單一物流中心貨物配送模式之研究(2)ppt課件

1、單一物流中心貨物配送方式之研討1一、前言市場(chǎng)的擴(kuò)大以及競(jìng)爭(zhēng)的猛烈，管理系統(tǒng)在空間特性問題上處理才干缺乏的問題已漸漸浮現(xiàn)，管理者對(duì)於地理資訊系統(tǒng)的需求也大幅提高。例如在貨物運(yùn)送方面，如能結(jié)合地理資訊系統(tǒng)優(yōu)異的空間展現(xiàn)、處理以及分析的功能，將能有效的抑制空間阻隔，達(dá)到節(jié)省本錢的目的。2一、前言物流配送在GIS實(shí)屬於空間分析的問題，以往研討則較少考量空間分佈差異對(duì)配送產(chǎn)生的影響。故本研討將空間分析中群聚分析方法Clustering Analysis 引入車輛路程問題(VRP)方式當(dāng)中，已改善以往VRP演算法未參與空間考量的問題。並嘗試分析不同的空間分佈型態(tài)Pattern，對(duì)不同VRP求解方式的影響。

2、3二、物流業(yè)特性分析美國(guó)物流管理協(xié)會(huì)CLM, Council of Logistics Management, 1995之定義如下：舉凡涉及物品、勞務(wù)以及相關(guān)資訊自原料地至消費(fèi)地間，如何有效率efficient及有效能cost-effective地加以儲(chǔ)存storage與流動(dòng)flow，以因應(yīng)顧客所需之規(guī)劃、執(zhí)行與管理程序，皆屬之。 4二、物流業(yè)特性分析物流系統(tǒng)的演進(jìn)，可分為主要的三個(gè)階段：1.第一代物流系統(tǒng)：又稱為原料物流或是實(shí)體供給系統(tǒng) ，主要是屬於物料之採(cǎi)購(gòu)及移動(dòng)過程。2.第二代物流系統(tǒng)：又稱為銷售物流或是實(shí)體分配系統(tǒng)，普通狹義的物流及意旨此系統(tǒng)，本研討所要探討的問題也正是屬於實(shí)體分配中貨

3、物運(yùn)輸?shù)墓?fàn)疇。3.第三代物流系統(tǒng)：又稱為企業(yè)物流系統(tǒng)Business Logistics System，就是將上述實(shí)體供給和實(shí)體分配的各項(xiàng)活動(dòng)，合成一個(gè)整體，予以綜合管理。5二、物流業(yè)特性分析而物流資訊系統(tǒng)與普通資訊系統(tǒng)不同的地方在於其對(duì)資料蒐集的密集性，以及資訊的詳細(xì)性和動(dòng)態(tài)性，和數(shù)學(xué)方式的應(yīng)用上皆比普通資訊系統(tǒng)來的高，數(shù)學(xué)方式的運(yùn)用則是幫助決策的產(chǎn)生，例如線性規(guī)劃、最短路徑分析、系統(tǒng)模擬等，而這些特性在物流系統(tǒng)營(yíng)運(yùn)上所扮演的角色，主要是以最小的本錢來處理訂單以及配送的問題，以達(dá)到最正確的服務(wù)水準(zhǔn)。6三、地理空間分析關(guān)於地表空間的特徵，普通來說屬於空間分析的範(fàn)疇，而對(duì)於地表空間型態(tài)patte

4、rn的描畫，主要可分為幾種指標(biāo)，以點(diǎn)資料來說，有以下幾種：頻率(frequency )密度(density)幾何中心(geometric center)離散(dispersion)陳列(arrangement) Clustered (密集型),Scattered (擴(kuò)散型), Random (隨機(jī)型)7群聚分析而假設(shè)要將空間中不同的點(diǎn)資料予以歸納分類，則必須要運(yùn)用空間分析中的群聚分析技術(shù)Cluster Analysis。群聚型隨機(jī)型8群聚分析方法1. UPGMA 利用接近值算數(shù)平均數(shù)2.WPGMA 參與了權(quán)重值的計(jì)算3. SLINK 利用最小接近值4. Clink 利用最大接近值5. Ward

5、s minimum variance method E=(x1-Cmean1)2+(y1-Cmean1)2+.取MIN9群聚分析方法6.K-means algorithms(Macqueen,1967) 在一群需求(demand)點(diǎn)中找出k個(gè)供應(yīng)(supply)中心的位置使得需求點(diǎn)至供應(yīng)中心的總本錢最低(鄒明城 ，2000)7. K-medoid algorithmsg (Vinod,1969) 對(duì)於K-means法容易掉入去最正確解的問題加以修正。8.CLARANS (Ng and Han,1994)9.DBSCAN (Easter,1996) 以空間分佈的密度為考量發(fā)展求解方式。10. G

