MATHEMATICAL MODEL FOR MULTIPLE PRODUCTS ALLOCATION OF A DISTRIBUTION NETWORK
Article Sidebar
Main Article Content
Abstract
This paper involves a mathematical model of a multiple product allocation problem for a distribution network in Thailand. The distribution network includes four members: one factory, one internal warehouse, three external warehouses, and many customers. The problem considers multiple products, differentiated by quality level, package, and product movement, in multiple periods, with two shipment methods, and deterministic demand. The objective is to find optimal product allocation to multiple warehouses in the distribution network so as to minimize the total cost of transportation and warehouse. A linear programming model was developed to solve the problem.
บทความวิจัยนี้นำเสนอแบบจำลองคณิตศาสตร์สำหรับการจัดสรรสินค้าที่มีหลายประเภทในเครือข่ายกระจายสินค้าเครือข่ายหนึ่งในประเทศไทย ซึ่งประกอบด้วยโรงงานผู้ผลิตสินค้า คลังสินค้าที่ตั้งอยู่ในเขตโรงงาน คลังสินค้าภายนอกที่ทางโรงงานเช่าเพื่อใช้จัดเก็บสินค้าส่วนเกิน 3 แห่ง และลูกค้าในจังหวัดต่างๆ ปัญหาการจัดสรรสินค้าเพื่อจัดเก็บในคลังสินค้าต่างๆ ของบทความวิจัยนี้ มีลักษณะคือ พิจารณาสินค้าหลายชนิดที่มีความแตกต่างกันโดยระดับคุณภาพของสินค้า บรรจุภัณฑ์ และอัตราการเคลื่อนไหวของสินค้า ทำการแก้ปัญหาสำหรับหลายช่วงเวลา (ปี) รวมถึงการกระจายสินค้า 2 วิธี คือ ส่งสินค้าจากคลังสินค้าของโรงงานถึงลูกค้าโดยตรง และส่งสินค้าที่มีการจัดเก็บในคลังสินค้าเช่าภายนอก โดยใช้ค่าประมาณความต้องการสินค้าของลูกค้าต่อปีเป็นค่าคงที่ วัตถุประสงค์การแก้ปัญหาคือ เพื่อหาการจัดสรรสินค้าที่เหมาะสมที่สุดสำหรับการจัดเก็บสินค้าหลากหลายในคลังสินค้าทั้ง 4 แห่งในเครือข่ายการกระจายสินค้านี้ ที่จะทำให้ต้นทุนการกระจายสินค้าซึ่งประกอบด้วยค่าขนส่งและค่าจัดการคลังสินค้ามีค่าต่ำที่สุด ซึ่งแบบจำลองเชิงเส้นได้ถูกพัฒนาขึ้นเพื่อใช้ในการแก้ปัญหาดังกล่าว
Article Details
I and co-author(s) certify that articles of this proposal had not yet been published and is not in the process of publication in journals or other published sources. I and co-author accept the rules of the manuscript consideration. Both agree that the editors have the right to consider and make recommendations to the appropriate source. With this rights offering articles that have been published to Panyapiwat Institute of Management. If there is a claim of copyright infringement on the part of the text or graphics that appear in the article. I and co-author(s) agree on sole responsibility.
References
Askin, R. G., Baffo, I. & Xia, M. (2014). Multi-commodity warehouse location and distribution planning with inventory Consideration.International Journal of Production Research,52(7), 1897-1910.
Chopra, S. (2003). Designing the distribution network in a supply chain. Transportation Research Part E: Logistics and Transportation Review, 39(2), 123-140.
Conceição, S. V., Pedrosa, L. H. P., Neto, A. S. C., Vinagre, M. & Wolff, E. (2012). The facility location problem in the steel industry: a case study in Latin America. Production Planning & Control, 23(1), 26-46.
Hlyal, M., AIT bassou, A., Soulhi, A., El Alami, J. & El Alami, N. (2015). Designing a distribution network using a two level location capacity allocation problem:Formulation and efficient genetic algorithm resolution with an application to a moroccan retail company. Journal of theoretical & applied information technology, 72(2), 294-306.
Shankar, B. L., Basavarajappa, S., Chen, J. C. & Kadadevaramath, R. S. (2013). Location and allocation decisions for multi-echelon supply chain network–A multi-objective evolutionary approach. Expert Systems with Applications,40(2), 551-562.
Sourirajan, K., Ozsen, L. & Uzsoy, R. (2009). A genetic algorithm for a single product network design model with lead time and safety stock considerations. European Journal of Operational Research, 197(2), 599-608.
Tuzkaya, U. R. & Onut, S. (2009). A Methodology for integration based approach holonic transportation and warehousing functions of the supply network. Computers & Industrial Engineering, 56(2), 708-723.
Wu, L. Y., Zhang, X. S. & Zhang, J. L. (2006). Capacitated facility location problem with general setup cost. Computers & Operations Research, 33(5), 1226-1241.