本文从实际问题出发，为D公司优化了物流管理问题，也为同行业提供了参考依据，为物流管理问题提供了理论基础。

第一章 绪论

1.6 论文研究的创新点

本文基于聚类分析法(Cluster analysis method)、重心法(Precise center of gravity method)制定物流网络规划方案，避免重心法的单一选址缺陷，再结合层次分析法(Analytic hierarchy process)制定仓库条件评估方案，从物流网络布局与仓库条件评估两个层面进行物流管理优化，更加全面。

本文将此方案运用于D公司化工行业的物流管理优化，为此类企业在类似问题上提供了参考依据，具有一定现实指导意义。

第三章 D公司现状及问题分析

3.1 D公司的运营现状

D公司成立于2003年，由贸易公司转型成为为生产、研发和销售一体的高新技术企业。从2008年开始，致力于企业的上市准备工作，在此期间，开始收购其他同类型企业，并扩大其组织规模。2016年成功上市后，开始大规模拓展主营业务市场，并开启相关多元化发展和其他业务投资项目，包含智能装备、生态木材、塑料制品、工业清洗剂等，开始布局工业4.0时代。至今，D公司已有20多个分子公司，包含主营的皮化业务和其他多元化发展业务。

D公司起家于皮化，现在的主营业务仍然是皮化行业，基于企业长期的发展和积累，目前在该行业属于龙头地位，有自己的产品品牌，对行业有一定的影响力。皮化的业务遍布全国，从2017年开始也向海外市场进军，国内销售额占比70%，国外销售额占比30%，目前国内外的销量依然是不断增长的趋势。为了更好地满足市场供应，D公司加大了对工厂的扩建，仅皮化业务的工厂建设投资达35000万元，总占地15万平方米，年生产量达8.7万吨。

D公司处于快速成长阶段，在多元化发展上已有战略规划，在皮革行业纵向深入发展，仍然坚持以扩大市场规模为战略目标，横向和纵向同时扩张，尽管在疫情期间对企业的发展有些许影响，但是在后疫情时代，销售回暖，D公司依然呈现一种磅礴发展的趋势。 

第五章 优化效果分析

5.1 配送时效性对比

配送时效性的计算方式为：收发货地的坐标之间的球面距离（/60千米/小时）。由第三章的问题及原因分析可以了看出，分公司仓库的配送地是根据客户归属于哪个分公司而确定，并非采取就近配送的原则，所以配送距离较远。统计了2022年所有发货地到需求地的配送线路197条，最长的配送时间为42.21小时，成都配送到黑龙江省大庆市，配送时长小于12小时的线路占比57%，需求量占比69%。新方案中，配送线路减少到99条，最长配送时间为41.75小时，成都配送到新疆。从配送时长可以看出，配送时效性主要集中在12小时内，占总配送线路的94%，需求量占总需求量的98.82%。表5-1为优化前后的配送时效性对比表。

5.2 物流成本分析

本次数据取自2022年年度数据，根据仓库选址方案，分别计算出优化前后的总成本进行分析对比，总物流成本从仓库租金、装卸费、人工成本和运输费用四个方面进行计算。

5.2.1 优化前的物流成本

（1）仓库租金分析

由于企业未对配送中心进行网络规划，前期是根据个人的主观判断进行选址并根据经验判断所需要的仓库面积，导致仓库面积与实际需求不符，且选址地点目前也无法满足企业的需求。根据企业的供应链地位，需要建立距离客户较近的配送中心，以提高客户服务水平，所以D公司的仓库租金为每年产生的固定成本。根据2022年实际租赁情况，各分公司仓库租赁情况及成本表5-2所示。

由于地区土地价格不同，各分公司年度租金存差异，总的来说，北方的仓库租金相比于东部和南部会便宜一些。同时，又发货量和仓库来看，这两组数据没有一定的比例规律，所以各个分公司对于租赁面积的大小没有一个确定的概念，导致仓库利用率出现差异。

第六章 结论与展望

6.2 不足与展望

本文以D公司为研究对象，着眼于D公司现有的物流管理问题进行优化，结合客户需求，优化了配送模式，重新规划了新的仓库网络布局，在一定程度上降低了物流成本，并提高了客户服务水平，也为D公司在评估备选仓库时提供了评价依据。但是，在研究D公司选址过程中，未对未来销售进行预测，而是建立在现有的需求量上对数据进行了分析。D公司客户分布较为广泛，本次核算时，将需求点进行了地级市的规范化，降低了数据的精确度。同时，在利用重心法进行选址预测的过程中，为考虑运输费率的差异，使结果直接受距离和重量的影响。由于数据精确度的欠缺，以及个人专业能力有限，本文的研究还会有很多遗漏的地方，使得结果与实际还存在一定的差异。以下是后期需要做进一步的优化和研究：

（1）对于未来销量的预测。由于仓库租赁是一个长期的决策，一旦决策确定，不容易再做变更，所以需要根据仓库的服务年限，对未来可能达到的销量进行预测。在预测值下进行仓库网络布局的优化，更能与企业未来的规划与发展相结合，更适用于企业。

（2）利用先进的技术，将客户需求点和运输距离进行更精确的测算。本文为了简化数据量，将客户需求地规范到地级市，再利用SPSS软件对需求点进行群落分类，所以与实际距离可能会有一定的差异。而且在计算地面距离时，利用球面距离公式测算的是两点间的直线距离，与实际运输距离会有一定的差异。在对D公司选址优化研究后，发现现在GIS空间分析技术，可以更精确的分析地理数据，并更加直观的展示出来，因此可以缩小与实际的差距，使得测算结果更加精确。但是GIS地理信息系统的专业要求较高，操作性更加复杂，本人目前的能力有限，暂时未能学习和使用该软件。在后期的学习中，会加强对GIS的了解，并运用于后期的研究的中，提高测算的精确度，降低与实际操作的差距。

（3）仓库选址决策涉及的影响因素不够全面和深入。本文虽然利用层次分析法构建了仓库选址的决策模型，但是构建的模型与实际操作中考虑的因素相比，略显单一了些，未能考虑到更多的因素，也没有将这些因素进行更精细的深入下沉分析，可能存在评价缺少精准性、因素考虑不全面的问题。因素细分越细，层次构建更深入，判断的准确性越高。在后期的研究中，会搜集更多关于仓库选址的影响因素的资料，从而对各种因素进行较为全面的归纳和分类，并对各个因素进行更深层次的细分和深入，为仓库选址决策提供更为全面和精准的判断依据。

参考文献（略）

(本文摘自网络）