Rozhodnutí o umístění
Tato varianta propojuje umísťovací problém (kde umístit sklady/depa/centra) se stochastickým VRP a vícecílovou optimalizací. Cílem je například najít nejlepší umístění skladu tak, aby byly optimalizovány jak náklady na doručení, tak čas doručení nebo spolehlivost.
Problémy tohoto typu se vyznačují rozhodujícím činitelem, který zpracovává několik optimalizačních kritérií najednou. Původní vícecílový kapacitní problém se stochastickou poptávkou (Tan a kol., 2007) je formulován jako minimalizace cestovní doby, počtu vozidel a motivující odměny pro řidiče.
Problémy, kdy se kapacity náhodně mění, kvůli poruchám ukazuje problém, který zahrnuje současně rozhodnutí o umístění či alokaci a směrování (Ahmadi-Javid & Seddighi, 2013). V tomto přístupu je zaveden soubor dodavatelů. Je třeba rozhodnout, kteří dodavatelé mají být uvolněni. Dále existuje množina zákazníků se známými požadavky a každý je přidělen jednomu dodavateli. Zákazníci jsou obsluhování vozidly, která mohou vykazovat poruchy.
Zajímavost
- Dochází k integraci dlouhodobého rozhodování (umístění) s krátkodobým operativním plánováním (trasy).
- Vhodné pro nové podniky nebo expanze, kde není síť center pevně daná.
- Velmi komplexní úloha: zahrnuje prostorovou, časovou i stochastickou složku.
Praktické využití
- Rychle rostoucí firmy, které chtějí optimalizovat polohu skladů.
- Pomoc v krizových oblastech (např. humanitární zásobování po katastrofách).
- Logistické řetězce, které chtějí lépe přizpůsobit síť změnám v poptávce.
Jedná se o pokročilý vícecílový stochastický model, který umožňuje:
- určit nejlepší umístění skladů/dep,
- navrhnout efektivní trasy při nejisté poptávce,
- a optimalizovat více hledisek zároveň – náklady, robustnost, spolehlivost nebo komfort obsluhy.
Metody řešení
- NSGA-II
- Programování s pravděpodobnostními omezeními
- Metoda váženého součtu
- Hybridní metaheuristiky
- Simulace Monte Carlo
Model je ideální pro strategické plánování distribučních systémů, kde se mění poptávkové chování nebo přibývají nové oblasti.
Zdroj:
[1] Tan, K., Cheong, C., Goh, C. (2007). Solving multiobjective vehicle routing problem with stochastic demand via evolutionary computation. European Journal of Operation Research, 177(2)
[2] Ahmadi-Javid, A., & Seddighi, A. H. (2013). A location-routing problem with disruption risk. Transportation Research Part E: Logistics and Transportation Review, 53.