Omlasting, direkteleveranser og kundekrav. LOG530 Distribusjonsplanlegging 2 2 Vi gjeninnfører muligheter for direkteleveranser, og går tilbake til data.

Slides:



Advertisements
Liknende presentasjoner
12.Studienreise nach Finnland,
Advertisements

Antalis-HQ BRUKERVEILEDNING FOR BESTILLINGER. Antalis, Europas ledende distributør av papir, emballasjeløsninger og dekor & display produkter, presenterer.
Litt mer om PRIMTALL.
The Travelling Salesperson. LOG530 Distribusjonsplanlegging 2 2 Et forsyningsskip skal starte fra VestBase for å betjene 10 forskjellig installasjoner.
Hobro februar 2010 Kurs om elektrokjemisk tæring
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.
Monopolistisk konkurranse og oligopol
Divisjonssjef Harald F. Sande
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.
Kapittel 14 Simulering.
Øvingsforelesning 9 Flytnettverk, maksimum flyt og
Eksempel AOA (Activity On Arc)
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
Maksimal gjennomstrømming. LOG530 Distribusjonsplanlegging 2 2 StartOil må transportere store mengder utstyr og materialer til utbyggingen av et nytt.
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.
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.
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.
SMITTEVERNKONFERANSE TROMSØ OKT 2007 Resultat at kartlegging av infeksjonskontrollprogram i sykehjemmene i Finnmark fylke Kommunelege Drude Bratlien,
Øvingsforelesning 9 - Børge Rødsjø
Figur 1 Behov. Figur 2 Behov Figur 3 Prioritering/ressursinnsats.
Figur 1 Behov. Figur 2 Behov Figur 3 Behov Figur 4 Behov.
Figur 1 Behov. Figur 2 Behov Figur 3 Prioritering/ressursinnsats.
PRINTER NORGE AS -Tillegg pris per kopi driftsavtale color, mono og multifunksjonsskrivere.
Lokalisering i to-delt graf. LOG530 Distribusjonsplanlegging 2 2 Vi skal nå beskrive en transhipmentmodell med to varesorter som skal leveres fra to fabrikker.
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.
Produktion og udbud 4. Mikroøkonomi Teori og beskrivelse © Limedesign
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 Heltallsvariabler og binærvariabler Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 6 Integer Linear Programming.
Operasjonsanalytiske emner Sekvensielle beslutninger Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 12 Dynamisk Programming.
Operasjonsanalytiske emner
Utskrift av presentasjonen:

Omlasting, direkteleveranser og kundekrav

LOG530 Distribusjonsplanlegging 2 2 Vi gjeninnfører muligheter for direkteleveranser, og går tilbake til data fra eksempel 4. Denne gangen har kundene kommet med ønsker om hvor de vil ha varene levert fra. Omlasting, direkteleveranser og kundekrav Fabrikk 1 Fabrikk 2 Kunde 1 Lager 2 Kunde 2 Kunde 3 Kunde 4 Lager 1

LOG530 Distribusjonsplanlegging 3 3 Omlasting, direkteleveranser og kundekrav KostnadLagerKunderKapasiteterNode345678Vare 1Vare 2Vare 3 Produ sent Lager Behov vare Plassbehov pr. stk på lager: Behov vare Behov vare ,5 Kundeønskene er angitt med grå bakgrunn.

LOG530 Distribusjonsplanlegging 4 4 Vi kan her kontrollere at all etterspørsel lar seg dekke. Vi kan her kontrollere at all etterspørsel lar seg dekke. Men vi vet i utgangspunktet ikke om alle kundeønsker kan innfris. Men vi vet i utgangspunktet ikke om alle kundeønsker kan innfris. Derfor må problemet løses i to trinn: Derfor må problemet løses i to trinn: 1.Først må vi maksimere leveranser i tråd med kundenes ønsker. 2.Så minimerer vi kostnadene, men samtidig innfri så mye av kundeønskene som mulig, slik som i trinn 1. Omlasting, direkteleveranser og kundekrav

LOG530 Distribusjonsplanlegging 5 5 Omlasting, direkteleveranser og kundekrav p Antall produsenter l Antall lager k Antall kunder v Antall varer P Mengden av produsenter P = {1, 2, …, p} L Mengden av lager L = {p+1, …, p+l} K Mengden av kunder K = {p+l+1, …, p+l+k} V Mengden av varer V = {1, …, v} G Mengden av greiner G = {(P×L×V)  (P×K×V)  (L×K×V)} q h,m Kapasitet hos produsent h av vare m (h,m)  {(P × V)} NiNiNiNi Kapasitet hos lager i i  {P} emememem Volum vare m m  {V} d j,m Behov hos kunde j av vare m (j,m)  {(K × V)} K f,t,m Transport fra node f til node t av vare m samsvarer med kravspesifikasjoner K f,t,m = 1 hvis node t ønsker leveranser fra node f av vare m; ellers 0. c ft Enhetskostnad fra node f til node t (f,t)  {(P×L)  (P×K)  (L×K)}

LOG530 Distribusjonsplanlegging 6 6 Beslutningsvariabler: Omlasting, direkteleveranser og kundekrav X f,t,m Mengde transportert fra node f til node t av vare m (f,t,m)  {G}

LOG530 Distribusjonsplanlegging 7 7 Målfunksjon trinn 1: Omlasting, direkteleveranser og kundekrav 8‑18‑18‑18‑1 Maksimer totalsummen av alle leveranser som sammenfaller med fremsatte ønsker.

