物流系统规划和设计

实验一配送中心库存管理仿真模拟实验目的：通过本次实验，将课堂所学的库存管理理论知识与实际多变量库存实际情况的应用相结合，提升对库存管理理论的理解与掌握。实验内容：本次实验主要是在需求量和订货提前期是随机变化的情况下，模拟出不同的库存管理策略（再订货点不同和订货批量不同）下全年总利润比较和全年不同订货策略下的服务水平比较，并给出最优的库存策略与库存服务水平相关实验参数如下：销售单价125原始库存40订货成本60单位库存成本0.9单位缺货成本20一、不同订货策略的全年总利润和服务水平比较在不同订货数量和再订货点的组合策略下，将得到的全年总利润填入下表表3不同订货策略的全年总利润比较订货批量再订货点10253545507510-10244.53435.214019.320158.326236.233151.4204420.418443.520342.827176.539352.843595.93017086.132992.437552.934092.046366.248551.44028486.445800.445994.745247.059207.457882.35034824.550225.649080.649899.962101.759630.46035341.150473.650828.450935.960110.558980.4同样，在不同的订货数量和再订货点的组合策略下，得到的服务水平如下表表4不同订货策略的服务水平比较一订货批量102535455075再订货点、、、

100.339730.435620.526030.580820.594520.68767200.517810.556160.608220.676710.720550.78630300.665750.753420.780820.753420.783560.85479400.813700.871230.884930.873970.904110.91233500.928770.945210.923290.956160.961640.97260600.991780.978080.980820.991780.978080.98630二、仿真结果分析在上一节中，我们得到了不同订货数量和再订货点的组合策略下的全年总利润和服务水平，观察可得到近似最优的订货策略。将最优策略、各参数的数值以及相应的全年总成本、总利润和服务水平填入下表中。表5最优模拟结果订购数量50件再订购点50件销售单价125元/件原始库存40件订购成本60元/次储存成本0.9元/件•天缺货成本20元/件订购单价90元全年总成本218098.30元全年总利润62101.70元全年服务水平0.96164三、实验心得通过本次实验，本人提升了对库存管理理论的理解与掌握。本次实验主要是利用Excel在需求量和订货提前期是随机变化的情况下，模拟出不同的库存管理策略（再订货点不同和订货批量不同）下全年总利润比较和全年不同订货策略下的服务水平比较，并给出最优的库存策略与库存服务水平。其中销售单价、原始库存、订货成本、单位库存成本及单位缺货成本均为初始给定值，利用库存系统规划和设计的基本原理和计算方法，借助Excel相关函数命令，求解不同订购数量和再订购点的条件下全年总利润、总成本及全年服务水平，最终通过观察法得出最优模拟结果。通过本次实验，本人初步了解和掌握了Excel中与库存管理和分配相关的函数，理解了库存管理成本的构成，掌握了全年总利润和全年服务水平的计算方法。并且这一次的实验做起来感觉比较有挑战力，给我最大的收获就是，做实验一定要细心、态度要端正。实验二设定行车路线实验实验目的：1、体验扫描法的原理2、应用扫描法+最近插入法解决行车路线制定问题。实验内容：针对有多辆小巴士从超市出发，到多个小区接送顾客，应用扫描法对顾客分群，画出每辆巴士的行车路线。一、案例背景某超市想利用小巴士来接送顾客以提高销售量。该超市附近共有10个住宅小区，每个小区想光顾超市的人数各不相同。超市有若干辆小巴士可供使用，一般小巴士的额定乘坐人数为20人。随机生成某一天各小区想光顾超市的人数由此设定小巴士的行车路线制定问题。超市、小区位置也在Matlab软件中随机生成。二、实验步骤1、随机生成超市和10个小区的位置，画出散点图，在图中标出各位置的名称及坐标。2、随机生成各小区的购物需求。3、建立极坐标系。计算超市到各小区距离，即极半径。计算极坐标系中各小区的角度。逆时针扫描，建立各小区扫描顺序。4、以车载容量为限制条件，用扫描法，对顾客群进行分区，并应用最近插入法规划出每辆巴士的最佳行车路线。5、打印出每辆巴士负责接送的小区，画出每辆巴士的行车路线。三、程序代码fori=1:10x(i)=rand()*10;y(i)=rand()*10;endscatter(x,y,50,'bA')fori=1:10text(x(i)+0.15,y(i),['小区',num2str(i)]);endfori=1:10gtext(['('num2str(x(i),'%4.2f')','num2str(y(i),'%4.2f')')']);endholdon;plot(6,4,'ms','MarkerFaceColor','m','MarkerSize',13)gtext('超市(6,4)')fori=1:10demand(i)=round(rand()*10+1);enda=[6,4]c=20;fori=1:10r(i)=sqrt((a(1)-x(i))A2+(a(2)-y(i))A2);endfori=1:10tan(i)=(y(i)-a(2))/(x(i)-a(1));endfori=1:10ifx(i)>=a(1)ify(i)>=a(2)theta(i)=atan(tan(i))/pi*180;elsetheta(i)=atan(tan(i))/pi*180+360;endelsetheta(i)=atan(tan(i))/pi*180+180;endend[T,I]=sort(theta);num=1;L{num}=[];fori=1:10ifc-demand(I(i))>=0L{num}=[L{num}I(i)];c=c-demand(I(i));elsenum=num+1;L{num}=[];c=20;L{num}=[L{num}I(i)];c=c-demand(I(i));endendfori=1:numL{i}end四、实验结果五、实验心得本实验的主要研究对象是为接送顾客的车辆提供最佳路径。车辆从超市出发，服务于若干顾客群之后返回超市，车辆有载客容量限制，且对于需求点而言一个需求点只能被服务一次，目标函数为行驶距离最短。在程序实现中我们利用matlab随机数生成器随机生成各小区的位置坐标信息以及需求量大小，然后建立极坐标系，计算超市到各小区距离和极坐标系中各小区的角度。逆时针扫描，建立各小区扫描顺序。最后使用扫描法，对顾客群进行分区，并应用最近插入法，规划出每辆巴士的最佳行车路线。然后得到实验仿真结果如上图所示。通过本次实验本人初步掌握