方案，是目前该领域面临的主要问题。另外，由于干扰事件的发生具有随机性、动态性以及不可预测性等特点，对配送系统的实时响应也提出了很高的要求。因此，物流配送受扰延迟问题的决策是一个多目标的、动态的优化难题。针对这一问题，国内外学者已经进行了大量的工作，其研究方法大致分为以下两种：re-scheduling方法[1-2]、随机优化[3-5]。由于物流配送受扰延迟问题的特性，使这两种方法的应用受到很大的局限。如何快速有效地处理干扰事件并形成系统扰动最小的调整方案，仍然是该领域研究的难点。另外，由于干扰事件的产生、发展、衰退、结束等具有一定的规律性，因此，如何在干扰事件发生与发展过程中进行决策是目前干扰管理研究的难点问题之一。
干扰管理是近年来国际上管理科学、运筹学和系统工程等领域备受关注的新的研究方向，其概念可定义为[6]：在计划开始阶段，用优化模型和求解算法得出一个好的运行计划；计划实施中，由于内外部不确定因素导致扰动的发生，使原计划变得不可行，需要实时地产生新计划。新计划要考虑到原来的优化目标，同时又要使干扰带来的副作用最小化。干扰管理需要针对各种实际问题和扰动的性质，建立相应的优化模型和有效的求解算法，快速、及时地给出处理扰动的最优调整计划。这个调整计划不是针对扰动发生后的状态完全彻底地重新进行建模和优化，而是以此状态为基础，通过对原方案进行局部优化调整，快速生成对系统扰动最小的调整方案。
由上述定义可知，干扰管理是实时处理干扰事件的方法论，近年来它已经成为国际学术界前沿性的研究方向并逐渐成为研究热点[7-10]。在物流配送时间延迟的干扰管理领域，Zhang[11]等人研究了有时间窗的车辆路径问题的干扰管理问题，针对由车辆原因引起的小概率大后果的干扰事件，构建了基于分散蚁群算法的启发式算法，提出了干扰应对方案的生成方案。该模型将未满足时间窗的配送点个数作为对初始计划的偏离，而没有考虑每个配送点时间延迟的程度及配送点的差异。Li[12]等研究了物流配送中由机械故障、交通意外引起的不可恢复性干扰问题的决策支持模型，应对方案采取邻近救援及重调度策略，并以救援成本最小为目标。该模型以人工专家经验判断是否开始实施干扰应对方案及采取何种方案，适用条件限制较多。王春明等[13]研究了车辆路径问题中客户点数量、需求量、时间窗及可行路径变化的扰动问题，建立基于图的数学模型，以偏差费用最小化为目标，而没有考虑干扰事件对整个系统的影响。Rhalibi和Kelleher[14]研究了集装箱装卸运输中干扰重调度的方法策略，干扰事件发生后，采用车辆的行驶路程、空载路程和空载率作为衡量系统扰动的指标，根据优先级的不同，建立多目标优化模型。该模型与运载形式紧密相关，而空载率等指标对城区车辆物流配送问题一般情况来说，并不是一个理想的考察指标。
以上学者对时间延迟的干扰管理做了大量的研究，在决策方法方面取得了一定的进展。但是上述研究都是针对干扰事件发生且结束以后进行的应对策略，没有解决在干扰事件发生和演进过程中如何进行实时决策的问题。另外，由于物流配送系统十分复杂，影响因素很多，因此在干扰事件的演进过程中，如何全面评价时间延迟对系统的影响并进行实时有效的决策，仍然是该领域的难点问题。本文基于干扰事件产生、发展、衰退、结束的一般规律，将延迟按时间段进行划分，在每一个阶段初，通过综合考虑物流配送公司及其客户两个主体，对所有可能的策略进行评价，形成相应的最优决策。如果干扰事件继续发展，在每一阶段末需要重新评价所有可能的策略并进行决策，形成下一阶段的最优决策，这就是本文要研究的解决时间延迟干扰问题的多阶段决策方法——序贯决策方法，它将为实际的物流配送干扰管理提供科学有效的工具。
1 问题描述与决策过程分析
物流配送中心的车辆沿预定的最优路径进行配送作业，配送过程中，由于车辆故障、交通堵塞等干扰事件导致配送时间延迟，该延迟会在所考察的时间跨度内结束，即导致延迟的干扰事件属于可恢复的干扰事件。在干扰事件的演进过程中，决策者需要根据干扰事件的状态，实时做出相应的决策。
