案例1某大型IT产品分销商.docx
- 文档编号:3328124
- 上传时间:2022-11-21
- 格式:DOCX
- 页数:9
- 大小:25.91KB
案例1某大型IT产品分销商.docx
《案例1某大型IT产品分销商.docx》由会员分享,可在线阅读,更多相关《案例1某大型IT产品分销商.docx(9页珍藏版)》请在冰豆网上搜索。
案例1某大型IT产品分销商
例2某大型IT产品分销商,其配送网络模型如下图1所示:
表4为该产品分销商在华南区的需求城市及其需求量,其中广州为其物流中心,广州、深圳、福州和武汉是4个区域配送中心。
试对该分销商的配送网络进行优化,并确定各个区域配送中心的服务区域和范围,使得整个物流配送网络的成本最小。
表4华南区40个需求城市及其需求量pk
序号
需求城市
需求量(kg)
序号
需求城市
需求量(Kg)
1
广州
3615968
21
湘潭
3619
2
深圳
866416
22
洛阳
3386
3
厦门
829804
23
赣州
3287
4
武汉
430642
24
南阳
3167
5
长沙
190328
25
襄樊
2881
6
郑州
163837
26
青岛
2602
7
汕头
123429
27
上饶
1722
8
福州
116864
28
信阳
1642
9
中山
102921
29
九江
1635
10
南昌
102837
30
杭州
1577
11
漳州
96041
31
景德镇
998
12
东莞
89706
32
岳阳
892
13
珠海
87287
33
十堰
820
14
南宁
81518
34
宁波
793
15
泉州
62518
35
常德
788
16
玉林
28914
36
安阳
738
17
柳州
15394
37
荆州
642
18
桂林
10208
38
苏州
561
19
宜昌
9966
39
鹰潭
533
20
平顶山
4713
40
沙市
419
解:
由已知条件可知:
由于该网络的物流中心和配送中心的地点已经选定,配送中心内部成本可以不予考虑,所以这个优化问题的优化内容集中在运输成本上。
1.建立数学模型
设由区域配送中心j到需求城市k的配送量为xjk;目标函数为:
其中
cj:
从物流中心i到配送中心j每单位量的运输成本;
djk:
从配送中心j到客户k,每单位量的配送成本;
pk:
第k个需求城市的配送需求量;
j=1,2,3,4;k=1,2,……,40
2.确定各参数
由模型
(1)可知,需要知道以下参数数据:
1从物流中心i到配送中心j每单位量的运输成本cj
2从配送中心j到客户k,每单位量的配送成本djk
3第k个需求城市的配送需求量pk(如表4)。
2.1cj的计算
根据广州和武汉的单位运费分析,得到标准单位运费如下(表5):
1.市内配送费用:
两地的市内配送单位运费几乎相同,故取市内配送单位运费C1=0.037元/kg
2.单位外埠配送强度运费:
武汉的外埠单位配送运费较高,为0.0185元/kgkm,广州的外埠单位配送运费比较合理,为0.0028元/kgkm,取C2=0.0028元/kgkm;
3.单位转储强度运费:
广州为0.00013元/kgkm,武汉为0.00034元/kgkm,取C3=(0.00013+0.00033)/2=0.00023元/kgkm
表5标准单位运费
项目
市内配送费用C1
单位外埠配送强度运费C2
单位转储强度运费C3
数值
0.037元/kg
0.0028元/kgkm
0.00023元/kgkm
在得到单位外埠配送强度运费和单位转储强度运费之后,根据物流中心到各个配送中心的距离就可以得到单位运费Cj了。
由于物流中心到各个配送中心的运输批量较大,故单位运费cj取转储的单位运费,即物流中心到各个配送中心的单位运费cj=C3Sj=0.00023Sj元/kg,Sj为物流中心到第j个配送中心的距离。
如表6为物流中心到各个配送中心的距离及单位运费。
表6物流中心到各个配送中心的距离及单位运费Cj单位:
元/kg
配送中心
广州
深圳
武汉
福州
直线距离Sj(km)
0
58.62
786.82
436.53
单位运费cj=C3Sj
0
0.00023S2
0.00023S3
0.00023S4
cj取值
0
0.0135元/kg
0.181元/kg
0.1元/kg
2.2需求量pk见表4
2.3djk的计算
计算公式:
djk=配送中心j到需求城市k的距离*C2(0.0028元/kgkm)
表7给出了各配送中心到各需求城市的距离
表7各配送中心到各需求城市的距离单位:
km
距离
广州
深圳
武汉
福州
广州
0.00
58.62
786.82
436.53
深圳
58.62
0.00
829.11
449.86
厦门
248.80
241.05
692.51
231.67
武汉
786.84
829.11
0.00
498.78
长沙
558.91
605.72
240.16
373.10
郑州
1234.27
1278.12
450.11
930.70
汕头
130.52
102.43
787.19
366.81
福州
436.53
449.86
498.78
0.00
中山
77.79
47.05
863.90
495.88
南昌
572.11
610.53
225.61
287.24
漳州
263.28
267.22
637.87
187.02
东莞
34.92
23.71
812.29
444.32
珠海
95.01
57.41
880.37
507.19
南宁
204.09
225.17
910.91
629.48
泉州
333.11
336.91
604.87
125.60
玉林
115.98
148.07
839.95
