卷烟物流运力资源的优化配置“驾驶舱”构建与应用

摘要：随着现代物流日益规模化、精细化和迅捷化，运力资源优化配置成为提高物流运输效率、降低运输成本的关键。针对卷烟物流行业中普遍存在的配送路线和人车组合固化、运力资源调度缺乏弹性、卷烟销售旺淡不均衡等问题，本文研究开发了运力资源优化配置“驾驶舱”系统，可实现预测、调度、评估三大运力模块和人员调度、车辆调度、中转调度、新客户管理、动态调度、旺季临时用车用人预测、车辆运行费用测算、线路劳动强度评估八项管理功能，同时建立了费用预测、动态调度、邻域分析和送货时长估计四大数学模型。实际应用结果表明，该系统能够有效实现运力资源科学管理，提升卷烟配送效率，促进降本增效。

关键词：卷烟物流、运力资源、优化配置、运力预测、运力调度、运力评估

一、引言

交通运输是现代物流行业的重要组成环节，而运力资源优化配置是提高物流运输效率、降低运输成本的关键。以S市烟草物流配送中心为例，从2012年到2019年该中心连续进行了四次大的运力资源优化整合和业务流程重构，从而大幅提升配送效率。然而，2020年以来随着卷烟销量和零售户的增长，以及城市快速扩张和交通拥堵加剧，卷烟配送资源的使用几近饱和状态，尤其是春节、元旦、国庆等节假日期间销售旺季的运力资源分配更是捉襟见肘，突出表现为如下问题：

1.物流配送网络的“行政区划”模式造成作业的低效率和高成本。由于历史原因，许多省份烟草配送中心的物流配送大多是按照现有行政区划进行物流站点布局和服务区域指派，这种以行政区域进行划分的“条块化”“属地化”管理模式虽然简单直接，但不能充分发挥物流聚集规模效应，也难以进行多站点、多区域的业务协同和资源共享，拉低运行效率同时推高了运输成本。

2.日常送货线路存在送货量和送货时长不均衡。由于日常送货线路的优化调整周期一般较长（1～2年规划一次），期间会出现客户增减、店面拆迁、人口迁移、道路交通等变化，导致两次调整之间线路上的送货量和送货时长不均衡越来越严重。同时，长时间的固定线路方案也缺乏对市场和定量变化的应变能力，致使物流运行效率长期徘徊在低位。

3.日常调度存在送货人员、车辆配置不匹配。由于日常卷烟销售量波动较大，导致配送作业区域有效出车次数、人员配置不匹配，有时出现人手紧张或车辆不足问题。

4.销售旺季存在送货人员和车辆需求不精准、销售淡季存在运力资源浪费。由于缺少烟包数、客户数、送货里程与送货时间长度的关联预测模型，无法科学计算人员、车辆等运力资源配置情况，导致运力资源需求提报不精准。另一方面，目前运力资源多以销售旺季需求为规划基准，在销售淡季、销售平季均存在着程度不同的资源闲置现象。

5.配送线路相对固定导致车辆配载率普遍不高。目前卷烟配送作业主要采用各配送线独立负责对应划定区域客户的模式。相对固定的线路、相对固定的送货对象固然方便业务管理，但同时也会带来量大的线路装不下、量小的线路装不满的情况，尤其在销售淡季更加普遍，产生人力、油耗等的浪费。

6.固定人车组合和满编满员运行缺乏作业弹性、难以有效进行员工管理。按照目前配送作业实际，大都是在固定配送线路上配置固定的人车组合，又因受到配送成本方面的压力，基本上人车都是满编满员缺乏运力弹性，也难以有效应对员工请假、休假、退休等情况。同时，各配送线路结束配送作业时间参差不齐，难以集中组织会议、学习、培训等活动，队伍建设和管理受到影响。

