英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
第十七次欧元运输工作组会议,EWGT2014,2014年7月2—4日，西班牙塞维利亚
城市配送系统中物流服务供应商效率的影响因素
Alberto De Marcoa *, Anna C. Caglianoa, Giulio Manganoa, Francesca Perfetti b
Digep ,意大利都灵理工大学，髙碌街公爵教堂阿布拉兹24,10129—都灵，意大利
Dauin ,意大利都灵理工大学，髙碌街公爵教堂阿布拉兹24,10129—都灵，意大利
摘要：
增加城市化程度和货物运输意识，都强调了城市物流的重要性。社会、文化、经济问题处于没有处于不利情况时，城市物流（CL）是一个综合处理方法，它旨在降低配送活动的负面影响。在这样的背景下，物流服务提供商（LSPs）扮演了一个关键的角色。本文提出了在确定一个LSP的效率水平的操作因素的实证分析。
这项研究是尝试去开发一个面板的操作变量，这个操作变量支撑着物流服务提供商的城市配送系统的效率。这项研究它潜在的优势是经济和环境。
关键词：城市物流；物流服务提供者；效率；回归分析；意大利
- 引言
城市人口增长和快速城市化已经引起了城市货运需求的日益增加。这些现象导致了与空气污染和交通堵塞相关的环境和流动性问题。近几年来，一些研究和权威机构都集中精力在城市物流问题上（CL）。城市物流愿景提出了一个更和谐的物流系统，在这里，托运人、承运人和整个运作相协调，而且不同的客户和运营商的货运也合并成相同的“绿色”车辆。
为了减少城市物流配送的环境影响，城市物流研究的目的是识别替代和协同网络的设计，比如城市配送中心和集线器卫星系统的引进，开发新的环境友好型车辆（如混合动力车）和优化车辆路径的旅行时间，二氧化碳排放量和行驶公里。
在城市物流中，物流服务提供商（LSP）发挥关键作用。他们的活动主要包括承担货物配送给客户(Ehmke amp; Mattfeld, 2012)。此外，他们预计将在城市地区提供高质量和价格合理的服务，这些地方有些特殊如交通拥堵和交通限制区(Benjelloun amp; Crainic, 2008)。当他们添加路径的局限性和资源的不确定性时，这些也影响了城市物流服务提供商的表现。最近，城市物流服务提供商正研究处理这些问题，他们的目的是通过更加有效和可靠的集运和交付之旅最大限度地减少配送成本和对环境的影响(Demir et al., 2014; Ehmke et al., 2012)。
此外，互联网的使用和网上购物的扩散也有助于改变城市地区的货物配送，尤其是电子商务在B2C市场的发展。下游供应链的变化涉及到以下的几个方面：配送链，货运尺寸，装运类型，每批的负载数量，交货地点，交货地点的数量，交货失败，交货频率，交货时间窗，车辆需求数量和车辆的大小 (Rotem-Mindali amp; Weltevreden, 2013; Xing et al., 2011)。今天，大部分的交货是单订单的小型封装（Hesse，2002）。根据Lim和Shiode（2011）所说，与网上购物相关的小型频繁出货需求得增加对于城市物流服务提供商来说是一个重大的挑战。在城市地区，物流服务提供商在这一旅途中要把货物送到顾客家中或办公室里。这种新的配送方式，导致了配送地点和交货站数目的增加。每辆车每天最多可服务于200个客户，这意味着每辆车每天必须到达200个左右地点。
在这种情况下，在送货旅途期间站点的数量大致相当于处理包裹的数量。因此，物流服务提供商的目的是最大限度地利用每辆车停靠站点的数量来提高他们的生产力。了解每趟送货途中停靠站点的数目的影响因素将提高物流服务提供商的生产率。
本文研究的挑战是基于真实的LSP数据的实证分析下对这个问题的第一洞察力。特别地，本文旨在确定一组可能会影响LSP的生产力的操作变量。一个LSP的生产率是由一个司机接送包裹的停靠站点数目来衡量的。 LSP服务的几个指标的选择和它们与被调查的停靠站点数目的关系是通过从一家意大利公司收集到的数据分析得到的。
本文的结构如下：首先，提出了相关CL的研究的文献综述；然后，描述了该方法并提出了实证分析；最后，将结果进行了讨论，并得出了涵义和结论。
- 文献综述
