Lokalisering af og samspil mellem distributionsterminaler Louise Tranberg DTU, Lyngby
Logistisk optimering Hvordan optimeres den fysiske struktur og logistik i transportfirmaer? Hvor mange terminaler skal man have? Hvor skal de ligge? Skal man centralisere eller decentralisere? Hvordan sikres at forandring og implementering af strategier bliver en succes internt i virksomheden?
Agenda Introduktion Relevante problembeskrivelser Løsningsmetoder og -værktøjer Case: Eksempel på løsning et lokaliseringsproblem Afsluttende kommentarer
Introduktion Hvorfor beskæftige sig med logistisk optimering? Der er store økonomiske gevinster i logistisk optimering Der er værktøjer til rådighed som mange ikke kender til Det er samfundsmæssigt relevant Hvordan håndtere logistiske problemstillinger? Hård operationsanalyse ( Objektive løsninger ud fra kvantitative data) Blød operationsanalyse (Subjektive problemopfattelser ud fra kvalitative faktorer)
Hård og blød operationsanalyse Hård operationsanalyse: Matematisk optimering Anvendelse af matematiske modeller til hjælp ved beslutningstagen + Veldefinerede problemer med kvantitative data - Socialt og politisk komplicerede problemer Blød operationsanalyse: Brugerinddragelse Problemstrukturering og klarlæggelse af subjektive opfattelser ved brug af bl.a. organisationsteori + Inddragelse af berørte personer - ejerskab af løsningen - Identifikation af konkrete løsninger med to streger under facit
Problembeskrivelser Ruteplanlægning Hvilke ruter skal depotets bil(er) køre således at alle kunder serviceres og der køres kortest muligt? Mandskabsplanlægning Hvilke tidspunkter skal medarbejderne arbejde for at jobbene udføres billigst og mest effektivt? Lokaliseringsproblemer Hvilke depoter/terminaler skal være åbne, således at kunderne serviceres billigst muligt? 0:00 6:00 12:00 18:00 Kl: 24:00 1 1 1 2 3 3 3 3 4 4 4 3 2 2 2 2 1 1 1 1 1 1 1 1 Jobs: Peter Jens Jonas Hans Ole Søren?????
Konstruering af matematisk model Indsamling af data Hvilke lokationer kan terminalerne have? Hvor er kunderne placeret? (beregning af afstande) Hvilke forsendelser er der fra kunde til kunde? Hvad er kapaciteten de biler der er til rådighed? Opbygning af matematisk model Minimere udgifter eller maksimere profit? Hvilke begrænsninger gælder? Formulering af sammenhængen mellem kendt data og ukendte variable
Løsning af matematisk model Begrænsede problemer med lav kompleksitet Finde optimal løsning (Problemspecifik algoritme) Større problemer med høj kompleksitet Finde god - men ikke nødvendigvis optimal - løsning (Heuristik, approksimationsalgoritme, dekomposition) Eksempler på løsningsværktøjer Konsekvensberegning Simuleringsprogrammer Programmeringssprog (f.eks. C++ og Java) Optimeringsredskaber (f.eks. Excel og GAMS)
Lokaliseringsproblem: Beskrivelse Problemstilling Et lille transportfirma der fragter småpakker Kunder fordelt over Sjælland og øerne Potentielle terminaler i 9 byer Ønsket resultat Holbæk Slagelse Hillerød København Roskilde Køge Næstved Vordingborg Bestemmelse af placering af et ukendt antal terminaler og lastbiler Udarbejdelse af strategi samt fastholdelse/ansættelse af engagerede og dygtige medarbejdere Maribo
Lokaliseringsproblem: Data Efterspørgsel/forsendelser (F ab = mængde fra a til b) Afstande mellem kunder og terminaler (A at = afstand mellem afsender og terminal, og A tb = afstand mellem terminal og modtager) Transportomkostninger pr. km. med lastbil (T l = kilometerpris for lastbil l) Håndteringsomkostninger på terminalerne (H t = omkostning for håndtering af pakker på terminal t) Driftsomkostninger på terminalerne (D t = driftsomkostning på terminal t)
Lokaliseringsproblem: Håndtering Afvejning af omkostningerne forbundet med hhv. håndtering på terminalerne og transport af pakkerne: Én eller få terminaler og kørsel over længere afstande? Mange terminaler og kortere kørsler ved afhentning/levering? Hensyntagen til de mennesker, der bliver berørt af løsningen: Giver store eller små arbejdspladser de bedste arbejdsforhold? Hvor langt vil medarbejdere køre til deres arbejdsplads?
Lokaliseringsproblem: Metodevalg 1) Bløde operationsanalytiske metodikker Undersøgelse af medarbejderes og kunders ønsker og idéer Afdækning af eventuelle konflikter Opbyggelse af fælles forståelse af fremtidig udvikling 2) Hårde operationsanalytiske metoder Indsamling af data Opbyggelse af matematisk model Løsning af model med optimeringsværktøj 3) Bearbejdelse af resultater af metodebrug Udarbejdelse af strategi for virksomheden og konkrete handlingsplaner for implementering af løsningen
Lokaliseringsproblem: Metodebrug 1) Afholdelse af workshops Inddragelse af de personer der bliver berørt af ændringerne Indsamling af forslag, idéer og ønsker til fremtiden 2) Opbyggelse af matematisk model Minimer: Under hensyntagen til: Transportomkostninger Håndteringsomkostninger Driftsomkostninger Alle kunder serviceres Kapacitet for terminaler overholdes Kapacitet for transportbiler overholdes 3) Udarbejdelse af handlingsplaner for ændringen
Lokaliseringsproblem: Resultater Løsning af den matematiske model 5 terminaler: København, Hillerød, Roskilde, Slagelse og Vordingborg Hillerød København 16 lastbiler Roskilde Transport mellem terminalerne om natten (line hauls) Slagelse Bearbejdning af de bløde metoder Vordingborg Hjemmearbejdspladser til medarbejdere med langt til terminalen Investering i IT-værktøjer til koordinering og samarbejde
Afsluttende kommentarer Forskellige problemer kræver forskellige løsningsmetoder En kombination af flere metoder kan give mere brugbare resultater Logistisk optimering er et utrolig spændende og udfordrende område at arbejde med Spørgsmål?