摘要：隨著現代物流日益規模化、精細化和迅捷化，運力資源優化配置成為提高物流運輸效率、降低運輸成本的關鍵。針對卷煙物流行業中普遍存在的配送路線和人車組合固化、運力資源調度缺乏彈性、卷煙銷售旺淡不均衡等問題，本文研究開發了運力資源優化配置“駕駛艙”系統，可實現預測、調度、評估三大運力模塊和人員調度、車輛調度、中轉調度、新客戶管理、動態調度、旺季臨時用車用人預測、車輛運行費用測算、線路勞動強度評估八項管理功能，同時建立了費用預測、動態調度、鄰域分析和送貨時長估計四大數學模型。實際應用結果表明，該系統能夠有效實現運力資源科學管理，提升卷煙配送效率，促進降本增效。

關鍵詞：卷煙物流、運力資源、優化配置、運力預測、運力調度、運力評估

一、引言

交通運輸是現代物流行業的重要組成環節，而運力資源優化配置是提高物流運輸效率、降低運輸成本的關鍵。以S市煙草物流配送中心為例，從2012年到2019年該中心連續進行了四次大的運力資源優化整合和業務流程重構，從而大幅提升配送效率。然而，2020年以來隨著卷煙銷量和零售戶的增長，以及城市快速擴張和交通擁堵加劇，卷煙配送資源的使用幾近飽和狀態，尤其是春節、元旦、國慶等節假日期間銷售旺季的運力資源分配更是捉襟見肘，突出表現為如下問題：

1.物流配送網絡的“行政區劃”模式造成作業的低效率和高成本。由于歷史原因，許多省份煙草配送中心的物流配送大多是按照現有行政區劃進行物流站點布局和服務區域指派，這種以行政區域進行劃分的“條塊化”“屬地化”管理模式雖然簡單直接，但不能充分發揮物流聚集規模效應，也難以進行多站點、多區域的業務協同和資源共享，拉低運行效率同時推高了運輸成本。

2.日常送貨線路存在送貨量和送貨時長不均衡。由于日常送貨線路的優化調整周期一般較長（1～2年規劃一次），期間會出現客戶增減、店面拆遷、人口遷移、道路交通等變化，導致兩次調整之間線路上的送貨量和送貨時長不均衡越來越嚴重。同時，長時間的固定線路方案也缺乏對市場和定量變化的應變能力，致使物流運行效率長期徘徊在低位。

3.日常調度存在送貨人員、車輛配置不匹配。由于日常卷煙銷售量波動較大，導致配送作業區域有效出車次數、人員配置不匹配，有時出現人手緊張或車輛不足問題。

4.銷售旺季存在送貨人員和車輛需求不精準、銷售淡季存在運力資源浪費。由于缺少煙包數、客戶數、送貨里程與送貨時間長度的關聯預測模型，無法科學計算人員、車輛等運力資源配置情況，導致運力資源需求提報不精準。另一方面，目前運力資源多以銷售旺季需求為規劃基準，在銷售淡季、銷售平季均存在著程度不同的資源閑置現象。

5.配送線路相對固定導致車輛配載率普遍不高。目前卷煙配送作業主要采用各配送線獨立負責對應劃定區域客戶的模式。相對固定的線路、相對固定的送貨對象固然方便業務管理，但同時也會帶來量大的線路裝不下、量小的線路裝不滿的情況，尤其在銷售淡季更加普遍，產生人力、油耗等的浪費。

6.固定人車組合和滿編滿員運行缺乏作業彈性、難以有效進行員工管理。按照目前配送作業實際，大都是在固定配送線路上配置固定的人車組合，又因受到配送成本方面的壓力，基本上人車都是滿編滿員缺乏運力彈性，也難以有效應對員工請假、休假、退休等情況。同時，各配送線路結束配送作業時間參差不齊，難以集中組織會議、學習、培訓等活動，隊伍建設和管理受到影響。

