UFLP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle.

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

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.
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
Forside Korteste sti BFS Modifikasjon Dijkstra Eksempel Korrekthet Analyse Øving Spørsmål Dijkstras algoritme Åsmund Eldhuset asmunde *at* stud.ntnu.no.
Dijkstras algoritme Åsmund Eldhuset asmunde *at* stud.ntnu.no
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.
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.
Wyndor with variations
Kap 10 Graf.
INF 295 Forelesning 16 - kap 9 Minimalt spenntre og korteste vei i grafer Hans Fredrik Nordhaug (Ola Bø)
INF 295 Forelesning 17 - kap 9 Korteste vei i grafer Hans Fr. Nordhaug (Ola Bø)
Lokalisering i to-delt graf. LOG530 Distribusjonsplanlegging 2 2 Vi skal nå beskrive en transhipmentmodell med to varesorter som skal leveres fra to fabrikker.
Magnus Haug Algoritmer og Datastrukturer
Maks oppfylte kundekrav og maks resultat. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.1, men gjør trinnene i motsatt rekkefølge: max.
Forelesning i mikroøkonomi.
Lokalisering og betjening av greiner. LOG530 Distribusjonsplanlegging 2 2 Mista har fått i oppdrag å vedlikeholde veiene i landsdelen. De må derfor opprette.
En formel er gyldig hviss den sann i alle tolkninger Utsagnslogikk Tolkning = linje i sannhetsverditabell Altså: En formel er gyldig hviss den har T i.
Modeller med ubalanse. LOG530 Distribusjonsplanlegging 2 2 Vi har nå fjernet muligheten for direkteleveranser fra fabrikk til kunder. Ellers har vi har.
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 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 Sekvensielle beslutninger Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 12 Dynamisk Programming.
Operasjonsanalytiske emner
5702 Geografisk analyse Nettverksanalyse. Evaluering av nettverksstruktur Nettverksdiameter Diameteren på et nettverk representerer maksimum antall.
Utskrift av presentasjonen:

UFLP modeller

LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle lokaliseringer for fasilitetene. Det påløper faste kostnader ved opprettelsen av en fasilitet, og fasilitetene har ubegrenset kapasitet. UFLP modeller

LOG530 Distribusjonsplanlegging 3 3 Direkte avstander fra nettverksfiguren er ikke tilstrekkelig. Vi har i enkelte av modellene behov for en komplett avstandsmatrise, med de korteste avstandene. UFLP modeller Avstander/KostnaderFastkostnad Noder

LOG530 Distribusjonsplanlegging 4 4 Komplett symmetrisk avstandstabell med korteste avstander. UFLP modeller Noder Fastkostnad Etterspørsel

LOG530 Distribusjonsplanlegging 5 5 Beslutningsvariabler: UFLP modeller Merk at både U f og V ft er binærvariabler. n Antall noder N mengden av noder N = {1, 2,..., n} c f,t Korteste avstand fra node f til node t f, t  N dtdtdtdt Behov i node t t  N FfFfFfFf Fast kostnad ved å opprette en fasilitet i node f f  N UfUfUfUf Angir om en fasilitet er opprettet i node f U f  {0 ; 1 } V f,t Angir om kunden i node t blir betjent fra fasiliteten i node f V f,t  {0 ; 1 } X f,t Mengde transportert fra fasilitet i node f til kunde i node t

LOG530 Distribusjonsplanlegging 6 6 Målfunksjon: UFLP modeller 25 ‑ 1 Minimer totale faste kostnader fra opprettede fasiliteter samt alle kostnader mellom kundene og fasilitetene som betjener kundene.

LOG530 Distribusjonsplanlegging 7 7 Restriksjoner: UFLP modeller 25 ‑ 2 Alle kunder må betjenes fra bare en fasilitet. «Single assignement»: Fordi enhver fasilitet har ubegrenset kapasitet vil det aldri være lønnsomt å dekke en kundes behov fra flere ulike fasiliteter – den nærmeste (billigste) fasiliteten vil alltid dekke hele behovet, siden den aldri har kapasitetsproblemer.

