Målprogrammering. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.2, men vil nå se på oppfyllelse av flere mål samtidig. Målprogrammering.

Slides:



Advertisements
Liknende presentasjoner
Wyndor med variasjoner Ethvert LP problem vil falle i en av følgende kategorier: 1. Problemet har en (eller flere) optimalløsninger 2. Problemet har ingen.
Advertisements

Produktkalkulasjon Læringsmål i kapitlet:
Markets for Factor Inputs
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 7 Goal Programming and Multiple Objective Optimization.
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.
Produktvalg Læringsmål:
Øvingsforelesning 9 Flytnettverk, maksimum flyt og maksimum bipartitt matching Jon Marius Venstad Redigert og forelest av Gleb Sizov.
Kapittel 16 Produktvalg Læringsmål:
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 6: Lagermodeller
Kapittel 6: Lagermodeller
Linear programmering Når kan en bruke linear programmering? En ønsker å minimerer eller å maksimere et mål En kan spesifisere målet som.
Øvingsforelesning 9 Flytnettverk, maksimum flyt og
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.
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.
Lokaliseringsmodell med kapasitetsbegrensinger. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde.
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.
Wyndor with variations
Figur 1 Behov. Figur 2 Behov Figur 3 Prioritering/ressursinnsats.
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.
Inflation og produktion 11. Makroøkonomi Teori og beskrivelse 4.udg. © Limedesign
Lokalisering og betjening av greiner. LOG530 Distribusjonsplanlegging 2 2 Mista har fått i oppdrag å vedlikeholde veiene i landsdelen. De må derfor opprette.
Befolkning og arbejdsmarked 7. 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 Tolkninger og sammenhenger Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 4 Dualitet og post-optimal analyse.
Operasjonsanalytiske emner
Økonomistyring Kjell Magne Baksaas, Øystein Hansen og Trond Winther Gyldendal Akademisk Produktvalg © Gyldendal Akademisk Innholdet i dette dokumentet.
Utskrift av presentasjonen:

Målprogrammering

LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.2, men vil nå se på oppfyllelse av flere mål samtidig. Målprogrammering Fabrikk 1 Fabrikk 2 Kunde 1 Lager 2 Kunde 2 Kunde 3 Kunde 4 Lager 1

LOG530 Distribusjonsplanlegging 3 3 Målprogrammering KostnadLagerKunder Tidsforbruk KapasitetNode Vare 1Vare 2Vare 3 Produ sent t t Lager m m 3 Behov vare ,-1.000,-600,- Behov vare Plassbehov pr. stk på lager: Behov vare m 3 2m 3 1,5m 3 Netto salgspris pr. stk. er hhv. kr. 500,- kr ,- og kr. 600,- for vare 1, 2 og 3.

LOG530 Distribusjonsplanlegging 4 4 Vi har så langt sett på 4 ulike målsettinger for dette problemet: Vi har så langt sett på 4 ulike målsettinger for dette problemet: Målprogrammering LøsningsalternativResultatVerdi ønskerUdekket% ØnskerMerkostnad Reduksjon ønsker Minimum restordrer, max kunde- ønsker og minimum kostnad ,386,8 % Max resultat, max verdi kundeønsker ,772,4 % Max verdi kundeønsker, max resultat ,090,3 % Max % kundeønsker, max resultat ,093,2 % Merkostnaden angir reduksjon i resultat i forhold til maksimalt resultat. Merkostnaden angir reduksjon i resultat i forhold til maksimalt resultat. Reduksjon ønsker er i forhold til maksimal verdi leveranser i tråd med ønsker. Reduksjon ønsker er i forhold til maksimal verdi leveranser i tråd med ønsker.

LOG530 Distribusjonsplanlegging 5 5 Målprogrammering MiniMax metoden tar utgangspunkt i de restriksjonene som faktisk gjelder: MiniMax metoden tar utgangspunkt i de restriksjonene som faktisk gjelder: Produsentene: - kan ikke sende fra seg mer enn de har kapasitet til å produsere. Produsentene: - kan ikke sende fra seg mer enn de har kapasitet til å produsere. Lagrene: - kan ikke ta imot mer varer enn de har plass til, - kan ikke sende mer ut enn det som har kommet inn av hver vare. Lagrene: - kan ikke ta imot mer varer enn de har plass til, - kan ikke sende mer ut enn det som har kommet inn av hver vare. Kundene: - kjøper ikke mer enn de har behov for. Kundene: - kjøper ikke mer enn de har behov for. Vi beregner så verdien av hver mulig målsetting: Vi beregner så verdien av hver mulig målsetting: Totalt resultat (maksimeres) Totalt resultat (maksimeres) Total verdi av leveranser i tråd med kundeønsker (maksimeres) Total verdi av leveranser i tråd med kundeønsker (maksimeres) Total mengde i % av leveranser i tråd med kundeønsker (maksimeres) Total mengde i % av leveranser i tråd med kundeønsker (maksimeres) Total mengde udekket etterspørsel (minimeres) Total mengde udekket etterspørsel (minimeres) Vi beregner avvik (%) i forhold til optimal verdi for hver målsetting. Vi beregner avvik (%) i forhold til optimal verdi for hver målsetting. Vi minimerer maksimalt veid avvik (Q). Vi minimerer maksimalt veid avvik (Q). Om løsningen er utilfredsstillende, endres vektene til avvikene. Om løsningen er utilfredsstillende, endres vektene til avvikene.