近年來，學術界和工業界對運力資源優化配置的運輸系統決策問題開展了持續研究，并在車輛路徑優化（Vehicle Routing Problem, VRP）和車輛排程調度（Vehicle Scheduling Problem, VSP）以及VRP與VSP相結合等方面取得一系列有價值的成果。閻葉琛運用動態規劃對綜合交通物流企業的運力資源進行了優化分析和數學建模，有效解決了運力資源的科學優化配置問題 [1]；田紅英采用Dijkstra算法、禁忌算法等，結合物流企業運輸調度的實際應用，減少了中轉站點和運力資源使用的不均衡現象，最大限度地降低了總運輸成本[2]。面對卷煙銷售市場的多樣化、小批量、多頻次和個性化要求 [3]，章志華等針對卷煙運輸車輛滿載率不高問題考慮車輛額定裝載量約束和車輛滿載率約束，建立了煙草企業配載運輸調度的混合整數規劃模型，提出了三種訂單與車輛匹配的原則并設計了用于求解配載運輸調度啟發式算法[4]；陳君豪運用人工智能深度學習、物聯網、云計算等，提出并構建了基于改進遺傳算法的卷煙物流配送線路優化模型，并結合DMAIC管理模式推動了卷煙物流配送線路從固定模式向動態調整方式轉變，有效地縮短送貨里程、減少送貨車次和配送成本，提高了日均送貨戶數和人均配送效率[5]；張國華等通過建立全新的網格配送體系，有效實現控制配送里程數、減少車輛運輸能耗和合理控制車輛磨損，取得了良好的物流配送效果[6]。然而，目前卷煙物流運力資源配置的研究對影響物流效率的其他一些重要因素，如運力預測、運力評估、人員調度、中轉選址、勞動強度約束等較少涉及。

本文通過構建運力資源配置“駕駛艙”系統，實現卷煙物流運力資源的多功能一體化最優配置并投入實際應用，不僅有效提升了卷煙物流效率，而且取得可觀的經濟效益和明顯的社會效益。

圖1運力資源配置決策器總體架構

二、運力資源優化配置“駕駛艙”系統的架構設計和功能實現

卷煙物流運力資源優化配置“駕駛艙”系統，是一個為煙草商業企業配送中心提供“一站式”運力資源管理的信息決策中心，由運力資源配置決策器、數據顯示屏和操作中控臺組成。其中，數據顯示屏主要通過各種圖表形象標示整個配送中心配送作業的主要數據和關鍵指標，直觀監測整體運營情況并可以對異常關鍵指標預警、挖掘分析和提供應對方案；中控臺則實現作業指令下達、運行操作、異常干預、任務計劃調整等任務。

運力資源配置決策器是整個“駕駛艙”系統的核心，其總體架構如圖1所示，主要包括預測、調度、評估三大運力模塊和人員調度、車輛調度、中轉調度、新客戶管理、動態調度、旺季臨時用車用人預測、車輛運行費用測算、線路勞動強度評估八項管理功能。同時，作為以上三大模塊、八項功能的運行支撐，還設計了依托人員信息、車輛信息、送貨戶數、送貨量、籠車數量、送貨線路信息、費用數據、送貨信息等八類基礎數據的四種數據模型，分別是費用預測模型、動態調度模型、鄰域分析模型和送貨時長分析的多元線性回歸模型。

三大運力模塊中，預測模塊主要根據卷煙旺季銷售拉動來預測旺季到來時新增人員、新增車輛的需求，同時根據全年送貨車輛行駛里程數預測所有車輛燃油費、維修費及線路外包費，提高費用管控精準度；調度模塊主要根據卷煙銷售周期性需求拉動，運用動態匹配算法、全局搜索算法，動態優化旺季、平季、淡季等不同情況下人員、車輛、路線等運力資源配置，提升物流資源配置的動態調控能力；評估模塊主要根據日常各送貨線路運行情況，對“每日工作時長、送貨量、送貨戶數”進行對比分析，評估其勞動強度，為線路動態優化調度提供數據依據和決策參考。

