航道投资风险决策研究外文翻译资料

 2022-08-02 14:02:47

英语原文共 27 页，剩余内容已隐藏，支付完成后下载完整资料

翻译p12-25

4.1.2. 配送中心的运作

我们假设配送中心要进行以下操作来分发新鲜产品：

bull;必须通过分配的车辆来满足每个交货点的需求。

bull;每辆车离开并返回配送中心。

bull;根据运输规定，车辆最大容量为15吨。

bull;交货时间窗开始于凌晨2点，结束于凌晨5点：零售商必须每天从凌晨2点至凌晨5点准备产品。根据禁止卡车在工作时间内进入城市的规定，应满足交货时间窗口的要求。

bull;卡车从哥伦比亚特区到零售商的速度为每小时10公里（km / h）：速度是指泰国运输和交通政策及规划所提供的，曼谷内部交通拥挤道路中发生最严重交通拥堵时的平均值。为了确保计划外情况下在计划的时间范围内交货，卡车的速度为10 km / h。

bull;卡车从批发商到华盛顿特区的速度为30 km / h：每个哥伦比亚特区都位于环形公路和高速公路附近。

bull;将新鲜产品卸载到每个零售商的服务时间为30分钟。

4.2 第二步：构建方案

这项研究的目的是找到配送中心的最佳位置和数量，以满足零售商的需求。为此，在表4中设计并总结了八种可能的方案。方案1假设了现有的配送网络。此外，我们提出了三种不同的方法来选择配送中心的位置。首先，对方案2中的所有八个可用设施进行了最接近的设施分析。其次，在方案3中，对满足所有需求点所需的设施数量最小化，数量可以用n表示。 最后，我们利用了最大化覆盖范围的方法，在指定的响应时间内，该方法将设施定位在可以达到所有需求点的位置。 通过增加方案3（n）保证的配送中心数量，我们可以设计方案4至8，分别由n 1，n 2，n 3，n 4和n 5表示。 即使配送中心的最小数量等于2，使用最大覆盖率方法得到的最大场景数量也应等于7（n 5）。 因此，我们最多可以有八个方案。 每种情况将进一步详细说明。

bull;方案1：仅存在一个配送中心

当前，每个批发商都将产品交付给现有的配送中心。然后，零售商应根据需求挑选产品并将其投放到零售市场（参见图5）。

方案2–8是通过假设配送中心的有多个（见图6）而设计的，方法是定位新的配送中心并设计新的运输路线以减少旅行时间和距离。

下面介绍构建方案2–8的假设的详细信息。

方案2：使用所有候选配送中心

分析假定所有候选配送中心都应作为新设施处理。 首先，使用ArcGIS中最接近的设施分析为每个配送中心分配141个零售商，要考虑到每个零售商的交货数量，交货时间窗口和卡车容量。 其次，通过使用VRPTW分析将每个配送中心的新鲜水果和蔬菜运输给一组零售商。 最后，使用LRP计算批发商的总运输时间和距离。

bull;方案3：从最小化设施问题的结果

在这种方案下，我们首先使用位置分配分析找到了覆盖所有零售商所需的最小配送中心数量。然后，将零售商分配给阻抗系数内的可能候选配送中心。最后，制定了配送中心配送产品的路线和时间表。

bull;方案4至方案8：使用最大覆盖率问题

在方案4-8中，我们首先设置了候选配送中心的数量。 通过将方案3的候选配送中心（最小化设施问题）增加到方案8（最大配送中心数量），我们可以扩展方案。 根据表4中的限制条件，使用最大覆盖率来选择最佳的候选配送中心集，它可以覆盖阻抗系数内的最大零售商数量。最后，设计了从选定的配送中心到141个零售商的运输路线。

4.3．第三步：情景分析

方案分析包括两个阶段，LAP和VRPTW。 场景分析的两个阶段进一步详细介绍如下：

bull;第一阶段：LAP

在第一阶段，从候选位置集中选择潜在位置，并将零售商分配给选定的配送中心。这些是通过减少地点数量和扩大覆盖范围来制定的。 ArcGIS网络分析工具中的位置分配分析首先通过计算最短路径成本生成起点-目的地矩阵。然后，它构建成本矩阵的编辑版本，可以通过生成一组半随机初始解获得该矩阵，并应用顶点替换启发式方法来细化这些解以创建一组更好的解[35]。元启发式方法将一组好的解决方案组合在一起，以创建更好的解决方案[35]。最后，当没有其他显著改善时，元启发式方法将以当前方法返回最佳解决方案[35]。因此，编辑矩阵，半随机初始解，顶点替换启发法和细化的元启发法的组合可以快速产生接近最优的结果[35]。

