Страницу Назад
Поискать другие аналоги этой работы
Сменно-суточное планирование перевозок продукции ООО «Ангстрем» в условиях мегаполиса (дипломный проект)ID: 235963Дата закачки: 06 Мая 2023 Продавец: Abibok (Напишите, если есть вопросы) Посмотреть другие работы этого продавца Тип работы: Диплом и связанное с ним Форматы файлов: Microsoft PowerPoint, Microsoft Word Сдано в учебном заведении: МАДИ (ГТУ) Описание: ДИПЛОМНЫЙ ПРОЕКТ Тема диплома: «Сменно-суточное планирование перевозок продукции ООО «Ангстрем» в условиях мегаполиса» Объект: ООО «Ангстрем», транспортный отдел Предмет: формирование сменно суточных маршрутов движения. Цель: разработке сменно-суточного графика перевозок продукции предприятия в условиях рыночных отношений крупного мегаполиса Задачи: • изучение производственной деятельности и существующей организации перевозок продукции грузовладельцев; • анализ сменно-суточных планов доставки, сформированных транспортным отделом; • разработка сменно-суточного плана маршрутизации перевозок по выбранной модели, типу подвижного состава и перечню ограничений; • расчет экономической эффективности предлагаемых мероприятий по совершенствованию планирования и организации перевозочного процесса • расчет экологической эффективности Актуальность диплома связана с транспортной составляющей стоимости конечного продукта, сокращением времени доставки продукции ООО «Ангстрем» до потребителей, повышением конкурентоспособности фирмы путем грамотного планирования маршрутов. Структура работы представлена введением, пятью главами, заключением и списком литературы. Дипломная работа выполнена на 102 страницах, содержит 39 таблиц, 35 рисунок; графическая часть на 14 листах. Содержание Аннотация 6 Введение 7 1. Производственная деятельность предприятия 9 1.1 Общая информация о предприятии ООО «Ангстрем» 1.2 Продукция, транспортная тара и упаковка 13 1.3 Подвижной состав 16 1.4 Работа транспортного отдела 17 1.5. Анализ сформированных сменно-суточных заданий Выводы по первой главе 34 2. Методика планирования перевозок по развозочным маршрутам 35 2.1 Теоретические аспекты 35 2.1.1 Модели маршрутизации перевозок и критерии оптимизации 35 2.1.2 Математическая модель постановки задачи 38 2.1.3 Алгоритм эвристического метода «функций выгода» 2.2. Практические применение методики. Построение маршрутов 46 Выводы по второй главе. 65 3. Корректировка маршрутов в условиях мегаполиса 66 Выводы к третьей главе 78 4. Влияние маршрутизации на производственно-экологическую безопасность. 78 4.1 Общие аспекты ПЭБ ООО «Ангстрем» 78 4.2 Расчет экологической эффективности 82 Выводы по четвертой главе 88 5. Расчет экономической эффективности 89 5.1 Экономический смысл планирования перевозок 89 5.2 Расчеты экономической выгоды в связи с предложенным планированием маршрутов 91 Выводы по пятой главе 99 Список используемых источников информации 101 Выводы по первой главе 1. ООО «Ангстрем» - активно развивающийся мебельный холдинг, крупное российское предприятие по производству корпусной и мягкой мебели для дома. Предприятие имеет свою розничную и оптовую сеть, включая собственный транспортный отдел. Составлены долгосрочные контракты с перевозчиками. 2. На примере московского транспортного отдела за время прохождения преддипломной практики, я делаю вывод, что необходимо развиваться дальше. Транспортный отдел развивается медленнее, чем растет торговая сеть. Ведущий логист с его системой планирования перевозок, основывающейся на личном опыте, не успевает обрабатывать все заявки. Нужна систематизация процесса и увеличение количества сотрудников. Такая транспортная политика предприятий Москвы так же обусловлена государственной программой города Москвы «Развитие транспортной системы на 2012-2016 гг.» 3. К вышесказанному, хочу добавить, что, на мой взгляд, целесообразно учитывать временные рамки доставки груза, предъявляемые клиентом, это нововведение повысит конкурентоспособность фирмы. 