三大運力模塊是基于八項管理功能而實現的，具體包括：

1.人員調度功能：根據送貨人員片區服務次數和配合次數制定人員頂崗匹配規則，動態調度休假和頂崗人員，并對運算結果進行可視化展示；

2.車輛調度功能：根據配送車輛的運行數據制定車輛調度標準規則，每日提示送貨戶數、送貨量、車輛裝載率、車輛調度情況和車輛保養計劃，并對運算結果進行可視化展示；

3.中轉調度功能：根據各分揀線送貨組分揀規則、各中轉站送貨組送貨量，制定中轉調度、籠車調度規則，運用全局搜索算法遍歷所有可行拼籠方案結果，計算出最優拼籠方案，減少中轉車次，提高中轉效率；

4.新客戶管理功能：根據新客戶地理位置信息，通過“線路最近，同一路網，同一方向”等約束條件實現最優規劃，計算確定新用戶的最優送貨線路和順序；

5.動態調度功能：根據銷售淡季、旺季、平季的送貨時長標準，運用聚類算法、最優路徑算法和鄰域分析算法對客戶進行標簽化動態調度管理，形成“淡季、旺季、平季”三種配送線路模式，實現配送環節的柔性調度與作業，有效改善不同時期配送作業飽和度；

6.旺季臨時用車用人預測功能：根據當年銷售計劃、上年度零售客戶同期訂貨量、各送貨組車輛裝載量得出送貨量增幅，預測當年送貨量，并對比運力資源配置得出旺季臨時用車用人需求；

7.車輛運行費用計算功能：制定年度部門預算標準規則，對全地區的車輛運行數據進行積累，計算出車輛維修費和油耗費，并根據當年銷售計劃計算送貨量增幅和車輛外包費用；

8.線路勞動強度評估功能：在保持當前運力資源基礎上，根據車輛的日常作業情況和各送貨區域間送貨量、裝載率、工作時長，對每條線路的勞動強度進行評估，劃分為超強、強、中等、偏弱、弱、較弱、正常七個類別。

三、“駕駛艙”系統數學模型建立及運力資源優化配置平臺應用

1.數學模型建立

由圖1的運力資源優化配置“駕駛艙”系統總體架構，四個數學模型是支撐三大運力模塊、八項應用功能的核心基礎。

（1）送貨時長估計模型

運力資源優化配置“駕駛艙”系統的實現中，每條線路的送貨時長是一個關鍵參數，受行駛里程、配送卷煙包數、送貨戶數等多個因素影響。這里，以配送煙包數、送貨戶數、行駛里程作為關鍵輸入變量，以送貨時長作為輸出變量，建立了多元線性回歸估計模型：

（2）鄰域分析模型

鄰域分析的目的是將整個送貨區域分割成五個合理的送貨片區，實現每個片區之間的送貨作業負荷相對均衡，主要且有效的分析模型工具是機器學習中的K-means聚類算法，具體做法為：通過客戶坐標參數、歷史行程軌跡、卷煙訂單量等數據運用K-means算法迭代計算，將全區域客戶根據周期要求聚類分割成五個集中送貨片區，每個送貨片區對應特定的送貨周期，并在實際作業中針對同一個片區進行送貨線路的動態調度和路徑規劃。本文中，鄰域分析模型主要實現以某個配送點為中心向周圍擴展一定的范圍，運用函數計算確定一定范圍內最相鄰的點。

