4.4逆向物流网络设计方法及模型
4.4.1逆向物流网络规划方法概述
逆向物流网络是逆向物流的基本组成部分，逆向物流网络的优劣，对降低逆向物流的运作成本起着极其重要的作用。回收产品不同，逆向物流网络的组成结构也不相同，网络的复杂程度也不相同，其中以再制造物流网络最为复杂。同时，越复杂的网络，其降低成本的可能性越高，但优化的难度也越大。
逆向物流系统的网络规划，主要是各种设施如仓库、处理场、工厂地点的选择，回收产品的调配等。通过对文献的研究分析发现，目前逆向物流网络规划方法大多是将各种随机情况进行确定性近似，再建立数学模型，然后优化求解。
数学规划方法是解决逆向物流网络规划的主要方法，特别是在网络结构边界清楚、设计的节点相对较少的情况下，传统数学规划方法配合专门的求解软件（如lingo／matlab等），可以方便地得到网络规划的最优解。
该类方法被广大学者应用于不同的环境，如为可重复使用、可折盛的运输包装容器的租用设计“闭环”逆向物流系统。该系统包括总代理、回收物流服务商、发货人、收货人和“正向”物流服务商，由这五个主要成员建立了一个经典的无能力约束仓库选址混合整数线性规划模型。该研究的重点是在成本最小化目标下，仓库地点如何选择；哪些仓库将用来存储、清理和维修回收来的包装容器；当有人租用容器时，怎样从仓库将容器发送给发货人。此外，还对维持系统运转所需的容器数量、租金定价、各仓库之间的库存平衡等问题进行了求解。
4.4.2常见的物流网络模型
物流网络的设计过程是复杂的，常常需要借助各种数学模型和计算机模型。实际系统和问题的多样化，使得网络规划方法也多种多样。按照系统建模方法的不同，常见的网络规划模型主要有五类，即图表模型、最优化模型、仿真模型、启发式模型、专家系统模型。其中，图表模型适合进行初级分析；最优化模型适合于问题比较清楚、明确，能用数学式表达的系统；启发式模型和专家系统模型适合于对主观经验和定性因素的分析；仿真模型以计算机仿真技术为基础，适合于带有随机不确定性的、离散事件的系统。下面介绍最常见的三种模型，即最优化模型、仿真模型和启发式模型。
1.最优化模型
最优化模型是依赖精确的数学方程式和严密的数学过程来分析和评价物流网络的各种可选方案，从数学上可以证明所得到的方案是针对该问题的最佳选择。
最优化模型通过精确的运筹学方法设计数学模型求出决策问题的最优解。在给定的假设前提和足够的数据后，优化模型能够保证求出最优解。最优化模型主要包括各种数学规划模型，例如线性规划、非线性规划、动态规划、混合整数规划、排队模型、枚举模型、微积分模型等。其中，物流网络规划最常见的是各种线性规划模型。按优化变量的不同又可以分为两类：一类是连续型线性规划问题；另一类是混合整数规划问题（mixed integer linear planning，MILP）。
连续型网络优化模型的典型应用就是单设施选址规划的重心法模型，该模型以运输总成本最小化为优化目标，优化过程采取了多次迭代和逐渐逼近的数学方法。由于优化模型中进行了一系列的假设和简化，因此最后得出的最佳坐标点往往需要修正，或作为选择初始方案的参考依据。
混合整数规划模型常用于多设施选址、网络最佳路线设计等问题中。由于变量空间的不连续，模型的求解过程中存在组合爆炸问题，一般需要应用数值逼近方法或现代优化方法，而且只能得到近似的满意解。目前应用的主要求解方法有遗传算法、节约法、遗传模拟退火算法、分支定界法、逐次逼近法、SAD模拟法、最短路径法、模糊匈牙利法、排队论、非线性规划法等。
最优化模型也有其局限性。由于实际系统的复杂性，一个数学模型往往无法包含现实问题中所有的约束与影响条件，需要进行一系列的假设。如果建立的模型对现实系统的描述过于细致，即使利用了最大型的计算机，也无法在合理的计算时间内得到最优解（因为会出现“组合爆炸”的问题）。因此，需要在问题求解的时间与问题描述的现实性之间取得平衡，即需要在运算能力限制与假设条件个数之间进行权衡。
2.仿真模型
能提供数学最优解的模型虽然看起来最好，但有时理论上的最优解对现实的系统却没有意义。例如物流网络设施选址问题，按数学模型求出的最优点可能位于某条河道或桥梁上。物流网络规划中，存在许多随机因素，有时数学上的最优解并不是问题的关键，而是需要经常选用仿真技术，建立系统仿真模型。
所谓仿真模型，就是以代数和逻辑语言作出的对系统的模拟。这种模拟通常要利用随机的数学关系，可以说，仿真的过程就是对系统模型进行抽样试验的过程。仿真模型能真实地模拟系统过程，可用于物流系统规划的很多方面，如物流设施选址、物流绩效影响因素分析、物流设备配置、物流成本分析等。大部分仿真模型要针对所分析的具体问题专门设计。尽管国外已有一些专门处理物流问题的仿真模型，但更多的仿真模型还是建立在通用仿真语言的基础上，例如Witness、eM‐Plant等。
从物流网络规划问题来看，最优模型与仿真模型的区别在于，最优规划模型寻求的是最佳的仓库数量、最佳的位置、每个仓库的最佳规模，而仿真模型则是试图在给定的多个仓库、多个分配方案的条件下，反复使用模型，对多个布局方案进行评价，从而找出最优的网络布局方案。
系统仿真需要借助计算机的帮助，建立仿真模型需要大量的数据信息，要应用统计分析技术，同时还需要较长的计算机运行时间。尽管如此，由于物流系统中存在着大量随机现象，使得物流仿真技术的应用越来越普遍。在逆向物流中，不确定性和随机性是其最突出的特点，因此应用仿真模型到逆向物流网络规划中，具有特别强的针对性。
3.启发式模型
仿真模型能够实现模型定义的真实性，最优模型能够实现寻求最优解的过程，启发式模型则是这两种形式的混合模型。启发式模型是以启发式规则为基础建立的系统模型。启发式规则指的是那些能指导问题求解的原理、概念和经验法则。对于一些无法求得最优解的问题，借助于这些启发式规则，可以得到满意解，但无法保证获得最优解。
启发式模型对物流系统中某些难以解决的问题，是一种很实用的方法。物流系统规划人员对某个问题的求解经验有时可能胜过最复杂的数学公式，如果能将这样的知识或经验以规则形式融入现有模型中，将能得到更高质量的解。
以下是物流系统规划中的一些启发式规则：
①最适合建仓库的地点是那些需求最大的地区或临近这些地区的地方；
②按整车批量购买的客户应由供应点直接供货，而不应再经过仓储系统；
③如果某产品出、入库运输成本的差异能够弥补仓储成本，就应该将该产品存放在仓库里；
④从分销的角度看，那些以小批量购买且位于运输线末端的客户的服务成本最高。
将启发式模型与专家系统技术结合，就可建立专家系统模型，它能帮助物流管理人员迅速提高决策能力。