由于干扰事件的产生、发展、衰退、结束等本身具有相应的演进规律，因此，具有时间延迟的干扰管理问题的决策可以分阶段进行。在每一阶段初，通过对所有可能的策略进行评价，从而选择最优的应对决策方案。随着时间的发展，如果干扰事件尚未结束，则先前的决策对物流配送系统的影响可能会发生变化，决策者需要在下一阶段内，根据以往各阶段的决策及干扰事件的状态，再次评价多种应对策略，选择应对方案，即整个干扰应对方案的决策活动不是一次性的过程，而是在多阶段依次完成的，如图1所示（D[,i,j]是在第i阶段开始时可以选择的第j种应对方案）。
图1 序贯决策示意图
在多阶段决策过程中，影响阶段划分的因素很多，如运送物品对时间的敏感程度、干扰事件的性质、干扰事件的状况等。从物流配送干扰管理实际出发，文本认为决策阶段的划分可依据以下几点：
(1)历史数据的统计研究结果。在城区物流配送活动中，干扰事件发生频繁，决策者对干扰事件可能的状态具有一定的先验知识，在划分决策阶段时可以充分利用历史经验。
(2)未完成的配送任务情况。干扰发生后，决策者应该考虑未服务客户的数量、订单数额、重要程度等信息，为决策阶段的划分提供依据。
(3)其它配送任务。在某些情况下，干扰事件的解决依靠单个车辆无法完成，需要它车进行援助，而物流配送中心还有其它的配送任务正在进行或即将展开，因此，干扰决策阶段的划分还需要考虑物流配送中心的其它配送任务。
2 干扰管理的策略评价方法及序贯决策方法
2.1 延迟时间的定义
从配送中心0点开始，按1→2→3→…→p顺序向p个客户送货。这是一个已经优化过的配送线路，可保证送货时间和总路程最短。记车辆从i-1到i点所需时间为
，速度为v，产生的费用
只与路径的长短正相关，即
=w··v (1)
其中：w为系数。
配送过程中，假设干扰事件发生在配送点区间[k，k+1]上，k∈p，干扰事件发生时记t=0。T=t时，干扰事件的可持续时间的概率密度函数预期为：
2.2 延迟时间的价值度量
在制定物流配送初始计划时，以配送的总成本最小为目标，这符合经营管理的一般规律。而对于物流配送过程中遇到的干扰问题，需要以尽量小的扰动，尽快恢复物流配送系统的正常运行。这种扰动不仅对物流供应商有影响，还对其服务的客户有影响。对于供应商的影响，有运输费用等可以用价值进行衡量的因素，也有市场占有率等不易衡量的其它因素。对于客户的影响，主要表现为因服务时间的延迟带来的不便及不满，这种不满会影响客户下一次物流供应商的选择，从而对物流供应商造成新的损失。因此选择偏离成本来衡量时间延迟的扰动，在兼顾物流供应商和客户的条件下，将时间延迟扰动的多维影响统一到价值的角度。偏离成本从价值角度度量干扰事件的时间延迟，是对干扰进行量化的一种尝试。偏离成本可表示为：
DC=FC+TC (3)
DC(Deviation Cost)为偏离成本，即原计划无法正常执行的条件下，在制定调整方案时，为了使系统的扰动最小，需要增加的成本；FC(Future Cost)为未来损失成本，即客户因为配送没有按要求的时间到达，在未来对该物流供应商选择的减少；TC(Transportation Cost)是为了减少扰动而产生的额外运输成本，主要包括新增加的路程费用、进行救援时救援车辆的费用等。
在制定使系统的扰动最小调整方案时，需要最小化偏离成本DC，即
Min DC=Min(FC+TC)(4)
上式表示，在时间延迟发生后，需要从两个方面来考虑系统的扰动程度，即对客户的影响和对物流供应商的影响，前者用FC来描述，后者用TC来描述。
对于FC，其主要的影响因素是客户在未来的购买数额，要解决该问题，首先进行如下假设：客户延迟收到货物时，将以一定的概率减少未来对该物流供应商的选择。通过对微观经济学需求函数[15]进行拓展，得出未来购买数额的二次型密度函数：
TC主要是从物流供应商角度考察干扰事件对系统产生的偏离成本，其大小与物流供应商采取的应对方法有关。本文仅考虑了大多数情况下，物流供应商采取两大类三种应对方法。即对于TC，在发生可恢复性干扰事件时，物流配送供应商主要有两大类应对方法：等待和救援，无论采用哪种方法，都包括对原方案进行重调度时，新路径所产生的额外运输成本。
对于救援，除包括额外的运输成本外，还要考虑救援车辆的固定费用。由于启用救援车辆的费用很大，相比之下，车辆救援不同客户点间的行驶距离差别并不显著，因此该费用可以用需要救援的客户点数量来表示，具体如下：
y=hz+l(7)
