文獻綜述社區(qū)團購前置倉選址研究的國內外文獻綜述本文研究的選址問題主要在社區(qū)團購的背景下展開，是對社區(qū)團購電商企業(yè)目前廣泛使用的前置倉模式的研究。由于社區(qū)團購特殊的銷售模式和競爭激烈的市場環(huán)境，使得社區(qū)團購電商企業(yè)尤其注重消費者體驗，本文還需考慮到客戶滿意度問題。因此，本章將對選址模型的相關研究、前置倉模式的相關研究及客戶滿意度的相關研究進行文獻綜述。1.1選址模型研究目前，學術界內關于社區(qū)團購的研究還較少，但對于倉庫選址問題的研究較多，內容形式豐富。根據(jù)不同的劃分依據(jù)，選址問題可以分為不同類別，下面是幾大主要的劃分方法，根據(jù)本文研究需要，還將對其中的多目標選址模型進行重點闡述。（1）以是否量化為劃分依據(jù)根據(jù)是否量化為劃分依據(jù)，選址模型可以分為定性選址模型和定量選址模型兩類。常用的定性選址模型有專家打分法、德爾菲法等，主觀性較強，一般用作備選點的選擇或最終選址的擇優(yōu)評價。這類定性方法常與定量數(shù)學模型相結合使用。定量選址模型主要有TOPSIS、CFLP、模糊綜合評判法等。莫海熙、郜振華等（2007）提出了AHP-目標規(guī)劃綜合方法求解選址問題，將備選地址的綜合評價值作為其權重值，構建了一個約束條件，結合其他約束和目標組成目標規(guī)劃模型。運用AHP模糊綜合評判法對候選地址進行綜合評價，評價結果與數(shù)學模型得出的結論一致，驗證了數(shù)學模型得出結果的有效性[1]。（2）以選址范圍為劃分依據(jù)判斷選址范圍連續(xù)或呈離散狀，可以將選址問題分為離散型選址和連續(xù)型選址兩類。離散選址是指從一些離散點中確定最終選址，連續(xù)型選址問題的選址范圍則是一片連續(xù)區(qū)域，選址結果可以是區(qū)域中的任一點。連續(xù)型選址一般采用重心法或交叉中值法。宋世強（2009）研究多倉庫選址問題，選用起訖點劃分網(wǎng)絡群落，然后使用重心法找出每個群落的精確中心，求出總運輸成本[2]。鄧濤（2014）等人運用GIS技術，建立基于真實道路距離的改進重心法選址模型，解決了機場搶救的及時性問題[3]。王飛飛、林文（2014）改進了重心法在選址方面的局限性，結合因次分析法分析并建立模型，求解出最佳的選址地點，最后使用實例驗證模型的正確性[4]。武瑞英（2018）等人將交叉中值模型和計算機相結合確定一個地區(qū)的物流配送中心的位置，為選址決策提供科學性的依據(jù)[5]。離散型倉庫選址具有代表性的模型有P-中值、Baumol-Wolfe模型、整數(shù)或混合整數(shù)規(guī)劃模型等。張彩慶和趙璐（2014）將P-中值模型進行了修改，并運用在檢修公司分布的選址上，當同時滿足時效性和經(jīng)濟性這兩個條件時做出選址決策[6]。袁文燕、彭云（2015）等人，在經(jīng)典的P-中值選址模型基礎上提出了事故風險和距離相結合的雙層次選址模型，改變了傳統(tǒng)的一對一應急模式[7]。楊彪和周亦鵬（2015）使用混合整數(shù)規(guī)劃法對倉庫進行選址，將供應成本最小化為目標函數(shù)，最終確定了倉庫的位置和吞吐能力[8]。Nahid（2017）提出一種適合多周期的混合整數(shù)規(guī)劃模型，這種模型適合于不同網(wǎng)絡節(jié)點的選擇問題[9]。（3）以選址數(shù)目為劃分依據(jù)以選址數(shù)目作為劃分依據(jù)，可以將選址問題分為單設施選址和多設施選址兩類。單設施選址較典型的模型有重心法、近似法和圖標計數(shù)法，多設施選址則主要運用Baumol-Wolfe法、混合整數(shù)規(guī)劃法、CFLP法等，與上文中提到的模型有所交叉。（4）以選址的時間跨度為劃分依據(jù)根據(jù)選址的時間跨度，可以把選址問題分為靜態(tài)設施選址和動態(tài)設施選址兩類。動態(tài)設施選址具有前瞻性，注重結合實際，求解結果適用性更強?，F(xiàn)有研究中對靜態(tài)設施選址研究較多，動態(tài)設施選址研究較少，DiasJ（2005）以成本最低為目標，構造動態(tài)模型并用啟發(fā)式方法求解[10]。