2. Методика планирования перевозок по развозочным маршрутам 2.1 Теоретические аспекты 2.1.1 Модели маршрутизации перевозок и критерии оптимизации Маршрутизация перевозок - это составление маршрутов движения подвижного состава или его порядок следования между пунктами производства и потребления. При маршрутизации учитывается множество ограничений, вызываемых условиями работы транспорта: объемы перевозок, характер грузов, время их доставки, структура парка подвижного состава и его наличие, режим работы автотранспортных предприятий и погрузочно-разгрузочных пунктов, режим работы водителей, пропускная способность погрузочно-разгрузочных пунктов и дорожной сети и др. При решении задач маршрутизации применяются математические модели, направленные на определение наилучшего результата по какому-либо одному показателю (критерию) или одновременно по нескольким показателям (интегральный критерий). Одной из сложных проблем разработки математической модели с обобщенным критерием оптимальности является объединение различных целей в одну. Для сопоставления разнокачественных целей планирования используют оптимизационную модель с векторной целевой функцией, которая включает в себя частичные целевые функции, выражающие степень удовлетворения различных потребностей. Решение считается субоптимальным, если оптимизация производилась по одной из частичных целевых функций. В общем случае множество решений при различных критериях оптимальности не совпадают. Поэтому в качестве целевой функции выбирают ту, которая обеспечивает наилучшее решение с точки зрения совокупности частичных критериев оптимизации и дает возможность реализовать задачу. Критерий оптимальности, с одной стороны, должен максимально отражать физическую сущность процесса, что значительно усложняет его математическую запись, а с другой - быть простым в обращении. Поэтому естественно желание работать со стоимостными показателями, такими как прибыль, расходы, себестоимость. В свою очередь, данные показатели без значительного ущерба для плановых решений могут быть преобразованы в натуральные величины (производительность, пробег, коэффициент использования пробега и др.). В связи с тем, что на этапе сменно-суточного планирования автомобильных перевозок не решаются вопросы, связанные со строительством автотранспортных предприятий, реконструкцией транспортной сети, формированием парка подвижного состава и др., от критерия максимизации прибыли можно перейти к критерию минимизации расходов, а затем к более простым выражениям с натуральными показателями. Это в значительной степени может упростить алгоритм решения и сократить время на формирование плана перевозок. Наиболее универсальным с точки зрения количества входящих в него величин является критерий максимизации производительности подвижного состава. Следует отметить, что оптимизация по нескольким показателям, входящим в выражение функции цели, более трудоемка и при этом необходимо наличие совокупности вычислительных схем, реализующих каждый показатель. При сменно-суточном планировании существующими методами добиться такого результата сложно из-за нестабильного расположения исходных и промежуточных данных на различных этапах расчетов, что приводит к изменению планов. В настоящее время в качестве критерия оптимальности при маршрутизации перевозок грузов помашинными и мелкопартионными отправками принимают такие натуральные величины, как общий пробег, холостой пробег, коэффициент использования пробега, количество транспортных средств, использование провозных способностей парка, производительность подвижного состава и др. Статьи расходов в смете затрат при сменно-суточном планировавши зависят от двух показателей: общего пробега и количества используемых автомобилей. При развозочной (сборочной) маршрутизации критерий количества автомобилей не учитывает степень компактности расположения пунктов в маршрутах, что приводит к увеличению общего пробега. Поэтому при маршрутизации перевозок, производимых по данной технологии, в качестве критерия оптимальности применяют в большинстве случаев показатель суммарного по всему парку автомобилей общего пробега. Построение маршрутов осложняется наличием