DIPLOMARBEIT Titel der Diplomarbeit „Standortplanung unter Berücksichtigung von Tourenplanungsaspekten am Beispiel der Konsumgüterindustrie“ Verfasser Florian Führer Angestrebter akademischer Grad Magister der Sozial- und Wirtschaftswissenschaften (Mag. rer. soc. oec.) Wien, im August 2011 Studienkennzahl lt. Studienblatt: 157 Studienrichtung lt. Studienblatt: Internationale Betriebswirtschaft Betreuer/Betreuerin: Univ.-Prof. Dr. Karl Dörner
67
Embed
DIPLOMARBEIT - othes.univie.ac.atothes.univie.ac.at/15895/1/2011-08-21_0401242.pdf · DIPLOMARBEIT Titel der Diplomarbeit „Standortplanung unter Berücksichtigung von Tourenplanungsaspekten
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
DIPLOMARBEIT
Titel der Diplomarbeit
„Standortplanung unter Berücksichtigung von Tourenplanungsaspekten am Beispiel der
Konsumgüterindustrie“
Verfasser
Florian Führer
Angestrebter akademischer Grad
Magister der Sozial- und Wirtschaftswissenschaften(Mag. rer. soc. oec.)
Wien, im August 2011
Studienkennzahl lt. Studienblatt: 157Studienrichtung lt. Studienblatt: Internationale BetriebswirtschaftBetreuer/Betreuerin: Univ.-Prof. Dr. Karl Dörner
Verkehr und Transport Beschaffung und EntsorgungStraßennetz Roh-, Hilfs-, und BetriebsstoffeSchienennetz EnergieBinnenschifffahrt bzw. Seehafen WasserFlughafen Abfallbeseitigung
Produktion AbsatzKlimatische Bedingungen BevölkerungspotentialErsatz für Maschinen Konsumgewohnheiten
KaufkraftKonkurrenzAbsatzfördernde Einrichtungen
5 Vgl. Domschke, Drexl (1996), S. 5
5
Investition und Finanzierung Öffentliche HandBauunternehmen BevölkerungspotentialInvestitionsgüterhersteller SteuervergünstigungenKreditinstitute
Allgemeine Infrastruktur Persönliche PräferenzenWohnraum WohnlageBildungseinrichtungen Erholungs- und UrlaubsmöglichkeitenKulturelle EinrichtungenMedizinische Versorgung
Tab. 1: Katalog von Standortfaktoren6
Oftmals ist die deskriptive der normativen Standortplanung vorgelagert, um mit Hilfe
der Analyse der Standortfaktoren aus einer Menge an möglichen Standorten ein
reduziertes Set an Standorten herauszufiltern, die letztendlich in die konkrete
Planung einbezogen und mit entsprechenden Modellen berechnet werden können.
2.2.2 normative Standorttheorie
In der normativen Standorttheorie wird mit Hilfe verschiedener Modelle versucht ein
konkretes Planungsproblem zu lösen und eine individuelle Standortempfehlung
abzugeben bzw. in weiterer Folge eine Standortentscheidung zu treffen. Hierfür sind
im Besonderen zwei Modelltypen von Bedeutung:
• Modelle zur Standortbestimmung in der Ebene
• Modelle zur Standortbestimmung in Netzen
Erstere gehen davon aus, dass bei einer Anzahl n Kunden, die über eine homogene
Fläche verteilt sind, jeder Punkt innerhalb dieser Fläche als möglicher Depot- bzw.
Betriebsstandort gesehen wird. Zur Lösung des Problems werden von den Modellen
die transportkostenminimalen Standorte ermittelt, wobei die Transportkosten mit der
kumulierten Strecke, welche die Transportfahrzeuge zurückgelegt haben,
gleichzusetzen sind.
Im Gegensatz dazu, befasst sich diese Arbeit mit der Standortbestimmung in Netzen.
Gegeben ist ein Netz aus Knoten, an denen die zu beliefernden Kunden angesiedelt
sind. Verbunden sind sie durch Kanten, die Transportwege darstellen. Darüber
6 Domschke, Drexl (1996), S.9
6
hinaus gibt es eine bestimmte Anzahl an potentiellen Standorten für Betriebe oder
Depots, die durch eine Vorauswahl mittels in Kapitel 2.2.1 beschriebener Verfahren
ermittelt werden können. Für jeden potentiellen Standort lassen sich Fixkosten,
Kapazitätsbeschränkungen sowie gegebenenfalls variable Kosten berücksichtigen.
