供应链建模演示：Greenfield选址分析

1.  什么是Greenfield选址分析

Greenfield选址分析工具旨在对以下问题提供快速答案：            

给定一组客户，确定潜在服务网点（如仓库/配送中心）的最佳地理位置。            

最佳位置是那些满足特定服务要求以及所有客户需求下，可以最小化运输总成本的位置，其中运输总成本根据经纬度计算的距离和运量的乘积决定。

通常，企业重新规划其服务网点时，需要使用Greenfield分析工具确保在一定服务时效下获得成本最优的服务网点配置。

通常可能有两种情况：

1、不考虑已有网点，重新选择和规划新的网点，包括数量和位置

2、在已有网点的基础上，增加新的网点/保留若干网点来达到期望的服务水平。

2.  主数据维护

以下以某企业根据其现有客户分布重新优化仓库的数量和位置为例，说明如何使用Greenfield 选址分析进行仓库选址。假设，该企业通过仓库向所有的客户（经销商）进行配送，每个客户只由一个仓库对其进行服务。

选址分析需要的数据包括客户的分布信息、已有的配送中心分布信息、客户的需求情况信息。因此需要依次维护下列信息。

2.1客户数据维护

图1. 客户数据维护

首先，在图1左侧的输入表中选择客户表；然后导入或输入相关的客户信息（这一步可以直接在Supply Chain Guru中完成，也可以通过Data Guru设定工作流程并与系统及数据库对接，使得建模的流程可重复化），包括客户ID和地址信息；然后点击地理编码，系统会自动调用GIS引擎去解析地址并生成相应的经纬度。

我们可以通过地图去显示客户的分布。

图2. 客户数据维护操作

如图2，打开地图，首先选择“新地图”，然后勾选需要在地图上显示的信息“客户”。可以看到下图所示的客户分布。

图3. 该企业1307个客户（经销商）位置分布图

2.2配送中心数据维护

目前该企业已经有了6个仓库，在进行选址时希望优先选择这6个仓库。

用户需要先确保现有的仓库被维护进站点数据表中，如图4所示。

图4. 配送中心数据维护

首先，在左侧的输入表中选择站点表；然后导入或输入相关的站点信息，包括站点ID（仓库名称），地址信息，以及状态（其中Consider代表优先考虑，Include代表必须使用）；然后点击地理编码，系统会自动调用GIS引擎去解析地址并生成相应的经纬度。

我们可以通过地图去显示站点的分布。

图5. 配送中心数据维护操作

如图5，打开地图，首先选择“新地图”，然后勾选需要在地图上显示的信息“站点”。可以看到图6所示的站点分布。

图6. 配送中心位置分布

2.3产品数据维护

不是所有的客户都有相同的需求量，有的客户需求量较大，有的客户需求量较小，为了区别客户的需求，需要维护产品数据来定义客户需求。这里因为不考虑产品差异对于选址的影响，因此只需要定义一种产品。如下图所示：

图7. 产品数据维护

2.4客户需求数据维护

首先，如图7在左侧的输入表中选择产品表；然后导入或输入相关的产品信息，包括产品ID，单位重量或体积，这里假设只定义一种产品。

为了维护客户的需求量，需要在需求表中维护相关的数据，例如一年中每个客户的产品需求量。如图8所示：

图8. 客户需求数据维护

首先，在左侧的输入表中选择客户需求表；然后导入或输入相关的需求信息，包括产品ID，产品，需求量。

2.5服务目标

选址的目的主要是，满足特定服务水平的前提下尽量减少所需的配送中心，或者在指定配送中心数量的前题下，尽可能提高服务水平。而配送的服务水平通常是通过服务半径来体现的，例如指定半径范围内可以覆盖的客户或需求，或者所有客户或需求的平均服务半径。

这里可以定义期望的服务目标，如图9所示：

图9 . 服务目标设定

首先，在左侧的输入表中选择“最后一公里服务限制”表；然后导入或输入相关的服务目标信息，包括名称，涉及的产品、客户、运输方式、需求统计单位、服务距离、服务比率和状态。这里定义了两个服务目标： D+1，代表600公里服务距离内可以在1天内送达，希望覆盖50%的客户或需求；D+2，代表1000公里服务距离可以在2天内送达，希望覆盖80%的客户或需求。

3.  设置分析场景

企业首先需要了解如果完全重新选址应该在哪里设置仓库，设置多少个仓库能够同时满足D+1和D+2两个服务目标。

对于客户的需求，目前预测的准确度并不能保证，同时随着业务的发展一些客户的需求量都有可能发生增减。因此希望一视同仁对待所有的客户。我们首先想了解仅仅基于客户分布去优化仓库的选址。此时，我们将基于客户分布，且满足D+1和D+2服务目标的场景设为“Baseline”（默认）场景。