LOG530 Distribusjonsplanlegging 6 6 Målprogrammering p Antall produsenter l Antall lager k Antall kunder v Antall varer b Antall målsettinger 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)} qhqhqhqh Kapasitet hos produsent h h  {P} a hm Kapasitetsbruk produsent h for vare m (h,m)  {(P×V)} NiNiNiNi Kapasitet hos lager i i  {P} emememem Volum vare m m  {V} smsmsmsm Netto salgspris pr. stk. 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)} WiWiWiWi Verdi på målsetting i i = 1, …, b wiwiwiwi Vekt for målsetting i i = 1, …, b AiAiAiAi Avvik i % fra optimal verdi for målsetting i i = 1, …, b

LOG530 Distribusjonsplanlegging 7 7 Beslutningsvariabler: Målprogrammering X f,t,m Mengde transportert fra node f til node t av vare m (f,t,m)  {G} Q MiniMax-verdien Merk at vi ikke lenger trenger egne variabler for restordrer. Merk at vi ikke lenger trenger egne variabler for restordrer. Siden vi maksimerer verdien av oppfylte kundeønsker vil en levere så mye som mulig, så lenge det er lønnsomt innenfor de gitte kapasitetene. Siden vi maksimerer verdien av oppfylte kundeønsker vil en levere så mye som mulig, så lenge det er lønnsomt innenfor de gitte kapasitetene. Hvis en ikke har tilstrekkelig kapasitet til å dekke all lønnsom etterspørsel, vil den minst verdifulle (målt etter netto salgspris) forbli udekket. Hvis en ikke har tilstrekkelig kapasitet til å dekke all lønnsom etterspørsel, vil den minst verdifulle (målt etter netto salgspris) forbli udekket. Etterspørselen er da maksimale leveringskvanta, en kan ikke levere mer til en kunde enn det kvantum kunden er villig til å betale for. Etterspørselen er da maksimale leveringskvanta, en kan ikke levere mer til en kunde enn det kvantum kunden er villig til å betale for.

LOG530 Distribusjonsplanlegging 8 8 Restriksjoner: Målprogrammering 10.3 ‑ 1 Sum kapasitetsforbruk ved produksjon til alle mottakere av alle vareslag fra en produsent, kan ikke overstige kapasiteten til produsenten. Kravet gjelder alle produsenter.

LOG530 Distribusjonsplanlegging 9 9 Restriksjoner: Målprogrammering 10.3 ‑ 2 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: Målprogrammering 10.3 ‑ 3 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: Målprogrammering 10.3 ‑ 4 Sum levert til en kunde kan ikke være større enn behovet til denne kunden av denne varen. Dette kravet må gjelde for alle kunder og varer.

LOG530 Distribusjonsplanlegging 12 Målsetting 1: Maksimere resultatet Målprogrammering Maksimer summen av totale inntekter minus summen av totale kostnader.

LOG530 Distribusjonsplanlegging 13 Målsetting 2: Maksimere verdien av oppfylte kundeønsker: Målprogrammering Maksimer totalverdien av alle leveranser som sammenfaller med fremsatte ønsker.

LOG530 Distribusjonsplanlegging 14 Målsetting 3: Maksimere sum av oppfylte kundeønsker i %(mengde): Målprogrammering Maksimer %-vis mengde av alle leveranser som sammenfaller med fremsatte ønsker.

LOG530 Distribusjonsplanlegging 15 Målsetting 4: Minimer sum udekket etterspørsel: Målprogrammering Minimer summen av all udekket etterspørsel. Vi løser så problemet for hver målsetting, dvs. i alt 4 ganger. Vi løser så problemet for hver målsetting, dvs. i alt 4 ganger. Vi kan benytte samme regneark, bare flytte referansen til målfunksjonen i Solver til en annen celle i regnearket for hver ny løsning. Vi kan benytte samme regneark, bare flytte referansen til målfunksjonen i Solver til en annen celle i regnearket for hver ny løsning.

LOG530 Distribusjonsplanlegging 16 Målprogrammering Maksimerer totalt resultat

LOG530 Distribusjonsplanlegging 17 Målprogrammering Maksimerer verdi kundeønsker Vi sammenligner faktisk verdi på målsettingene med optimal verdi Hver gang en målsetting er optimert, så kopieres optimal verdi til kolonnen til høyre (merket «Best»).

LOG530 Distribusjonsplanlegging 18 Målprogrammering Maksimerer %mengde kundeønsker

LOG530 Distribusjonsplanlegging 19 Målprogrammering Minimer sum udekket etterspørsel Vi sammenligner faktisk verdi med optimal verdi på hver målsetting, og beregner avvik, som gjøres om til %vis avvik, og som vektes.

LOG530 Distribusjonsplanlegging 20 Beregning av avvik: Målprogrammering Prosentvis avvik er den positive differansen mellom faktisk oppnådd verdi W og optimal verdi W* for målsettingen. Beregnes for alle målsettinger.

LOG530 Distribusjonsplanlegging 21 Målsetting MiniMax: Målprogrammering Minimer verdien på målsettingsvariabelen Q.

LOG530 Distribusjonsplanlegging 22 Nye restriksjoner: Målprogrammering Ingen prosentvise avvik, når de veies med sin tilhørende vekt, kan være større enn MiniMax- variabelen Q. kan være større enn MiniMax- variabelen Q.

LOG530 Distribusjonsplanlegging 23 Målprogrammering Minimer maksimalt veid %vis avvik.

LOG530 Distribusjonsplanlegging 24 Målprogrammering Justerte vekter gir andre løsninger.

LOG530 Distribusjonsplanlegging 25 Tilleggsrestriksjoner: Øvre grenser for avvik: Målprogrammering Maksimal reduksjon i resultatet er satt til 5000

LOG530 Distribusjonsplanlegging 26 Målprogrammering Ny restriksjon for maksimalt tillatt avvik.