自建电商仓库选址的七种方法
日期：2020-07-31 / 人气：
现代电商企业大都明白仓储物流对于企业的发展至关重要，因此很多电商企业都开始在仓库方面下了不少功夫，甚至开始自建仓库。但我们知道仓库的选址对于仓库能否发挥其功效有着基石的作用，怎样才能选择好的位置呢，本文主要为大家提供自建仓库选址的七种方法，希望能够帮到大家——
一、解析方法
解析方法通常是指物流地理重心方法。这种方法通常只考虑运输成本对物流中心选址的影响，而运输成本一般是运输需求量、距离以及时间的函数，所以解析方法根据距离、需求量、时间或三者的结合，通过在坐标上显示，以物流中心位置为因变量，用代数方法来求解配送中心的坐标。这种方法的优点在于计算简单，数据容易搜集，易于理解。由于通常不需要对物流系统进行整体评估，所以在设定单一的物流中心时应用解析方法非常方便。但是它的缺点在于它假设运费随距离呈线性变化，而实际生活中运费通常是递远递减的。另外，它没有考虑现实的地理条件，例如选出的最佳物流中心地点可能正好坐落于一个湖的中央，所以解析方法更多的不适用于确定最佳位置，而是用于剔除一些不合适的备选方案。解析方法经过这些年的发展，从基本的解析方法也就是只考虑与运输成本相关的需求量、距离或时间三者中的某一个变量进行了扩展，使解析法更接近真实的现实生活。形成了吨—距离—中心解法、时间—吨—距离—中心解法等等。
二、最优化规划方法
最优化规划方法一般是在一些特定的约束条件下，从许多可用的选择中挑选出一个最佳的方案。运用线性规划技术解决选址问题一般需具备两个条件，一是必须有两个或两个以上的活动或定位竞争同一资源对象，二是在一个问题中，所有的相关关系总是确定的。
随着20世纪70年代计算机计算能力的增强，使得以最优化规划方法求解大型配送中心选址及网点布局逐渐成为可行，最优化规划方法中的线性规划技术以及整数规划技术是目前应用最为广泛，也是最主要的选址方法。其优点在于它属于精确式算法，能获得精确最优解。不足之处主要在于对一些复杂情况很难建立合适的规划模型；或者模型太复杂，计算时间长，非常难以得到最优解；还有些时候得出的解虽然是最优解，但在实际中不可行。最优化规划方法主要有运输规划方法以及混合整数规划法等。
三、启发式方法
启发式方法是一种逐次逼近最优解的方法，大部分在20世纪50年代末期以及60年代期间被开发出来。用启发式方法进行物流中心选址首先要定义计算总费用的方法，拟定判别准则，规定改进途径，然后给出初始方案，迭代求解。
启发式方法与最有规划方法的最大不同是它不是精确式算法，不能保证给出的解决方案是最优的，但只要处理得当，获得的可行解与最优解释非常接近的，而且启发式算法相对最有规划方法计算简单，求解速度快。所以在实际应用中，启发式方法是仅次于最优化规划技术的选址方法。启发式方法主要以Cluster法、CFLP法以及Baumol-Wolfe法为代表。
四、仿真方法
仿真方法是试图通过模型重现某一系统的行为或活动，而不必实地去建造并运转一个系统，因为那样可能会造成巨大的浪费，或根本没有可能实地去进行运转实验。在选址问题中，仿真技术可以使分析者通过反复改变和组合各种参数，多次试行来评价不同的选址方案。这种方法还可进行动态模拟。
仿真方法可描述多方面的影响因素，因此具有较强的实用价值，常用来求解较大型的、无法手算的问题。其不足主要在于仿真方法不能提出初始方案，只能通过对各已存在的备选方案进行评价，从中找出最优方案，所以在运用这项技术时必须首先借助其他技术找出各初始方案，而且预定初始方案的好坏会对最终决策结果产生很大影响。
五、遗传算法