如果客户的需求基本上是准确的，同时客户需求量差异很大，为了更好的服务于大客户，需要基于流量分布，去优化仓库的选址。此时，我们将基于需求分布，且满足D+1和D+2服务目标的场景设为“Demand Served”场景。

最后，客户考虑到必须使用当前的6个现有仓库的基础上基于客户分布进行新仓库的选址。此时，我们在“Baseline”场景基础上开放6个现有仓库，设为“Include Existing DCs”场景。

系统设置不同优化场景非常方便，具体参见图10：

图10. 设置场景

首先，在左侧的场景中，点击“新建场景”按钮，在输入场景的名称后，从可用场景项目中拖拽需要使用的场景项到右边的选中场景项列表中。如果没有合适的场景项，可以通过点击“新建场景项”创建需要的场景项。

这里的场景项指的是相对于基准场景，某个表中符合特定条件的数据的某种变化，例如，在网络优化选项表中将“基于需求满足服务”的参数设为“YES”，或在网络优化选项表中将“基于客户满足服务”的参数设为“NO”。

点击“新建场景项”按钮，或双击某个现有场景项后，会打开场景项编辑界面，如图11：

图11. 场景编辑

在场景项编辑界面中，首先输入场景项名称；然后选择会发生变化的数据表，如“网络优化选项“；如果需要针对表中特定的数据，需要选择过滤器，如果没有现成的过滤器可以人工设定；最后需要选择会发生变化的字段，并选择变化方式（运算符，如 “=”代表赋值，“*”代表乘以特定系数，等），然后点击“添加值”按钮后输入修改值，例如将“以满足需求的使用百分比(%)”设为“YES”。

4. 优化运行

当场景设计完成后，就可以对不同场景进行优化计算。为了确保优化计算的正确运行，需要选择合适的算法，并设定正确的参数。

图12. 优化运行

如图12所示，点击右上角“运行”按钮，会弹出优化运行的对话框（如下图13）。

图13. 优化运行选项

首先需要确保“选择技术”下拉框中选择的技术是“网络优化”，同时“选择问题类型”下拉框中确保选择的问题类型是“选址分析”；然后，在选择场景列表中，选择需要优化的场景；然后，点击“运行”按钮，系统就会进行优化计算。如要调整优化的参数，可以点击“选项”，打开图14所示的优化选项：

图14. 优化运行选项

在优化选项中，可以对选址分析设置优化的方式，如指定选址设施个数，或基于服务选择最少的设施数。当用户非常多，同时有些客户距离很近的时候也可以考虑将距离较近的客户进行集群，例如考虑将5公里半径范围内的客户组成一个客户组。

5.  结果分析

5.1选址结果对比

选中“Baseline”，“Demand Served”，“Include Existing DCs”三个场景并执行优化后，打开输出表“选址服务总结”，可以看到三个场景D+1 和 D+2两个服务百分比分别达到期望的50%和80%以上。

图15. 选址结果对比

同时，通过对输出表的“选址流量”进行汇总，可以得出三个场景分别的选址数量和平均服务距离。

图16. 选址结果对比

显然，选址数量最少的是“Demand Served”场景(5个仓库)，其平均服务距离663.01公里是最长的；而场景”Include Existing DCs“的选址数量最多(8个仓库)，平均服务距离552.36公里是最短的。

5.2选址地点及覆盖区域展示

为了在地图上展现选址结果，可以考虑创建新地图，然后勾选需要在地图上显示的节点信息“客户”和“选址分析站点（经纬度）”，连接信息“选址流量”。可以看到图17所示的地图。

图17. Baseline场景选址地点与覆盖区域演示

图17中，基准场景（Baseline基于客户分布选址模式），系统推荐了7个仓库。

图18. Demand Served场景选址地点与覆盖区域演示

图18中，“Demand Served”场景（基于需求量分布的选址模式），系统推荐了5个仓库。基于需求量选址，通常需要更少的仓库。

图19. Include Existing DCs场景选址地点与覆盖区域演示

图19中，“Include Existing DCs”场景（在确保使用已有6个仓库的前提下，基于客户分布选址模式），系统推荐了2个额外仓库，因此一共需要8个仓库。可以看到使用已有的仓库有可能会导致总仓库数增加。

综上所述，如果客户需求量差异不大，可以使用基于客户分布的选址方式；如果客户需求量差异较大，建议使用基于需求分布的选址方式；如果现有的仓库关闭成本较大，则建议在保留现有仓库的前提下选址。

6.  应用进阶

由于选址仅仅是基于平均服务里程（服务时效），不包括实际的运输方式、运输成本、实际运输里程、仓库的运营成本，若要实现成本的优化，还需要使用网络优化实现仓库开关、产品流向的进一步优化。