Entlang der Kanten entstehen variable Transportkosten zwischen möglichen
Depotstandorten und Kunden. Ziel ist es, einen oder mehrere optimale bzw.
bestmögliche Standorte so zu wählen, dass die Summe aus fixen Depotkosten und
variablen Transportkosten unter Berücksichtigung aller Kapazitätsbeschränkungen
minimiert wird.
Im Zuge der normativen Standortplanung sind unter anderem folgende Fragen zu
klären:
• Wie viele Depots werden zur Erfüllung der Nachfrage benötigt?
• Wo befinden sich mögliche Standorte?
• Sollen die Depots als Regional- oder Zentrallager geplant werden?
• Sind einzelne Kunden einem bestimmten Depot zuzuordnen oder frei
planbar?
• Ist das Transportproblem mit den vorhandenen Ressourcen adäquat lösbar?
2.3 Klassifizierung von Standortproblemen7
Neben der oben beschriebenen Unterscheidung zwischen Standortplanung in der
Ebene und in einem Netz, lassen sich noch eine Vielzahl weiterer Merkmale
anführen, durch die sich Standortplanungsmodelle unterscheiden können. In der
Folge sollen diese kurz diskutiert werden.
(1) Anzahl an zu planenden Einrichtungen
Grundsätzlich muss zwischen Ein- und Mehrstandort Modellen unterschieden
werden, je nachdem wie viele Standorte realisiert werden sollen. Diese
Anzahl kann einerseits durch eine Variable innerhalb eines Modells
dargestellt und berechnet werden (siehe WLP), aber auch vorgegeben sein
(insbesondere p-Median Probleme).
7 Vgl. Bruns (1998), S.22 ff.
7
(2) Einprodukt- vs. Mehrproduktmodelle
Ist im Hinblick auf Produktion und Transport nur ein einziges Produkt
vorhanden bzw. können verschiedene Produkte als ident betrachtet werden
(Volumina, homogene Verpackungseinheiten, etc.), so kann die Planung
unter Kumulierung unter einem Standardprodukt erfolgen. Ist dies nicht der
Fall, muss ein Mehrproduktmodell formuliert werden, was wiederum
Konsequenzen hinsichtlich der Komplexität mit sich bringt.
(3) kapazitierte vs. unkapazitierte Probleme
Unter kapazitierten Problemen versteht man Standortplanungsprobleme, bei
denen die Kapazität der Depots bzw. Transportmittel mengenmäßig
vorgegeben ist. Dies führt zu erhöhter Realitätsnähe allerdings bei steigender
Komplexität, insbesondere, wenn ein Kunde aufgrund von
Kapazitätsrestriktionen nicht mehr vom günstigsten Depot aus beliefert
werden kann oder die Nachfrage sogar auf mehrere Depots aufgeteilt werden
muss. Ist dies nicht der Fall, d.h. geht man von unendlich großen
Lagerkapazitäten aus, spricht man von unkapazitierten Problemen.
(4) statische vs. dynamische Modelle
Im Unterschied zu statischen Modellen, bei denen davon ausgegangen wird,
dass eine bestimmte Periode repräsentativen Charakter für die Zukunft
besitzt, ändert sich bei dynamischen Modellen die Nachfrage im Lauf der
Zeit. Hierfür muss in den Modellen zusätzlich zu geografischen
Informationen auch der Faktor Zeit miteinbezogen werden.
(5) Pendelbelieferung vs. Belieferung durch Touren
Eine weitere Unterscheidungsmöglichkeit von Standortproblemen ergibt sich
durch die Belieferungsart. Während bei der Pendelbelieferung die Kunden
einzeln und direkt angefahren werden, berücksichtigen andere Modelle
Tourenplanungsaspekte, wobei mehrere Destinationen zu einer Tour
zusammengefasst werden. Dadurch steigt allerdings wiederum der Grad der
Komplexität.