遗传算法是一种模拟进化算法, 它模拟生物界的进化过程, 根据优胜劣汰、适者生存等自然进化原则, 一代一代地选择适应性高的个体, 重新组合后, 产生新的种群以取代父辈种群, 从而使种群逐渐逼近最优解。与传统的优化算法不同之处在于, 遗传算法实际上是一种概率算法, 他在搜索最优解时, 同时考虑搜索解空间中的多个点, 而不是仅考虑一个点。
遗传算法解题的一般步骤为：
1、初始化—构造pop size个候选解；
2、交叉操作—从pop size个候选解中选择两个个体进行交叉操作，产生两个新解；
3、变异操作—对一个解个体进行变异操作，产生一个新解；
4、选择操作—用局部最优的新解替换候选解中适应值最差的解个体，然后，保留适应值最高的个体，从所有个体中，按相对适应值大小排序后，选出适应值最高的前pop size个个体，产生新群体，进入下一步；
5、重复—重复步骤2—4，直到满足中止条件。
这种方法是一种全局搜索优化算法，不容易陷入局部最优，容易得到全局最优解，而且比一般的数学规划方法简单，运算速度快，这点在问题比较复杂时表现更明显。最后得出的结果是一组最优解，便于决策。
六、综合因素评价法
综合因素评价法是一种全面考虑各种影响因素，并根据各影响因素重要性的不同对方案进行评价、打分，以找出最优的选址方案。综合因素评价法主要包括分级评分法、积点法以及位置度量法等。近年出现的模糊综合评判法也很受欢迎，它是一种定性与定量相结合的方法，有良好的理论基础，特别是多层次模糊综合评判方法，它通过研究各因素之间的关系可以得到合理的物流中心位置。下面就详细介绍一下多层次的模糊综合评判法。
七、模型比较法
现有的物流中心选址的模型可以分为两类：一类是连续型的，一类是离散型的。连续型的主要以重心法为代表，离散型的包括奎汉﹒哈姆勃兹提出的Kuehn-Hamburger模型、Banmol-Wolf模型、Blson模型、非线性混合0-1规划模型以及日本的反町洋一先生提出的CFLP法（Capacitated Facilities Location Problem）等。1985年Aikens C H.在《Facility location models for distribution planning》中给出了线性规划、0-1整数规划、动态规划等9种基本形式的选址模型，目标函数一般是使总的选址费用（包括建设费用和运输费用）最小，不同的规划形式主要取决于费用函数的形式。Taniguchi E在《Optimal size and location planning of public logistics terminals》(1999)中采用双层规划求解了高速公路交叉口附近运输网络中公共物流运转站点的选址。大部分选址模型的都假设运输费用是线性形式，但是现实生活中，很多情况下运输费用是非线性的。1999年Holmberg K.则考虑了在运输费用为非线性的情况下的选址问题，并采用分枝界定法进行了求解。但是，前述研究很难将选址中的所有影响因素考虑周全，即使想把这些因素考虑进去，也很难量化形成模型中的约束条件，所以进行更深一层的研究是十分必要。
目前除了数学模型以外，又发展出计算机辅助法和模糊评价法，为选址决策提供了更有效的工具。其中，模糊评价法与其他方法结合进行选址决策效果更为显著。尤其在实际生活中不可能采用数值分析法时，使用模糊评价法与层次分析法（AHP）相结合进行选址决策有较强的可操作性。其中，层次分析法是20世纪70年代美国教授T.L.Satty提出的一种简便、灵活而又实用的多准则决策方法。
一般说来，在考虑的因素较多时会带来两个问题：一个是权重分配很难确定，一个则是由于要满足归一性，每一因素的分配到的权重必然很小。所以无论采用那种算子，经过模糊运算后都会“遗失”很多信息，因而需采用分层的办法来解决问题。用这种方法可以将定量和定性分析结合起来，可以方便的用模糊数和描述性变量来评价各项指标以及按各项指标评定备选地点。它不但能确定各备选地点的排序，而且还能给出备选地点两两比较而言一个比另一个更受偏好的程度。
