Capacitated plantlocatie - casestudy P1
Supply Chain Analytics in Python
Aaren Stubberfield
Supply Chain Analytics Mgr.
Context
Meerdere opties om regionale vraag te bedienen
| Optie | Pro | Contra |
|---|---|---|
| Kleine productiefaciliteiten binnen de regio | Lage transportkosten, weinig tot geen invoerrechten | Netwerk kan overcapaciteit hebben, geen schaalvoordelen |
| Een paar grote fabrieken en verzending naar de regio | Schaalvoordelen | Hogere transportkosten, hogere invoerrechten |
Capacitated plantlocatiemodel
- Capacitated Plant Location Model$^{1}$
- Doel: het wereldwijde supplychain-netwerk optimaliseren
- Voldoen aan regionale vraag tegen laagste kosten
- Bepaal regionale productie van een product
1 Chopra, Sunil, and Peter Meindl. _Supply Chain Management: Strategy, Planning, and Operations._ Pearson Prentice-Hall, 2007.
Capacitated plantlocatiemodel
Modellering
- Productie bij regionale faciliteiten
- Twee plantgroottes (laag / hoog)
- Export van productie naar andere regio’s
- Productiefaciliteiten openen / sluiten
Beslissingsvariabelen
Wat we kunnen sturen:
- $x_{ij}$ = hoeveelheid geproduceerd op locatie _i_ en verzonden naar _j_
- $y_{is}$ = 1 als de plant op locatie _i_ met capaciteit _s_ open is, 0 als gesloten
- $s$ = plant met lage of hoge capaciteit
Doelstellingsfunctie
Minimaliseer $z = \sum_{i=1}^{n}(f_{is} y_{is}) + \sum_{i=1}^{n} \sum_{i=1}^{m} (c_{ij} x_{ij})$
- $c_{ij}$ = kosten voor productie en verzending van plant _i_ naar regio _j_
- $f_{is}$ = vaste kosten om plant _i_ met capaciteit _s_ open te houden
- $n$ = aantal productielocaties
- $m$ = aantal markten of regionale vraagpunten
from pulp import * # Initialize Class model = LpProblem("Capacitated Plant Location Model", LpMinimize) # Define Decision Variables loc = ['A', 'B', 'C', 'D', 'E'] size = ['Low_Cap','High_Cap'] x = LpVariable.dicts("production",[(i,j) for i in loc for j in loc], lowBound=0, upBound=None, cat='Continous') y = LpVariable.dicts("plant",[(i,s) for s in size for i in loc], cat='Binary')# Define objective function model += (lpSum([fix_cost.loc[i,s]*y[(i,s)] for s in size for i in loc]) + lpSum([var_cost.loc[i,j]*x[(i,j)] for i in loc for j in loc]))
Samenvatting
Capacitated Plant Location Model:
- Zoekt balans in aantal productielocaties
- Beslissingsvariabelen:
- Productiehoeveelheid per regio en export
- Hoge of lage capaciteit: open of dicht
- Doelstellingsfunctie herzien
- Som van variabele en vaste productiekosten
- Codevoorbeeld herzien
Tijd voor review
Supply Chain Analytics in Python