LOG530 Distribusjonsplanlegging 8 8 Restriksjoner trinn 1: Omlasting, direkteleveranser og kundekrav 8‑28‑2 Sum levert til alle lager og kunder fra en produsent av en vare, må være mindre eller lik kapasiteten til produsenten for denne varen. Dette kravet må gjelde alle produsenter og alle varer.

LOG530 Distribusjonsplanlegging 9 9 Restriksjoner trinn 1: Omlasting, direkteleveranser og kundekrav 8‑38‑38‑38‑3 Sum volum for alle varer levert fra alle produsenter til et lager må være mindre eller lik volumkapasiteten til dette lageret. Dette kravet må gjelde for alle lager.

LOG530 Distribusjonsplanlegging 10 Restriksjoner trinn 1: Omlasting, direkteleveranser og kundekrav 8‑48‑48‑48‑4 Sum levert fra alle produsenter til et lager av en vare må være minst like mye som sum levert til alle kunder fra samme lager av samme vare. Dette kravet må gjelde for alle lagrene og alle vareslagene.

LOG530 Distribusjonsplanlegging 11 Restriksjoner trinn 1: Omlasting, direkteleveranser og kundekrav 8‑58‑58‑58‑5 Sum levert fra alle produsenter og lager til en kunde av en vare må være lik behovet til denne kunden av denne varen. Dette kravet må gjelde for alle kunder og varer. Siden vi maksimerer leveranser i tråd med kundenes ønsker, er ulikheten snudd fra ”større eller lik”, fordi vi ellers kunne få en løsning der vi leverer mer enn kundene faktisk ønsker. Men vi kan heller ikke tillatte mindre leveranser enn etterspørselen – selv om vi maksimerer kundeønskene. Derfor må vi benytte «=».

LOG530 Distribusjonsplanlegging 12 Omlasting, direkteleveranser og kundekrav Maksimere kundeønskene

LOG530 Distribusjonsplanlegging 13 Målfunksjon trinn 2: Omlasting, direkteleveranser og kundekrav 8‑68‑68‑68‑6 Minimer totalsummen av pris∙mengde (c f,t, ∙X f,t,m ) for alle greiner i nettverket.

LOG530 Distribusjonsplanlegging 14 Restriksjoner trinn 2: Omlasting, direkteleveranser og kundekrav 8‑78‑78‑78‑7 Sum levert til alle lager og kunder fra en produsent av en vare, må være mindre eller lik kapasiteten til produsenten for denne varen. Dette kravet må gjelde alle produsenter og alle varer.

LOG530 Distribusjonsplanlegging 15 Restriksjoner trinn 2: Omlasting, direkteleveranser og kundekrav 8‑88‑88‑88‑8 Sum volum for alle varer levert fra alle produsenter til et lager må være mindre eller lik volumkapasiteten til dette lageret. Dette kravet må gjelde for alle lager.

LOG530 Distribusjonsplanlegging 16 Restriksjoner trinn 2: Omlasting, direkteleveranser og kundekrav 8‑98‑98‑98‑9 Sum levert fra alle produsenter til et lager av en vare må være minst like mye som sum levert til alle kunder fra samme lager av samme vare. Dette kravet må gjelde for alle lagrene og alle vareslagene.

LOG530 Distribusjonsplanlegging 17 Restriksjoner trinn 2: Omlasting, direkteleveranser og kundekrav 8 ‑ 10 Totalsummen av alle leveranser som sammenfaller med fremsatte ønsker må være minst like stor som størst mulig.

LOG530 Distribusjonsplanlegging 18 Restriksjoner trinn 2: Omlasting, direkteleveranser og kundekrav 8 ‑ 11 Sum levert fra alle produsenter og lager til en kunde av en vare må være lik behovet til denne kunden av denne varen. Dette kravet må gjelde for alle kunder og varer. Siden vi minimerer kostnadene kan vi ikke benytte ≤, for da vil vi kunne levere for lite. Vi kan heller ikke benytte ≥ for da vil vi kunne levere for mye til en kunde for å kompensere for for lite til en annen. Vi må derfor benytte = i restriksjonen.

LOG530 Distribusjonsplanlegging 19 Omlasting, direkteleveranser og kundekrav Maksimale kundeønsker fra trinn 1 Minimere kostnadene