近年来，学术界和工业界对运力资源优化配置的运输系统决策问题开展了持续研究，并在车辆路径优化（Vehicle Routing Problem, VRP）和车辆排程调度（Vehicle Scheduling Problem, VSP）以及VRP与VSP相结合等方面取得一系列有价值的成果。阎叶琛运用动态规划对综合交通物流企业的运力资源进行了优化分析和数学建模，有效解决了运力资源的科学优化配置问题 [1]；田红英采用Dijkstra算法、禁忌算法等，结合物流企业运输调度的实际应用，减少了中转站点和运力资源使用的不均衡现象，最大限度地降低了总运输成本[2]。面对卷烟销售市场的多样化、小批量、多频次和个性化要求 [3]，章志华等针对卷烟运输车辆满载率不高问题考虑车辆额定装载量约束和车辆满载率约束，建立了烟草企业配载运输调度的混合整数规划模型，提出了三种订单与车辆匹配的原则并设计了用于求解配载运输调度启发式算法[4]；陈君豪运用人工智能深度学习、物联网、云计算等，提出并构建了基于改进遗传算法的卷烟物流配送线路优化模型，并结合DMAIC管理模式推动了卷烟物流配送线路从固定模式向动态调整方式转变，有效地缩短送货里程、减少送货车次和配送成本，提高了日均送货户数和人均配送效率[5]；张国华等通过建立全新的网格配送体系，有效实现控制配送里程数、减少车辆运输能耗和合理控制车辆磨损，取得了良好的物流配送效果[6]。然而，目前卷烟物流运力资源配置的研究对影响物流效率的其他一些重要因素，如运力预测、运力评估、人员调度、中转选址、劳动强度约束等较少涉及。

本文通过构建运力资源配置“驾驶舱”系统，实现卷烟物流运力资源的多功能一体化最优配置并投入实际应用，不仅有效提升了卷烟物流效率，而且取得可观的经济效益和明显的社会效益。

图1运力资源配置决策器总体架构

二、运力资源优化配置“驾驶舱”系统的架构设计和功能实现

卷烟物流运力资源优化配置“驾驶舱”系统，是一个为烟草商业企业配送中心提供“一站式”运力资源管理的信息决策中心，由运力资源配置决策器、数据显示屏和操作中控台组成。其中，数据显示屏主要通过各种图表形象标示整个配送中心配送作业的主要数据和关键指标，直观监测整体运营情况并可以对异常关键指标预警、挖掘分析和提供应对方案；中控台则实现作业指令下达、运行操作、异常干预、任务计划调整等任务。

运力资源配置决策器是整个“驾驶舱”系统的核心，其总体架构如图1所示，主要包括预测、调度、评估三大运力模块和人员调度、车辆调度、中转调度、新客户管理、动态调度、旺季临时用车用人预测、车辆运行费用测算、线路劳动强度评估八项管理功能。同时，作为以上三大模块、八项功能的运行支撑，还设计了依托人员信息、车辆信息、送货户数、送货量、笼车数量、送货线路信息、费用数据、送货信息等八类基础数据的四种数据模型，分别是费用预测模型、动态调度模型、邻域分析模型和送货时长分析的多元线性回归模型。

三大运力模块中，预测模块主要根据卷烟旺季销售拉动来预测旺季到来时新增人员、新增车辆的需求，同时根据全年送货车辆行驶里程数预测所有车辆燃油费、维修费及线路外包费，提高费用管控精准度；调度模块主要根据卷烟销售周期性需求拉动，运用动态匹配算法、全局搜索算法，动态优化旺季、平季、淡季等不同情况下人员、车辆、路线等运力资源配置，提升物流资源配置的动态调控能力；评估模块主要根据日常各送货线路运行情况，对“每日工作时长、送货量、送货户数”进行对比分析，评估其劳动强度，为线路动态优化调度提供数据依据和决策参考。

三大运力模块是基于八项管理功能而实现的，具体包括：

1.人员调度功能：根据送货人员片区服务次数和配合次数制定人员顶岗匹配规则，动态调度休假和顶岗人员，并对运算结果进行可视化展示；

2.车辆调度功能：根据配送车辆的运行数据制定车辆调度标准规则，每日提示送货户数、送货量、车辆装载率、车辆调度情况和车辆保养计划，并对运算结果进行可视化展示；

3.中转调度功能：根据各分拣线送货组分拣规则、各中转站送货组送货量，制定中转调度、笼车调度规则，运用全局搜索算法遍历所有可行拼笼方案结果，计算出最优拼笼方案，减少中转车次，提高中转效率；

4.新客户管理功能：根据新客户地理位置信息，通过“线路最近，同一路网，同一方向”等约束条件实现最优规划，计算确定新用户的最优送货线路和顺序；

5.动态调度功能：根据销售淡季、旺季、平季的送货时长标准，运用聚类算法、最优路径算法和邻域分析算法对客户进行标签化动态调度管理，形成“淡季、旺季、平季”三种配送线路模式，实现配送环节的柔性调度与作业，有效改善不同时期配送作业饱和度；

6.旺季临时用车用人预测功能：根据当年销售计划、上年度零售客户同期订货量、各送货组车辆装载量得出送货量增幅，预测当年送货量，并对比运力资源配置得出旺季临时用车用人需求；

