Manage and streamline operations across multiple locations, sales channels, and employees to has improve efficiency and your bottom line.

Víceoddílové VRP

Tato verze problému obsahuje stochastické požadavky zákazníků, které se stanou známou veličinou až po stanovení trasy. Problém je obvykle modelován jako dvoustupňový (Yang a kol., 2000; Cordeau a kol., 2007).

Základní CVRPSD představil Laporte (2002). Zde je použita formulace pomocí rekurzivní funkce. Teoreticky jsou uvažovány dva typy rozdělení poptávky – Poissonovo a normální rozdělení.

Ve víceoddílových VRP se stochastickými požadavky (Mendoza a kol., 2010 a 2011; Goodson, 2015) má každý zákazník stochastickou poptávku po různých produktech, která se řídí známým rozdělením pravděpodobnosti. Tyto produkty jsou přepravovány v samostatných oddílech ve vozidlech. Rekurzivní funkci představuje cesta do skladu, jakmile je naplněna kapacita některého z oddílů ve vozidle.

Zajímavost

  • Efektivní řešení tohoto problému vede ke snížení přepravních nákladů a minimalizaci rizika kontaminace.
  • Náročnost spočívá v kombinaci dvou faktorů: víceoddílového rozdělení a nejistoty poptávky.
  • Moderní přístupy využívají simulační metody a robustní optimalizaci k minimalizaci rizika překročení kapacit.

Praktické využití

  • Distribuce potravin (např. oddělení chlazených a mražených produktů).
  • Přeprava nebezpečných chemikálií, kde je nutné striktní oddělení látek.
  • Léčiva a zdravotnický materiál, kde se různé léky a vybavení nesmí míchat.

Metody řešení

Víceoddílový kapacitní VRP se stochastickými požadavky (MC-CVRPSD) kombinuje dva komplexní aspekty: vozidla s oddělenými komorami a neurčitou poptávku zákazníků. Každý zákazník může požadovat více druhů produktů současně, přičemž každá komora vozidla má omezenou kapacitu. Poptávka v jednotlivých komorách je náhodná, což zvyšuje náročnost plánování tras i rezervy v kapacitě. Tento model je prakticky využitelný v potravinářské logistice, chemickém průmyslu, distribuci pohonných hmot i odpadovém hospodářství.

Zdroj:
[1] Yang, W.-H., Mathur, K., Ballou, R. H. (2000). Stochastic vehicle routing problem with restocking. Transportation Science, 34(1).
[2] Cordeau, J.-F., Laporte, G., Savelsbergh, M. W., Vigo, D. (2007). Vehicle routing, chapter 6. In: Barnhart C, Laporte G (eds) Transportation, vol 14. Elsevier, Amsterdam
[3] Laporte, G., Louveaux, F. V., & Van Hamme, L. (2002). An integer L-shaped algorithm for the capacitated vehicle routing problem with stochastic demands. Operations Research50(3).
[4] Mendoza, J. E., Castanier, B., Guéret, C., Medaglia, A. L., & Velasco, N. (2010). A memetic algorithm for the multi-compartment vehicle routing problem with stochastic demands. Computers & Operations Research37(11).
[5] Mendoza, J. E., Castanier, B., Guéret, C., Medaglia, A. L., & Velasco, N. (2011). Constructive heuristics for the multicompartment vehicle routing problem with stochastic demands. Transportation science45(3).
[6] Goodson, J. C. (2015). A priori policy evaluation and cyclic-order-based simulated annealing for the multi-compartment vehicle routing problem with stochastic demands. European Journal of Operational Research241(2).