Tildeling av lasterom. LOG530 Distribusjonsplanlegging 2 2 Et bulkskip skal lastes med tørrlast til Ghana. En ønsker å frakte totalt 4 ulike varetyper.

Slides:



Advertisements
Liknende presentasjoner
Vesentlige kapasitetsendringer i basisperioden 15. august 2011 George Nicholas Nelson.
Advertisements

Velkommen som spiller i aksjespillet.
Muzzafer Marvati Brukermanualer Service og vedlikehold.
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.
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.
Kompleksitetsanalyse
Forside Motivasjon Analyse Forside Motivasjon Analyse  -notasjon O og  Relasjoner Klasser Fallgruver Spørsmål Kompleksitetsanalyse Åsmund Eldhuset asmunde.
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.
Looking up data In P2P systems. Innhold Søkeproblemet Distribuerte Hash Tabeller Noen eksempel systemer: CAN Pastry Tapestry Chord (som vil bli sett nærmere.
Integrasjon Microsoft CRM Microsoft AX ”en endring utføres kun en gang, alle systemer som trenger denne endringen blir oppdatert” ”opprettes en ny kunde,
Intelle Synkronisering SuperOffice CRM Visma Global Alle versjoner av SuperOffice og Visma Global ”en endring utføres kun en gang, alle systemer som trenger.
SuperOffice CRM Visma Business
Lokalisering i to-delt graf. LOG530 Distribusjonsplanlegging 2 2 Vi skal nå beskrive en transhipmentmodell med to varesorter som skal leveres fra to fabrikker.
Microsoft CRM Visma Business
Kapping av plater Mål: Vi skal lage komponenter for en møbelfabrikk ut fra standardiserte plater på 12 x 24 dm. Komponentene har lengde og bredde oppgitt.
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.
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.
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.
Kapittel 2 – Tilbud og etterspørsel. I kapittel 2 skal du lære: Hvilke forhold som bestemmer etterspørselen etter en vare Hvilke forhold som bestemmer.
Kapittel 3 Etterspørsel etter konsumgoder
Utskrift av presentasjonen:

Tildeling av lasterom

LOG530 Distribusjonsplanlegging 2 2 Et bulkskip skal lastes med tørrlast til Ghana. En ønsker å frakte totalt 4 ulike varetyper med båten, som har kun 3 lasterom. Hvert lasterom kan bare romme en type vare. Vekten i fremre lasterom kan ikke avvike mer enn 10% av vekten akter. Vekten midtskips må være mellom 40% og 60% av totalvekten som fraktes. Tildeling av lasterom Vare 1 Vare 2 Vare 3 Fremre Midtre Bakre Vare 4

LOG530 Distribusjonsplanlegging 3 3 Tildeling av lasterom Følgende varer ønskes fraktet med båten: Skipet har 3 lasterom, med følgende kapasiteter:

LOG530 Distribusjonsplanlegging 4 4 Tildeling av lasterom I dette eksemplet er lasterommene hjelpemidlene, og varene er oppgavene som skal betjenes. I dette eksemplet er lasterommene hjelpemidlene, og varene er oppgavene som skal betjenes. Her har vi imidlertid flere oppgaver enn hjelpemiddel, siden vi bare har 3 lasterom til å frakte 4 varer. Her har vi imidlertid flere oppgaver enn hjelpemiddel, siden vi bare har 3 lasterom til å frakte 4 varer. Vi kan derfor ikke betjene alle oppgavene, dvs. frakte alle varene. Vi kan derfor ikke betjene alle oppgavene, dvs. frakte alle varene. Merk at vi likevel ikke trenger å modellere med underdekning. Merk at vi likevel ikke trenger å modellere med underdekning. Siden vi nå har et maksimeringsproblem (vi ønsker å maksimere fraktinntektene), vil etterspørselsrestriksjonene være av formen <=. Vi kan ikke frakte mer enn kundene ønsker. Siden vi nå har et maksimeringsproblem (vi ønsker å maksimere fraktinntektene), vil etterspørselsrestriksjonene være av formen <=. Vi kan ikke frakte mer enn kundene ønsker. I et minimeringsproblem må etterspørselsrestriksjonene være >=, ellers vil minimumsløsningen være å ikke frakte noe som helst. Og da vil underkapasitet/underdekning være et problem som må modelleres, siden restriksjonen ellers er umulig å oppfylle. I et minimeringsproblem må etterspørselsrestriksjonene være >=, ellers vil minimumsløsningen være å ikke frakte noe som helst. Og da vil underkapasitet/underdekning være et problem som må modelleres, siden restriksjonen ellers er umulig å oppfylle.

LOG530 Distribusjonsplanlegging 5 5 Tildeling av lasterom n antall hjelpemidler N mengden av hjelpemidler N = {1, 2,..., n} m antall oppdrag M mengden av oppdrag M= {1, 2,..., m} TjTjTjTj kapasitet (tonn) til hjelpemiddel j j  N VjVjVjVj kapasitet (volum) til hjelpemiddel j j  N c kj resultateffekt pr. enhet oppdrag k med hjelpemiddel j k  M; j  N vkvkvkvk volumbehov pr. enhet oppdrag k k  M DkDkDkDk etterspørsel etter oppdrag k k  M Merk at i dette eksemplet består N ikke av siffer, men av bokstaver; dvs. hjelpemidlene er lasterommene F, S og B. Oppdragene er varetype 1, 2, 3 og 4. Enhet for oppdragene er antall tonn av de ulike varetypene.