539.12
柳州
185.62
243.63
696.36
474.35
桂林
250.96
307.81
582.15
400.84
宜昌
791.36
839.05
117.66
564.12
平顶山
1157.92
1201.72
373.81
856.97
湘潭
459.83
507.93
338.74
334.25
洛阳
1232.99
1278.09
453.53
941.42
赣州
328.24
364.16
468.52
193.40
南阳
1112.14
1156.83
331.89
822.20
襄樊
780.04
826.02
77.80
533.43
青岛
1478.87
1513.37
714.94
1101.99
上饶
642.05
671.46
253.21
266.61
信阳
1008.62
1051.13
222.02
703.43
九江
684.03
723.28
117.54
381.53
杭州
842.90
869.68
278.17
440.08
景德镇
721.53
755.23
164.31
367.04
岳阳
706.46
750.71
88.21
451.67
十堰
1074.60
1121.51
312.19
810.62
宁波
776.41
797.26
349.93
353.03
常德
672.93
720.11
148.08
460.19
安阳
1452.28
1494.82
665.73
1130.53
荆州
799.57
845.48
78.22
549.34
苏州
949.95
978.64
302.15
552.96
鹰潭
596.32
628.39
252.11
247.98
沙市
812.69
858.34
76.76
557.73
3.优化方案的求解
数学模型
(1)是一个运输问题的线性规划问题。
其优化的关键在于物流网络模型的末端,即各个区域配送中心与各个需求城市之间的对应问题。
只要各个区域配送中心的配送任务最优方案得到,那么处于上端的物流中心到区域配送中心的配送费用也就确定了。
利用lingo编程如下:
!
Lingo执行程序;
model:
Titledistributionmodel;
sets:
demand/1..40/:
pdemand;!
共有40个客户,pdemand表示各客户的需求量;
distributioncenters/1..4/:
ccost;!
ccost表示从物流中心到配送中心,每单位量的运输成本,即案例中的cj;
link(distributioncenters,demandpoints):
distance,x;!
distance表示从配送中心到客户的距离,x表示决策变量,即从配送中心到客户的配送量;
endsets
data:
pdemand=3615968866416829804430642190328163837123429116864102921102837
960418970687287815186251828914153941020899664713
3619338632873167288126021722164216351577
998892820793788738642561533419;!
各点的需求量;
ccost=00.01350.1810.1;!
ccost表示从物流中心到配送中心,每单位量的运输成本,即案例中的cj;
distance=058.62248.8786.84558.911234.27130.52436.5377.79572.11263.2834.9295.01204.09333.11115.98185.62250.96791.361157.92459.831232.99328.241112.14780.041478.87642.051008.62684.03842.9721.53706.461074.6776.41672.931452.28799.57949.95596.32812.69
58.620241.05829.11605.721278.12102.43449.8647.05610.53267.2223.7157.41225.17336.91148.07243.63307.81839.051201.72507.931278.09364.161156.83826.021513.37671.461051.13723.28869.68755.23750.711121.51797.26720.111494.82845.48978.64628.39858.34
786.82829.11692.510240.16450.11787.19498.78863.9225.61637.87812.29880.37910.91604.87839.95696.36582.15117.66373.81338.74453.53468.52331.8977.8714.94253.21222.02117.54278.17164.3188.21312.19349.93148.08665.7378.22302.15252.1176.76
436.53449.86231.67498.78373.1930.7366.810495.88287.24187.02444.32507.19629.48125.6539.12474.35400.84564.12856.97334.25941.42193.4822.2533.431101.99266.61703.43381.53440.08367.04451.67810.62353.03460.191130.53549.34552.96247.98557.73;
c2=0.0028;
enddata
!