（5）以選址目標為劃分依據(jù)根據(jù)目標數(shù)量，選址問題可以分為單目標選址和多目標選址兩類。從眾多國內外學者的研究中可以知道，大部分的模型都是以某個基本模型為參考，然后應用到不同實際情況，使理想的模型越來越接近實際，更具有現(xiàn)實意義，為不同的企業(yè)或機構在進行選址決策的時候提供參考。研究選址時的目標基本一致，一般為成本最小化、服務最優(yōu)化、物流量最大化等幾項。一般情況下在不同的情景下選址時需要考慮到的因素也會不同，約束條件和假設條件等都將根據(jù)情景的實際情況有所改變，在選址時追求達到多個目標往往更符合人們對現(xiàn)實的要求。關菲，張強（2013）在模糊環(huán)境下，綜合考慮了選址的影響因素，建立了以物流費用最小化和綜合服務水平最大化為目標的模型，并提出了一種具有針對性的多目標粒子群優(yōu)化算法[11]。郭永梅、胡大偉（2017）在應急物流中心的選址中考慮可靠性因素，建立了以系統(tǒng)總成本最小化和客戶需求覆蓋率最大化為目標函數(shù)的混合整數(shù)規(guī)劃模型，最后借助MATLAB編程，使用NSGALL算法求解此雙目標模型[12]。賴志柱（2020）同樣研究了應急物流中心的選址問題。他以應急救援成本和應急救援時間作為目標，將兩個單目標最優(yōu)結果轉化為相對值再加權處理，并設計了一種混合蛙跳算法，驗證了模型的有效性[13]。王寧（2018）考慮消防聯(lián)動與效益建立消防站多目標選址模型，在模型中使用消費責任區(qū)覆蓋率和消防響應損失成本描述消防站的均衡性和消防效益，利用經(jīng)典的多目標優(yōu)化算法SPEA2算法求解[14]。李文（2019）在考慮可靠度的基礎上設計備件保障中心選址問題，以總運輸路徑最短、總成本最小、備件保障中心系統(tǒng)可靠度最大為目標，使用貪婪啟發(fā)式算法求解[15]。孫秉珍（2020）考慮了充電中斷情景下的電動汽車充電站選址問題。她以充電站選址服務效益最好、充電站風險最小和經(jīng)濟成本最低為目標，構建了兩階段多目標區(qū)間p-median模型，并利用免疫優(yōu)化算法對模型進行求解分析[16]。從上述文獻綜述中可以看出，多目標選址模型之間最大的不同就是區(qū)別于不同情景的約束條件和目標。針對社區(qū)團購前置倉的選址研究較少，其選址問題與大多數(shù)倉庫選址問題都有著共同之處，但由于社區(qū)團購的特性，對于配送效率、場地要求等約束條件會有所不同?？紤]到本文的倉庫選址是在社區(qū)團購的背景下進行的，需要注意社區(qū)團購前置倉不同于普通倉庫的要求和特點，因此本文將選用多目標模型作為選址模型進行求解。1.2前置倉模式研究前置倉目前并沒有一個官方的定義，溫振鑫，許學軍（2019）認為，前置倉是電商以提高配送時效為目的而設置的距離消費者相對較近的小型倉庫，相比于傳統(tǒng)門店，前置倉并不提供對外營業(yè)的服務，僅負責提供生鮮配送服務，降低了前置倉的選址對于地理位置的挑剔性，在工廠等人流量極少的地方，也可以設置前置倉，選址時需要關注的只有用戶的覆蓋面積以及是否可以進行生鮮產品的儲存[17]。王艷（2019）認為前置倉是電商業(yè)、綜合商超企業(yè)為了讓貨物離消費者更近、提高配送效率而推出的一種倉儲解決方案。她從供應鏈視角出發(fā)，根據(jù)前置倉在供應鏈中發(fā)揮的作用將前置倉分為垂直一體化和橫向整合式兩類。垂直一體化的前置倉模式具體又分為“店倉一體”模式和“純粹倉庫”模式。“店倉一體”即所謂的明倉，通常為前店后倉的形式，線上線下融合，一套庫存有應對門店和配送到家的兩條鏈條出口?！凹兇鈧}庫”即暗倉，沒有線下店面作為依托，倉庫只負責產品的臨時倉儲、分揀、打包和配送。對于M公司等“純粹倉庫”的前置倉模式，王艷總結了其優(yōu)點，即選址難度小，前期成本較低，商品品質較穩(wěn)定，適合快速擴張，微倉密集度高，可配送范圍大等[18]。關于前置倉的選址問題，吳魏（2020）探討了前置倉模式在制藥企業(yè)物流領域的運用，他認為制藥企業(yè)設立前置倉主要應該考慮三個因素：前置倉要位于相對理想的交通樞紐位置；其二前置倉設置的地區(qū)市場銷量要相對更具規(guī)模，關注物流成本；其三，前置倉要能助推產品供應鏈服務能力和市場競爭力[19]。