LOG530 Distribusjonsplanlegging 6 6 Beslutningsvariabler: Tildeling av lasterom Observer at vi har byttet om rekkefølgen på indeksene i dette eksemplet. Bedriften må velge hvilken varetype som skal losses i de enkelte lasterommene: Y kj = varetype k lastes i rom j,Y kj = {0,1}k = 1,..., 4; j = F, S, B. Y kj er altså en binærvariabel; Y kj = 1 angir at varetype k lastes i rom j; Y kj = 0 angir at varetype k ikke lastes i rom j. For eksempel vil Y 2F = 1 angi at varetype 2 lastes i fremre lasterom. Bedriften kan også bestemme hvor mye av hver varetype som skal losses i et lasterom: X kj = antall tonn av vare k som losses i rom j, k = 1,..., 4; j = F, S, B Y kj Er 1 hvis oppdrag k utføres av hjelpemiddel j, ellers 0 Y kj  {0; 1} ; k  M; j  N X kj Mengde (tonn) av oppdrag k utført med hjelpemiddel j k  M; j  N

LOG530 Distribusjonsplanlegging 7 7 Målfunksjon: Tildeling av lasterom 30 ‑ 1 Maksimer total inntekt av alle oppdrag utført av alle hjelpemidlene. 30 ‑ 1 Maksimer total inntekt av alle oppdrag utført av alle hjelpemidlene. Max: 700 (X 1F + X 1S + X 1B )Vare (X 2F + X 2S + X 2B ) Vare (X 3F + X 3S + X 3B ) Vare (X 4F + X 4S + X 4B ) Vare 4

LOG530 Distribusjonsplanlegging 8 8 Restriksjoner: Tildeling av lasterom 30 ‑ 2 Hvert hjelpemiddel kan bare utføre ett oppdrag. Y 1F + Y 2F + Y 3F + Y 4F  1Fremre lasterom Y 1S + Y 2S + Y 3S + Y 4S  1 Senter lasterom Y 1B + Y 2B + Y 3B + Y 4B  1Bakre lasterom

LOG530 Distribusjonsplanlegging 9 9 Restriksjoner: Tildeling av lasterom 30 ‑ 3 Hvert lasterom kan bare losse den varen som er tildelt plass i lasterommet. X 1F  Y 1F,X 2F  Y 2F,X 3F  Y 3F,X 4F  Y 4F. X 1S  Y 1S,X 2S  Y 2S,X 3S  Y 3S,X 4S  Y 4S. X 1B  Y 1B,X 2B  Y 2B,X 3B  Y 3B,X 4B  Y 4B.

LOG530 Distribusjonsplanlegging 10 Restriksjoner: Tildeling av lasterom X 1F + X 2F + X 3F + X 4F  3.000Fremre lasterom X 1S + X 2S + X 3S + X 4S  6.000Senter lasterom X 1B + X 2B + X 3B +X 4B  4.000Bakre lasterom 30 ‑ 4 Hvert lasterom kan ikke losse mer enn kapasiteten, målt i vekt (tonn). Restriksjon 30-2 og 30-3 gjør restriksjon 30-4 overflødig.

LOG530 Distribusjonsplanlegging 11 Restriksjoner: Tildeling av lasterom 4X 1F + 2,5X 2F + 6X 3F + 5,5X 4F  Fremre lasterom 4X 1S + 2,5X 2S + 6X 3S + 5,5X 4S  Senter lasterom 4X 1B + 2,5X 2B + 6X 3B + 5,5X 4B  Bakre lasterom 30 ‑ 5 Hvert lasterom kan ikke losse mer enn kapasiteten, målt i volum (m 3 ).

LOG530 Distribusjonsplanlegging 12 Restriksjoner: Tildeling av lasterom X 1F + X 1S + X 1B  4.800Vare 1 X 2F + X 2S + X 2B  2.500Vare 2 X 3F + X 3S + X 3B  1.200Vare 3 X 4F + X 4S + X 4B  1.700Vare 4 30 ‑ 6 Vi kan ikke utføre mer av hvert oppdrag enn det som er etterspurt.

LOG530 Distribusjonsplanlegging 13 Restriksjoner: Tildeling av lasterom X 1F + X 2F + X 3F + X 4F  (100% + 10%) [X 1B + X 2B + X 3B + X 4B ] X 1F + X 2F + X 3F + X 4F  (100% – 10%) [X 1B + X 2B + X 3B + X 4B ] 30 ‑ 7 Total vekt i fremre lasterom må ligge mellom 90% og 110% av vekten i bakre lasterom.

LOG530 Distribusjonsplanlegging 14 Restriksjoner: Tildeling av lasterom X 1S + X 2S + X 3S + X 4S  60%[ X 1F + X 2F + X 3F + X 4F + X 1S + X 2S + X 3S + X 4S + X 1B + X 2B + X 3B + X 4B ] X 1S + X 2S + X 3S + X 4S  40%[ X 1F + X 2F + X 3F + X 4F + X 1S + X 2S + X 3S + X 4S + X 1B + X 2B + X 3B + X 4B ] 30 ‑ 8 Total vekt i midtre lasterom må ligge mellom 40% og 60% av totalvekten.

LOG530 Distribusjonsplanlegging 15 Tildeling av lasterom

LOG530 Distribusjonsplanlegging 16 Tildeling av lasterom