7.车辆运行费用计算功能：制定年度部门预算标准规则，对全地区的车辆运行数据进行积累，计算出车辆维修费和油耗费，并根据当年销售计划计算送货量增幅和车辆外包费用；

8.线路劳动强度评估功能：在保持当前运力资源基础上，根据车辆的日常作业情况和各送货区域间送货量、装载率、工作时长，对每条线路的劳动强度进行评估，划分为超强、强、中等、偏弱、弱、较弱、正常七个类别。

三、“驾驶舱”系统数学模型建立及运力资源优化配置平台应用

1.数学模型建立

由图1的运力资源优化配置“驾驶舱”系统总体架构，四个数学模型是支撑三大运力模块、八项应用功能的核心基础。

（1）送货时长估计模型

运力资源优化配置“驾驶舱”系统的实现中，每条线路的送货时长是一个关键参数，受行驶里程、配送卷烟包数、送货户数等多个因素影响。这里，以配送烟包数、送货户数、行驶里程作为关键输入变量，以送货时长作为输出变量，建立了多元线性回归估计模型：

（2）邻域分析模型

邻域分析的目的是将整个送货区域分割成五个合理的送货片区，实现每个片区之间的送货作业负荷相对均衡，主要且有效的分析模型工具是机器学习中的K-means聚类算法，具体做法为：通过客户坐标参数、历史行程轨迹、卷烟订单量等数据运用K-means算法迭代计算，将全区域客户根据周期要求聚类分割成五个集中送货片区，每个送货片区对应特定的送货周期，并在实际作业中针对同一个片区进行送货线路的动态调度和路径规划。本文中，邻域分析模型主要实现以某个配送点为中心向周围扩展一定的范围，运用函数计算确定一定范围内最相邻的点。

（3）动态调度模型

送货作业运力资源的动态调度面向送货车辆的投入量和各车辆行走路径，目的是使总的行驶距离最少、车辆数最少、车辆满载率较高、各送货线路工作时间相对均衡，需要满足的约束条件包括：送货车辆尽可能满载、配送人员的工作时间在一个合理的区间内（如一般在6个小时左右）、地理上相对集中的零售户尽量由同一辆车送货、送货车辆按照每天的订单数量出库和送货、每天各送货线路的工作时间基本均衡，等等。显然，这是一个典型的VRP问题，有众多成熟的算法可以求解，不再赘述。本文中，动态调度模型主要实现以配送作业时间、车次、车辆实际装载量为阈值，通过划分固定送货区和弹性送货区（蓄水池），运用最优路径算法、邻域分析模型，进行卷烟配送淡平旺季线路动态调度。

（4）费用预测模型

费用预测模型主要计算未来元春旺季的临时用车用人成本和部门年度运营预算，用于资金的提前安排。其中，元春旺季的临时用车用人成本根据营销中心提供的月度订货计划、上年度零售客户同期订货量、各送货组车辆装载量，测算出元春旺季需新增临时用车数量和时间（临时用车按单车装载量6200条、每辆临时车每天出车2次标准计算）；本年度部门运营预算为四项费用之和：部门预算=车辆维修费+车辆燃油费+车辆采购费+外包车辆费用，每项费用的单价系数根据历史数据和本年度物价波动统计结果确定。

2.优化配置平台实现

为方便实际应用，“驾驶舱”系统建立了主界面如图2所示的操作中控台，核心操作功能为实现运力资源优化配置的切换、调度、评估三个控制按钮，必要时启动对应控制按钮，运力资源配置决策器则自动完成运力资源的优化配置计算并输出相应结果。除完成操作功能外，“驾驶舱”系统还具备丰富的数据信息显示能力，主要包括人员信息、车辆信息、费用信息、送货量、送货户数、公里数、送货时长、装载率、劳动强度等等。

一键“切换”运力模式、一键“调度”运力配置、一键“评估”运力强度，是“驾驶舱”系统最主要的三个应用场景，也是运力资源优化配置目标的具体体现。

图2 运力资源优化配置“驾驶舱”主操作界面

（1）一键“切换”运力模式

根据卷烟销售计划，以送货时长为触发点，利用多元线性回归估计模型确定当前烟包数、客户数、行驶里程数已知条件下的送货时间长度估计值，并根据各条线路送货时长的总体平均值进行如下运力模式判断：以S市为例，当送货时长估计值在4小时以下，切换到淡季运力资源配置模式，送货线路数为46条（淡季线路数=50+N,N=-4）；当送货时长估计值在4～6小时之间，切换到平季运力资源配置模式，送货线路数为50条（平季线路数=50+N,N=0）；当送货时长估计值在6小时以上，切换到旺季运力资源配置模式，送货线路数为58条（旺季线路数=50+N,N=8）。

