图源百度
摘要：预冷服务平台中众多小批量订单到达的动态随机性给预冷服务作业带来了实时扰动, 大大增加了平台运作管理的难度, 需要对预冷作业进行重优化. 本研究针对托管平台下带即时订单的鲜采果蔬预冷作业重排序优化问题, 综合考虑固定式预冷库与移动式预冷车两种服务设施, 提出即时订单的预冷作业重排序框架, 构建了基于滚动时域的重排序模型, 目标是在最小化作业成本的同时, 保障服务的响应水平. 进而, 整合订单到达的随机时空信息, 提出基于车辆主动响应的重排序算法, 涉及设施配置评估、即时响应及周期排序三个阶段, 可有效保障决策的前瞻性, 提高排序方案的全局最优性. 最后, 结合预冷作业实践设计了 9 种订单情景开展数值实验, 通过与经典的重排序模型及算法进行对比, 验证了所提出的重排序方法可在不牺牲成本目标的同时, 显著缩短服务的响应时间. 分析了订单到达率及订单分布特征对预冷作业排序方案的影响, 相关结论可为托管平台提高即时订单的预冷服务响应水平提供有效的决策支持.
关键词：预冷作业；即时订单；重排序；滚动时域；主动响应
一、研究背景与意义
鲜采果蔬的高损耗问题是我国农产品冷链物流行业亟待解决的痛点。预冷可显著延长果蔬贮藏期和货架期，减少采后损耗。然而，大国小农国情下，依靠农户自行预冷并不可行。平台型农业服务托管企业的涌现为破解小农户的预冷难题提供了重要契机，但也给村镇预冷行业的运作管理带来了新的挑战性难题。平台中的预冷订单既可能在作业前到达，也可能在作业中动态到达，如何结合多类型冷链设施的服务模式，为带动态即时订单的预冷作业过程设计高效的服务调度方案，是一个亟待解决的关键问题，不仅关乎预冷服务企业降本增效，也对破解果蔬采后高损耗难题具有重要意义。
二、主要内容
首先，基于滚动时域的重优化框架，对即时订单的预冷作业重排序过程进行了分析，提出即时订单的预冷作业重排序框架，涉及一个决策子周期内的决策制定过程，包括确定决策信息状态、重排序决策制定和作业序列更新三个阶段。
在此基础上，构建了基于滚动时域的即时订单预冷作业重排序模型，在设施最大服务能力、最长服务响应时间等约束下，通过优化车辆路径、设施类型、车辆在订单处的主动等待时间及车辆开放时间等变量，最小化设施固定启用成本、基于车辆行驶距离的油耗成本及制冷成本在内的总服务运作成本。
进而，整合订单到达的随机信息，设计了基于车辆主动响应的重排序算法，该算法包含设施配置评估、即时响应及周期排序三个阶段，其中第一个阶段基于订单的到达率信息制定前瞻性的作业方案，后两个阶段基于滚动时域框架对即时订单进行动态响应。
最后，结合预冷作业的现实情景设计实验算例，分别测试了本文提出的重排序模型和算法在9种订单情景中的表现，并与经典方法进行对比，验证所提出的即时订单重排序方法的有效性，并进一步测试了关键参数对订单作业排序方案的影响。
三、主要结论及政策建议
实验结果表明，本文所设计的基于固定子决策周期的重排序模型优于事件驱动的模型，不仅作业成本更低，且订单响应时间更短。这表明，高频次的决策并不意味着更快的响应速度。而通过设定合适的子决策周期长度，在每个周期内积累足够的订单信息后对订单集合及可用车辆进行合理匹配与重排序，有助于更好地平衡作业成本与响应时间。
同时，实验验证了本文所设计的即时订单重排序方法有助于提高订单的响应速度，且在订单到达率较高时优势更为突出。值得一提的是，通过指引车辆在订单可能到达的区域提前等待并允许车辆对距离阈值内的订单进行实时响应，车辆的行驶距离更短、油耗成本更低，因而该方法对订单响应速度的提升没有牺牲成本目标。
此外，实验结果显示，订单平均响应时间与车辆平均等待时间呈互补关系，且适当提升车辆返回预冷库时剩余的载重能力有助于缩短车辆等待时间。为了缩短车辆的平均等待时间而不影响订单响应速度与总成本，决策者可允许车辆达到90%载重能力时即返回车场，从而有效避免车辆在某些订单处过长的等待时间，进一步提高预冷作业效率。
最后，实验发现，通过设计考虑车辆剩余服务能力的成本评估方式辅助车型决策，可实现车型更优配置。当即时订单的作业过程中使用多类型设施时，决策者应在调度中重点关注设施类型决策，通过评估不同类型设施对未来订单的服务潜力，实时优化设施配置决策，进一步降低服务作业成本。
四、边际贡献与未来拓展
本文贡献包括以下三个方面：(1) 构建了基于滚动时域的即时订单预冷作业重排序模型，准确刻画订单动态随机到达时决策信息的状态、重排序决策的制定过程及作业序列更新过程，为此类状态空间和决策空间十分复杂的动态作业排序问题提供有效的建模思路；(2) 提出基于车辆主动响应的重排序算法，设计了设施配置评估、即时响应及周期排序三个阶段，可在保障决策前瞻性的同时提高作业排序方案的全局最优性，为托管企业在线生成即时订单影响下的预冷作业重排序方案提供有效的技术方法；(3) 结合预冷作业实践设计了9种算例情景测试所设计方法的有效性，并与经典的重排序模型及算法进行对比，相关结论可为决策者进行不同情景下的重排序方法选择、车型动态配置、关键参数设定等方面提供管理启示。
在未来的研究中，应进一步关注基于临时型、固定型和移动型等多种设施的预冷作业过程，并融合即时订单的体量分布先验知识，考虑单个订单体量的长尾分布等特征，设计更具适用性的即时订单重排序方法。
五、写作、投稿过程的心得体会
非常感谢论文修改过程中三名匿名评审专家提出的宝贵意见，特别是关于“重排序模型有效性验证”的意见对本论文的完善起到了重要作用。我们增加了数值实验，将所设计的基于固定子决策周期的重排序模型与经典的事件驱动的重优化模型进行了对比分析，得到了很有意思的反直观结论，即高频次的决策并不意味着更快的响应速度。此外，专家们也在订单信息预测、模型假设、关键参数敏感性分析、实验场景设置依据等方面提出了宝贵意见。在此，我们由衷感谢《系统工程理论与实践》编辑部老师和各位评审专家的辛苦付出！
本文摘编自《系统工程理论与实践》2025年,第45卷,第11期论文《托管平台下考虑即时订单的鲜采果蔬预冷作业重排序方法》（点击题目链接全文）；
作者：林娜1, 博士, 助理研究员, 研究方向: 农产品物流；张博2, 博士, 助理研究员, 研究方向: 即时配送, 网络优化；胡祥培2,博士, 教授, 研究方向: 智慧商务物流管理； 阮俊虎1,*(通信作者)，博士, 教授, 研究方向: 数字农业运营管理
1. 西北农林科技大学 经济管理学院, 杨凌 712100
2. 大连理工大学 经济管理学院, 大连 116024