基于零部件入场循环取货和同步配送的物流方案设计_毕业设计论文(编辑修改稿)内容摘要:

subtour breaking constraints。 ! These are not very powerful for large problems。 @FOR( CITY( J)| J GT 1 AND J NE K: U( J) = U( K) + X ( K, J) ( N 2) * ( 1 X( K, J)) + ( N 3) * X( J, K)))。 ! Make the X39。 s 0/1。 @FOR( LINK: @BIN( X))。 ! For the first and last stop we know...。 @FOR( CITY( K)| K GT 1: U( K) = N 1 ( N 2) * X( 1, K)。 U( K) = 1 + ( N 2) * X( K, 1))。 END由以上程序可得到第三条循环的具体优化路径为:041202215150按照以上的程序再将其他循环的具体数据代入运算可得其具体循环路径为:第一条循环:0169680第二条循环:031410120第四条循环:0137191811170 到此有关线路优化的求解过程就已经完结了,在对其他频次的点优化时也可以按照这个过程,先分成若干循环然后再对各循环内进行具体的优化。 车辆调度问题是典型的组合优化问题,属于 NPHard 难题,其在邮政投递、物流配送和交通运输系统等领域都有着重要的应用。 近年来随着移动商务的兴起,物流配送企业业务规模不断扩大,配送范围更加广泛,顾客订单数量逐渐增多,配送系统中的车辆调度问题受到越来越多的关注。 而且,安吉物流的运输成本占总成本的40%,车辆调度问题处理的好坏直接影响到安吉物流的经济效益和顾客的利益。 因此有必要结合实际需求对车辆调度问题进行研究,进一步完善和优化物流配送系统。 (1)该路线不存在堵塞现象,且货车之间依次行进,不存在超象。 (2) 货车满载后,货物不能再上,只得等待下一辆车的到来。 (3)安吉物流配给每条线路根据情况有不同的的货车,且装载的集装箱为标准的集装箱,即1200mm*800mm*600mm。 ,查资料得到5t的货车容积为20立方米,8t的货车为28立方米,12t的货车为32立方米,在本文假定货车统一规格均为8t,因此,其一车大概可装载48个标准级装箱,另外假定在该线路上运行的平均速度为30公里/小时,车辆在不超载的情况下满载率尽可能高;(4)供应商装货时间设为30分钟。 (5)货车统一的发车时间为早上7:00。 (1)为该线路设计一个便于操作的全天(工作日)的货车调度方案,包括起始点的发车时刻表;一共需要多少辆车;这个方案以怎样的程度照顾到了供应商和安吉物流双方的利益;等等。 (2)如何将这个调度问题抽象成一个明确、完整的数学模型,指出求解模型的方法。 本问题要求我们设计一个循环取货货车调度模型同时要考虑到调度效率,取货窗口,货车装载率以及提高安吉物流的经济和社会效益等诸多因素。 如果仅考虑提高安吉物流的经济效益,则只要提高货车的满载率,运用数据分析法可方便地给出它的最佳调度方案;如果仅考虑方便从供应商提货,只要增加车辆的次数,运用统计方法同样可以方便地给出它的最佳调度方案。 显然这两种方案时对立的。 于是我们将此题分成两个方面,分别考虑:安吉物流的经济利益,记为mg:公司的满意度;供应商的等待时间及货物能否装载,记为mc:供应商的满意度。 安吉物流的满意度取决于每一趟车的满载率,且满载率越高,公交公司的满意度越高;供应商的满意度取决于供应商等待的时间度和货物能否装载,而供应商等待时间取决于车辆的班次,班次越多等待时间越少,满意度越高;供应商的货物能否装载取决于车辆的装载率,装载率越低,供应商越,所以我们需要在这个因素中找出一个合理的匹配关系,使得双方的满意。 很明显可以知道安吉物流的满意度与供应商的满意度相互矛盾满意度达到最好。 在这里我们考虑三组相关的因素:货车,供应商与货物对模型的影响。 a) 与货车有关的因素:离开主机厂的时间,到达每一供应商的时间,在每一供应商取货的箱数,在每一供应商的停留时间,载重总数,行进速度等。 b) 与供应商有关的因素:线路上货车的位置,供应商之间的间距,货物到来的函数表示,等候运载的货物留余箱数,上一辆车离开车站过去的时间等。 c) 与货物有关的因素:到达某一供应商的时间,供应商的距离,等待货车的时间时间等。 aik :从第k个供应商提取的货物;zi:一条线路上的平均载重量;ci:每条线路的整车次;C:日所需总发车车次;sij:相邻发车货车的平均发车时差;mci : 供应商的日平均满意度;Mci:一条线路上供应商满意度;ti:第k个供应商装箱货物的时间;mct : 供应商对装箱时间的满意度;mcw: 供应商对货物是否装载的满意度; mgi: 安吉物流日平均满意度;Mgij: 一条线路上安吉物流的满意度;i=1 :表示第一条路径(此时k=0,16,9,6,8);i=2 :表示第二条路径(此时k=0,3,14,10,12,0);i=3:表示第三条路径(此时k=0,4,1,20,2,21,5,15,0);i=4:表示第三条路径(此时k=0,13,7,19,18,11,17,0);j=1,2,3,4:表示有4条取货路径。 为设计便于操作的货车店的调度方案。 根据对频次为5的每次取货箱数统计情况,要满足货车载完每个供应商的货物,则必须能载完每条线路上的最大箱数,由此建立模型,来确定发车时刻表,计算需要的车辆数,对问题依次进行分析。 (1) 每条线路上的最大需装载箱数,建立模型如下: i=1 :(此时k=0,16,9,6,8,0); i=2 (此时k=0,3,14,10,12,0); i=3:(此时k=0,4,1,20,2,21,5,15,0); I=:(此时k=0,13,7,19,18,11,17,0); j=1,2,3,4 :表示4条取货路径。 