Maksimal gjennomstrømming. LOG530 Distribusjonsplanlegging 2 2 StartOil må transportere store mengder utstyr og materialer til utbyggingen av et nytt.

Slides:



Advertisements
Liknende presentasjoner
12.Studienreise nach Finnland,
Advertisements

Litt mer om PRIMTALL.
Teknologi for et bedre samfunn 1 Asbjørn Følstad, SINTEF Det Digitale Trøndelag (DDT) Brukervennlig digitalisering av offentlig sektor.
The Travelling Salesperson. LOG530 Distribusjonsplanlegging 2 2 Et forsyningsskip skal starte fra VestBase for å betjene 10 forskjellig installasjoner.
Managerial Decision Modeling Cliff Ragsdale 6. edition Rasmus RasmussenBØK350 OPERASJONSANALYSE1 Chapter 5 Network Modeling.
Korteste vei. LOG530 Distribusjonsplanlegging 2 2 Ofte står en overfor ønsket om å finne korteste kjørerute fra et gitt utgangspunkt til et ønsket bestemmelsessted.
Komplett avstandstabell. LOG530 Distribusjonsplanlegging 2 2 Noen ganger er det behov for en komplett avstandstabell mellom alle nodene i et nettverk.
Øvingsforelesning 9 Flytnettverk, maksimum flyt og maksimum bipartitt matching Jon Marius Venstad Redigert og forelest av Gleb Sizov.
Omlasting, direkteleveranser og flere vareslag. LOG530 Distribusjonsplanlegging 2 2 Vi har nå utvidet nettverket med flere vareslag. Vi har samme distribusjonsnett.
Kundekrav og restordrer. LOG530 Distribusjonsplanlegging 2 2 Vi endrer litt på kundeønskene i eksempel 8, og bruker kapasiteter og etterspørsel fra eksempel.
Fra forelesningene om involveringspedagogikk Et utviklingsarbeid Philip Dammen Manuset er under arbeid.
Kapittel 14 Simulering.
Forside Korteste sti BFS Modifikasjon Dijkstra Eksempel Korrekthet Analyse Øving Spørsmål Dijkstras algoritme Åsmund Eldhuset asmunde *at* stud.ntnu.no.
Øvingsforelesning 9 Flytnettverk, maksimum flyt og
Foreløpige tall pr Randi Sæther
Managerial Decision Modeling A Practical Introduction to Management Science, 5ed by Cliff Ragsdale.
Managerial Decision Modeling A Practical Introduction to Management Science, 5ed by Cliff Ragsdale.
Lokalisering av avfallsanlegg - størst minsteavstand.
LOG530 Distribusjonsplanlegging
Minimal Spanning Tree. LOG530 Distribusjonsplanlegging 2 2 Nettverket viser avstanden mellom 8 noder, der nodene A – G beskriver oljefelt som skal knyttes.
Sikreste vei. LOG530 Distribusjonsplanlegging 2 2 Noen ganger står en overfor ønsket om å finne sikreste kjørerute fra et gitt startpunkt til et ønsket.
Ubalansert nettverk med felles produksjonsressurser.
Lokalisering av mobilmaster. LOG530 Distribusjonsplanlegging 2 2 NetVik strever med å fullføre sin utbygging av UTMS nettet sitt. I Glemnes kommune er.
Lokalisering og max totalavstand. LOG530 Distribusjonsplanlegging 2 2 Anta at nettverket angir en region hvor McBurger skal opprette 3 konkurrerende utsalg.
Reiserute med maksimal opplevelse. LOG530 Distribusjonsplanlegging 2 2 I følgende eksempel er det en turist som ønsker å velge kjøreruten med mest severdigheter,
Omlasting og overproduksjon. LOG530 Distribusjonsplanlegging 2 2 Vi har samme distribusjonsnett som før. (Betrakt de ulike vareslagene som flere 3-dimensjonale.
Distribusjon i nettverk. LOG530 Distribusjonsplanlegging 2 2 Her har vi en situasjon med 2 leverandører, lokalisert i node 1 og 2, med et tilbud på hhv.
LOG530 Distribusjonsplanlegging
Omlasting og direkteleveranser. LOG530 Distribusjonsplanlegging 2 2 Vi har nå utvidet nettverket med direkteleveranser. Distribusjonen går enten via lagrene.
LOG530 Distribusjonsplanlegging
Tildeling av lasterom. LOG530 Distribusjonsplanlegging 2 2 Et bulkskip skal lastes med tørrlast til Ghana. En ønsker å frakte totalt 4 ulike varetyper.
Inndelingsproblemer. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes veistasjoner som skal betjene 8 distrikter. De 4 aktuelle lokaliseringene.
LOG530 Distribusjonsplanlegging
Transport fra lager til kunder. LOG530 Distribusjonsplanlegging 2 2 Lager 1 Lager 1 Lager 2 Lager 2 Lager 3 Lager 3 Kunde 1 Kunde 1 Kunde 2 Kunde 2 Kunde.
P-MP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Omlasting, direkteleveranser og kundekrav. LOG530 Distribusjonsplanlegging 2 2 Vi gjeninnfører muligheter for direkteleveranser, og går tilbake til data.
