第2章+选址模型及应用_精品.ppt

* 6）服务网点分布 用P－中值模型，使得服务网点与需求点的移动距离总和最小。 模型的输入 需求点位置 每个需求点的需求量 候选的服务网点位置 需求点和候选位置间的距离 * 处理： 实际34万需求点聚类为1043个 候选网点位置：从100个降为74个，最终选了58个 距离计算 P-中值模型是近似表达 * 顾客位置图 * 74个候选位置分布图 * 选址优化结果 公司基本接受P-中值模型计算的结果，对其中一些作了调整。比如将Coaldale换成lethbridge。 最终管理者选择了58个服务网点，关闭了2个现有服务网点，增加了3个新的。 * 最终分配方案 * 7）交通工具选址 7辆铲斗车、21辆挖掘车。后者可以当前者用。 使用P-中值模型和最大覆盖模型，候选停放点30个（是否在选定的58个服务网点中？）。 P-中值模型把车辆放在较大的人口中心，最大覆盖模型把车辆分散在整个省。 管理着重新调整了几个车辆，使得费用稍微增大，但是车辆分布均匀。 * * * 车辆选址分布图 * 8）效果 关闭了2个现有服务网点，增加了3个新的 新的系统高效、低成本 每年节省运营费用4百万美元。 * 2.6.3 Efes饮料集团的新麦芽厂选址与配送 背景介绍 需求 模型描述 讨论 结论 附录：模型 * 1）背景介绍 Efes是土耳其最大的啤酒公司。有3个啤酒酿造厂、2个麦芽厂和1个啤酒花处理厂。 预计道啤酒销量会在未来有显著增长 公司想新建酿造厂和麦芽厂 * 2）需求分析 现有的两个麦芽厂都在大麦的主要产区，也进口大麦；每吨大麦产750～800kg麦芽。产出的麦芽被运往酿造厂或出口。 每船运进大麦或运出麦芽需要100车次卡车 大麦和麦芽必须先存储在港口，要支付存储费、不能及时装卸的罚金、运费。 可以考虑自己兴建港口： 可以预测一定时间范围内的需求 * 根据现有技术、成本确定了新麦芽厂生产能力 问题转化为：要于1998、2002建两个新麦芽厂，需要确定其位置和相应的大麦、麦芽配送问题。 * * 初步设想 否定了自建港口的想法 选址时要考虑建设费用和以后大麦、麦芽的运费 最终的模型及考虑选址问题也考虑运输问题。 * 3）模型描述 条件 时间单位为年，考虑未来T年的情况 T年内新的麦芽厂将开始运转并达到最大生产力 假设运费不变 模型目标 确定麦芽厂位置、各地之间大麦和麦芽的运输量，使得每个酿酒厂所需的麦芽都能得到满足，必要的大麦送到每个麦芽厂。长期折现费用最小 * 税收影响 进口的大麦要收关税，除非这些大麦用于生产出口的麦芽 出口麦芽不如国内市场有利可图 所以模型中设立约束，使得任何一个麦芽厂都不会承担大部分的出口任务。 参数 由Efes提供 * 模型求解使用的工具 Lotus Fortran Lindo * 4)讨论 Percentage Above Site Total Cost (2$1,000) Minimum Cost Site Izmir 40,224 0.00 Ankara 40,460 0.59 Sakarya 40,592 0.91 Mersin 40,775 1.37 Tekirdag 41,997 4.41 Konya 42,975 6.84 Afyon 43,039 7.00 Table 1: In our comparison of sites for the first new malt plant, we found that the total costs for the least costly four sites are very close. * Site Percentage Above (Plant 1–Plant 2) Total Cost (2$1,000) Minimum Cost Site Sakarya-Sakarya 57,091 0.00 Izmir-Izmir 57,225 0.23 Izmir-Ankara 57,270 0.31 Ankara-Sakarya 57,342 0.44 Ankara-Izmir 57,384 0.51 Sakarya-Ankara 57,551 0.81 Mersin-Ankara 57,748 1.15 Izmir-Sakarya 57,875 1.37 Mersin-Sakarya 58,113 1.79 Mersin-Mersin 58,548 2.55 Ank