большого, измеряемого сотнями единиц количества грузополучателей (задача больших размерностей), а также техническими, технологическими и организационными ограничениями транспортного процесса. От того, насколько удачен выбор алгоритма расчетов, зависит эффективность принятия управленческих решений, а также реализация сформированных сменно-суточных планов в виде сменно-суточных заданий водителям. При планировании перевозок используют как точные методы, базирующиеся на моделях математического программирования, так и приближенные. Те и другие имеют свои положительные и отрицательные стороны в применении. Так, первые, дающие с позитивной точки зрения точный результат, громоздки, требуют значительного времени на расчеты и слабо адаптированы к учету ограничений. Негативное влияние приближенных результатов решений второго класса методов компенсируется быстротой расчетов для задач больших размерностей с десятками ограничений и возможностью реализации в алгоритмах опыта экспертов (диспетчеров). Ко второму классу относят: • методы случайного поиска; • методы локальной оптимизации; • методы, основанные на эвристических процедурах принятия решений (эвристические методы). Выбранный метод решения должен обеспечивать возможность разработки быстродействующего пакета программ как для формирования сменнотсуточного плана перевозок, так и для оперативного воздействия на него при сбоях в процессе реализации. Это позволит диспетчеру поддерживать систему в устойчивом состоянии выполнения плана маршрутизации. [1] 2.1.3 Алгоритм эвристического метода «функций выгода» Алгоритм приближенного (эвристического) метода «функций выгоды» (Кларка-Райта) рассмотрим на примере задачи развозки груза от одного поставщика множеству потребителей. Принцип работы метода в том, что маятниковые маршруты, исходящие из одного грузообразующего пункта (ГОП), попарно объединяются в кольцевые для получения на каждом шаге максимального «выигрыша» (оценки, выгоды, «функции выгоды») - ∆i,j ∆i,j = l i,o + l o,j – l i,j , где l i,o – кратчайшее расстояние от пункта i до ГОП l o,j - кратчайшее расстояние от ГОП до пункта j l i,j - кратчайшее расстояние между пунктами i и j. Смысл «выигрыша» заключен в сокращении пробега автомобилей при замене двух маятниковых маршрутов (0, i, 0) и (0, j, 0) кольцевым, состоящим из двух пунктов: (0, i, j, 0). Формируется матрица оценок комбинаций объединения пунктов i и j (i,j = 1,2…,n) в пары. Вначале в маршрут включают пару вершин, имеющую максимальное значение «выигрыша». При очередном шаге подключения производится либо на входе в маршрут (в точку i), либо на выходе (из точки j). В данном случае отыскивается максимальный «выигрыш» в столбце i и в строке j матрицы оценок, в зависимости от которого производят подключение очередного пункта в строящийся фрагмент маршрута. На каждом шаге осуществляется проверка на удовлетворение ограничениям (грузовместимости автомобиля, времени нахождения в наряде, сроков доставки груза и др.). Формирование маршрута заканчивается при исчерпании списка вершин (все ГПП обслужены) или отсутствии возможности подключения очередного пункта без нарушения заданных ограничений. В последнем случае приступают к построению очередного маршрута. Процедура повторяется до включения всех пунктов в маршруты. Условие неделимости мелкой партии груза подразумевает, что в каждом пункте маршрута автомобиль совершает лишь одну разгрузку. Алгоритмически это осуществляется вычеркиванием строк и столбцов, а также блокировкой элемента (клетки) в матрице. Например, если на первом шаге включена пара f, p, то в матрице оценк вычеркивается строка f и строка р, блокируется элемент р-f. Если на очередном шаге фрагмент маршрута имеет вид (О,…,а, f, p,…,О), т.