[发明专利]一种汽车零部件物流多集散中心选址方法、系统、终端及存储介质

说明书

本发明公开了一种汽车零部件物流多集散中心选址方法、系统、终端及存储介质，属于物流管理技术领域，包括：获取集散中心个数和供应商信息，通过所述集散中心个数和供应商信息按集散中心数量对供应商随机聚类得到初始组别；对每一类供应商进行单集散中心选址得到所有供应商到各集散中心的距离，通过所述集散中心个数和供应商信息按所述所有供应商到各集散中心的距离重新聚类得到过程组别；判断所述过程组别与初始组别是否相同，若是，则将所述过程组别按供货商数量或货量阈值判断并调整集散中心组得到最终组别，将所述最终组别进行单计算中心选址得到各集散中心数据。本专利基于集散中心理论坐标选址所实现的运输成本最小化更贴合实际运营情况。

技术领域

本发明公开了一种汽车零部件物流多集散中心选址方法、系统、终端及存储介质，属于物流管理技术领域。

背景技术

汽车零部件物流集散中心在物流系统的运作过程中起到至关重要的作用，是连接异地供应商和生产车间的桥梁。我国传统物流资源较分散、诸多物流设施和设备闲置，造成了资源的极大浪费。集散中心可以整合优化各种资源，对资源合理的配置和使用能产生经济规模效益，大幅度降低汽车零部件货物运输成本和仓储成本，因此建立集散中心是十分必要的。集散中心地理位置的不同很大程度上影响着汽车零部件货物运输距离，进而影响货物运输成本和集散效率。物流成本作为企业的第三利润源泉，各大汽车物流企业一直高度重视汽车零部件集散中心的选址问题。

当前的选址方法主要分为定性和定量两类方法。其中定性的方法主要包括：专家打分法、Delphi法等；定量的方法包括：重心法、P中心法、多准则决策法、数学规划法等；当选址问题是NP难题时，可采用启发式算法或者仿真的方法解决，其中启发式算法包括：遗传算法、蚁群算法、模拟退火算法等。部分算法需要提供备选集散中心，对于大规模区域的选址，盲目寻找备选点会有很大的工作量。提前选好理论经纬度坐标，在理论经纬度坐标周围寻找备选点将节省很多工作量。但是无论是定性还是定量选址算法，大部分方法在计算物流运输成本时采用的是两点间的直线距离，代表性的方法就是重心法。但是道路网和地理环境复杂多样，存在大量山川、湖泊等车辆无法通行的地形，特别是沿海地区，例如长三江、珠三角等地弯折的海岸线，货车行驶距离与直线距离相差甚大。一般情况下，物流集散中心的进出运输车辆均为大型卡车，一些市区道路禁止此类车辆通行，货物运输只能选择绕行路径，因此会进一步增大两点间的距离。

因此计算货物运输成本与实际货物运输成本存在很大的误差。如何将实际货车行驶距离融入货物运输成本计算，获得最贴合实际情况物流集散中心选址结果是当前企业物流集散中心选址的新挑战。

发明内容

本发明的目的在于解决现有货物运输成本与实际货物运输成本存在很大的误差问题，提出一种汽车零部件物流多集散中心选址方法、系统、终端及存储介质。

本发明所要解决的问题是由以下技术方案实现的：

根据本发明实施例的第一方面，提供一种汽车零部件物流多集散中心选址方法，包括：

获取集散中心个数和供应商信息，通过所述集散中心个数和供应商信息按集散中心数量对供应商随机聚类得到初始组别；

对每一类供应商进行单集散中心选址得到所有供应商到各集散中心的距离，通过所述集散中心个数和供应商信息按所述所有供应商到各集散中心的距离重新聚类得到过程组别；

判断所述过程组别与初始组别是否相同，若是，则将所述过程组别按供货商数量或货量阈值判断并调整集散中心组得到最终组别，将所述最终组别进行单计算中心选址得到各集散中心数据。

优选的是，所述对每一类供应商进行单集散中心选址得到所有供应商到各集散中心的距离，包括：

通过重心法获取集散中心理论经纬度坐标，将所述集散中心理论经纬度坐标作为中心点；

获取搜索步长，通过所述中心点和搜索步长得到八个备选点，判断八个所述备选点是否为最优点；