物流中心货物配送模式

按一下以編輯母片標題樣式,*,按一下以編輯母片,第二層,第三層,第四層,第五層,单一物流中心货物配送模式之研究,按一下以編輯母片標題樣式,按一下以編輯母片,第二層,第三層,第四層,第五層,*,单一物流中心货物配送模式之研究,1,一、前言,市场的扩大以及竞争的激烈，管理系统在,空间特性,问题上处理能力不足的问题已慢慢浮现，管理者对于地理信息系统的需求也大幅提高。,例如在货物运送方面，如能结合地理信息系统优异的空间展示、处理以及分析的功能，将能有效的克服空间阻隔，达到,节省成本,的目的。,2,一、前言,物流配送在,GIS,实属于空间分析的问题，以往研究则较少考虑,空间分布差异,对配送产生的影响。故本研究将空间分析中,群聚分析方法,（,Clustering Analysis ）,引入车辆途程问题(,VRP),模式当中，已改善以往,VRP,算法未加入空间考虑的问题。并尝试分析不同的,空间分布型态,（,Pattern），,对不同,VRP,求解模式的影响。,3,二、物流业特性分析,美国物流管理协会（,CLM, Council of Logistics Management, 1995）,之定义如下：,举凡涉及物品、劳务以及相关信息自原料地至消费地间，如何有效率（,efficient）,及有效能（,cost-effective）,地加以储存（,storage）,与流动（,flow），,以因应顾客所需之规划、执行与管理程序，皆属之。,4,二、物流业特性分析,物流系统的演进，可分为主要的三个阶段：,1.第一代物流系统：,又称为原料物流或是实体供给系统,，,主要是属于物料之采购及移动过程。,2.第二代物流系统：,又称为销售物流或是,实体分配系统,，,一般狭义的物流及意旨此系统，本研究所要探讨的问题也正是属于实体分配中货物运输的范畴。,3.第三代物流系统：,又称为企业物流系统（,Business Logistics System），,就是将上述实体供给和实体分配的各项活动，合成一个整体，予以综合管理。,5,二、物流业特性分析,而物流信息系统与一般信息系统不同的地方在于其对,资料搜集的密集性,，以及,信息的详细性和动态性,，,和数学模式的应用,上皆比一般信息系统来的高，数学模式的使用则是帮助决策的产生，例如线性规划、最短路径分析、系统仿真等，而这些特性在物流系统营运上所扮演的角色，主要是以最小的成本来处理订单以及配送的问题，以达到最佳的服务水平。,6,三、地理空间分析,关于地表空间的特征，一般来说属于空间分析的范畴，而对于地表空间型态（,pattern）,的描述，主要可分为几种指针，以点资料来说，有下列几种：,频率(,frequency ),密度(,density),几何中心(,geometric center),离散(,dispersion),排列(,arrangement),Clustered (,密集型),Scattered (,扩散型),Random (,随机型),7,群聚分析,而若要将空间中不同的点数据予以归纳分类，则必须要使用空间分析中的,群聚分析技术,（,Cluster Analysis）。,群聚型,随机型,8,群聚分析方法,1. UPGMA,利用接近值算数平均数,2.,WPGMA,加入了权重值的计算,3.,SLINK,利用最小接近值,4.,Clink,利用最大接近值,5.,Wards minimum variance method,E=(x1-Cmean1)2+(y1-Cmean1)2+.,取,MIN,9,群聚分析方法,6.K-means algorithms(Macqueen,1967),在一群需求(,demand),点中找出,k,个供应(,supply),中心的位置使得需求点至供应中心的总成本最低(邹明城 ，2000),7.,K-medoid algorithmsg (Vinod,1969),对于,K-means,法容易掉入去最佳解的问题加以修正。,8.,CLARANS (Ng and Han,1994),9.DBSCAN (Easter,1996),以空间分布的密度为考虑发展求解模式。,10. GDBSCAN (SANDER et. al,1998),10,四、,VRP,求解分析,陈文瑞（1990）曾提到：,VRP,是车辆在依序的服务地点做收货 (或，和)送货的服务，且必须依照指示依序通过这些服务地点，开始和结束在同一个出发点 (,depot or domicile)。,VRP,问题的分类,单一场站、多场站,本研究属于单一场站,11,VRP,问题探讨,本研究最主要的讨论是关于,单一场站与多车辆,路线问题之研究，在实务应用上通常都以单一物流中心，同时指派多部车辆，来达到时效性最高的顾客满意度。,这样的问题被定义为：在一广大的区域散置分布,N,各节点或顾客，每个顾客有其特定的需求量，这些需求量由某一个特定的中心站来提供，此中心站有多部车辆，每部车辆的装载量为已知，来求由配送中心到满足所有,N,各点的顾客需求的配送路线，并使,配送成本达到最小,。