е. произведено подключение пункта а, то вычеркивается строка а и столбец f с блокировкой клетка р-а. В общем случае блокируется клетка с координатами окончания и начала фрагмента маршрута. Дополнения к алгоритму метода «функций выгоды» и возможные действия приведены в таблице. [1] Табл. 2.1 Дополнения к алгоритму метода «функций выгоды» [1] Возможные ситуации Предлагаемые действия 1. При выборе пары вершин обнаружено несколько одинаковых максимальных оценок Выбирается любая из пар и включается в решение. Руководствуются особыми соображениями, например, визуально на транспортной сети выбирается пара, дающая лучшую траекторию движения автомобиля 2. Закончено формирование очередного маршрута (О,…,f,a,…,i,…,p,О) Произвести дополнительные вычеркивания столбца f и строки р. Иначе пары с этими пунктами войдут в другой маршрут, нарушив условие неделимости мелкой партии груза 3. При подключении очередной пары i,j срабатывает ограничение по а) грузовместимости пара i,j возвращается в матрицу. Выбирается очередная со следующей максимальной оценкой. При повторе ситуации действия повторяются. Заканчивается построение при отсутствии возможности отыскания пары вершин с допустимой характеристикой б) сроку доставки груза получателю аналогично 3.а в) времени нахождения в наряде или на маршруте пару i,j возвращают в матрицу оценок. Вид фрагмента (О,…,f,…i,…,О). По матрице кратчайших путей проезда определяют вершины, лежащие на путях проезда между точками O,f и i,О. В случае попадания в эти вершины грузопоглащающих пунктов производится их включение в маршрут с проверкой на другие ограничения. Для наглядности алгоритм можно представить в виде блок-схемы. Рис. 2.2 Блок-схема алгоритма эвристического метода «функций выгоды» [1] 2.2. Практические применение методики. Построение маршрутов Первый шаг в построение маршрутов методом Кларка-Райта – это составление матрицы кратчайших расстояний. Для упрощения этой задачи я использовала программу, разработанную на кафедре «Автомобильные Перевозки» Московского Автомобильно-Дорожного Государственного Технического Университета. Так же понадобился справочник улиц и проездов города Москвы, благодаря которому была составлена промежуточная таблица перед использованием программы. Табл. 2.2 Список потребителей с указанием номеров соответствующих вершин. № п/п Адрес № вершины масса объем 1 Москва, ул. Красноярская, д.1 1060 392 0,869 2 Москва, ул.Первомайская, д.166 1165 194 2,361 3 Москва, ул. Алтайская, д.17, корп.1 1140 70 0,118 4 Москва, 1-я Прядильная ул, д.6 1093 658 1,699 5 Москва, ул Мелитопольская, д.21, корп.3 635 371 1,031 6 Москва, ул. Севанская, д.9, к.1 815 217,5 0,573 7 Москва, ул. Профсоюзная, д.140, к.2 204 408 0,896 8 Москва, ул. Ляпидевского, д.8, к.1 244 217,5 0,573 9 Москва, ул. Габричевского, д.10, к.4 107 452 1,25 10 Москва, Несвижский пер, д.10 477 91 0,285 11 г. Балашиха, ул Зеленая, д.32 1189 20 0,5 12 г. Ногинск, ул Комсомольская, д.84 1189 403 0,949 13 Москва, ул Ставропольская, д.9а 1047 331 0,783 14 г.Дзержинский, ул. Лесная, д.5 1181 70 0,118 15 МО, Красногорский р-н, г. Красногорск, Павшинский б-р, д.5 9 268 2,309 16 Новопеределкино, Боровское шоссе, д.29 69 492 1,475 17 Москва, Ясенево, Литовский б-р, д.5/10 328 227 0,607 18 Москва, 3-я Прядильная, д.15 1092 296 2,597 19 Москва, Лосино Островский, ул Палевская, д.5 884 429 0,812 20 Москва, Заревый проезд, д.4 764 24 0,45 21 Москва, ул. Знаменская, д.35 985 312 0,737 22 Москва, Ангарская ул. Д.20, к.3 241 423 2,759 23 Москва, 3 Михалковский пер, д.8, к.2 293 222 0,432 24 Москва, Вокзальная пер, д.8, к.2 250 403 0,949 25 МО, Железнодорожный, Колхозная ул, д.12, к.2 1195 263 0,878 26 Москва, ул. 3-я Владимирская, д.9 1096 235,5 3,995 27 Москва, Лермонтовский пр-т, д.6 721 322 0,751 28 Москва, ул Палехская, д.11 931 217,5 0,537 29 Москва, Буденного пр-кт, д.27, к.3 992 99 5,625 30 Москва, ул. Северодвинская, д.19 826 301 0,821 31 Москва, ул Молодцова, д.19, к.2 639 214 0,624 32 г.Люберцы, Проспект Победы, д.10/18 1198 124 0,41 33 МО, Шатурский р-н, пос. Кривандино, ул.Садовая, д.4а 1198 275 0,721 34 Люберцы, ул Парковая, д.3 1198 511 1,445 35 Проектируемый пр-д 5113, д.6, стр.1 923 Табл. 2.3 Матрица кратчайших расстояний Так как данная программа считает расстояния между точками только в городе Москва, для точек-потребителей, расположенных в Подмосковье было рассчитано сначала при помощи программы расстояние от соответствующего пункта до пересечения МКАДа с шоссе, по которому ехать в данную точку. Далее при помощи «Яндекс.