一、解析方法
解析方法通常是指物流地理重心方法。这种方法通常只考虑运输成本对物流中心选址的影响，而运输成本一般是运输需求量、距离以及时间的函数，所以解析方法根据距离、需求量、时间或三者的结合，通过在坐标上显示，以物流中心位置为因变量，用代数方法来求解配送中心的坐标。这种方法的优点在于计算简单，数据容易搜集，易于理解。由于通常不需要对物流系统进行整体评估，所以在设定单一的物流中心时应用解析方法非常方便。但是它的缺点在于它假设运费随距离呈线性变化，而实际生活中运费通常是递远递减的。另外，它没有考虑现实的地理条件，例如选出的最佳物流中心地点可能正好坐落于一个湖的中央，所以解析方法更多的不适用于确定最佳位置，而是用于剔除一些不合适的备选方案。解析方法经过这些年的发展，从基本的解析方法也就是只考虑与运输成本相关的需求量、距离或时间三者中的某一个变量进行了扩展，使解析法更接近真实的现实生活。形成了吨—距离—中心解法、时间—吨—距离—中心解法等等。
二、最优化规划方法
最优化规划方法一般是在一些特定的约束条件下，从许多可用的选择中挑选出一个最佳的方案。运用线性规划技术解决选址问题一般需具备两个条件，一是必须有两个或两个以上的活动或定位竞争同一资源对象，二是在一个问题中，所有的相关关系总是确定的。
随着20世纪70年代计算机计算能力的增强，使得以最优化规划方法求解大型配送中心选址及网点布局逐渐成为可行，最优化规划方法中的线性规划技术以及整数规划技术是目前应用最为广泛，也是最主要的选址方法。其优点在于它属于精确式算法，能获得精确最优解。不足之处主要在于对一些复杂情况很难建立合适的规划模型；或者模型太复杂，计算时间长，非常难以得到最优解；还有些时候得出的解虽然是最优解，但在实际中不可行。最优化规划方法主要有运输规划方法以及混合整数规划法等。
三、启发式方法
启发式方法是一种逐次逼近最优解的方法，大部分在20世纪50年代末期以及60年代期间被开发出来。用启发式方法进行物流中心选址首先要定义计算总费用的方法，拟定判别准则，规定改进途径，然后给出初始方案，迭代求解。
启发式方法与最有规划方法的最大不同是它不是精确式算法，不能保证给出的解决方案是最优的，但只要处理得当，获得的可行解与最优解释非常接近的，而且启发式算法相对最有规划方法计算简单，求解速度快。所以在实际应用中，启发式方法是仅次于最优化规划技术的选址方法。启发式方法主要以Cluster法、CFLP法以及Baumol-Wolfe法为代表。
四、仿真方法
仿真方法是试图通过模型重现某一系统的行为或活动，而不必实地去建造并运转一个系统，因为那样可能会造成巨大的浪费，或根本没有可能实地去进行运转实验。在选址问题中，仿真技术可以使分析者通过反复改变和组合各种参数，多次试行来评价不同的选址方案。这种方法还可进行动态模拟。
仿真方法可描述多方面的影响因素，因此具有较强的实用价值，常用来求解较大型的、无法手算的问题。其不足主要在于仿真方法不能提出初始方案，只能通过对各已存在的备选方案进行评价，从中找出最优方案，所以在运用这项技术时必须首先借助其他技术找出各初始方案，而且预定初始方案的好坏会对最终决策结果产生很大影响。
五、遗传算法
遗传算法是一种模拟进化算法, 它模拟生物界的进化过程, 根据优胜劣汰、适者生存等自然进化原则, 一代一代地选择适应性高的个体, 重新组合后, 产生新的种群以取代父辈种群, 从而使种群逐渐逼近最优解。与传统的优化算法不同之处在于, 遗传算法实际上是一种概率算法, 他在搜索最优解时, 同时考虑搜索解空间中的多个点, 而不是仅考虑一个点。
