چارچوب چندمرحله‌ای طراحی شبکه؛ از منطقه تا مکان دقیق

از درس دکتری

این یادداشت از درس «طراحی شبکه‌ی زنجیره‌ی تأمین» دوره‌ی دکتری من نوشته شده است. توضیح‌ها را به زبان خودم بازنویسی و مثال عددی را دوباره حساب کرده‌ام. منابع اصلی درس شامل Watson و همکاران (۲۰۱۳)، Chopra و Meindl، و Dekker و همکاران (۲۰۰۴) است.

چرا چند مرحله؟

اگر بخواهیم هم‌زمان مکان دقیق هر انبار روی نقشه را پیدا کنیم و بفهمیم در چه کشوری سرمایه‌گذاری کنیم، مسئله غیرقابل‌حل می‌شود. برای همین از کلان به خرد می‌رویم:

۱. تعریف راهبرد و داده‌ها: تقاضا، هزینه‌ها، ظرفیت‌ها، محدودیت‌های راهبردی، توابع هزینه (خطی، پله‌ای یا قطعه‌ای خطی: هزینه‌ی ثابت و نیمه‌ثابت). مشتریان را بر پایه‌ی مکان دسته‌بندی و هر دسته را با یک نقطه نماینده می‌کنیم تا مسئله‌ی کوچک شود. ۲. پیکربندی تسهیلات در سطح منطقه: در کدام مناطق کارخانه و انبار باشد و کدام منطقه از کدام تأمین شود؟ مدل عدد صحیح مختلط (MIP). ۳. مکان‌های مطلوب در منطقه‌های انتخاب‌شده را شناسایی می‌کنیم (زیرساخت، نیروی کار، قوانین). ۴. انتخاب مکان دقیق با مدل‌هایی مثل مرکز ثقل.

مدل MIP مکان‌یابی با ظرفیت

مشتری $i$ با تقاضای $d_i$، تسهیل کاندید $j$ با ظرفیت $s_j$، هزینه‌ی ثابت $f_j$ و هزینه‌ی حمل واحد $c_{ij}$:

$\min {\sum }_j{f}_j{y}_j+{\sum }_i{\sum }_j{c}_{ij}{x}_{ij}$

با قیدها: ${\sum }_j{x}_{ij}=d_i$ (همه‌ی تقاضا برآورده شود)، ${\sum }_i{x}_{ij}\le s_j{y}_j$ (ظرفیت فقط اگر تسهیل باز شود)، $x_{ij}\ge 0$ و $y_j\in \{0,1\}$.

متغیر دودویی $y_j$ تصمیم «ساخت یا نساختن» است و $x_{ij}$ جریان. مثال درس: تولیدکننده‌ی پتروشیمی با فروش بین‌المللی، با دو نوع کارخانه‌ی ظرفیت بالا (هزینه‌ی ثابت زیاد، هزینه‌ی واحد کم) و ظرفیت پایین در مناطق مختلف؛ مدل با نرم‌افزارهایی مانند اکسل Solver، GAMS، AMPL یا کتابخانه‌های پایتون (PuLP, OR-Tools) حل می‌شود. جواب بهینه می‌گوید کدام مناطق باز شود و هرکدام چه جریانی بگیرد. اگر الزامات راهبردی باشد (مثلاً حضور محلی در اروپا)، به‌صورت قید اضافه می‌شود و هزینه‌ی آن (تفاوت با جواب بدون قید) را می‌بینیم.

مرکز ثقل و روش وایسفلد

اگر $n$ مشتری با مختصات $(x_i,y_i)$ و حجم $v_i$ داریم و هزینه‌ی حمل متناسب با فاصله و حجم است، مکان تسهیل را می‌خواهیم:

• مرکز ثقل (کمینه‌ی مجذور فاصله) ساده است: $\bar{x}=\sum v_i{x}_i/\sum v_i$. ولی هزینه‌ی واقعی متناسب با فاصله است نه مربع آن.
• مسئله‌ی وبر: کمینه‌ی $\sum v_i{d}_i(x,y)$؛ جواب بسته ندارد. الگوریتم وایسفلد (۱۹۳۷) تکراری است: در هر تکرار، مختصات جدید را از میانگین وزنی با وزن $v_i/d_i$ به‌دست می‌آورد و به جواب می‌رسد.

مثال: پنج مشتری در نقاط $(0,0)$، $(10,0)$، $(0,10)$، $(10,10)$ و $(5,20)$ با حجم‌های ۱۰۰، ۱۵۰، ۲۰۰، ۱۲۰، ۸۰.

• مرکز ثقل: $(4.77,7.38)$ با هزینه‌ی کل (حجم×فاصله) ≈ ۵۰۳۵٫۵.
• وایسفلد (۶۰ تکرار): $(3.62,8.06)$ با هزینه ≈ ۵۰۰۸٫۷.

هر دو نزدیک‌اند؛ ولی وایسفلد هزینه‌ی واقعی را کمتر می‌کند. در عمل باید فاصله‌ی جاده‌ای و محدودیت‌های زمین مناسب را هم در نظر گرفت، پس این فقط یک نقطه‌ی شروع است.

هشدار

مدل‌های مکان‌یابی اغلب فرض می‌کنند تقاضا قطعی است. در عمل عدم قطعیت هست؛ برای آن نگاه کنید به طراحی شبکه‌ی چندهدفه؛ هزینه، پایداری و تاب‌آوری (برنامه‌ریزی تصادفی و استوار).

مرتبط: طراحی شبکه‌ی زنجیره‌ی تأمین؛ مفهوم و انگیزه‌ها.

مکان_یابیMIPمرکز_ثقل