карты» были рассчитаны расстояний от указанного пересечения до непосредственно потребителя, проставлены в соответствующих графах матрицы, так же были нанесены на карты все пункты и скорректирована матрица кратчайших расстояний при помощи сложения-вычитания проставленного расстояния. Выводы по второй главе. 1. Применяя метод построения маршрутов Кларка-Райта, стало возможным учитывать временные ограничения, диктуемые клиентами ООО «Ангстрем», что повышает конкурентоспособность компании. 2. При построении этим методом маршрутов, при заданных условиях, получилось на один маршрут меньше, чем при построении методом, основанном на опыте логиста, а именно за 31 августа в ООО «Ангстрем» было заказано в транспортной компании 13 маршрутов, а если бы использовался бы метод Кларка-Райта, было бы заказано 8 маршрутов. 3. Не использование временных ограничений обусловлено не только отсутствием необходимой методики в организации, а так же плохой работой склада. Автомобили часто стоят в очереди на погрузку, в то время, когда уже должны быть в пути. Для достижения наиболее эффективной работы необходима слаженная работа транспортного отдела и склада. 4. В заключении необходимо отметить, что работать с временными ограничениями в условиях мегаполиса очень сложно, наличие «пробок» усложняет задачу, поэтому часто логисты предпочитают давать большой временной запас и, как следствие, большее количество маршрутов. 3. Корректировка маршрутов в условиях мегаполиса При работе с методом Кларка-Райта был сделан временной запас на «пробки» в виде низкой скорости сообщения: по городу – 20км/ч, по пригороду – 30-40 км/ч, однако эти скорости часто не совпадают с действительностью, в Москве можно ехать как намного быстрее, так и, к сожалению, медленнее. Для достоверной корректировки будет использован сервис «Яндекс.пробки». Проведем корректировку на примере маршрута №1. Так как сервис «Яндекс.Карты» строит только маятниковые маршруты, то полученный кольцевой маршрут необходимо разбить на маятниковые. Занесем полученную разбивку в таблицу, так же добавим необходимую в дальнейшем информацию – скорость, расстояние между пунктами, время движения, время погрузки-разгрузки и оформления документов, время прибытия и отправления (указываем только нижнюю границу временного ограничения). Табл.3.1 Разбивка кольцевого маршрута на маятниковые. пункт Расстояние км скорость, км/ч Время движ., мин п-р, док-ты время отправл. время прибытия гоп-1093 18,3 20 55 65 6:00 8:00 1093-11982 160 40 240 69 8:00 13:00 11982-гоп 150 40 225 28 13:00 17:00 При помощи табл. 2.2 вернем обратно пунктам маршрута адресную форму. Табл. 3.2 Адреса пунктов маршрута. гоп - г.Москва, Проектируемый пр-д 5113, д.6, стр.1 1093 - Москва, 1-я Прядильная ул, д.6 11982 - МО, Шатурский р-н, пос. Кривандино, ул.Садовая, д.4а Далее необходимо каждый «маятник» построить в «Яндекс.Картах», при этом необходимо включить режим «пробки», выбрать категорию «пробки.обычно» и указать необходимый день недели и временной интервал. На построенном маршруте будут видно категорирование на зоны по признаку «пробки»: • Красная зона – 5-15 км/ч • Желтая зона -15-40 км/ч • Зеленая зона – 40-60 км/ч Более точно скорость можно узнать при наведении курсора на интересующий участок маршрута. Таким образом, можно вычислить среднюю скорость движения на маршруте более точно, чем было заложено при построении маршрутов изначально. [17] Рис.3.1 Корректировка скорости движения на маршруте [17] Занесем полученные скорости в таблицу, столбец времени движения заполняется автоматически при помощи введенных формул в программе Excel. Время движения = Расстояние / (скорость*60). Табл.3.3 Маршрут с корректированными скоростями движения. пункт расстояние, км скорость, км/ч время движ, мин гоп-1093 18,3 23 48 1093-11982 160 45 213 11982-гоп 150 50 180 Для пересчета времени прибытия, сначала переведем время отправления в минуты. Рис.3.2 Первый