物流配銷系統下區位途程整合存貨模式之研究 劉書助 屏東科技大學資訊管理系

內容大綱 緒論 文獻探討 數學模式 探索解方法 實驗設計 結果與分析 結論與建議

緒論 背景介紹 研究動機 研究目的

背景介紹 區位途程問題 物流中心的位置、數量選擇及產品從物流中心配銷至顧客的運輸路徑選擇 物流總成本(設置成本及運輸成本等)達到最小化之目的

研究動機 區位途程問題忽略庫存因素 在物流管理中，所耗費成本：運輸46%、倉儲26%、庫存11%、裝運及驗收6%、包裝5% (Thomas and Griffin，1996)。 在區位途程考慮庫存模式中，若以最少運輸路徑成本考慮時，導致訂購量減少，運送次數增加，運輸成本增加，庫存成本減少，造成總成本增加。

研究目的 發展一整合物流中心區位、數量選擇、車輛路徑規劃及存貨控制之模式，使總物流成本最小化。 針對區位途程整合存貨模式，提出探索解。

文獻探討 解決區位途程問題的方法 庫存模式

文獻探討(區位途程) Min et al. (1998) 列舉法、數學規劃法與動態規劃法求出最佳解 探索解方法 location-allocation first, route-second route-first, location-allocation second savings/insertion tour improvement/exchange

文獻探討(區位途程) Perl and Daskin (1985) – Local optimality Srivastava (1993) – Local optimality Renaud et al. (1996) - Tabu method Tuzun and Burke (1999) – 2-stage Tabu method Wu et al. (2002) – 2-stage SA method

文獻探討(庫存模式) 確定性需求-EOQ模式 機率性需求的存貨模式 缺貨率已知 缺貨率未知 定期盤點系統（periodic review system） 連續盤點系統（continuous review system）

文獻探討(庫存模式) Hadely and Whitin (1963)

數學模式 模式假設 符號說明 模式

模式假設 每條路徑由一輛車運送，且車容量與車輛最大服務量已知。 每一子路線運送量不能超過車容量之限制。 每一子路線總需求量不能超過車輛最大服務量之限制。 候選之物流中心及顧客的位置和數量為已知。 每個物流中心設置的固定成本為已知。 車輛由物流中心出發至物流中心接著沿途拜訪各顧客最後回到物流中心。 每一顧客皆須被拜訪且僅一次。 顧客需求及物流中心供補前置時間為不確定性。 每個顧客之訂購成本假設皆相同。

符號說明 b：車容量 MaxSup ：車輛最大服務量 Qkgh ：車輛k經由點g到點h之運送總量 Dkgh ：車輛k經點g到點h各顧客之需求量總和 Zj ：若物流中心j啟用，其值為1否則為0 Yij ：若顧客i由物流中心j配送，其值為1否則 為0 Xghk ：若點g到點h是由車輛k派送，其值為1否則為0

區位途程整合存貨模式(I) Minimize

區位途程整合存貨模式(II)

區位途程整合存貨模式(III)

探索解方法 方法一: 2-stage local search method (LIV) 方法二: 2-stage SA method (SAIV) 方法三: 2-stage TA method (TAIV)

方法一(LIV)

方法一(LIV)

方法二(SAIV)

方法二(SAIV) 物流中心 j 物流中心 k 移步前 移步後 物流中心交換法 物流中心 j 物流中心 k 移步前 移步後 物流中心移除法

方法二(SAIV)

方法二(SAIV) 路徑Pj 路徑Pi 移步前 移步後 顧客交換法 Vi Vj 路徑Pi 移步前 移步後 顧客插入法 Vi 路徑Pj

方法三(TAIV)

方法三(TAIV)

實驗設計(模擬系統描述) 採用每月顧客總需求量介於450至600之間均勻分配 物流中心供應各顧客時，供補前置時間內的物品需求為0至10之間均勻分配 顧客及物流中心的位置距離以半徑距離為100平面上均勻分配 候選之物流中心設置成本為以介於400至800之間均勻分配 訂購成本為20 派車成本為25 短缺成本為2 庫存成本為0.5 距離成本為1/ unit

實驗設計(模式比較) 節省法（SAV）- Srivastava (1993) 二階段禁忌搜尋演算法（TAR）- Tuzun and Burke (1999)

實驗設計(考慮因素) 候選物流中心數量 顧客之數量 車容量 車輛最大服務量

結果

資料分析 在五種方法中，LIV、SAIV和TAIV之績效皆比SAV及TAR好，因SAV及TAR以路徑距離為考量，而本研究則同時考慮存貨與運輸路徑成本，故求得較佳解。 考量存貨因素之方法中，績效表現優劣依序為TAIV、SAIV、LIV。 當候選物流中心數量增加而顧客數量固定情況下，因較多候選物流中心可供選擇，這五種方法之總成本皆降低。

資料分析 當顧客數量增加而候選物流中心數量固定情況下，這五種方法之總成本皆增加。 當車輛最大服務量增加時，這五種方法之總成本皆增加。 當車容量增加時，五種方法之總成本皆減少。

第二階段 前述探索解以車輛最大服務量為分群之方式，求得最少路徑數(車輛數)，但運輸成本與存貨成本也相對增加，雖節省車輛購置(或承租)成本，卻付出更大的運輸與存貨成本，造成總成本增加。

Hybrid探索解(SATAIV) 結合禁忌搜尋法與模擬退火法之Hybrid探索解 TA與SA 分享相同禁忌名單，增進搜尋效率。 在每一特定溫度以TA與SA中較佳解為解，解決TA與SA搜尋之不足。

Hybrid探索解(SATAIV)

起始解

實驗設計(模擬系統描述) 採用每月顧客總需求量介於450至600之間均勻分配 物流中心供應各顧客時，供補前置時間內的物品需求為0至10之間均勻分配 顧客及物流中心的位置距離以半徑距離為100平面上均勻分配 候選之物流中心設置成本為以介於400至800之間均勻分配 車容量為 300 最大服務量為 4000 訂購成本為20 派車成本為25 短缺成本為2 庫存成本為0.5 距離成本為1/ unit

實驗設計(模式比較) 搜尋最佳解(Optimal) 禁忌搜尋法(TAIV-old)(前述第一階段最佳解) 禁忌搜尋演算法(TAIV-new) (第二階段) 模擬退火法(SAIV-new) (第二階段) Hybrid探索解(SATAIV) (第二階段)

結果(小規模問題)

結果(大規模問題)

資料分析 本階段所設計的三種方法皆比TAIV-old好 績效表現依序為SATAIV > TAIV-new > SAIV-new

結論 本研究針對區位途程問題整合存貨觀念，成功地發展一數學模式 亦深入探討模式探索解以降低物流總成本

建議 考慮多車種的情形 物流中心容量限制 考慮時間限制 模糊需求