8
(6) eindeutige vs. nicht eindeutige Zuordnung der Nachfragepunkte
Bei kapazitierten Standortplanungsproblemen ergeben sich durch beschränkte
Kapazitäten die Möglichkeiten, dass ein Kunde von mehreren
Depotstandorten aus beliefert werden kann oder eine Zuordnung erzwungen
wird. Bei unkapazitierten Standortproblemen stellt sich die Frage der
Zuordnung grundsätzlich nicht, da hier die Zuordnung ohnehin von
eindeutiger Natur ist.
(7) erwünschte vs. unerwünschte Einrichtungen
In der Standortplanung kann zwischen erwünschten und unerwünschten
Einrichtungen unterschieden werden. Erstere sollen so nah wie möglich beim
Kunden lokalisiert sein. Beispiele sind Depots, Krankenhäuser,
Feuerwehrstationen, etc.
Unerwünschte Einrichtungen hingegen sollen unter Berücksichtigung der
Kostenoptimalität möglichst weit von Ballungsräumen und Wohngebieten
entfernt liegen (z.B. Mülldeponien, Kraftwerke, Schwerindustrie, etc.). Dies
führt in der Regel zu Modellen mit mehreren Zielfunktionen.
(8) Tourenplanungsaspekte
Klassifizierungen resultierend aus der Berücksichtigung von
Tourenplanungs-aspekten ergeben sich durch verschiedenste zusätzliche
Nebenbedingungen wie Zeitfenster, Fahrzeugkapazitäten, maximalen
Tourdauern, etc.
9
Kapitel 3: Modelltheorie
Wie schon eingangs erwähnt, beschäftigt sich diese Arbeit mit der Standortplanung
in Netzwerken. In diesem Abschnitt sollen die dafür wichtigsten Modelle – Median-
und Warehouse Location Problems – vorgestellt und besprochen werden. Diese
Modelle zeichnen sich dadurch aus, dass sie eine relativ einfache Möglichkeit zur
Lösung von Problemen, welche sich die Minimierung der Summe aus variablen
Transportkosten und fixen Standortkosten zum Ziel setzen, darstellen.
3.1 Medianprobleme
Medianprobleme stellen die einfachste Variante zur Standortplanung dar. Innerhalb
eines Netzes aus Knoten, welche die Nachfragepunkte darstellen, und Kanten, die die
Transportdistanz – und somit die Transportkosten – bezeichnen, soll jener Punkt
gefunden werden, der die geringste gewichtete Distanzsumme zu den einzelnen
Knoten aufweist.
Definition:8 Als Median eines ungerichteten Graphen mit Kantenbewertung dij
Knotenbewertung bj, mit jeweils nichtnegativem Charakter, bezeichnet
man jenen Knoten, bei dem minimal ist.
Ist der gegebene Graph gerichtet, d.h. dürfen bestimmte Kanten nur einseitig
befahren werden (z.B. Einbahnen), muss zwischen sogenannten In- und Out-
Medianen unterschieden werden und die Definition wie folgt abgeändert werden.
Definition:8 Innerhalb eines gerichteten Graphen bezeichnet man jenen Knoten für
den gilt als Out-Median, jenen für den mit
die Summe der gewichteten Entfernungen von i zu
jedem Knoten j minimal ist als In-Median. In diesem Sinne ist der
Median in einem gerichteten Graphen jener Knoten, für den gilt:
.
8 Domschke, Drexl (1996), S. 42
10
Medianprobleme charakterisieren sich unter anderem auch dadurch, dass keine
Depoteröffnungskosten miteinbezogen werden und die Anzahl der zu ermittelnden
Standorte extern vorgegeben und somit begrenzt ist.
Sollen mehrere Standorte gefunden werden, spricht man vom p-Median Problem, das
sic wie folgt formulieren lässt:
dij Distanz von Depot i zu Kunde j
bj Bedarf bei Kunde j
P Anzahl der zu eröffnenden Depotstandorte
xij Entscheidungsvar.: Kunde j wird von Depot i bedient
yi Entscheidungsvariable: Depot wird eröffnet
Zielfunktion:
(1)
unter den Nebenbedingungen:
für j ϵ J (2)
(3)
für i ϵ I, j ϵ J (4)
für i ϵ I, j ϵ J (5)
Die Zielfunktion (1) des p- Median Problems besagt, dass die Summe der Distanz
zwischen Depot i und Kunde j, gewichtet mit der Bedarfsmenge des Kunden j,
minimiert werden muss, sofern ein Transport zwischen Depot i und Kunde j
stattfindet. Bedingungen (2) stellen sicher, dass jeder Kunde einem Depot zugeordnet
ist, während Gleichung (3) die Anzahl der zu eröffnenden Depots P vorgibt.