（2）一键“调度”运力配置

根据每日各送货组送货量，以装载率为触发点，利用动态优化算法、全局搜索算法、最优路径算法，按送货人员片区服务次数、配合次数，车辆装载量，一键调度日常性运力配置，自动匹配大车或增加车次，自动匹配送货线路上的送货人员。

（3）一键“评估”运力强度

根据车辆的作业情况，以劳动强度为触发点，按照送货时长、送货户数、配送里程三个要素，一键评估整体性运力强度，自动进行各送货组劳动强度评估，并按送货时长、配送户数、配送里程优先顺序给出动态优化调整方案。

四、实际应用及成效

图2中资源优化配置“驾驶舱”的运力资源切换、运力配置调度和运力强度评估，均在实际应用中得到有效验证，例如：

2020年12月27日，营销中心根据工作实际情况给出的元月预计销量为35613箱，日均销量在1100～2000箱之间。调度员启动一键切换功能，“驾驶舱”系统自动测算出平均“送货时长”在6.5～8.5个小时之间，立即由之前的“平季”运力资源配置模式切换到“旺季”模式，送货线路数由“平季”模式的50条调整为“旺季”模式的58条。

2021年8月4日，S市配送中心送货部第05组和第06组，预排送货车辆最大装载量为4800条，当日实际送货量为5688条和5315条，一次出车两组均装不下。而第02组和第09组，预排送货车辆最大装载量为6200条，当日实际送货量为4367条和4807条，一次出车两组均装不满。这样，调度员通过一键调度自动进行了四个组送货车辆的调整，使四个组均只需出一次车（其中一组的送货量4807条与车辆装载量4800条相比，在允许的超量范围内），并通过作业大屏和钉钉群提前一天给四个组下发了调度调整通知。

2021年某中转站开始实施弹性送货模式。在线路优化调整前通过一键评估，发现该中转站各送货组日均送货时长4.5小时、送货户数109户、配送里程98.6公里，整体送货强度为“偏弱”。通过给出优先调整送货时长方案，达到送货强度“正常”状态，实现了送货组数的减少。

资源优化配置“驾驶舱”系统上线应用几年来取得明显成效。以经济效益为例，年均节约配送费用超过27万元，包括：每年元春旺季前10天，临时用车次数平均减少30车次，临时用工平均减少81人次；每年9个月平季期间出车次数平均减少296次，同比减少3.34%；每年2个月淡季期间出车次数平均减少48次，同比减少3.12%。

五、结论

本文根据卷烟销售周期性（旺季、淡季、平季）变化特点，按照数字物流、智慧物流和精益物流的指导原则，通过打造运力资源优化配置“驾驶舱”系统，取得如下三项成果：

1.建立了一个智慧系统，实现运力资源的优化配置。通过开发合理可行的数据模型，设计“预测、调度、评估”三大运力资源管理模块，打造运力资源优化配置“驾驶舱”，提升送货业务管理能力，实现运力资源业务数据化，有效降低物流运行成本；

2.完善了一套管理标准，实现运力资源的标准化管理。通过建立运力资源管理标准，统一物流运力资源作业标准和操作规范化，形成了一键“切换、调度、评估”三大运力资源“高效配置”场景，实现了运力资源数据场景化，有效提升资源管理效率；

3.形成了一种管理机制，实现运力资源的制度化管理。通过建立运力资源管理机制，明确配送中心和中转站、管理人员和送货人员的工作责任，规范各物流运力资源管理流程，实现运力资源流程制度化，有效提升物流管理水平。

基金项目：中国烟草总公司重点研发项目（110202202043）

参考文献：

[1]阎叶琛.基于动态规划的综合交通物流企业运力资源优化配置研究[J].物流技术,2013,32(17):244-246+263.

[2]田红英.物流企业运输计划优化算法研究[J].物流技术,2013,32(11):160-163.

[3]欧阳世波,黄欣雨,何兆磊等.供应链系统下的成品卷烟物流调度研究规划[J].物流技术,2023,42(02):127-134.

[4]章志华,陆海良,郁钢.烟草企业配载运输调度优化研究[J].武汉理工大学学报(交通科学与工程版),2013,37(06):1342-1346.

[5]陈君豪.基于改进遗传算法的卷烟物流配送线路优化模型构建[J].物流科技,2022,45(20):33-36+44.