Lokalisering av avfallsanlegg - størst totalavstand.
Lokalisering og minimum maxavstand. LOG530 Distribusjonsplanlegging 2 2 I mange situasjoner ønsker en å finne lokaliseringer som minimerer maksimalavstanden.
Tildeling av snødeponeringssted. LOG530 Distribusjonsplanlegging 2 2 Kommunen skal kommende vinter frakte snø fra 10 soner til 5 deponeringssteder. Snøen.
UFLP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Tildeling av busser for sightseeing. LOG530 Distribusjonsplanlegging 2 2 Busselskapet CityTourist i London har kjøpt 6 nye toetasjers turistbusser med.
The Postmans Problem. LOG530 Distribusjonsplanlegging 2 2 Mista har fått i oppdrag å vedlikeholde veiene i landsdelen. Dette er et eksempel på den klassiske.
P-CP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Lokalisering av transformatorstasjon. LOG530 Distribusjonsplanlegging 2 2 Nistad Kraft skal levere kraft til 8 nye boligfelt, og mottakertransformatorene.
LOG530 Distribusjonsplanlegging
Dekningsproblemer. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes veistasjoner som skal betjene 8 distrikter. De 4 aktuelle lokaliseringene for.
Lokalisering av samlestasjon for oljebrønner. LOG530 Distribusjonsplanlegging 2 2 StartOil har boret to nye brønner på havbunnen utenfor Midt-Norge, og.
Managerial Decision Modeling
Lokaliseringsmodell med kapasitetsbegrensinger. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde.
Målprogrammering. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.2, men vil nå se på oppfyllelse av flere mål samtidig. Målprogrammering.
Maks resultat og maks oppfylte kundekrav. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 9, men benytter nå nettopriser for varene. (Antar.
Managerial Decision Modeling Cliff Ragsdale 6. edition Rasmus RasmussenBØK350 OPERASJONSANALYSE1 Chapter 6 Integer Linear Programming.
Kap 06 Diskrete stokastiske variable
Øvingsforelesning 9 - Børge Rødsjø
Eiendomsmeglerbransjens boligprisstatistikk Februar 2011 Norges Eiendomsmeglerforbund og Eiendomsmeglerforetakenes Forening ECON Poyry og FINN.
Virksomhetsrapport Oktober Innhold 1. Oppsummering 2. Hovedmål 3. Pasient 5. Aktivitet 4. Bemanning 6. Økonomi 7. Klinikker 2.
Lokalisering i to-delt graf. LOG530 Distribusjonsplanlegging 2 2 Vi skal nå beskrive en transhipmentmodell med to varesorter som skal leveres fra to fabrikker.
To accompany Quantitative Analysis for Management, 8e by Render/Stair/Hanna 15-1 © 2003 by Prentice Hall, Inc. Upper Saddle River, NJ Kapittel 15.
Maks oppfylte kundekrav og maks resultat. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.1, men gjør trinnene i motsatt rekkefølge: max.
Lokalisering og betjening av greiner. LOG530 Distribusjonsplanlegging 2 2 Mista har fått i oppdrag å vedlikeholde veiene i landsdelen. De må derfor opprette.
 Udgangspunkt Hovedkonto 0-6 Fratrukket -Forsyning -Tjenestemands- pension forsyning -Overførsler -Forsyning -Tjenestemands-
Modeller med ubalanse. LOG530 Distribusjonsplanlegging 2 2 Vi har nå fjernet muligheten for direkteleveranser fra fabrikk til kunder. Ellers har vi har.
UFLP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Lokalisering og max minimumavstand. LOG530 Distribusjonsplanlegging 2 2 Anta at nettverket angir en region hvor McBurger skal opprettes 3 konkurrerende.
Tildeling av lasterom. LOG530 Distribusjonsplanlegging 2 2 Et bulkskip skal lastes med tørrlast til Ghana. En ønsker å frakte totalt 4 ulike varetyper.
Korteste vei. LOG530 Distribusjonsplanlegging 2 2 Ofte står en overfor ønsket om å finne korteste kjørerute fra et gitt utgangspunkt til et ønsket bestemmelsessted.
Omlastingsmodeller. LOG530 Distribusjonsplanlegging 2 2 Vi har nå utvidet nettverket med produksjonsnoder. Distribusjonen går via lagrene, hvor varene.
LOG530 Distribusjonsplanlegging
LOG530 Distribusjonsplanlegging
Operasjonsanalytiske emner Sekvensielle beslutninger Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 12 Dynamisk Programming.
Utskrift av presentasjonen:

Maksimal gjennomstrømming

LOG530 Distribusjonsplanlegging 2 2 StartOil må transportere store mengder utstyr og materialer til utbyggingen av et nytt anlegg. Anslagsvis 60 tonn må transporteres hvert døgn fra A (”basen”) til H (utbyggingsstedet), via diverse knutepunkt (B – G). Transporten mellom disse stedene er koordinert i tid, men har ulik kapasitet, angitt for hver grein. Vil selskapet greie å transportere 60 tonn fra A til H hvert døgn? Maksimal gjennomstrømming

LOG530 Distribusjonsplanlegging 3 3 Maksimal gjennomstrømming Følgende tabell viser døgnkapasiteten for de forskjellige strekningene: FraTil Kapasitet (tonn) AB30 AC25 AD35 BE10 BD5 CE15 CF20 DF15 DG5 EG25 EH10 FG20 FH15 GH30 GF15

LOG530 Distribusjonsplanlegging 4 4 Maksimal gjennomstrømming Greinene mellom nodene har typisk øvre og nedre kapasitetsgrenser. I tillegg kan vi selvsagt ikke sende mer ut fra en node enn mengden inn til noden. For å løse dette problemet legger vi til en kunstig grein fra endenoden H tilbake til startnoden A. Som målsetting maksimerer vi denne tilbakestrømmen. Siden vi ikke kan sende tilbake mer enn det som kan sendes videre gjennom nettverket (vi forestiller oss en evig gjennomstrømming), har vi funnet maksimal kapasitet i nettverket.

LOG530 Distribusjonsplanlegging 5 5 Maksimal gjennomstrømming Beslutningsvariabler: Startnoden angis med tallet 1, og endenoden angis med tallet n. Hvis problemet inneholder flere startnoder og endenoder, opprettes en kunstig startnode med greiner til hver ordinær startnode, og en kunstig endenode med greiner fra hver ordinær endenode. Disse kunstige greinene har ubegrenset kapasitet. Vi skal bestemme hvor mye som skal transporteres langs hver grein i nettverket.n antall noder N mengden av noder N = {1, 2,..., n} G mengden av rettede greiner mellom nodene G = {(1,2); (1,3);..(7,8); (8,1)} Q ij maksimal transportkapasitet fra node i til node j (i,j)  G X ij mengde transportert fra node i til node j (i,j)  G

LOG530 Distribusjonsplanlegging 6 6 Målfunksjon: Maksimal gjennomstrømming Vi ønsker å finne ut maksimal transportkapasitet i nettverket. Ved å maksimere returen fra endenoden n til startnoden 1, og kreve at denne sendes videre gjennom nettverket igjen, finner vi løsningen. 44 ‑ 1 Maksimer mengde transportert fra endenoden n til startnoden 1 Målfunksjonen blir dermed:Max X 81

LOG530 Distribusjonsplanlegging 7 7 Restriksjoner: Maksimal gjennomstrømming. Vi kan ikke lagre i nodene, og må derfor sende videre alt som kommer inn til en node. 44 ‑ 2 Sum transportert til en node må være lik sum transportert fra samme node. Dette kravet gjelder alle noder. Det som transporteres til en node må sendes videre: X 81 = X 12 + X 13 + X 14 Node 1: Sum inn = sum ut X 12 = X 24 + X 25 Node 2: Sum inn = sum ut X 13 = X 35 + X 36 Node 3: Sum inn = sum ut X 14 + X 24 = X 46 + X 47 Node 4: Sum inn = sum ut X 25 + X 35 = X 57 + X 58 Node 5: Sum inn = sum ut X 36 + X 46 + X 76 = X 67 + X 68 Node 6: Sum inn = sum ut X 47 + X 57 + X 67 = X 76 + X 78 Node 7: Sum inn = sum ut X 58 + X 68 + X 78 = X 81 Node 8: Sum inn = sum ut