（3）動態調度模型

送貨作業運力資源的動態調度面向送貨車輛的投入量和各車輛行走路徑，目的是使總的行駛距離最少、車輛數最少、車輛滿載率較高、各送貨線路工作時間相對均衡，需要滿足的約束條件包括：送貨車輛盡可能滿載、配送人員的工作時間在一個合理的區間內（如一般在6個小時左右）、地理上相對集中的零售戶盡量由同一輛車送貨、送貨車輛按照每天的訂單數量出庫和送貨、每天各送貨線路的工作時間基本均衡，等等。顯然，這是一個典型的VRP問題，有眾多成熟的算法可以求解，不再贅述。本文中，動態調度模型主要實現以配送作業時間、車次、車輛實際裝載量為閾值，通過劃分固定送貨區和彈性送貨區（蓄水池），運用最優路徑算法、鄰域分析模型，進行卷煙配送淡平旺季線路動態調度。

（4）費用預測模型

費用預測模型主要計算未來元春旺季的臨時用車用人成本和部門年度運營預算，用于資金的提前安排。其中，元春旺季的臨時用車用人成本根據營銷中心提供的月度訂貨計劃、上年度零售客戶同期訂貨量、各送貨組車輛裝載量，測算出元春旺季需新增臨時用車數量和時間（臨時用車按單車裝載量6200條、每輛臨時車每天出車2次標準計算）；本年度部門運營預算為四項費用之和：部門預算=車輛維修費+車輛燃油費+車輛采購費+外包車輛費用，每項費用的單價系數根據歷史數據和本年度物價波動統計結果確定。

2.優化配置平臺實現

為方便實際應用，“駕駛艙”系統建立了主界面如圖2所示的操作中控臺，核心操作功能為實現運力資源優化配置的切換、調度、評估三個控制按鈕，必要時啟動對應控制按鈕，運力資源配置決策器則自動完成運力資源的優化配置計算并輸出相應結果。除完成操作功能外，“駕駛艙”系統還具備豐富的數據信息顯示能力，主要包括人員信息、車輛信息、費用信息、送貨量、送貨戶數、公里數、送貨時長、裝載率、勞動強度等等。

一鍵“切換”運力模式、一鍵“調度”運力配置、一鍵“評估”運力強度，是“駕駛艙”系統最主要的三個應用場景，也是運力資源優化配置目標的具體體現。

圖2 運力資源優化配置“駕駛艙”主操作界面

（1）一鍵“切換”運力模式

根據卷煙銷售計劃，以送貨時長為觸發點，利用多元線性回歸估計模型確定當前煙包數、客戶數、行駛里程數已知條件下的送貨時間長度估計值，并根據各條線路送貨時長的總體平均值進行如下運力模式判斷：以S市為例，當送貨時長估計值在4小時以下，切換到淡季運力資源配置模式，送貨線路數為46條（淡季線路數=50+N,N=-4）；當送貨時長估計值在4～6小時之間，切換到平季運力資源配置模式，送貨線路數為50條（平季線路數=50+N,N=0）；當送貨時長估計值在6小時以上，切換到旺季運力資源配置模式，送貨線路數為58條（旺季線路數=50+N,N=8）。

（2）一鍵“調度”運力配置

根據每日各送貨組送貨量，以裝載率為觸發點，利用動態優化算法、全局搜索算法、最優路徑算法，按送貨人員片區服務次數、配合次數，車輛裝載量，一鍵調度日常性運力配置，自動匹配大車或增加車次，自動匹配送貨線路上的送貨人員。

（3）一鍵“評估”運力強度

根據車輛的作業情況，以勞動強度為觸發點，按照送貨時長、送貨戶數、配送里程三個要素，一鍵評估整體性運力強度，自動進行各送貨組勞動強度評估，并按送貨時長、配送戶數、配送里程優先順序給出動態優化調整方案。

四、實際應用及成效

圖2中資源優化配置“駕駛艙”的運力資源切換、運力配置調度和運力強度評估，均在實際應用中得到有效驗證，例如：

2020年12月27日，營銷中心根據工作實際情況給出的元月預計銷量為35613箱，日均銷量在1100～2000箱之間。調度員啟動一鍵切換功能，“駕駛艙”系統自動測算出平均“送貨時長”在6.5～8.5個小時之間，立即由之前的“平季”運力資源配置模式切換到“旺季”模式，送貨線路數由“平季”模式的50條調整為“旺季”模式的58條。

