Maks oppfylte kundekrav og maks resultat. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.1, men gjør trinnene i motsatt rekkefølge: max.

Slides:



Advertisements
Liknende presentasjoner
Utgifter og kostnader Utgift: Kjøp av ressurser, målt i penger
Advertisements

Produktkalkulasjon Læringsmål i kapitlet:
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.
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.
Bedriftens kostnader Kostnader klassifiseres på en rekke forskjellige måter. En av de viktigste er hvordan de reagerer på aktivitetsnivået Faste kostnader.
Eksterne virkninger og offentlige goder
Figur 3.2 Faste kostnader pr. Enhet ved ulike aktivitetsnivåer
Kapittel 8 - Utskiftingskalkyler
Øvingsforelesning 9 Flytnettverk, maksimum flyt og
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
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.
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.
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.
Lokalisering i to-delt graf. LOG530 Distribusjonsplanlegging 2 2 Vi skal nå beskrive en transhipmentmodell med to varesorter som skal leveres fra to fabrikker.
Lokalisering og betjening av greiner. LOG530 Distribusjonsplanlegging 2 2 Mista har fått i oppdrag å vedlikeholde veiene i landsdelen. De må derfor opprette.
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
Kapittel 7 Inntekter, kostnader og resultatmodeller
LOG530 Distribusjonsplanlegging
Operasjonsanalytiske emner Tolkninger og sammenhenger Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 4 Dualitet og post-optimal analyse.
Operasjonsanalytiske emner
Kapittel 15 Produktvalg Læringsmål:
3 Kostnader og kostnadsteori
Utskrift av presentasjonen:

Maks oppfylte kundekrav og maks resultat

LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.1, men gjør trinnene i motsatt rekkefølge: max verdi oppfylte kudeønsker før max resultat. Maks oppfylte kundekrav og maks resultat Fabrikk 1 Fabrikk 2 Kunde 1 Lager 2 Kunde 2 Kunde 3 Kunde 4 Lager 1

LOG530 Distribusjonsplanlegging 3 3 Maks oppfylte kundekrav og maks resultat 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 maksimerer verdien av oppfylte kundeønsker, innenfor gitte kapasiteter. Vi maksimerer verdien av oppfylte kundeønsker, innenfor gitte kapasiteter. Så forsøker vi å finne best mulig resultat. Så forsøker vi å finne best mulig resultat. 1.Først maksimeres verdien av leveranser i tråd med kundeønskene. 2.Deretter maksimeres resultatet, uten at optimal verdi fra trinn 1 reduseres. Maks oppfylte kundekrav og maks resultat

LOG530 Distribusjonsplanlegging 5 5 Maks oppfylte kundekrav og maks resultat 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)} 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)}

LOG530 Distribusjonsplanlegging 6 6 Beslutningsvariabler: Maks oppfylte kundekrav og maks resultat X f,t,m Mengde transportert fra node f til node t av vare m (f,t,m)  {G} 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 7 7 Målfunksjon trinn 1: Maks oppfylte kundekrav og maks resultat Maksimer totalverdien av alle leveranser som sammenfaller med fremsatte ønsker.

LOG530 Distribusjonsplanlegging 8 8 Restriksjoner trinn 1: Maks oppfylte kundekrav og maks resultat 10.2 ‑ 2 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 trinn 1: Maks oppfylte kundekrav og maks resultat 10.2 ‑ 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: Maks oppfylte kundekrav og maks resultat 10.2 ‑ 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: Maks oppfylte kundekrav og maks resultat 10.2 ‑ 5 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 Maks oppfylte kundekrav og maks resultat Maksimerer verdi kundeønsker

LOG530 Distribusjonsplanlegging 13 Målfunksjon trinn 2: Maks oppfylte kundekrav og maks resultat Maksimer summen av totale inntekter minus summen av totale kostnader.

LOG530 Distribusjonsplanlegging 14 Restriksjoner trinn 2: Maks oppfylte kundekrav og maks resultat 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 15 Restriksjoner trinn 2: Maks oppfylte kundekrav og maks resultat 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: Maks oppfylte kundekrav og maks resultat 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: Maks oppfylte kundekrav og maks resultat 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 18 Restriksjoner trinn 2: Maks oppfylte kundekrav og maks resultat 10.2 ‑ 11 Totalverdien av alle oppfylte kunde- ønsker må minst være lik maksimal- verdien av oppfylte kundeønsker H* fra Trinn 1.

LOG530 Distribusjonsplanlegging 19 Maks oppfylte kundekrav og maks resultat Maksimal verdi kundeønsker fra Trinn 1 Maksimere resultatet

Vi har først maksimert verdien av oppfylte ønsker. Vi har først maksimert verdien av oppfylte ønsker. Deretter har vi maksimert resultatet– men slik at verdien av oppfylte kundeønsker ikke reduseres. Deretter har vi maksimert resultatet– men slik at verdien av oppfylte kundeønsker ikke reduseres. Trinn 2 forutsetter at det på trinn 1 finnes alternative optimale løsninger – ellers er trinn 2 overflødig. Trinn 2 forutsetter at det på trinn 1 finnes alternative optimale løsninger – ellers er trinn 2 overflødig. Her har trinn 2 medført at verdien av kundeønskene er økt fra kr til kr , dvs. kr Her har trinn 2 medført at verdien av kundeønskene er økt fra kr til kr , dvs. kr Men om en maksimerer resultatet først (10.1), så er det kr , dvs. kr større. Men om en maksimerer resultatet først (10.1), så er det kr , dvs. kr større. LOG530 Distribusjonsplanlegging 20 Maks oppfylte kundekrav og maks resultat

Ved kostnadsminimering vil det ofte være behov for restordrer, som må minimeres. Ved kostnadsminimering vil det ofte være behov for restordrer, som må minimeres. Hvis sum restordrer ikke måles i kroner men i antall, vil en få problemer med benevnelsen hvis det dreier seg om ulike varer. Hvis sum restordrer ikke måles i kroner men i antall, vil en få problemer med benevnelsen hvis det dreier seg om ulike varer. En kan unngå dette problemet ved å benytte %- vis avvik istedenfor absolutt avvik. En kan unngå dette problemet ved å benytte %- vis avvik istedenfor absolutt avvik. Vi skal nå maksimere %-vis andel av leveranser i tråd med kundeønskene. Vi skal nå maksimere %-vis andel av leveranser i tråd med kundeønskene. LOG530 Distribusjonsplanlegging 21 Maks oppfylte kundekrav og maks resultat

LOG530 Distribusjonsplanlegging 22 Maks oppfylte kundekrav og maks resultat Maksimere resultatet

LOG530 Distribusjonsplanlegging 23 Maks oppfylte kundekrav og maks resultat Maksimal %-vis kundeønsker fra Trinn 1 Maksimere resultatet