Lokasi pabrik berkapasitas - studi kasus P1

Analitik Rantai Pasok dengan Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

Konteks

Banyak opsi untuk memenuhi permintaan produk per wilayah

Opsi	Pro	Kontra
Fasilitas manufaktur kecil di dalam wilayah	Biaya transport rendah, sedikit/tanpa bea atau tarif	Jaringan bisa kelebihan kapasitas, tidak memanfaatkan skala ekonomi
Beberapa pabrik besar dan kirim ke wilayah	Skala ekonomi	Biaya transport lebih tinggi, tarif dan bea lebih tinggi

Model lokasi pabrik berkapasitas

Model Lokasi Pabrik Berkapasitas$^{1}$
Tujuannya mengoptimalkan jaringan rantai pasok global
- Memenuhi permintaan wilayah dengan biaya terendah
- Menentukan produksi per wilayah untuk suatu produk

¹ Chopra, Sunil, and Peter Meindl. _Supply Chain Management: Strategy, Planning, and Operations._ Pearson Prentice-Hall, 2007.

Model lokasi pabrik berkapasitas

Pemodelan

Produksi di fasilitas regional
- Dua ukuran pabrik (rendah / tinggi)
Ekspor produksi ke wilayah lain
Fasilitas produksi dibuka / ditutup

gambar globe dengan produksi per wilayah

Variabel keputusan

Yang dapat dikendalikan:

$x_{ij}$ = kuantitas diproduksi di lokasi _i_ dan dikirim ke _j_
$y_{is}$ = 1 jika pabrik di lokasi _i_ berkapasitas _s_ dibuka, 0 jika ditutup
- $s$ = pabrik berkapasitas rendah atau tinggi

Fungsi objektif

Minimalkan $z = \sum_{i=1}^{n}(f_{is} y_{is}) + \sum_{i=1}^{n} \sum_{i=1}^{m} (c_{ij} x_{ij})$

$c_{ij}$ = biaya produksi dan pengiriman dari pabrik _i_ ke wilayah _j_
$f_{is}$ = biaya tetap membuka pabrik _i_ berkapasitas _s_
$n$ = jumlah fasilitas produksi
$m$ = jumlah pasar atau titik permintaan wilayah

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]))

Ringkasan

Model Lokasi Pabrik Berkapasitas:

Menyeimbangkan jumlah fasilitas produksi
Variabel keputusan model:
- Kuantitas produksi di wilayah dan diekspor
- Fasilitas kapasitas tinggi atau rendah dibuka atau ditutup
Tinjau fungsi objektif
- Menjumlahkan biaya variabel dan tetap
Tinjau contoh kode

Waktu ulasan

Analitik Rantai Pasok dengan Python