最近的一些文献都是研究和描述城市货运配送的。大多数研究都提出了符合城市物流愿景的一般分配模型。这些文件建议可以替代网络设计，调查成本和温室气体排放的优势。这些包括城市配送中心的实施(McKinnon et al., 2012; Benjelloun and Crainic, 2008)，靠近城市中心的卫星平台的网络 (Crainic et al., 2009; Perboli et al., 2011)，模态位移和智能交通系统（ITS）（Giannopoulos，2009）。所有这些文件都是以合作货运系统和运营商被视为一种服务为基础的。
其他文件处理城市物流服务提供商（LSP）活动的规划有两个主要目的。一是在执行一个可靠的、高效的服务时支持城市物流服务供应商，同时降低成本。这是车辆路径问题的主要任务。特别是，该服务的可靠性与及时交付的数量相关。因此，几个新的模型考虑到城市地区的拥挤和旅游时间的变化，以避免拥挤的交通路线和尊重交货时间窗口（ Jiang amp; Mahmassani, 2013; Ehmke et Al., 2012; and Crainic, 2010）。第二个目的是集中于城市货运配送的环境的可持续性。LSPs对提供绿色产品和服务起着重要的作用。最近新的战略和合作集中在减少城市商品分布对环境的影响上。特别是，一些研究探讨了新的解决方案，可以减少CO2的排放量（(Kara et al., 2007; Jabali et al., 2012; Figliozzi, 2011; Rossi et al., 2013)。
上述文献特别强调了把LSPs视为这个系统的被动角色的共同趋势。例如，它们适用其他利益攸关方（公共机构，供应链和制造商的业主）提出的分布模型。相反，LSPs作为组织机构，它使输送系统的规则适用于他们的商业模式，以最大限度地发挥他们的利润。这样的问题引出了本文的研究问题：一个LSP的生产力是如何链接到它的业务交付服务上的。事实上，不考虑收入部分时，论文一般集中于降低成本，它是作为增加CLPSs的利润的几乎唯一的方式。
此外，很少有论文讨论LSPs的效率分析。性能测试的例子来着眼于不同的公司分析其活动的基准。 Min和Joo（2006）开发了一套财务基准来确定最佳做法，用于测量各种盈利或非盈利性机构的运作效率来实现数据包络分析（DEA）。运营效率是通过输入/输出比率进行评估。由作者选择的输入参数为：应收账款，工资和职工的工资，工资以外的营业费用，财产和设备等。在输出方面，他们衡量整体性能只考虑营业外收入。因此，作者考虑到一般参数，这是不严格相关的日常活动。万科（2013年）实现了三个阶段DEA模型和随机前沿分析（SFA），以调查最大的货运公司在巴西的效率。所考虑的输入是分支数，雇员，车队大小，和燃料消耗。输出是运送货物总数（通过吨每年来表示）和移动距离（以千米每年来计算）。本文还提出了在一年的基础上对LSP表现进行分析。另一个例子是Chandraprakaikul和Suebpongsakorn（2012年），有55家物流企业运用DEA和曼奎斯特生产率指数（MPI）在性能基准上。输入包括土地的净值，建筑物和设备，股东资金，经营成本，销售和/或服务的成本费用以及流动负债。利润和收入被视为输出。 Anderson等人（2005）在研究新的政策措施如何影响货运公司的业务活动。作者考虑了业务活动的重要指标：回合的总数，每轮所花费的总时间，交货时间占所用的总时间的百分比，静止的时间占所用的总时间的百分比，每轮行进的总距离，每回合总车辆的运营成本，污染物排放总量。据作者所说，这些指标说明了车辆循环的运营，财务和环境可持续性。因此，他们给了关于货物配送循环的主要方面的想法，但不讨论他们与生产力的关系。
总之，就我们所知的，这里缺乏讨论影响车辆运输途中的生产力操作因素的论文。对于这样的原因，本文提出了关于决定LSP的效率水平的操作因素的实证分析。
三、方法
该研究是通过以下步骤进行的。首先，根据文献分析，我们确定了一组操作变量，它们有可能影响车辆在市区运送货物时停靠站点的数目。然后，分析完成了探索性数据。最后，假定停靠站点数目是响应变量之后，进行线性回归分析，以了解拾取与递送服务的管理，和LSP的生产率之间的关系。
四、实证分析