LOG530 Distribusjonsplanlegging 8 8 Restriksjoner: UFLP modeller 25 ‑ 3 Ingen kunder kan bli betjent fra en node uten fasilitet. 25 ‑ 5 En node kan betjene inntil n kunder hvis det er opprettet en fasilitet der, ellers ingen. Alternativ formulering:

LOG530 Distribusjonsplanlegging 9 9 Restriksjoner: UFLP modeller 25 ‑ 4 Det skal opprettes nøyaktig p fasiliteter. Om vi sløyfer restriksjon 25 ‑ 4 får vi altså en UFL modell. Det innebærer at vi ikke på forhånd bestemmer et gitt antall fasiliteter som skal opprettes. Modellen vil da selv velge det antall fasiliteter som totalt sett gir lavest kostnad. Om vi sløyfer første ledd i målfunksjonen (de faste kostnadene) får vi en p-MP modell. Da kan vi ikke sløyfe kravet om antall fasiliteter, for ellers vil p-MP modellen opprette en fasilitet i hver node, og vi ender opp med 0 i totale kostnader.

LOG530 Distribusjonsplanlegging 10 UFLP modeller Modellen har 8x8 + 8 = 72 binærvariabler. Den har 8x8 + 8 = 72 restriksjoner.

LOG530 Distribusjonsplanlegging 11 UFLP modeller Modellen har 8x8 + 8 = 72 binærvariabler. Den har = 16 restriksjoner.

LOG530 Distribusjonsplanlegging 12 Målfunksjon: UFLP modeller Merk at her har vi byttet ut binærvariabelen V f,t med mengden X f,t. Vi bruker heller ikke etterspørselen d t i målfunksjonen. 25 ‑ 6 Minimer totale faste kostnader fra opprettede fasiliteter samt alle kostnader mellom kundene og fasilitetene som betjener kundene.

LOG530 Distribusjonsplanlegging 13 Restriksjoner: UFLP modeller 25 ‑ 7 Alle kunder må motta minst like mye som behovet i noden.

LOG530 Distribusjonsplanlegging 14 Restriksjoner: UFLP modeller 25 ‑ 8 Sum levert fra en node må være mindre eller lik kapasiteten til fasiliteten i noden.

LOG530 Distribusjonsplanlegging 15 Restriksjoner: UFLP modeller 25 ‑ 9 Det skal opprettes nøyaktig p fasiliteter. Dette kravet er overflødig, fordi med faste kostnader ved opprettelse av fasiliteter vil målfunksjonen avgjøre optimalt antall fasiliteter som bør opprettes. Å legge til dette ekstrakravet vil kunne føre til en dårligere løsning.

LOG530 Distribusjonsplanlegging 16 UFLP modeller Vi kan bruke uvektet avstandstabell, men må da bruke mengde som beslutningsvariabel. Modellen har 8x8 = 64 kontinuerlige variabler og 8 binærvariabler. Den har = 16 restriksjoner.

LOG530 Distribusjonsplanlegging 17 Beslutningsvariabler: UFLP modeller Merk at a ft nå angir faktisk avstand mellom node f og t, og at modellen bare benytter eksisterende greiner i nettverket (G). n Antall noder N Mengden av noder N = {1, 2,..., n} G Mengden av greiner i nettverket a ft Faktisk avstand direkte fra node f til node t (f, t)  G dtdtdtdt Behov i node t t  N FfFfFfFf Fast kostnad ved å opprette en fasilitet i node f f  N UfUfUfUf Angir om en fasilitet er opprettet i node f. f  N ; U f  {0 ; 1 } X ft Mengde transportert fra node f til node t. (f, t)  G

LOG530 Distribusjonsplanlegging 18 Målfunksjon: UFLP modeller Merk at her bruker vi faktiske avstander. 25 ‑ 10 Minimer totale faste kostnader fra opprettede fasiliteter samt alle kostnader ved transport langs greinene i nettverket.

LOG530 Distribusjonsplanlegging 19 Restriksjoner: UFLP modeller 25 ‑ 11 Opprettet kapasitet + mengde transportert inn - mengde transportert ut må dekke behovet i noden.

LOG530 Distribusjonsplanlegging 20 Restriksjoner: UFLP modeller 25 ‑ 12 Det skal opprettes høyst p fasiliteter. Et slikt krav bør utelates, da det kan innskrenke mulighetsområdet slik at optimal løsning blir dårligere.

LOG530 Distribusjonsplanlegging 21 UFLP modeller Modellen har 32 kontinuerlige variabler og 8 binærvariabler. Den har 8 (+ 1) restriksjoner.