遗传算法解题的一般步骤为：
1、初始化—构造pop size个候选解；
2、交叉操作—从pop size个候选解中选择两个个体进行交叉操作，产生两个新解；
3、变异操作—对一个解个体进行变异操作，产生一个新解；
4、选择操作—用局部最优的新解替换候选解中适应值最差的解个体，然后，保留适应值最高的个体，从所有个体中，按相对适应值大小排序后，选出适应值最高的前pop size个个体，产生新群体，进入下一步；
5、重复—重复步骤2—4，直到满足中止条件。
这种方法是一种全局搜索优化算法，不容易陷入局部最优，容易得到全局最优解，而且比一般的数学规划方法简单，运算速度快，这点在问题比较复杂时表现更明显。最后得出的结果是一组最优解，便于决策。
六、综合因素评价法
综合因素评价法是一种全面考虑各种影响因素，并根据各影响因素重要性的不同对方案进行评价、打分，以找出最优的选址方案。综合因素评价法主要包括分级评分法、积点法以及位置度量法等。近年出现的模糊综合评判法也很受欢迎，它是一种定性与定量相结合的方法，有良好的理论基础，特别是多层次模糊综合评判方法，它通过研究各因素之间的关系可以得到合理的物流中心位置。下面就详细介绍一下多层次的模糊综合评判法。
七、模型比较法
现有的物流中心选址的模型可以分为两类：一类是连续型的，一类是离散型的。连续型的主要以重心法为代表，离散型的包括奎汉﹒哈姆勃兹提出的Kuehn-Hamburger模型、Banmol-Wolf模型、Blson模型、非线性混合0-1规划模型以及日本的反町洋一先生提出的CFLP法（Capacitated Facilities Location Problem）等。1985年Aikens C H.在《Facility location models for distribution planning》中给出了线性规划、0-1整数规划、动态规划等9种基本形式的选址模型，目标函数一般是使总的选址费用（包括建设费用和运输费用）最小，不同的规划形式主要取决于费用函数的形式。Taniguchi E在《Optimal size and location planning of public logistics terminals》(1999)中采用双层规划求解了高速公路交叉口附近运输网络中公共物流运转站点的选址。大部分选址模型的都假设运输费用是线性形式，但是现实生活中，很多情况下运输费用是非线性的。1999年Holmberg K.则考虑了在运输费用为非线性的情况下的选址问题，并采用分枝界定法进行了求解。但是，前述研究很难将选址中的所有影响因素考虑周全，即使想把这些因素考虑进去，也很难量化形成模型中的约束条件，所以进行更深一层的研究是十分必要。
目前除了数学模型以外，又发展出计算机辅助法和模糊评价法，为选址决策提供了更有效的工具。其中，模糊评价法与其他方法结合进行选址决策效果更为显著。尤其在实际生活中不可能采用数值分析法时，使用模糊评价法与层次分析法（AHP）相结合进行选址决策有较强的可操作性。其中，层次分析法是20世纪70年代美国教授T.L.Satty提出的一种简便、灵活而又实用的多准则决策方法。
一般说来，在考虑的因素较多时会带来两个问题：一个是权重分配很难确定，一个则是由于要满足归一性，每一因素的分配到的权重必然很小。所以无论采用那种算子，经过模糊运算后都会“遗失”很多信息，因而需采用分层的办法来解决问题。用这种方法可以将定量和定性分析结合起来，可以方便的用模糊数和描述性变量来评价各项指标以及按各项指标评定备选地点。它不但能确定各备选地点的排序，而且还能给出备选地点两两比较而言一个比另一个更受偏好的程度。
上一篇：服装厂为什么不适应订单量少？ 下一篇：是什么阻碍了电商企业仓储物流的发展？