本文研究的是影响LSP生产率的不同的绩效指标，它们致力于货运，装卸存储以及文件、包裹和物品的传送。特别是我们研究的生产率，是由该公司通过每天收集和递送物品的司机来确定的停靠站点数目定义的。 LSP的物流业务运行如下：客户下订单，并且下午一组货车车队离开当地仓库，在自己的位置装载客户的物品并将其返回始发本地存储。在这里，所有的物品都装入卡车，并且定址到合并中心，其中物品都按目的地进行排序，重新装入卡车运到所分配的本地最后仓库。目前，物品要在清晨之前重新排序，并重新装入货车，到达最终用户的位置。在此模型中的司机停靠站点的数目似乎对公司的业务至关重要。为了描述操作，考虑到了若干变量。有很多可以描述一个LSP活动的指标。Krauth等人（2005）提出了从不同利益相关者的角度划分的130个元素的列表。其中，相关性通过每天公里数、劳动利用率，运送次数和输送性能来假定。 Lin等人 （2010）建议了考虑车辆的装载量，Gunasekaran等人（2001）突出了完美交付次数的重要性。该公司正在研究监控很多相关的业务参数，并且其中几条应该影响生产力水平的参数已纳入到模型中。尤其是：
DELIVERY HOUR：它表示第一输送的时刻，所以时间由该司机操作。为了在我们的分析中使用这些数据，我们把这些值计算为从早上6点经过的分钟数。特别是，我们预计，如果驾驶员离开仓库太迟了，他就有较少的时间完成拾取和传送活动。因为操作窗口越短，提供给递送服务的有效时间也就越短。
STEM TIME：它表示第一输送的时刻和驾驶员从仓库出来的时刻之间用分钟表示的差距。据预计，较高的系统时间对驾驶员的生产率有负面影响，因为驾驶员花费更多的时间来进行所述第一输送，因此有较小的操作窗口，导致了较低的站点数。
TIME WORK：它是把返回仓库和出口时间之差作为计算驾驶分钟限定的工作时间。TIME WORK更高，增加站点次数的机会越高。很明显，要保持固定8小时正常工作时间的上限。
MASS：它是包裹、行李、装在车辆上的文件的质量（kg）。直观地预计该值越高，驾驶员的生产率越低。因为可以有效地装载的包裹数较低。事实上，通常有巨大质量的包裹都非常笨重。
MASS SATURATION：它显示的MASS和车辆的负荷能力之间的关系。这个变量被记录，因为它有利于公司了解到，不管车辆是否饱和，这个变量对生产率的影响是消极的。
VOLUME：它表示被装载在车辆上包裹的体积（m3），而且显然音量越低，生产率越低，因为包裹的数量可以用装载减少。
KM TOT：它代表白天由驾驶员进行的公里数。它是由以下白天由停止序列的系统计算的。公里数越多，停靠站点数目越多，因为司机将有更多的机会来满足更多客户。
KM EFFICIENCY：它是KM TOT和最佳KM之间的关系，这是通过基于驾驶员的停靠站点序列的公司的软件计算的最佳公里数。这个指标很重要，因为它可以理解驾驶员如何完成他们的工作。如果KM EFFICIENCYgt;1，那么驾驶员行使更多的公里数，反过来生产力应该增加。
STOP FAILED DELIVERIES：该变量表示递送活动失败的停车次数。很明显，它的值越高，生产力越低。
TOTAL SERVICES：他们日常装载和递送的次数都由驾驶员来决定。而且，在这种情况下，容易预计到，分配给驾驶员的服务数量越高，他的生产率就越高。
SERVICE LEVEL：它可以用成功交付和分配次数之间的关系来计算，因此这个值越接近于某一个，驾驶员的生产率越高，因为他已经完成了所有所分配的交货。
STOP DELIVERIES/STOP PICK UP：它表示了完成运送和装载的停车次数之间的关系。因为这些更加费时，所以变量状态的高值适于停车次数少的装载活动，我们预计停车次数应该增加。
DEPOT AREA：这是车厂的操作面积（m2）。因此，仓库越大，它周围的区域越高。因此，司机做更多停靠站点的机会越多，因为可能有更多的潜在客户（B2B或B2C）。
PARCELS/M2：它是由仓库管理的包裹数量除以仓库面积。所以仓库管理的包裹数量越多，停靠站点数目越多。因为仓库周围地区可能更有效率更可利用。
这个公司正在分析收集到的所有意大利仓库1周（即15周2013）的数据。研究期间似乎很适合分析，因为它不受特殊事件的影响，如银行假期，或恶劣天气条件。
表1总结了独立变量，它对公司正在研究的生产率水平有影响。表格分别列出了均值、标准偏差、分位数、最小和最大值。
表1 数据总结
为了探索产能绩效的关系，重点分析了解上述哪些哪些指标是驾驶员停靠站点数量的相关因素。通过回归分析可以达到这个目标，回归分析旨在测试考虑到的独立变量是否是重要因素以及他们
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[146255]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