此外，时间和距离都被指定为阻抗系数。该分析将141个交付点（零售商）分配给了候选配送中心。 此外，计算所选配送中心的容量以比较每种情况下所选配送中心的平衡容量。 图7显示了方案5中的LAP（通过最大化覆盖范围）的示例。

bull;第二阶段：VRPTW

在第二阶段，使用从第一阶段：LAP中选择的配送中心的位置解决了车辆路线选择问题。 还使用基于禁忌搜索元启发式方法的ArcGIS网络分析工具获得了最佳的车辆路线。 它设计用于在一般优化问题中获得非常接近于全局最优的解决方案[36]。 元启发法的原理是探索由所有可行解组成的搜索空间，以实现使目标函数最小化的最优解[37]。 禁忌搜索与寻找新的以及更有效的方法有关，以利用与自适应记忆和响应探索相关的机制[38]。

此外，在所有情况下，距离和时间均用作阻抗。分析的重点是从配送中心到零售商以及从批发商到零售商的车辆路线，所需卡车的数量，总行驶时间和总行驶距离。为了最大程度地降低总成本，我们旨在最大程度地减少所需卡车的数量，总行驶时间和总距离。在这项研究中，所有可能的情况都是使用ArcGIS来实现的。例如，图8显示了方案5中VRP的结果，该方案使用VRPTW优化了路线。

4.4.第四步：绩效评估

在最后一步中，设计了衡量每种情况绩效的指标。在这项研究中，我们提出了定量指标，例如配送中心的数量，所需卡车的数量，总行驶距离和总行驶时间。但是，优化结果显示，有些卡车司机行驶了很长的距离，而有些卡车司机却走了短的距离。在这种情况下，由于分配不平衡问题，前卡车司机将抗议并停止工作。因此，驾驶员之间的公平性指标是根据行驶时间的标准偏差和行驶距离的标准偏差开发的。首先，我们比较了所有可能的情况。然后，将所有唯一方案的表现与相对得分进行比较，因为所有定量指标的单位都不同。绩效比较的结果有助于通过考虑实际限制条件时（例如预算和法规）来选择更好的替代方案。

5.结果与讨论

5.1．LAP和VRPTW的结果

表5总结了所有方案的LAP结果。表6列出了所有方案的VRPTW的距离和时间摘要。

关于VRPTW分析，方案1和3所需卡车的数量，总行驶时间，总行驶距离和司机之间的公平性的结果，方案1和3需要70辆卡车，这是与其他方案相比最少的卡车数量。 尽管方案8中所需的卡车数量高于其他方案，但此方案在178.50 h的总行驶时间方面显示出最佳效果。此外，方案8中有73辆需求的卡车保证了最小总行驶距离（1109.12 km）。 但是，方案7显示了行进时间（0.88）和距离（5.45）的标准偏差的最小值。 这意味着方案7保证了系统运作之间更好的公平性和平衡的工作负载分配。

另外，表6显示了与方案1相比行驶时间和行驶距离的改进。方案8展示了时间（71.76％）和距离（72.92％）的最高改进百分比。 因此，方案8在总行驶时间和距离上均显示出最佳性能。 此外，在方案7中，在驾驶员之间的公平性方面表现最佳。对于所需卡车的数量，大多数替代方案（方案3除外）显示的性能低于方案1。

5.2.配送中心的资源和所需容量的比较

为了建造一个新设施，有必要考虑项目和预算计划。要确定配送中心的数量，所需卡车的数量以及配送中心的容量，所有因素都与预算有关。因此，我们检查了两个方面来寻找投资建议。首先，我们比较了配送中心的数量和卡车的数量，以探讨配送中心数量发生变化时的关系。其次，通过比较所选配送中心的容量，分析每种方案的平衡容量。

在图9中显示了有关配送中心数量和所需卡车数量的LRP分析结果。方案1仅具有一个当前配送中心，就卡车数量而言，表现最佳（70）。方案8需要最大数量的配送中心（7个DC），但也仅需要73辆卡车，这与最小值70辆卡车相似。因此，可以得出结论，即使配送中心的数量增加，方案8也不需要更多卡车。

根据VRPTW的结果，一定数量的卡车覆盖了所有141家零售商。 由于卡车的装载运输能力有限，大多数驾驶员只能为两个零售商提供旅行服务。这是每个方案的卡车数量在70到73之间变化的主要原因。因此，每种方案的车辆预算都非常相似，基于配送中心的数量，建造配送中心的预算完全不同。

图10显示了每种情况下所选配送中心所需的容量。根据该假设，对零售商的所有需求都分配给选定的配送中心。因此，所选配送中心的所需容量之和等于总需求。考虑到为新鲜产品建造配送中心的固定成本或初始投资与产能无关，因此需要为所选配送中心设置所需产能的最低水平。 由于这取决于几个成本因素，因此应研究所选配送中心之间的容量平衡。

