Spelling suggestions: "subject:"tidsutnyttjande"" "subject:"resursutnyttjande""
1 |
Beslutsstöd för lagerhantering : Matematisk optimeringsmodell för godsplanering och simuleringHallberg, Daniel, Gustavsson, Klas January 2013 (has links)
Det är allt vanligare inom tredjepartslogistik att kunder hyr en yta för lagring. För den uthyrande parten, i detta fall Delta Terminal, är arean den begränsande faktorn för hur stor yta som kan hyras ut. Idag använ-der sig Delta Terminal av beslutsunderlag i form av lokalernas area och erfarenhet vart gods ska placeras och har inget hjälpmedel för att beräkna vart och hur mycket gods som kan allokeras för att använda så liten yta som möjligt. Studiens syfte har därför varit att ta fram ett faktabaserat hjälpmedel som kan användas som beslutsunderlag. För att uppnå syftet har en matematisk modell utvecklats för att optimera hur gods kan placeras till olika lokaler för att använda så liten area som möjligt och även kunna simulera förändringar. Modellen testades genom att jämföra den maximala godsvolym som lagrades 2012 mot optimeringsmodellens lösning baserat på samma gods- och lokaldata. De vanligaste godstyperna hos Delta terminal var bulk, storsäck och pall och användes i modellen. För dessa så approximerades den förväntade area- och volymåtgång vilket också gav beslutsfattaren en förväntad volymkapacitet för respektive lokal och gods. Resultatet i den optime-rade lösningen visade att ett av godsen skulle kunna flyttas till en annan lokal vilket skulle innebära att ungefär 25 procent mindre area används jämfört med den area som godsets placering upptar idag. Dessutom innebar den optimerade lösningen att tre lokaler frigjordes. Resultatet från simulering av volymkapaciteten för respektive gods och lokal kan hjälpa till vid en beslutssituation om en viss godsvolym får plats i lokalen eller inte och kan därmed hjälpa till att anpassa lokalens kapaci-tet mot godsets volym. Modellen fungerar teoretiskt och skulle kunna implementeras som ett användbart verktyg för beslutsfattaren i frågor som rör optimering eller simulering av ytorna. Vid en implementering gäller det emellertid att modellen valideras och jämförs mot verkliga utfall. / An increasingly common part in third party logistics is that customers rent an area for storage. For the party that leases out the area, in this case Delta Terminal, the area is the limiting factor for the amount of how much can be let out to lease. Today Delta Terminal uses decision sup-port in the form of premises area and experience where goods should be placed and have no means to calculate where and how much goods that can be allocated to use as small space as possible. The purpose of this study was therefore to develop a data based tool that can be used as support in the decision process. To achieve the objective a mathematical model was developed to optimize how freight can be placed at different locations to use as small an area as possible and also be able to simulate changes. The model was tested by comparing the maximum amount of cargo during 2012 against optimization model solution based on the same freight and local data. The most common goods handled at Delta Terminal were bulk, big bags and EUR-pallets and were used in the optimization model. For those goods an approximation of the expected area and volume was made that gave the decision maker an expected volume capacity for each local and goods. The result showed with the optimized solution that one of the goods could be moved to another storage place which would release approximate 25 percent reduction in area compared to where the goods are placed today and also three of the local spaces were released. The result from simulation of the volume capacity of each goods and local can help in a decision situation if a given volume of goods will fit in the local space and thus help to adapt the local capacity against the goods volume. Theoretically the model works and could be implemented as a useful tool for decision-makers on issues related to optimization or simulation of surfaces. However, when implementing the optimization model it is important to validate and compare the model’s result against actual outcomes.
|
Page generated in 0.0384 seconds