2021年8月4日，S市配送中心送貨部第05組和第06組，預排送貨車輛最大裝載量為4800條，當日實際送貨量為5688條和5315條，一次出車兩組均裝不下。而第02組和第09組，預排送貨車輛最大裝載量為6200條，當日實際送貨量為4367條和4807條，一次出車兩組均裝不滿。這樣，調度員通過一鍵調度自動進行了四個組送貨車輛的調整，使四個組均只需出一次車（其中一組的送貨量4807條與車輛裝載量4800條相比，在允許的超量范圍內），并通過作業大屏和釘釘群提前一天給四個組下發了調度調整通知。

2021年某中轉站開始實施彈性送貨模式。在線路優化調整前通過一鍵評估，發現該中轉站各送貨組日均送貨時長4.5小時、送貨戶數109戶、配送里程98.6公里，整體送貨強度為“偏弱”。通過給出優先調整送貨時長方案，達到送貨強度“正常”狀態，實現了送貨組數的減少。

資源優化配置“駕駛艙”系統上線應用幾年來取得明顯成效。以經濟效益為例，年均節約配送費用超過27萬元，包括：每年元春旺季前10天，臨時用車次數平均減少30車次，臨時用工平均減少81人次；每年9個月平季期間出車次數平均減少296次，同比減少3.34%；每年2個月淡季期間出車次數平均減少48次，同比減少3.12%。

五、結論

本文根據卷煙銷售周期性（旺季、淡季、平季）變化特點，按照數字物流、智慧物流和精益物流的指導原則，通過打造運力資源優化配置“駕駛艙”系統，取得如下三項成果：

1.建立了一個智慧系統，實現運力資源的優化配置。通過開發合理可行的數據模型，設計“預測、調度、評估”三大運力資源管理模塊，打造運力資源優化配置“駕駛艙”，提升送貨業務管理能力，實現運力資源業務數據化，有效降低物流運行成本；

2.完善了一套管理標準，實現運力資源的標準化管理。通過建立運力資源管理標準，統一物流運力資源作業標準和操作規范化，形成了一鍵“切換、調度、評估”三大運力資源“高效配置”場景，實現了運力資源數據場景化，有效提升資源管理效率；

3.形成了一種管理機制，實現運力資源的制度化管理。通過建立運力資源管理機制，明確配送中心和中轉站、管理人員和送貨人員的工作責任，規范各物流運力資源管理流程，實現運力資源流程制度化，有效提升物流管理水平。

基金項目：中國煙草總公司重點研發項目（110202202043）

參考文獻：

[1]閻葉琛.基于動態規劃的綜合交通物流企業運力資源優化配置研究[J].物流技術,2013,32(17):244-246+263.

[2]田紅英.物流企業運輸計劃優化算法研究[J].物流技術,2013,32(11):160-163.

[3]歐陽世波,黃欣雨,何兆磊等.供應鏈系統下的成品卷煙物流調度研究規劃[J].物流技術,2023,42(02):127-134.

[4]章志華,陸海良,郁鋼.煙草企業配載運輸調度優化研究[J].武漢理工大學學報(交通科學與工程版),2013,37(06):1342-1346.

[5]陳君豪.基于改進遺傳算法的卷煙物流配送線路優化模型構建[J].物流科技,2022,45(20):33-36+44.

[6]張國華,武帥,范虹宇等.卷煙企業網格化物流配送線路優化模型研究[J].中國儲運,2023(02):110-111.

作者：劉冬榮1 杜煒宇2 徐源奇2 詹吟霄3

1 中國煙草總公司浙江省公司

2 浙江煙草公司紹興市公司

3 浙江大學控制科學與工程學院