6、DBSCAN (SANDER et. al,1998) 10四、VRP求解分析陳文瑞1990曾提到： VRP是車輛在依序的服務(wù)地點(diǎn)做收貨 (或，和)送貨的服務(wù)，且必須按照指示依序通過這些服務(wù)地點(diǎn)，開始和結(jié)束在同一個(gè)出發(fā)點(diǎn) (depot or domicile)。VRP問題的分類單一場(chǎng)站、多場(chǎng)站本研討屬於單一場(chǎng)站11VRP 問題探討本研討最主要的討論是關(guān)於單一場(chǎng)站與多車輛路線問題之研討，在實(shí)務(wù)應(yīng)用上通常都以單一物流中心，同時(shí)指派多部車輛，來達(dá)到時(shí)效性最高的顧客滿意度。這樣的問題被定義為：在一廣大的區(qū)域散置分佈N各節(jié)點(diǎn)或顧客，每個(gè)顧客有其特定的需求量，這些需求量由某一個(gè)特定的中心站來提供，此中心站

7、有多部車輛，每部車輛的裝載量為知，來求由配送中心到滿足一切N各點(diǎn)的顧客需求的配送路線，並使配送本錢達(dá)到最小。 12VRP問題求解方式(1)先分群再排路線(Cluster First-Route second)掃瞄法(Gillett and Miller,1974)-採(cǎi)用及座標(biāo)角度掃瞄分群。(2)先排路線再分群(Route First-cluster Second)(Bodin and Berman,1979)-分群結(jié)果受先前陳列之路進(jìn)影響。(3)節(jié)省法或插入法(Saving or Insertion)節(jié)省法(Clarke and Wright,1964)-叫無彈性，無法視群聚狀況調(diào)整13VRP

8、問題求解方式(4)改善與交換(Improvement or exchange)K-optimal法(Lin and Kernighan,1965)(5)數(shù)學(xué)規(guī)劃法(Mathematical Programming Approaches)(6)最正確解法(Exact Procedures)(7)人機(jī)互動(dòng)法(Interactive Optimization)14VRP問題求解方式分析由於VRP屬於非完全多項(xiàng)式(NP-Complete)問題，(5)數(shù)學(xué)規(guī)劃法、(6)最正確解法兩種方式求解複雜度隨問題大小呈指數(shù)成長(zhǎng)，近年來學(xué)者紛紛努力於啟發(fā)式解法的開發(fā)。啟發(fā)式解法根本步驟徐吉田，19931.指定K車輛

9、即路線2.集結(jié)各需求點(diǎn)成一路線(啟始解)3.路線改善重新陳列路線中各需求點(diǎn)，以得較好的路線。將某路線的點(diǎn)移到另一路線15啟發(fā)式解法根本概念目前學(xué)界研討VRP問題通常採(cǎi)用二階段法；第一階段初始解的產(chǎn)生，例如 (1)先分群再排路線、(2)先排路線再分群、(3)節(jié)省法或插入法第二階段則為解的改善，例如(4)改善與交換本研討採(cǎi)用先分群後排路線的方法，但考慮以往相關(guān)研討較少將空間因子納入考量，故本研討引入空間分析中群聚分析Clustering Analysis的相關(guān)技術(shù)，來作為VRP的分群求解啟始解方式。16五、研討架構(gòu)VRP空間群聚求解模組配送以及物流之空間資料庫車輛及路線的指派物流業(yè)特性分析VRP求

10、解方式分析地理空間分析GIS系統(tǒng)比較其他求解戰(zhàn)略不同空間Pattern分析歸納結(jié)果17六、研討方法將空間分析中群聚分析模組應(yīng)用於VRP初始解的求得，以離散/群聚之空間分析為基礎(chǔ)，並以clustering 分析為中心改進(jìn)方法，來改進(jìn)及評(píng)量配貨地一解求法。引入空間量度參數(shù)，以做為空間度量，來評(píng)定不同演算法在不同空間度量上的優(yōu)劣。18研討假設(shè)單一場(chǎng)站多部車輛道路的特性初期考慮對(duì)稱性路網(wǎng)，日後研討在考量實(shí)際路網(wǎng)配送點(diǎn)特性限制由一部車服務(wù)需求皆不超過一部車容量車輛的限制型態(tài)容量的限制單一車種，多部車輛行車距離的限制19研討假設(shè)時(shí)窗(Time Window)的限制不考慮時(shí)窗限制客戶區(qū)位特性固定知的需求產(chǎn)品

11、本身特性以數(shù)量考慮，視為一種商品20群聚分析方法本研討考慮工具的獲得以及符合研討假設(shè)需求性，初步採(cǎi)用SPSS統(tǒng)計(jì)軟體，利用其內(nèi)建之Analyze 模組中的Classify 的功能，採(cǎi)用k-means Cluster 以及 Hierarchical Cluster 演算法來做分群，另外分區(qū)域配送之TSP演算法則採(cǎi)用最遠(yuǎn)內(nèi)插法，利用VB撰寫求解程式配合VRP標(biāo)準(zhǔn)例題做測(cè)試。21七、初步成果No.Problem NameNodesVehicle CapacitySourceCost and Fleet Data#1E-n51-k550160Christofieds & Eilon(1969)採(cǎi)用Christofieds & Eilon(1969)所提出的測(cè)試?yán)}進(jìn)行測(cè)試22k-means Cluster結(jié)果23Hierarchical Cluster結(jié)果24k-means Cluster 配送結(jié)果25Hierarchical Cluster配送結(jié)果26與過去研討之比較初步結(jié)果已知最佳解KC543HC 563521此結(jié)果為尚未進(jìn)行改善解之初步結(jié)果，未來假設(shè)配合良好都改善模組，應(yīng)可