11
Bedingungen (4) gewährleisten, dass ein Transport von i nach j nur dann stattfinden
darf, wenn sich an Position i auch ein geöffnetes Depot befindet.
Mit Hilfe des p-Median Modells soll in erster Linie geklärt werden, ab wann ein
zusätzliches Depot im Vergleich zum Aufwand nur mehr eine zu geringe
Kostenreduktion mit sich bringt. Desweiteren kann gezielt nach den optimalen
Standorten einer extern vorgegebenen Anzahl an Depots gesucht werden.
Da es sich bei p-Median Problemen um Spezialfälle von unkapazitierten, einstufigen
Warehouse Location Problems (kurz WLP) handelt, sind die entsprechenden
Lösungsansätze auch hierfür anwendbar.
3.2 Warehouse Location Problems (WLP-Modell)
Der Unterschied zwischen dem Median Problem und dem WLP besteht in erster
Linie darin, dass beim WLP die Anzahl der zu eröffnenden Depots nicht mehr extern
vorgegeben ist und dass für zu eröffnende Depots Fixkosten fi veranschlagt werden.
Die optimale Anzahl der zu realisierenden Lagerstandorte, sowie deren geografische
Position ergeben sich aus dem Verhältnis der Fixkosten für das Depot zur Summe
der Transportkosten.
Man unterscheidet primär zwischen unkapazitiertem und kapazitiertem WLP.
Während bei ersteren keinerlei Kapazitätsrestriktionen getroffen werden, wird schon
in der einfachsten Version des kapazitierten WLP angenommen, dass die Kapazitäten
des Lagerstandortes begrenzt sind und somit eine Maximalkapazität Mj nicht
überschritten werden darf. In weiterer Folge kann zwischen ein- und mehrstufigen
WLP unterschieden werden. Die Modelle unterscheiden sich in erster Linie dadurch,
dass mehrstufige WLP zumindest zwei Transportstufen berücksichtigen und
verschiedene Typen von Standorten gesucht werden (z.B. Zentrallager,
Verteilerdepots, Regionallager, etc.).
Da für unser Projekt angenommen wurde, dass es nur Transporte zwischen Depot
und Endkunde gibt und die Depots zudem beliebig groß sein dürfen, ist hierfür
vorrangig das einstufige, unkapazitierte WLP interessant und soll im weiteren
Verlauf der Arbeit genauer betrachtet werden.
12
Mathematisch kann das unkapazitierte WLP-Modell wie folgt beschrieben werden:
cij Transportkosten von Depot i zu Kunde j
fi Fixkosten zu Eröffnung von Depot i
xij Entscheidungsvar.: Kunde j wird von Depot i bedient
yi Entscheidungsvariable: Depot wird eröffnet
Zielfunktion:
(6)
Unter den Nebenbedingungen:
für j ϵ J (7)
für i ϵ I, j ϵ J (8)
für i ϵ I, j ϵ J (9)
(10)
Die Zielfunktion (6) des WLP summiert die entstehenden Fixkosten fi, wenn ein
Depot eröffnet wird, mit den variablen Kosten cij, die durch einen Transport von
Depot i zu Kunde j entstehen, und soll diese minimieren. Die Nebenbedingungen des
WLP stellen sicher, dass die Nachfrage eines jeden Kunden vollständig befriedigt
wird (7) sowie dass ein Kunde nur dann von einem Standort i beliefert werden kann,
wenn dort auch die Errichtung eines Depots geplant ist (8).
Der offensichtlichste Vorteil des WLP gegenüber dem P-Median Problem ist, dass
die Fixkosten, die durch die Eröffnung eines Depots entstehen, in das Modell
13
einfließen. Dies führt zu einem höheren Realitätsgrad, allerdings bei gleichzeitig
steigender Komplexität der Berechnungen. Mittels WLP wird somit neben der
Bestimmung der optimalen Standorte parallel die der Kostenstruktur des jeweiligen
Problems entsprechende optimale Anzahl an zu eröffnenden Depots ermittelt. Ein
zusätzliches Depot wird nur dann eröffnet, wenn die Summe der aufgrund kürzerer
Transportwege eingesparten Transportkosten die Fixkosten der Depoteröffnung
übersteigen.