其中：y表示救援费用；l表示启用救援车辆的固定费用；z表示需要救援的客户点数量；h、l为参数，由物流供应商决定。
对于等待，如果没有对原计划进行重调度，那么TC为0；如果进行了重调度，配送路线的长度要大于原计划，因此：
2.3 序贯决策方法
随着干扰事件的不断演进，决策者对延迟时间的估计将会随之变化。比如，道路堵塞造成延迟时，较悲观的决策者考虑到由于交通不便，引发了新的事故，延迟时间要增加，大于原先的估计，即延迟状况会向着坏的方向发展；较乐观的决策者会考虑到交通等部门出面疏导，延迟时间会缩短，小于原先的估计，即延迟状况会向着好的方向发展。由于决策者的不同，对干扰事件持续时间的预期也会有所不同。
由于干扰事件的发生和发展具有规律性和阶段性，在每一阶段初需要评价所有可能的策略从中做出最优抉择，本文提出一种在干扰事件演进过程中实时处理该问题的序贯决策方法。序贯决策方法将延迟事件分割为前后关联具有链状结构的多个阶段，各阶段根据当前状况选择新的应对策略，各个阶段决策的选择不是任意确定的，依赖于当前面临的状态，又考虑未来的发展及影响，这些多个阶段的决策所产生的决策序列就形成了干扰事件的应对方案。随着干扰事件的演进以及决策者在不同状况下的抉择，可以得到不同的应对方案。为简化问题，选择悲观和乐观两种较典型的决策者进行研究。
干扰事件发生后，由2.2节可知，应对措施可分为两大类，一类是救援，另一类是等待。在等待策略中，是否进行重调度也是需要进行决策的问题。因为干扰事件发生后，扰动因素已经造成系统偏离原计划，无法按照预定的时间完成全部配送任务，即偏离成本已产生。重调度的目的是为了减少偏离成本，因此重调度后的方案不会差于不进行重调度的方案。本文在多阶段分析中，剔除等待且不进行重调度策略，将其并入等待且进行重调度。第二阶段的未来损失成本FC为：
3 实例分析
为了验证了上述方法的可行性，本文采用。
中石油大连销售分公司按照地理位置的分布和对油品类型的需求，将客户划分为多个区域，本例数据来源于市内配送小片区0#油的日常配送。该区域的客户大多为服务行业，较关注柴油配送的延迟时间。客户在下达订单后，会收到一个送货时间的通知。但因为配送过程中经常出现路况等干扰问题，配送车辆无法按时送到的情况时有发生。
该片区共有3辆0#油运输车可供调配使用。某日该区域一条0#油的配送路径上，共有6个需要配送的客户，依次为客户1，2，…，6。车辆在客户点之间的行驶时间如表1所示，其中0代表配送中心。
(1)救援客户4，调整后的配送路线为2→3→5→6，偏离成本为153.3162；
(2)等待，调整后的配送路线为2→4→3→5→6，偏离成本为120.6661。
在第二阶段，由于等待策略的偏离成本较小，因此选择等待。
如果干扰事件没结束，进入第三阶段，以此类推，本文由于篇幅所限，不逐一进行计算。
如果在第一阶段不选择等待策略，而选择偏离成本较大的救援策略，则在第二阶段，对应策略和偏离成本为：
(1)救援客户3，调整后的配送路线为2→5→6，偏离成本为126.3218；
(2)等待，调整后的配送路线为2→3→5→6，偏离成本为109.8158。
综上，两阶段分析以后，不同策略的偏离成本如表2所示。
由表2可见，偏离成本最小为109.8158，即最好的策略是在第一阶段救援，在第二阶段等待。而本文的方法得到的决策是在第一阶段等待，在第二阶段等待。因为本文的序贯决策方法是每一阶段的最优决策，由于干扰事件演进的不确定性，在前一阶段无法预见后一阶段的情况，因此，得到的决策可能并不是在干扰事件结束后，通过综合考虑得到的最优决策。
4 结论与展望
针对配送车辆由于干扰事件而产生的时间延迟，本文提出一种在干扰事件演进过程中处理该问题的序贯决策方法。通过将延迟按时间段进行划分，对每个阶段初所有可能的策略进行评价，实现干扰事件的演进过程中的实时、有效决策。它不仅为复杂多变的物流配送干扰管理问题提供科学的决策工具，而且有利于丰富干扰管理的理论和方法。
在序贯决策过程中，需要将干扰事件可持续时间的概率密度表示为真实时间的线性函数，而物流配送系统十分复杂，干扰事件的可持续时间与干扰事件的演进状态有关，因此，如何有效地对可持续时间的概率密度函数进行表达，是进一步研究的课题和方向。