этап пересчета времени прибытия Далее к полученному времени отправления в минутах прибавим время движения в минутах, время погрузки-разгрузки и оформления документов в минутах. Разделив данное число на 60, получим скорректированное время прибытия в часах. Рис. 3.3 Второй этап пересчета времени прибытия Окончательные данные представим в виде совмещенных таблиц. Табл.3.4 Скорректированный маршрут №1 пункт расст,км скорость,км/ч Время движ, мин п-р, док-ты время отправл время прибытия гоп-1093 18,3 20 55 65 6:00 8:00 1093-11982 160 40 240 69 8:00 13:00 11982-гоп 150 40 225 28 13:00 17:00 пункт расст,км скорость,км/ч время движ, мин п-р, док-ты время отправл время прибытия гоп-1093 18,3 23 48 65 6:00 8:00 360 7,9 1093-11982 160 45 213 69 8:00 13:00 480 12,71 11982-гоп 150 50 180 28 13:00 17:00 780 16,5 гоп - г.Москва, Проектируемый пр-д 5113, д.6, стр.1 1093 - Москва, 1-я Прядильная ул, д.6 11982 - МО, Шатурский р-н, пос. Кривандино, ул.Садовая, д.4а После корректировки можно сделать вывод о том, что автомобиль на данном маршруте в каждый пункт приехал бы фактически раньше. Остальные маршруты пересчитаем по такому же алгоритму, окончательные данные представим в виде таблиц. Выводы к третьей главе 1. Использование сервиса «Яндекс.пробки» позволяет контролировать движение по маршруту в условиях, статистически приближенных к реальным. 2. Разработана корректировка маршрутов по реальным временным рамкам, с учетом «пробок». 3. В условиях разработки маршрутов в мегаполисе, данная корректировка необходимо при использовании любого метода построения маршрутов. 4. Проведенная корректировка с учетом «пробок» дает гарантию того, что временные ограничения клиентов будут соблюдены. Это реальное повышение конкурентоспособность компании. Выводы по четвертой главе 1. Было принято решение производить расчеты количества выбросов загрязняющих веществ автомобилями, т.к. именно выбросы являются в данном случае наиболее опасным в экологическом смысле фактором. 2. В используемой методики были представлены таблицы удельных выбросов загрязняющих веществ. При помощи данных таблиц было определенно количество выбросов в граммах на километр по отдельным загрязняющим веществам. 3. При помощи полученных удельных показателей и рассчитанному пробегу автомобилей на изначальных и предложенных маршрутах были получены суммарные показатели. 4. Используя коэффициенты относительной эколого-экономической опасности, были высчитаны приведенные массы отдельных загрязняющих веществ и получена суммарная приведенная масса загрязняющих веществ изначальных и предложенных маршрутов соответственно. 5. По полученным результатам была высчитана окончательная экологическая эффективность и сделан вывод о том, что после предложенных мероприятий количество выбросов с учетом условной экологической опасности уменьшится на 32,5%. Выводы по пятой главе 1. Был выбран для расчета метода, основанный на стоимости одного километра пробега. 2. Для расчета себестоимости одного километра пробега сначала были рассчитаны переменные составляющие стоимости одного километра пробега, а затем постоянные затраты на один час работы. 3. Зная километраж исходных и предлагаемых маршрутов, а так же рассчитанную себестоимость одного километра пробега, была рассчитана стоимость перевозок по исходным маршрутам и по предлагаемым в данном дипломном проекте, полученные данные заметно отличались. 4. Исходя из разницы в стоимости перевозок, была высчитана экономическая выгода предлагаемых мероприятий, а именно: транспортные издержки сократились на 33%. 5. Такое сокращение издержек значительно поднимает конкурентоспособность фирмы в условиях рыночной экономики. Размер файла: 25,9 Мбайт Фаил: 
(.rar)
Скачано: 1 Сейчас качают: 1 Коментариев: 0 |
||||
Есть вопросы? Посмотри часто задаваемые вопросы и ответы на них. Опять не то? Мы можем помочь сделать! |
||||
Вход в аккаунт:
Страницу Назад
Cодержание / Организация грузовых перевозок / Сменно-суточное планирование перевозок продукции ООО «Ангстрем» в условиях мегаполиса (дипломный проект)
Вход в аккаунт: