Ruttplanering Vad är det??.

En presentation över ämnet: "Ruttplanering Vad är det??."— Presentationens avskrift:

1 Ruttplanering Vad är det??

2 Ruttplaneringsproblem En definition
”Att finna en så effektiv distributionsplan som möjligt för att försörja ett antal kunder i ett område. Distributionen sker från en eller flera terminaler med fordon som kör vissa rutter. Rutterna ska konstrueras så att alla kunders efterfrågan tillgodoses utan att fordonens lastkapacitet överskrids.” Det låter ju enkelt och självklart men är det enkelt??

3 Ruttplaneringsproblem har villkor
Villkor är något som måste uppfyllas tex: En maximal körsträcka En maximal körtid Fordonets kapacitet (maxlast) Tidskrav (lossa före visst klockslag) OSV

4 Ruttplaneringsproblem har mål
Mål är det man strävar mot, exempel: Lägsta totala transportkostnad Kortast totala körsträcka Så få rutter som möjligt OSV Målen kan stå i konflikt med varandra, t ex lägsta kostnad – kortast tid

5 Ruttplaneringsproblem Kan se olika ut
”Det klassiska problemet” ”Handelsresandeproblemet”

6 Ruttplaneringsproblem Ett komplext problem
Många möjliga lösningar Skiljer på ”tillåtna” och ”otillåtna” lösningar. Antalet lösningar ökar lavinartat med antalet besöksställen Andra saker komplicerar också, tex olika fordonstyper, flera terminaler, olika tidsfönster, varor som inte går att samlasta, osv

7 Ruttplaneringsproblem Många lösningsmetoder
Optimerande  Icke Optimerande En icke optimerande metod Den enklaste? ”Svepmetoden”

8 Svepmetoden Ett exempel
Villkor: Max 15 enheter/bil. Max 4 st bilar Mål: Lägsta transportkostnad Kund nummer: Efterfrågar : 4 st 10 st 4 st 3 st 3,5 st 5 st Kostnadstabell

9 Svepmetoden Villkor: Max 15 enheter/bil. Max 4 st bilar Mål: Lägsta transportkostnad Kund nummer: Efterfrågar: ,5 5 1 2 Bästa lösningen som kan åstadkommas med Svepmetoden. Kostnad: 161. Dock ingen garanti för optimalitet. 3 4 6 5

10 Fallet KoS KoS skaffar egen bil för att själva kunna sköta distributionen i närområdet. Sju kunder ska besökas. Alla ska ha leverans en gång per vecka. Skapa ett förslag till ruttplanering utifrån att det ska vara den lägsta kostnad som går att få fram med Svepmetoden. Men först lite annat………..

11 Ruttplanering i lagret
Ruttplanering i lagret? Vilken väg ska plockaren ta om det är plockaren – till – produkten som gäller? Man räknar med att ca 50% av plockarens tid går till förflyttning 20% sökning, 15% plockning, 10% start av order och 5% annat Finns alltså mycket att vinna om tiden för förflyttning kan effektiviseras Även här finns optimerande och icke optimerande metoder

12 Ruttplanering i lagret? Metoder
Optimerande metoder är mycket beräkningstunga Finns ett antal icke optimerande (heuristiska) metoder för att lösa problemet Några exempel på sådana metoder: S-shape Largest Gap Combined Aisle-by-aisle

13 Svarta rutor är gods som ska plockas.
En typisk lagerlayout Fyra * sex gångar. Tre block. Svarta rutor är gods som ska plockas. En plats, (depot), som plockrundan utgår ifrån och där godset sedan lämnas

14 Fortsätter den gången så länge något ska plockas i det blocket.
S-shape Startar med den gång som är närmast utgångs- punkten och där det finns objekt att plocka. Fortsätter den gången så länge något ska plockas i det blocket. Varje gång som innehåller minst ett objekt passeras i hela dess längd (inom respektive block).

15 Largest Gap Startar på samma sätt som S-shape med gången närmast utgångs- punkten. Fortsätter så länge något ska plockas i det blocket. Gå in i varje gång, plocka objekt och ut samma väg. Den sista gången i blocket passeras i sin helhet. Tar ett block i taget.

16 Combined För varje block görs en beräkning med en dynamisk prog-rammerings-algoritm. Förflyttning mellan block görs den kortaste vägen. Startar på samma sätt som S-shape o Largest Gap. Besöker varje huvudgång som inne- håller plockobjekt exakt en gång.

17 Väljer den som ger kortast avstånd.
Aisle-by-aisle Algoritmen beräknar vilken korsande gång som ska användas för att gå från en huvudgång till en annan. Väljer den som ger kortast avstånd. Man börjar till vänster och tar en huvudgång i taget (om den innehåller plockobjekt).

18 Optimal Det går att använda optimerande algoritmer.
Här ett exempel på resultatet av en sådan. Beräknings-arbetet blir dock omfattande och komplexiteten ökar snabbt när antalet block och gångar ökar.

19 Simulering Att prova sig fram
Detta lämpar sig väl för simulering Kan vara svårt/dyrt att testa ”i verkligheten” En plats på Internet där simulering kan göras Dock begränsad vad gäller optimerande algoritm Här går också att optimera layout för plocklager Gå till Interactive Warehouse