周曉燁（2020）在考慮前置倉配送服務范圍的前提下，針對前置倉的選址使用了道路非直線系數(shù)的K-means聚類方法以構建聚類模型。與此同時，使用了IBMSPSSStatistics20軟件，針對于某市區(qū)的真實情況，做了前置倉選址的實證分析與計算[20]。楊振宇（2020）在新零售背景下，對擁有線下門店的生鮮連鎖零售企業(yè)給出建議，將已有門店改造為中轉功能和服務功能結合的“倉店一體化”前置倉，通過“店改倉”手段降低供應鏈成本，提升城市配送能力，達到同時服務C端和B端需求的發(fā)展目標。他以最小成本為目標，以擬改前置倉數(shù)、門店面積、前置倉服務半徑等為約束條件構建前置倉選址模型并用LINGO軟件求解[21]。宋振波（2020）提出改變中心倉不能跨級配送的規(guī)則，允許中心倉在沒有前置倉的城市里跨級配送，由此建立以物流總成本最低為目標的混合整數(shù)規(guī)劃模型并使用LINGO求解[22]。在有關前置倉選址的研究中，在社區(qū)團購背景下進行選址的研究較少，生鮮電商背景下的前置倉選址則大多研究的是當日達、一小時內達的情況，不符合社區(qū)團購“預購-自提”模式下的特點和要求，針對社區(qū)團購的前置倉選址研究有一定的現(xiàn)實參考意義。1.3客戶滿意度研究客戶滿意度就是指客戶對企業(yè)提供的產品或服務所感到的綜合滿意程度，它并不是一個絕對的概念，而是反映客戶所感受到的服務體驗與客戶對其期望值的匹配程度。GeorgeJr.Stalk在《哈佛商業(yè)評論》上發(fā)表了一篇極具重要意義的文章，他在文中提到“時間是下一個競爭優(yōu)勢的資源”，首次提出了關于時間競爭的概念，是客戶時間滿意度的雛形。在閱讀客戶滿意度的相關文獻后可以發(fā)現(xiàn)，影響客戶滿意度的因素非常多，如產品的質量，產品的價格、產品的外觀，服務水平、服務所用時間等都影響著客戶滿意度。對于選址問題而言，客戶滿意度的約束主要從以下三方面體現(xiàn)。（1）考慮產品的變質損耗。袁群（2016）基于3T理論求出產品損耗品質率，建立成本最小模型并用改進的混合遺傳算法對復雜選址問題進行優(yōu)化[23]。關于如何計算產品損耗率，Yang等（2010）認為變質率與時間相關，呈指數(shù)分布，構建了指數(shù)型易腐品庫存控制模型[24]。Ghomi等（2019）針對易腐貨物提出了一種選址與庫存-路徑優(yōu)化模型，探討了易腐貨物新鮮程度對客戶需求的影響，并認為易腐貨物銷售損失與產品生命周期成正相關[25]。此外，部分學者認為生鮮產品的腐敗率或變質率是可以通過人工干預發(fā)生變化的。黃遠良（2020）研究了產品新鮮度可控條件下生鮮產品的庫存管理策略，認為銷售商會通過投入資金購買冷藏設施等措施來保持產品新鮮度，涉及算法對模型求解得到了新鮮度可控條件下的最優(yōu)補貨策略，證實了零售商通過投入資金來減緩新鮮度下降的做法是有益的[26]。易海燕（2020）在考慮社區(qū)電商配送中心選址問題時將產品新鮮度損耗考慮在內，建立了一個混合整數(shù)選址模型并借助蟻群算法求解[27]。（2）考慮產品配送時間或配送距離。周根貴，沈雁飛（2008）將基于需求響應時間的指標來反應顧客的滿意度，從客戶與企業(yè)角度考慮，以顧客時間滿意度代表客戶滿意度，以企業(yè)成本最低作為目標之一，用遺傳算法進行求解[28]。于冬梅（2015）結合實際情況，綜合不同程度與規(guī)模的受災情況，從需求區(qū)域角度出發(fā)定義滿意水平，在求解時利用BA求解模型，獲得每個需求區(qū)域的最佳位置分配方案和時間滿意度[29]。Chenchao（2019）研究了帶有時間窗的選址與庫存-路徑問題，構建了混合整數(shù)規(guī)劃模型，在此基礎上提出一種混合啟發(fā)式算法對模型進行求解[30]。（3）考慮覆蓋率。用顧客被覆蓋服務的程度來體現(xiàn)客戶滿意度。Eiselt（2008）在集合覆蓋問題基礎上引入逐漸覆蓋，以任何顧客所得最低服務最大化為目標，通過服務覆蓋率來反映服務質量[31]。賀政綱和鄒曄