在图10中，可以清楚地看到所选配送中心之间容量不平衡的情况。例如，方案2中配送中心3和配送中心5的所需容量大大小于其他容量。 同样，方案2和8也显示了所选配送中心之间的容量不平衡。方案5、6和7适度地显示了不平衡的能力。因此，要在方案2中构建一个小的配送中心如配送中心3和配送中心5或在方案8中构建一个配送中心5，可能不值得进行投资。另一方面，方案3和方案4显示了均衡的容量。 因此，可以得出结论，随着配送中心数量的增加，无法保持容量的平衡。

5.3.运营比较

此外，新鲜产品的物流还应考虑到配送中心到零售商的短途运输时间和距离。图11显示了所有情况下从配送中心到零售商的总旅行时间和距离。

方案1的总行驶时间和距离均表现最差。很明显，通过添加更多的配送中心并将其放置在易于到达的高速公路位置，可以大大减少其他方案的总行驶时间和距离。这清楚地说明了为什么我们需要使用多个配送中心（不仅是最大的配送中心）来重新设计配送网络，尤其是在城市地区。

在这项研究中，我们建议使用一种新的指标，即公平性，该指标可以通过行驶时间和驾驶员之间距离的标准偏差来衡量。图12显示了方案之间的比较结果。通过考虑每个驾驶员的行驶时间和距离的公平性，方案1显示了时间和距离的最差值。与其他指标类似，其他方案在公平性方面表现出明显更佳。因此，驾驶员之间的公平性随着数量的增加而提高。

5.4.整体绩效评估

此外，应结合以下六个指标（参见图13）来评估所有可能情况的效果：配送中心数量，总行程时间，总行程距离，行程标准偏差，行程时间标准偏差和所需卡车的数量。假设所有指标具有不同的单位，我们将它们与相对得分进行比较，该相对得分是通过将方案得分的最大值除以它们而获得的。

在八个方案中，除配送中心数量外，方案1作为现有配送中心在五个指标中表现最差（请参见图13a）。有趣的是，即使我们假设使用不同的配送中心数量，所有情况下所需的卡车数量也几乎相同。显然，与方案1相比，其他方案可以保证驾驶员在行驶时间，距离和公平性上的更好表现。因此，为了选择最适合实际交通情况的方案，我们比较了方案之间的表现。结果显示在图13b中。

总之，结果可以从三个方面进行解释。首先，当新设施投资的预算被认为是当务之急时，应选择方案3作为最佳方案，因为它需要最少的资源，只需要配送中心数量（2个）以及卡车（70）。但是，由于更长的运输时间和距离，场景3需要更多的运营成本。其次，将运营成本作为重中之重时，方案8在总运输时间和运输距离中得分最高。最后，方案7在基于时间和距离的STDEV分析中，在驾驶员之间的公平性方面得分最高。

5.5.从批发商到选定地区的配送

在当前只有一个配送中心的运输系统中，每个省（中心市场）的批发商都根据需求将产品交付给配送中心。在本研究中，就像在当前系统中一样，我们假设每个候选配送中心的需求都分配给了最近的批发商。如果最近的批发商不能满足需求，则将考虑批发商的剩余产能以及从配送中心到批发商的距离，选择另一个批发商来满足剩余需求。例如，在图14中，方案4中的五个候选配送中心得到了四个批发商的支持。因此，我们应该考虑从批发商到选定配送中心的分布情况，对方案的效果进行调查和评估。

表7中汇总了从批发商到选定方案配送中心的LRP结果。与从配送中心到零售商的LRP分析的结果相似，方案1仅使用现有配送中心，表现最差，因为所有批发商只将其产品交付给单个配送中心。 同样，在只有两个配送中心的方案3中，效果是其他方案中最差的。 随着配送中心数量的增加，总运输时间和距离逐渐减少。但是，最大数量的配送中心无法保证最佳效果。从表7中可以看出，在其他方案中，具有五个配送中心的方案6显示出最佳效果，并且运输距离和时间最短。

5.6.整个分销网络的绩效评估

表8中显示了批发商通过配送中心到零售商的总运输时间和距离。就总运输时间而言，具有七个配送中心的方案8可以被视为最佳选择。在总运输距离的情况下，方案6显示了最佳效果。但是，具有四个配送中心的方案5只要最少数量的卡车。

可以得出结论，与当前现有的配送网络相比，所提出的方法可以保证更好的性能，以减少行驶时间和距离。减少车辆数量，行进距离和行进时间会导致配送成本和温室气体的减少[17,39]。建议通过考虑几个不同的因素（例如，根据可持续性，经济，社会和环境价值的定义确定的三重底线）来构建实用网络的替代方案之一。

例如，经济利益将随着总时间和距离的减少而增加，这可以减少运营成本，例如燃料成本。同时，可以增加环境效益，因为它可以减少城市

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[240815]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章