供应链管理实践报告2.doc

1、学 生 实 践 报 告（文科类）课程名称： 供应链管理 专业班级： 14市场营销3 学生学号： 1401105072 学生姓名： 丁聪 所属院部： 商学院 指导教师： 姜方桃 2015 2016 学年 第 2 学期 金陵科技学院教务处制实践项目名称： 最短路径、最优路径、配送中心选址 实践学时： 4 同组学生姓名： 实践地点： 7205 实践日期： 实践成绩： 批改教师： 批改时间： 指导教师评阅： 一、实践目的和要求二、实践环境与条件三、实践内容四、实践报告（附件）一、最短路径建立运输网络 1.点击【画图】【节点】，将运输城市网络图画出。点击右键，出来节点属性窗口，如图：，并赋予每个城市各自

2、权重也可不设。2.点击【画图】【连线】，建立运输网络，并赋予两点之间的权重（距离），如01：距离3千公里 ，如建立的 后运输网络如下图所示：设置关键点点击【计算】【设置关键点】，选点起始城市。计算点击【计算】【开始计算】，对配送网络进行运算，得出结果。1、理论原理配送中心运输配送系统是完成货物配送的功能子系统，也是配送中心系统中一个非常重要的组成部分。正是通过运输配送系统，配送中心才得以最终完成货物从生产商到用户的转移，实现商品的使用效用。另外，配送中心运输配送系统通过对货物的集中、合理配送有效的节约了运力，降低了整个社会的物流总成本。一般来讲，配送中心根据用户的订单，经过理货系统对货物进行拣

3、取、配货以及必要的流通加工工作以后，就可以进行货物的输送工作了，而配送中心运输配送系统正是用来完成配送中心发出货物以及运输到户功能的子系统。配送中心运输配送系统主要是通过自己掌握的运输工具、运输人员来完成配送工作的。这些配送资源可以是配送中心本身拥有的，也可以是通过租用社会运输资源获得的。另外，配送中心运输配送系统还需要通过应用一些数量化的方法以及运输技术来优化配送工作，以便达到低成本高效率完成配送工作的目的。由于配送中心每次配送活动一般都面对多个非固定用户，并且这些用户坐落地点各不相同，配送时间和配送数量也都不尽相同，如果配送中心不进行运输路线的合理规划，往往会出现不合理运输现象，如迂回运输

4、，也就是绕道，不按照最短路径进行运输；重复运输，也就是运输过程中有多余的中转、重复装卸等。不合理运输不仅造成运输成本上升，而且导致配送服务水平难以提高，因此经常对配送路线进行规划调整是大多数配送中心运输配送系统日常的一项重要工作。配送路线规划问题最早是在年被提出的，并很快引起运筹学、应用数学、组合数学、图论与网络分析、物流科学等学科的专家与运输制定者的极大重视，成为运筹学和组合优化领域的前沿与研究热点问题。目前该问题已在国内外得到大量而深入的研究，取得了很大进展。为了简化配送路线规划的求解，常常应用一些技术将该问题分解为一个或几个已经研究过的基本问题，然后再应用比较成熟的基本理论和方法，求得原

5、线路规划问题的最优解或满意解。在配送中心的配送活动中，有时需要把一批货物从配送中心调拨到某一子配送中心，但该配送中心与该子配送中心之间有多条运输路线均可到达，只是各路线的配送成本各不相同，因此我们希望找到配送成本最小的那条路线，以达到最优的配送效率。这类问题我们可以将其归结为从一个固定端点到另一个固定端点间的最短路线问题，运筹学的一个分支图论理论目前提供了一种解决此类问题的基本算法。2、计算步骤上图是我随意建立的一些运输路线及城市，我将图中的节点9作为起点，3作为终点。根据我所设的权重，计算得出，由城市9运输到城市2再运输到城市3，是图中7条路线中的最短路线。最短路线其实是解决起讫点不同的单一

6、问题。对分离的、单个始发点和重点的网络运输路线选择问题，最简单和直观的方法是最短路线发。网络有结点和线连接，线代表点与点之间的运行成本（距离、时间或时间距离的甲醛组合）。初始，出始发点为，所有节点都被认为是未解的，即均为确定是否在选定的运输路线上。始发点作为已解的点，计算从原点开始。我的计算过程如下：首先列出一张如下图所示的表格。第一个已解的就是起点0，与0直接连接的未接的结点有2、3、4。第一步可以看到3是距0点最近的结点，极为03，由于3点是唯一选择，所以它成为已解的结点。随后，找出距0点和3点最近的未解的结点，列出距各个已解的结点最近的结点，有02、01、04，记为第二步。注意：从起点通

7、过已解的结点到某一结点最近的连接点所需的时间应该等于到达这个已解结点的最短时间加上已解结点与未解结点之间的时间，也就是说，从0点进过2点到达2点的距离为03+32=40+30=70，从0点经过3点到达4点的距离为03+34=60+90=150，而从0点经过3点到达一点的距离为01+31=40+100=140，所以，现在，现在2点也已成为已解的结点。最后一步终点是1，所以最短路线为021即50+60=110。最短路线计算表步骤直接连接到未解结点的已解结点与其之间连接的未解结点相关总成本第N个最近结点最小成本最新连接1034004003*203215040+30=7025002302150+60=

8、110111021二、最优路径建立配送网络 1.点击【画图】【节点】，将配送中心客户点画出。点击右键，出来节点属性窗口，如图： 并赋予每个配送客户各权重（需求量）。如A，需求量为0.7， 。2.点击【画图】【连线】，建立配送网络，并赋予配送点之间的权重（距离或时间），如AB：距离4公里 ，如建立的 后网络如下图所示： 设置参数 点击【画图】【设置参数】，设定配送的约束条件，如单程线路 大距离为30，单程线路的 大载重为100，车型可用2吨和4吨车型。点击确认，设置完毕。 设置关键点 点击【计算】【设置关键点】，选定配送起始点。如选点P点。 计算 点击【计算】【开始计算】，对配送网络进行运算，得

9、出结果。如下图所示。得出三条配送线路。 1、理论原理在配送中心进行运输路线规划时，除了上面的两点之间最短路问题外，另一类也是最常见的问题是多点之间最短路问题。例如，在很多批发零售型配送中心的日常配送活动中，配送中心的车辆一次要顺序给多个用户配送货物，配送完所有货物后再返回到配送中心。另外，一些配送中心向所属配送网络中多个子配送中心配送货物也属于此类型。这些问题大致可以归结为基本问题中的旅行商问题和中国邮递员问题。解决该类问题有很多方法，以下介绍其中一种：节约算法。节约算法解决配送路线规划问题的基本思路是假设 P 是配送中心，A 和B 是配送点，它们相互之间的道路距离分别为a，b，c。如果用两辆

10、车分别从P 向A 和B 配送车辆行驶总里程为2a+2b，如果只派一辆车，从P 向A、B 巡回配送，则车辆行驶总里程为a+b+c。两种配送方法的车辆行驶里程差是（2a2b）（a+b+c）a+b-c，如果a+b-c，那么第二种配送方法将使车辆行驶总里程得到节约。如果给数十家、上百家用户配送时，我们可以根据节约距离的大小顺序连接各配送点并规划出配送路线，这就是节约算法的基本思路。下面我们以一个具体例子来说明节约算法的基本步骤。【图2-1】中P 是配送中心所在地，A-J 是P 的7 个配送点。它们之间的距离如图所示，括号内的数字是配送量。现在可以利用的配送车辆是装载量为2 吨和4 吨的两种厢式货车，并

11、限制车辆一次运行距离不超过30 公里。为了尽量缩短配送距离，必须求出最佳配送路线。2、计算步骤如下：图1 配送中心交通网络图1） 首先算出相互之间 短距离。根据图 1 中配送中心至各用户之间、用户与用户之间的距离，得出配送路线 短的距离矩阵，如图 2 所示。 图 2 短配送路线距离矩阵2） 从 短距离矩阵图2中计算出各用户之间的节约行程，如图3所示。 图 3 配送路线节约行程图3） 对节约行程按大小顺序进行排列，见表。 表 配送路线节约行程顺序表 4） 按照节约行程顺序表，组合成配送路线图。 初始解：从配送中心向各配送点配送。配送路线10条，总运行距离148公里，如图4所示。 图 4 初始解二

12、次解：按照节约里程的顺序大小，连接 AB，AJ，BC，组成配送路线 1，该路线装载量为 36 吨，运行里程为 27 公里。此时总配送路线 7 条，总运行距离 109 公里，需要 2 吨车 6 辆，4 吨车1 辆，如图 5 所示。 图 5 二次解三次解：按照节约里程的顺序大小，CD 和 DE 都有可能连接到二次解的配路线 1 中，但由于受车辆装载量和每次运行距离这两个条件的限制，配送路线 2 不能再增加配送点，为此不再连接 CD，只连接 DE，组成配送路线 2。该路线装载量为 18 吨，运行里程为 22 公里。此时总的配送路线为 6 条，总运行距离 99 公里，需要 2 吨汽车 5 辆，4 吨汽

13、车 1 辆。 四次解：接下来的顺序是 AI 和 EF，由于配送路线 1 不能再增加配送点，为此不再连接 A I，连接 EF 并入配送路线 2 中。此时配送路线 2 装载量为 33 吨，运行里程为 29 公里。此时总的配送路线为 5 条，总运行距离 90 公里，需要 2 吨汽车 3 辆，4 吨汽车 2 辆。 五次解：接下来按节约的顺序是 IJ、AC、BJ、BD 和 CE，但这些连接均已包括在已组合的配送路线中，不能再组成新的增加路线，为此不再连接。接下来可以将 FG 并入配送路线 2 中，这样配送路线 2 装载量为 39 吨，运行里程为 30 公里。此时总的配送路线为 4 条，总运行距离 85

14、公里，需要 2 吨汽车 2 辆，4 吨汽车 2 辆。 终解：接下来按节约的顺序是 GH，由于受车辆装载量和每次运行距离这两个条件的限制， GH 不能组合到配送路线 2 中，所以不再连接。连接 HI 组成新的配送路线 3。至此完成了全部配送路线的规划。总的配送路线一共有三条，运行距离为 80 公里，需要 2 吨汽车 1 辆，4 吨汽车 2 辆。其中配送路线 1 装载量为 36 吨，运行里程为 27 公里，需用 4 吨汽车 1 辆；配送路线 2 装载量为 39 吨，运行里程为 30 公里，需用 4 吨汽车 1 辆；配送路线 3 装载量为 13 吨，运行里程为 23 公里，需用 2 吨汽车 1 辆，

15、如图 6 所示。 图 6 终解三、配送中心选址建立配送网络 确定各暂定的配送中心的供应范围。 1.点击【画图】【节点】，将配送中心备选地点画出。点击右键，出来节点属性窗口，如图： 并赋予每个备选地点各权重（需求量）。如北京，需求量为30。 。 2.点击【画图】【连线】，建立配送网络，并赋予每个配送城市间的权重（距离或运费），如北京天津：运费70元 计算 点击【计算】【开始计算】，对配送网络进行运算，得出结果。1、理论原理配送中心选址,是指在一个具有若干供应点以及若干需求点的经济区域内,确定配送中心数目以及各配送中心的具体坐落位置。由于配送中心选址以及网点布局的决策不仅直接关系到日后配送中心自身

16、的运营成本和服务水平，而且关系到整个社会物流系统的合理化，因此配送中心选址及网点布局是配送中心建设项目规划中至关重要的问题。同时配送中心选址及网点布局决策属于物流系统长期规划项目，建设地点一旦选定则很难改变，因此在进行配送中心选址及网络布局决策中通常要全面考虑众多影响因素，这使得配送中心选址及网点布局问题一般都比较复杂，难以解决，通常需要将定性与定量技术结合起来以寻求 合适的解决方案。 由于配送中心是进行社会物流组织的重要节点，其运作模式的主要特点在于它不是从事具体商品生产的社会组织，只是从生产商中汇集各种商品资源，再进行资源分类、配送等集约化活动，以实现物流活动的规模经济性，有效地降低整个社

17、会的物流成本，所以在商品资源分布、需求状况以及运输和其它自然条件的影响下，如果将配送中心规划在同一个区域的各个地点，不同布局方案可能使整个物流系统的运作成本产生很大差异。因此在已有的客观条件下，如何设置配送中心，使得整个物流系统的费用低，客户服务效果 好，是配送中心选址以及网点布局决策的中心问题。 配送中心选址及网点布局的一般方法 配送中心选址及网点布局的方法主要有五种：解析方法、 优化线性规划方法、启发式方法、仿真方法以及综合因素评价法。在这里主要介绍一种配送中心选址的启发式的方法CELP法。 当配送中心的能力有限制，而且用户的地址和需求量以及设置配送中心的数目均已确定的情况下，可采用CFL

18、P法 （Capacitated Facility Location Problem，从配送中心的备选地点中选出总费用小的由多个配送中心 （假设有m个）组成的配送系统。2、计算步骤 这个方法的基本步骤如下： 首先假定配送中心的备选地点已定，据此假定在保证总运输费用 小的前提下，求出各暂定配送中心的供应范围。然后再在所求出的供应范围内分别移动配送中心至其他备选地点，以使各供应范围的总费用下降。当移动每个配送中心的地点都不能继续使本区域总费用下降，则计算结束；否则，按可使费用下降的新地点，再求各暂定配送中心的供应范围，重复以上过程，直到费用不再下降为止。 (1)初选配送中心地点。通过定性分析，根据配

19、送中心的配送能力和用户需求分布情况适当的确定配送中心的数量及其设置地点，并以此作为初始方案。这一步骤非常重要，因为它将直接影响整个计算的收敛速度。 (2)确定各暂定的配送中心的供应范围。设暂定的配送中心有k个，分别为s1，s2，sk ；用户有个；从配送中心到用户地的单位运输费用为hsij；以运输费用 低为目标；则可构成运输问题模型如下： 解以上运输问题，就可求得各暂定配送中心的供应范围。这可表述为如下用户集合： (3)在以上各配送范围内，移动配送中心到其他备选地点，寻求可能的改进方案。设在原定配送中心si 的配送范围Ni，除si之外，可做配送中心备选地点的还有Li个，在这些地点设置配送中心的固

20、定费用分别为Ftl，其中tlLi，则以tl为新的配送中心时，Ni内的总费用为 由下式可求得： 若utlusl，说明步骤3求出的目标函数值是步骤2求出的第i个配送中心目标函数值的一部分，则令 si = ti ；否则令si = si 。对所有k个区域重复上述过程，得到新的中心的集合 。 （4）比较新、旧配送中心集合的总费用。若前者大于或等于后者，说明已经得到了所要求的解，计算可停止。如果前者小于后者，说明新得到的配送中心地点可使总费用下降，通过改善配送中心的供应范围，还有可能进一步降低费用。为了进一步降低总费用，以新的配送系统代替原有配送系统，重复步骤 （2）至步骤 （4），直到总费用不能再下降为止。按以上步骤得到的收敛解，虽然没有得到理论上的证明，但是由于费用总是在下降的，因此在实际应用中，可以充分相信所得到的解。