目标函数;
min=(@sum(distributioncenters(j):
@sum(demandpoints(k):
(ccost(j)+distance(j,k)*c2)*x(j,k)))+0.037*5029890-0.0135*866416-0.181*430642-0.1*116864);
!
加入后面的一串数字,表示;
!
约束条件;
@for(demandpoints(k):
@sum(distributioncenters(j):
x(j,k))=pdemand(k));
end
各个区域配送中心到需求城市的配送费用djk用单位外埠配送强度运费C2乘上配送路程xij(如表7所示)即可得到,配送中心本市配送的单位运费C1=0.037元/kg。
通过计算机求得共N种方案的物流网络成本,从中选择出成本最低的方案,如下:
表8各个区域配送中心的服务范围
物流中心
配送中心
服务城市
备注
广州
广州
广州;南宁;玉林;柳州;桂林
深圳
深圳;厦门;汕头;中山;东莞;珠海
武汉
武汉;长沙;郑州;南昌;宜昌;平顶山;洛阳;南阳;襄樊;青岛;信阳;九江;杭州;景德镇;岳阳;十堰;常德;安阳;荆州;苏州;沙市
福州
福州;漳州;泉州;湘潭;赣州;上饶;宁波;鹰潭
表9服务范围优化前后运费对比
优化前运费(万元)
优化后运费(万元)
节约运费(万元)
总运费
185.6347
161.7848
23.8499
3.结论:
通过建立物流网络数学模型,优化的结果使得企业物流成本9个月节约成本24万元,取得了实际的经济效率。
Lingo执行程序
model:
Titledistributionmodel;
sets:
demandpoints/1..40/:
pdemand;!
共有40个客户,pdemand表示各客户的需求量;
distributioncenters/1..4/:
ccost;!
ccost表示从物流中心到配送中心,每单位量的运输成本,即案例中的cj;
link(distributioncenters,demandpoints):
distance,x;!
distance表示从配送中心到客户的距离,x表示决策变量,即从配送中心到客户的配送量;
endsets
data:
pdemand=3615968866416829804430642190328163837123429116864102921102837
960418970687287815186251828914153941020899664713
3619338632873167288126021722164216351577
998892820793788738642561533419;!
各点的需求量;
ccost=00.01350.1810.1;!
ccost表示从物流中心到配送中心,每单位量的运输成本,即案例中的cj;
distance=(058.62248.8786.84558.911234.27130.52436.5377.79572.11263.2834.9295.01204.09333.11115.98185.62250.96791.361157.92459.831232.99328.241112.14780.041478.87642.051008.62684.03842.9721.53706.461074.6776.41672.931452.28799.57949.95596.32812.69
58.620241.05829.11605.721278.12102.43449.8647.05610.53267.2223.7157.41225.17336.91148.07243.63307.81839.051201.72507.931278.09364.161156.83826.021513.37671.461051.13723.28869.68755.23750.711121.51797.26720.111494.82845.48978.64628.39858.34
786.82829.11692.510240.16450.11787.19498.78863.9225.61637.87812.29880.37910.91604.87839.95696.36582.15117.66373.81338.74453.53468.52331.8977.8714.94253.21222.02117.54278.17164.3188.21312.19349.93148.08665.7378.22302.15252.1176.76
436.53449.86231.67498.78373.1930.7366.810495.88287.24187.02444.32507.19629.48125.6539.12474.35400.84564.12856.97334.25941.42193.4822.2533.431101.99266.61703.43381.53440.08367.04451.67810.62353.03460.191130.53549.34552.96247.98557.73*0.0028;!
distance表示从配送中心到客户的距离;
c2=0.0028;
enddata
!
目标函数;
min=(@sum(distributioncenters(j):
@sum(demandpoints(k):
(ccost(j)+distance(j,k)*c2)*x(j,k)))+0.037*5029890-0.0135*866416-0.181*430642-0.1*116864);
!
约束条件;
@for(demandpoints(k):
@sum(distributioncenters(j):
x(j,k))=pdemand(k));
end
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 案例 大型 IT 产品 分销商