3.3 heuristische Lösungsansätze
Aufgrund des hohen Rechenaufwands, den WLPs verursachen, wurde eine Zahl an
Heuristiken entwickelt, die zur Lösungsfindung beitragen sollen. Grundsätzlich lässt
sich die Unterscheidung zwischen
• Eröffnungsverfahren und
• Verbesserungsverfahren
treffen, die in der Folge näher betrachtet werden sollen. Über alle Verfahren gilt
folgende Notation nach Domschke und Drexl (1996):9
I Menge aller potentiellen Standorte, I := {1,…,m}
I0 Menge der endgültig verbotenen Standorte (yi endgültig fixiert zu 0)
I0vl Menge der vorläufig verbotenen Standorte (yi vorläufig fixiert zu 0)
I1 Menge der endgültig einbezogenen Standorte (yi endgültig fixiert zu 1)
I1vl Menge der vorläufig einbezogenen Standorte (yi vorläufig fixiert zu 1)
ωi Transportkostenersparnis, falls Standort i realisiert wird
F Gesamtkosten
3.3.1 Eröffnungsverfahren ADD
Dieses, zu den Greedy-Algorithmen zählende, Verfahren war einer der Ersten
wissenschaftlichen Ansätze zur Lösung von unkapazitierten WLPs und wurde in
Kuehn und Hamburger (1963) vorgestellt. Grundgedanke des ADD-Algorithmus ist
9 Vgl. Domschke, Drexl (1996), S.60 ff.
14
die Annahme, dass originär alle Standorte als vorläufig verboten angesehen werden.
Schritt für Schritt werden jene Depots, deren Eröffnung die größte Reduktion des
Zielfunktionswertes – das heißt die maximale Kostenersparnis -bedeutet, zur Menge
der endgültig erlaubten Standorte hinzugefügt. Dies wird so oft wiederholt bis durch
einbeziehen eines weiteren Standortes keine Verbesserung des Zielfunktionswertes
mehr erreicht werden kann.
Am besten lässt sich der Algorithmus wohl anhand eines Beispiels darstellen
Beispiel:10
Gegeben sei folgende Transportkostenmatrix mit i Depots und j Kunden. Die
Depotfixkosten sind durch fi beschrieben (Tab. 2).
Sankt Veit an der GlanSankt Veit an der GlanSankt Veit an der GlanSankt Veit an der GlanSankt Veit an der GlanSankt Veit an der GlanSankt Veit an der GlanSankt Veit an der GlanSankt Veit an der GlanSankt Veit an der GlanSankt Veit an der GlanSankt Veit an der GlanSankt Veit an der Glan
Bruck an der MurBruck an der MurBruck an der MurBruck an der MurBruck an der MurBruck an der MurBruck an der MurBruck an der MurBruck an der MurBruck an der MurBruck an der MurBruck an der MurBruck an der Mur
Braunau am InnBraunau am InnBraunau am InnBraunau am InnBraunau am InnBraunau am InnBraunau am InnBraunau am InnBraunau am InnBraunau am InnBraunau am InnBraunau am InnBraunau am Inn
DonauwörthDonauwörthDonauwörthDonauwörthDonauwörthDonauwörthDonauwörthDonauwörthDonauwörthDonauwörthDonauwörthDonauwörthDonauwörthLandau an der IsarLandau an der IsarLandau an der IsarLandau an der IsarLandau an der IsarLandau an der IsarLandau an der IsarLandau an der IsarLandau an der IsarLandau an der IsarLandau an der IsarLandau an der IsarLandau an der Isar
Manuele Änderungen an der automatischen Planung sind über Karte oder
Planungsfenster jederzeit möglich und auch wieder rückgängig zu machen.
6.4 Erkenntnisse
TransIT ist ausgesprochen Stammdatenintensiv. Der Datenimport sowie die manuelle
Eingabe der Stammdaten funktioniert reibungslos. Allerdings liegt in der
Datenlastigkeit zugleich der größte Vorteil wie auch die Schwierigkeiten des
Programms. Einerseits können verschiedene Planungsszenarien ohne viel Aufwand
erstellt werden. Auch die Änderung bzw. Anpassung bereits erstellter Pläne ist
einfach. Es wurden zudem viele wichtige Nebenbedingungen berücksichtigt. So ist
etwa die Beachtung von Zeitfenstern, erlaubten Liefertagen oder verschiedenste
Transportmittel-Voraussetzungen möglich. Einzig die Festlegung von
Anfahrtsrhytmen (wie etwa 2 Mal pro Woche oder alle drei Wochen) ohne die
genaue Definition des Anfahrtsdatums nicht möglich.
Die Nachteile eines großen Stammdatensatzes sind, wie üblich, ein hoher Aufwand
bei der Datenpflege. Da TransIT Stammdaten intensiv nutzt, müssen diese immer
vollständig und aktuell sein.
Die eigentliche Planungsarbeit ist intuitiv und es können eine Vielzahl an Szenarien
dargestellt werden (mehrtägige Touren, Heimataufenthalte, etc.). Aufgrund der
integrierten Karte sind die Planungsschritte übersichtlich nachzuverfolgen und es ist
eine ständige visuelle Überprüfung der Stammdaten sowie der Ergebnisse möglich.
Sind viele Dialogfenster geöffnet, sind die wichtigen Planungselemente allerdings
schnell verdeckt. Sie müssen dann entweder mühsam aus dem Weg geschoben oder
geschlossen werden. Eine Art Taskleiste ist im Programm nicht enthalten. Je größer
allerdings der zur Verfügung stehende Bildschirm ist, umso weniger fällt dieser
Schwachpunkt auf.
Für strategische Planungsaufgaben ist TransIT ob der vielen Datenvoraussetzungen
nur bedingt einsetzbar. Zur Planung konkreter, operativer Aufgaben – besonders im
Bereich von KMUs – scheint das Programm allerdings bestens geeignet.
Vorauszusetzen ist lediglich eine im Verhältnis zur Auftragszahl ausreichende
Rechenleistung.
51
Kapitel 7: Verzeichnisse
7.1 Abbildungsverzeichnis
Abb. 1: Beispielhafter Entscheidungsbaum des B&B Verfahrens............................. 19
Abb. 2: Geografische Verteilung der ca. 4500 Kundenstandorte .............................. 22
Abb. 3: Zielfunktionswerte im Verhältnis zur Anzahl der eröffneten Standorte....... 25
Abb. 4: Geografische Verteilung der 3500 wichtigsten Kunden ............................... 26
Abb. 5: Zu öffnende Depots nach dem p-Median Modell mit P=5 ........................... 28
Abb. 6: Zu öffnende Depots nach dem p-Median Modell mit P=6 ........................... 28
Abb. 7: Zu öffnende Depots nach dem p-Median Modell mit P=7 ........................... 29
Abb. 8: Zu öffnende Depots nach dem WLP Modell ................................................ 32
Abb. 9: Zu öffnende Depots nach dem WLP Modell mit bj = 1 ................................ 33
Abb. 10: Graph eines Vehicle Routing Problems ...................................................... 38
Abb. 11: Vergleich manuelle Zuordnung mit NNH vs. automatische Zuordnung durch TransIT........................................................................... 46
Abb. 12: Routendarstellung der Ergebnisse der Mustertourenplanung ..................... 48
Ich habe mich bemüht, sämtliche Inhaber der Bildrechte ausfindig zu machen und
ihre Zustimmung zur Verwendung der Bilder in dieser Arbeit eingeholt. Sollte
dennoch eine Urheberrechtsverletzung bekannt werden, ersuche ich um Meldung bei
mir.
52
7.2 Tabellenverzeichnis
Tab. 1: Katalog von Standortfaktoren ...............................................................................5
Tab. 2: Beispiel Eröffnungsverfahren ADD: Transportkostenmatrix.............................14
Tab. 3: Beispiel Eröffnungsverfahren ADD: Iteration 1.................................................14
Tab. 4: Beispiel Eröffnungsverfahren ADD: Iteration 2.................................................15
Tab. 5: Beispiel Eröffnungsverfahren ADD: Iteration 3.................................................15
Tab. 6: Beispiel Eröffnungsverfahren ADD: Lösung .....................................................16
Tab. 7: Beispiel Eröffnungsverfahren DROP: Iteration 1...............................................17
Tab. 8: Beispiel Eröffnungsverfahren DROP: Iteration 2...............................................17
Tab. 9: Beispiel Eröffnungsverfahren DROP: Lösung ...................................................18
Tab. 10: Zielfunktionswerte des p-Median Modells mit 1000 Kunden ..........................24
Tab. 11: Ergebnisse der Berechnungen des p-Median Modells mit 3500 Kunden.........27
Tab. 12: Ergebnisse der Berechnungen des WLP mit 3500 Kunden ..............................31
Tab. 13: Ergebnisse der Berechnungen des WLP mit 3500 Kunden und bj = 1 .............32
Tab. 14: Charakteristika von Tourenplanungsproblemen ...............................................36
Tab. 15: Ergebnis der Mustertourenplanung...................................................................49
Tab. 16: Auszug. Tourdetails von Tab. 15 Tour 1 ..........................................................49
53
7.3 Literatur
Arnold, D. (Hrsg.) et al. (2008).Handbuch Logistik (3. Ausg.). Berlin, Heidelberg: Springer Verlag.
Arostegui Jr., M. A., Kadipasaoglu, S. N., & Khumawala, B. M. (2006). An empirical comparison of Tabu Search, Simulated Annealing and Genetic Algorithms for facilities location problems. International Journal of Production Economics , 103, S. 742-754.
Beasley, J. E. (1993). Lagrangean heuristics for location problems. European Journal of OperationalResearch, 65 (3), S. 383-399.
Bruns, A. D. (1998). Zweistufige Standortplanung unter Berücksichtigung von Tourenplanungsaspekten: primale Heuristiken und lokale Suchverfahren. Dissertation. St. Gallen: Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften.
Buchholz, P., & Clausen, U. (Hrsg.). (2009). Große Netze der Logistik. Berlin, Heidelberg: Springer Verlag.
Cura, T. (2010). A parallel local search approach to solving the uncapacitated warehouse location problem. Computers & Industrial Engeneering , 59, S. 1000-1009.
Domschke, W., & Drexl, A. (1996). Logistik: Standorte (4. Ausg.). München: Oldenbourg Verlag.
Domschke, W., & Drexl, A. (2005). Einführung in Operations Research (6. Ausg.). Berlin, Heidelberg, New York: Springer Verlag.
Domschke, W., & Scholl, A. (2010). Logistik: Rundreisen und Touren (5. Ausg.). München: Oldenbourg Verlag.
Ellinger, T., Beuermann, G., & Leisten, R. (2003). Operations Research: Eine Einführung (6. Ausg.). Berlin, Heidelberg: Springer.
Erlenkotter, D. (1978). A Dual-Based Procedure for Uncapacitated Facility Location. Operations Research , 26, S. 992-1009.
GTS Systems and Consulting GmbH. (21. September 2009). TransIT: Einführung in die Bedienung.
Haak, L., & Tönjes, M. (2002). Konsistente Informationsbasis durch Telematiksysteme. Industrie Management ,18(5), S. 67-77.
Heisig, G., & Minner, S. (1999). OR Software: ILOG OPL Studio Version 2.0. OR Spektrum , 21, S. 419-427.
ILOG S.A. (09. September 2008). ILOG OPL Development Studio. PDF Documentation . Berkeley, California.
Janáček, J., & Buzna, L. (2008). An acceleration of Erlenkotter-Körkel’s algorithms for the uncapacitated facility location problem. Annals of Operations Research , 164 (1), S. 97-109.
Klose, A. (1998). A branch and bound algorithm for an uncapacitated facility location problem with a side constraint. International Transactions in Operational Research , 5 (2), S. 155-168.
Klose, A. (2000). A Lagrangean relax-and-cut approach for the two-stage capacitated facility location problem. European Journal of Operational Research , 126, S. 408-421.
Klose, A. (2001). Standortplanung in distributiven Systemen: Modelle, Methoden, Anwendungen.Heidelberg: Physica Verlag.
Klose, A., & Drexl, A. (2005). Facility location models for distribution system design. European Journal of Operational Research , 162, S. 4-29.
Kohlstock, P. (2004). Kartographie: Eine Einführung. Paderborn: Verlag Ferdinand Schöningh.
Körkel, M. (1989). On the exact solution of large-scale simple plant location problems. European Journal of Operations Research , 39, S. 157-173.
Lederer, D. (2007). Python und Zope als Unterrichtswerkzeuge. Diplomarbeit. München: GRIN Verlag.
Michel, L., & Van Hentenryck, P. (2004). A simple tabu search for warehose location. European Journal of Operational Research, 157, S. 576-591.
Österreichische Länder bzw. Ämter der Landesregierungen. (2011). Geoland. Abgerufen am Mai 2011 von http://www.geoland.at
Parragh, S. (27. September 2009). Tutorial. HPC-Cluster WIWI: High Performance Computing .
Okt. 2004 – Aug. 2011 Studium der internationalen BWL (Uni Wien)Spezialisierungen:
− Externe UnternehmensrechnungUniv. Prof. Dr. Otto A. Altenburger
− LogistikmanagementUniv. Prof. Dipl.-Ing. Dr. Richard F. Hartl
− Diplomarbeit zum Thema „Standortplanung unter Berücksichtigung von Tourenplanungsaspekten am Beispiel der Konsumgüterindustrie“Univ. Prof. Dr. Karl F. Dörner
2000 – 2004 BG/BRG Wieselburg/Erlauf
1996 – 2000 BG/BRG Schwechat
Berufserfahrung und Praktika:
Aug. 2010 – Feb. 2011 Robert Bosch GmbHWerk Solothurn, Schweiz, Scintilla AG
− Praktikant techn. Einkauf
April 2009 – Juni 2010 Manpower/Thomas Bruckner´s „rent a cook“
− kitchenhost
Nov. 2004 – Okt. 2009 BG/BRG Wieselburg
− Veranstaltungskoordinator, Leitung des Organisationskomitees Abschlussball
August 2006 Raiffeisen Landesbank Niederösterreich-WienAugust 2007 Filiale Breitenfurterstraße 1230 Wien
61
Abstract
Diese Diplomarbeit befasst sich mit der Standortplanung und der darauf aufbauenden
Tourenplanung für ein Unternehmen der Konsumgüterindustrie in Österreich.
In einem ersten Teil werden die Theorie und die Praxis der Standortplanung
betrachtet. Ausgehend von extern vorgegebenen Standorten von ca. 4500 Kunden
und der dazugehörigen m = n Distanzmatrix, tasten wir uns schrittweise an die
Lösung heran. Betrachtet werden Berechnungen nach p-Median sowie WLP
Modellen.
Der zweite Abschnitt der Arbeit befasst sich mit den Möglichkeiten, die eine
moderne Tourenplanungssoftware zur Lösung eines, an die Standortplanung
angeschlossenen, Vehicle Routing Problems bietet. Die Software wird auf ihre
Anwenderfreundlichkeit geprüft und mithilfe eines Musterszenarios getestet.
Die Berechnungen zu unserem Projekt werden im Wesentlichen vom enormen
Rechenaufwand dieses Problems und den dafür vorhandenen Mitteln begrenzt.
Außerdem zeigt sich, dass eine grundlegende Herausforderung bei derartigen
Projekten in der Datenkonsistenz liegt. Trotzdem können zufriedenstellende und
plausible Lösungen gefunden und aufgezeigt werden.
Danksagung
An dieser Stelle möchte ich folgenden Personen, die mich bei derErstellung dieser Arbeit – und darüber hinaus – unterstützt haben, danken:
Meinen Eltern Christine und Rudolf für die grenzenlose Unterstützung nicht nur im Zuge der Diplomarbeit, sondern während des gesamten Studiums.
Frau Mag. Elisabeth Gussmagg-Pfliegl für Ihre wertvolle Hilfe, Aufmunterung und die Beantwortung all meiner Fragen.
Frau Sophie Parragh, PhD, für Ihre Hilfestellung bei der Implementierungund bei technischen Problemen.
Herr Dr. Tore Grünert für die geduldige Beantwortung aller Fragen zu TransIT.
Dem Team des Lehrstuhls für Produktion und Logistik der Universität Wien.