,12,VRP,问题求解模式,(1)先分群再排路线(,Cluster First-Route second),扫瞄法(,Gillett and Miller,1974)-,采用及坐标角度扫瞄分群。,(2),先排路线再分群(,Route First-cluster Second),(Bodin and Berman,1979)-,分群结果受先前排列之路进影响。,(3),节省法或插入法(,Saving or Insertion),节省法(,Clarke and Wright,1964)-,叫无弹性，无法视群聚状况调整,13,VRP,问题求解模式,(4),改善与交换(,Improvement or exchange),K-optimal,法(,Lin and Kernighan,1965),(5),数学规划法(,Mathematical Programming Approaches),(6),最佳解法(,Exact Procedures),(7),人机互动法(,Interactive Optimization),14,VRP,问题求解模式分析,由于,VRP,属于非完全多项式(,NP-Complete),问题，(5)数学规划法、(6)最佳解法两种方式求解复杂度随问题大小呈指数成长，近年来学者纷纷致力于启发式解法的开发。,启发式解法基本步骤（徐吉田，1993）,1.指定,K,车辆（即路线）,2.集结各需求点成一路线(启始解),3.路线改善,重新排列路线中各需求点，以得较好的路线。,将某路线的点移到另一路线,15,启发式解法基本概念,目前学界研究,VRP,问题通常采用二阶段法；,第一阶段,初始解的产生，,例如,(1)先分群再排路线、(2)先排路线再分群、(3)节省法或插入法,第二阶段,则为解的改善，,例如(4)改善与交换,本研究采用先分群后排路线的方法，但考虑以往相关研究较少将空间因子纳入考虑，故本研究引入空间分析中,群聚分析,（,Clustering Analysis）,的相关技术，来作为,VRP,的分群求解（启始解）模式。,16,五、研究架构,VRP,空间群聚求解模块,配送以及物流之空间数据库,车辆及路线的指派,物流业特性分析,VRP,求解模式分析,地理空间分析,GIS,系统,比较,其他求解策略,不同空间,Pattern,分析,归纳结果,17,六、研究方法,将空间分析中群聚分析模块应用于,VRP,初始解的求得，以离散/群聚之空间分析为基础，并以,clustering,分析为核心改进方法，来改进及评量配货地一解求法。,引入,空间量度参数,，以做为空间度量，来评定不同算法在不同空间度量上的优劣。,18,研究假设,单一场站多部车辆,道路的特性,初期考虑对称性路网，日后研究在考虑实际路网,配送点特性限制,由一部车服务,需求皆不超过一部车容量,车辆的限制型态,容量的限制,单一车种，多部车辆,行车距离的限制,19,研究假设,时窗(,Time Window),的限制,不考虑时窗限制,客户区位特性,固定已知的需求,产品本身特性,以数量考虑，视为一种商品,20,群聚分析方法,本研究考虑工具的取得以及符合研究假设需求性，初步采用,SPSS,统计软件，利用其内建之,Analyze,模块中的,Classify,的功能，采用,k-means Cluster,以及,Hierarchical Cluster,算法来做分群，另外分区域配送之,TSP,算法则采用最远内插法，利用,VB,撰写求解程序配合,VRP,标准例题做测试。,21,七、初步成果,No.,Problem Name,Nodes,Vehicle Capacity,Source,Cost and Fleet Data,#1,E-n51-k5,50,160,Christofieds & Eilon(1969),采用,Christofieds & Eilon(1969),所提出的测试例题进行测试,22,k-means Cluster,结果,23,Hierarchical Cluster,结果,24,k-means Cluster,配送结果,25,Hierarchical Cluster,配送结果,26,与过去研究之比较,初步结果,已知最佳解,KC543,HC 563,521,此结果为尚未进行改善解之初步结果，未来若配合良好都改善模块，应可达到同等水平。,但由于,SPSS,为软件包，并无法另外加入容量限制式，故外来仍可能自行开发算法分析模块进行分析。,27,八、结论,初期由于受限于软件包限制，群聚分析部份的仅限于现有功能，并且未加入容量限制，未来仍以自行撰写程序模块，作为实验验证的工具。,目前尚未就不同配送的模式讨论其不同空间分布型态下的结果，未来仍须进一步分析以了解群聚分析方法在空间群聚下的配送优势。,28,