运用模型和整理出来的数据可知每条线路上的最大装箱数, 线路1 线路2 线路3 线路4最大装箱数 70 63 32 127(2)每条线路的的发车次,由案例知,其发车频次为5,因此每条线路的的发车次。 (3)安排发车时间间隔:取每个时段60除以车次数,得到该时段的平均发车时间间隔:sij=60/ cij ,固有sij=12min(4)日需车辆数 由汽车平均速度30公里/小时,;,;,;,;而且各个供应商点的需装载的箱数如下图:供应商点装箱数供应商点装箱数供应商店装箱数12884515282329216263631059172411121812751812171924670131202715146212则可根据上面的资料可得每条线路每点的需安排的车辆,这一方面数据可通过C++ 程序得到(程序见附页),则得到的数据且根据假设条件可以得到每条线路每点的应需车辆数,每条线路上的总车辆数,车辆到达各条线路上各点的时刻,其具体数据如下表格:线路1车辆数到达时间线路2车辆数到达时间线路3车辆数到达时间线路4车辆数到达时间1617:43317:05417:381318:06918:2614111:26118:15718:48639:4810312:522019:081919:228110:5612113:53229:4918410:070013:020018:1521110:3011110:465111:3217111:2915212:310013:230013:11总车辆数6699 根据问题,在考虑满意度时,应该考虑安吉物流和供应商两方的利益,我们已经知道安吉物流的满意度取决于每一趟车的满载率,安排的车次越少,对安吉物流的利益就越大,且满载率越高,公交公司的满意度越高;供应商的满意度取决于供应商等待的时间度和货物能否装载,而供应商等待时间取决于车辆的班次,班次越多等待时间越少,满意度越高;供应商的货物能否装载取决于车辆的装载率,装载率越低,供应商越满意。 由于本文是以安吉物流公司为出发点,故本文只考虑安吉物流公司的满意度。 因为我们已经将车次给安排出来了,且每条线路上的各点的需装载量已知,车辆的容积已经假定为28立方米,可装48箱标准集装箱,则可以计算出每辆车的装载率,由于安吉物流的满意度取决于装载率,故可以用装载率来表示安吉物流的满意度。 故有每条线路上的车辆装载率=每一条线路的安吉物流满意度=Mci首先计算每条线路上各点的平均装载率: ci=maij/48对于每一条线路的满意度可以对该线路上的各点进行加权平均值,则对于: i=1时,mci1=i=2时,mci2=i=3时,mci3=i=4时,mci4=因此有,对于安吉物流的满意度可以对4条线路进行平均值计算,即 Mci=(mci1+mci2+mci3+mci4)/4最后代入值进行运算可得Mci=%%,%。 这达到了安吉物流公司的要求,即是可行的。 车辆调度模型算法程序int main(){ int i,j。 int carray[4]。 int darray[4]={0,0,0,0,0}。 int xarray[4][1]={26,2,70,45}。 int xarray[4][2]={63,6,59,17}。 int xarray[4][3]={1,28,2,32,2,18,28}。 int xarray[4][4]={1,15,24,127,2,2}。 int yarray=48 int barray[4][i]。 int aarray[4][i]。 for(i=0。 i4。 i++) { j=0,ji。 do{ barray[i][j]=xarray[i][j]yarray[i][j]。 j++。 } while(barray[i][j]0)。 barray[i][j++]=barray[i][j]=0。 } for(i=0。 i4。 i++) { aarray[i][0]=barray[i][0]。 for(j=1。 ji。 j++) { aarray[i][j]=aarray[i][j1]+barray[i][j]。 }。 } for(i=0。 i4。 i++) { for(j=0。 ji。 j++) { if(aarray[i][j]darray[i]) darray[i]=aarray[i][j]。 carray[i]=darray[i]。 }。 } for(i=0。 i4。 i++) coutmax=carray[i] endl。 }在运输过程中不可避免的会遇到各种突发事件使运输中断,货物无法按时送达,公司的专业人员会根据实际情况,向系统手工输入异常的零部件需求信息,以帮助系统正常运行;或直接根据运行指南进行人工出单,以保证生产的顺利进行。 因此,如何在异常运行流程中,在保障生产顺利进行的前提下,科学的设计应急运输方案,进行合理的决策以控制运营成本是一个值得研究的问题。 只有考虑充分且方案成熟的应急准备,才能够最大程度地在各种意外层出不穷的情况下保障生产的顺利进行。 我们把运输过程中所遇突发事件一般分为以下几类: (1) 暴风、暴雨、水灾、地震、运输道路毁坏等自然灾害; (2) 车辆发生故障无法运行; (3) 交通事故; (4) 政府部门扣车检查;(5) 生产商的紧急加单、减单和并单等超过当天零部件正常需求量的25%;(6) 货物车辆被除盗或其他原因。 俗话说未雨。
阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体),仅供学习参考。 用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权,请联系我们反馈本站将在三个工作日内改正。