LOG530 Distribusjonsplanlegging 8 8 Restriksjoner: Maksimal gjennomstrømming Vi kan selvsagt heller ikke sende mer langs en grein enn det kapasiteten tillater. Husk at eventuelle kunstige greiner (som returgreinen) har ubegrenset kapasitet. 44 ‑ 3 Transportert mengde fra node i til j kan ikke overstige kapasiteten på denne greinen. En kan ikke transportere mer mellom nodene enn hva en har kapasitet til: X 12 ≤ 30X 13 ≤ 25X 14 ≤ 35 X 24 ≤ 5X 25 ≤ 10X 35 ≤ 15 X 36 ≤ 20X 46 ≤ 15X 47 ≤ 5 X 57 ≤ 25X 58 ≤ 10X 67 ≤ 20 X 68 ≤ 15X 76 ≤ 15X 78 ≤ 30 Ikke-negativitetsbetingelsene X ij ≥ 0; (i,j)  G

LOG530 Distribusjonsplanlegging 9 9 Maksimal gjennomstrømming

LOG530 Distribusjonsplanlegging 10 Maksimal gjennomstrømming Det er selvsagt også mulig å løse problemet uten bruk av virtuelle greiner. I så fall maksimerer vi sum innstrømming til endenoden. Restriksjonene på hver grein angir maksimal mengde langs greinene, og restriksjonene for transittnodene angir at det må være balanse mellom mengde inn og mengde ut av hver transittnode. For startnoden og stoppnoden er det ingen restriksjoner.

LOG530 Distribusjonsplanlegging 11 Målfunksjon: Maksimal gjennomstrømming Vi ønsker å finne ut maksimal transportkapasitet i nettverket. Ved å maksimere sum innstrømming til endenoden finner vi maksimal gjennomstrømmingskapasitet i nettverket. 44 ‑ 4 Maksimer mengde transportert inn til node n, endenoden. Målfunksjonen blir dermed:Max Målfunksjonen blir dermed:Max X 58 + X 68 + X 78

LOG530 Distribusjonsplanlegging 12 Restriksjoner: Maksimal gjennomstrømming. Mengden T er definert som de noder som har både greiner inn og greiner ut, altså transittnoder. Vi kan ikke lagre i transittnodene, og må derfor sende videre alt som kommer inn til en node. 44 ‑ 5 Sum transportert til en node må være lik sum transportert fra samme node. Dette kravet gjelder alle transittnoder T. Det som transporteres til en node må sendes videre: X 12 = X 24 + X 25 Node 2: Sum inn = sum ut X 13 = X 35 + X 36 Node 3: Sum inn = sum ut X 14 + X 24 = X 46 + X 47 Node 4: Sum inn = sum ut X 25 + X 35 = X 57 + X 58 Node 5: Sum inn = sum ut X 36 + X 46 + X 76 = X 67 + X 68 Node 6: Sum inn = sum ut X 47 + X 57 + X 67 = X 76 + X 78 Node 7: Sum inn = sum ut

LOG530 Distribusjonsplanlegging 13 Restriksjoner: Maksimal gjennomstrømming Vi kan selvsagt heller ikke sende mer langs en grein enn det kapasiteten tillater. Husk at eventuelle kunstige greiner (som returgreinen) har ubegrenset kapasitet. 44 ‑ 6 Transportert mengde fra node i til j kan ikke overstige kapasiteten på denne greinen. En kan ikke transportere mer mellom nodene enn hva en har kapasitet til: X 12 ≤ 30X 13 ≤ 25X 14 ≤ 35 X 24 ≤ 5X 25 ≤ 10X 35 ≤ 15 X 36 ≤ 20X 46 ≤ 15X 47 ≤ 5 X 57 ≤ 25X 58 ≤ 10X 67 ≤ 20 X 68 ≤ 15X 76 ≤ 15X 78 ≤ 30 Ikke-negativitetsbetingelsene X ij ≥ 0; (i,j)  G

LOG530 Distribusjonsplanlegging 14 Maksimal gjennomstrømming