In hoofdstuk 3 zijn de DPM en drie varianten beschreven. Door middel van een simulatiestudie is bepaald hoe goed de DPM werkt ten opzichte van de EG methode en de SG methode. In dit hoofdstuk wordt het gebruikte simulatiemodel en de te simuleren scenario’s beschreven. In het volgende hoofdstuk worden de resultaten weergegeven.
4.1 Simulatiemodel in SHORTREC
Het simulatiemodel is ontwikkeld in het door ORTEC ontwikkelde planprogramma SHORTREC. Naast dat dit een gegeven randvoorwaarde is, heeft het ook een voordeel. Door gebruik te maken van de bestaande SHORTREC functionaliteit kon in korte tijd een simulatiemodel gebouwd worden.
Twee belangrijke functies SHORTREC
Het programma SHORTREC is aangepast zodat bestellingen gepland kunnen worden aan de hand van de DPM. Er is gebruik gemaakt van twee belangrijke functies uit SHORTREC. Allereerst is er gebruik gemaakt van de functie Voorstel-Beste-Plaats. Deze functie bepaalt voor een gegeven adres de beste positie in een bestaande planning. Als tweede is er gebruik gemaakt van de functie Totaal-Oplossing. Deze functie bepaalt gegeven een aantal adressen met of zonder tijdsvensters een ritplan waarin alle bestellingen in één keer worden gepland.
Kostenfunctie SHORTREC
Bij beide gebruikte functies van SHORTREC worden de kosten geminimaliseerd. De kostenfunctie is als volgt gedefinieerd:
(
totaalaantal wagens)
*(
totaleafstand)
*(
totale tijdsduur)
* 2 3
1 P P
P
TK = + +
In deze kostenfunctie zijn de parameters p1, p2 en p3 gewichten die vooraf worden bepaald en TK staat voor de totale kosten van het ritplan. Door middel van deze parameters kan er een gewicht aan de drie variabelen worden toegekend.
In de simulatiestudie zijn twee verschillende kostenfuncties gebruikt. Bij kostenfunctie 1 (KF1) zijn de parameters p1 en p3 gelijk aan nul. Dat wil zeggen er wordt alleen rekening gehouden met de totale afstand van alle ritten.
KF1 : TK =totaleafstand
Bij kostenfunctie 2 (KF2) zijn de parameters als volgt: p1=1000, p2=1 en p3=10. De waarde van de drie parameters bij KF2 zijn op aanraden van ORTEC gekozen op basis van praktijkkennis, omdat over het algemeen transportkosten sterker afhangen van het aantal wagens of het totaal aantal uren dat de ritten in beslag nemen dan van het aantal kilometers.
KF2 :
TK =1000*(totaalaantal wagens)+totaleafstand+10*(totale tijdsduur)
Werking van het simulatiemodel
Het simulatiemodel werkt als volgt. Als input dient een lijst met adressen van alle klanten die een bestelling zullen plaatsen. De adressen staan in de volgorde waarin de bestellingen zullen worden geplaatst. Bij het dynamisch inplannen van een bestelling wordt eerst het gewicht van de dummylocatie in hetzelfde postcodegebied verlaagd. Daarna wordt de bestelling op Voorstel-Beste-Plaats gezet. Het gewicht van een dummylocatie wordt eerst verlaagd omdat anders onnodig capaciteit wordt vastgehouden. Nadat het gewicht van een dummylocatie nul is wordt deze uit de planning gehaald omdat op dat moment alle verwachte bestellingen daadwerkelijk zijn geplaatst. Nadat alle bestellingen zijn gemaakt worden uiteindelijk alle, nog niet zijn verwijderde, dummylocaties ook verwijderd uit de planning.
Uitgangspunt voor simulatie
Bij het simuleren van de dynamische planmethode is van de volgende uitgangspunten uitgegaan. De planning wordt gemaakt voor één dag en alle klanten plaatsen een bestelling voor deze dag. Het bezorggebied is beperkt tot een tiental postcodegebieden. Het bezorggebied is weergegeven in appendix B. Dit gebied is gekozen omdat zich in dit gebied een aantal grote steden en diverse kleinere steden bevinden. Het depot is geplaatst in Utrecht en is geopend van 08:00 uur tot 20:00 uur. In totaal worden vier tijdsvensters met elk een tijdsduur van drie uur gebruikt. Elke rit heeft een maximale tijdsduur van acht uur. Verder is aangenomen dat het depot voldoende wagens bezit. Dat betekent dat het depot voldoende capaciteit bezit om alle klanten te kunnen bezoeken.
4.2 Datasets
Als data in de simulatiestudie is gebruik gemaakt van een adressenbestand met ongeveer zeven honderd adressen uit het bezorggebied. Op basis van dit adressenbestand zijn tien datasets gemaakt. Elke dataset bestaat uit honderd adressen. Dit aantal is gekozen om te voorkomen dat de datasets te veel op elkaar lijken. De adressen zijn willekeurig geselecteerd uit het adressenbestand. Zeven datasets dienen als historisch data, voor het bepalen van de verwachte bestellingen per postcodegebied. Drie datasets dienen als de testdata.
Datasets als historische data
De adressen in de zeven datasets, die dienen als de historische data, hebben een willekeurig tijdsvenster gekregen. Het bezorggebied is opgedeeld op basis van de eerste drie karakters van de postcode. Elke opdeling wordt hier aangeduid als postcodegebied. Bij het construeren van een basisplanning dient voor elk postcodegebied het verwachte aantal bestellingen bekend te zijn. Het
gemiddelde aantal bestellingen per postcodegebied, over de zeven datasets, vormt nu het verwachte aantal bestellingen per postcodegebied. Wanneer de verwachting van een bepaald postcodegebied groter is dan het maximum (maximum is vier, zie paragraaf 4.3), dan wordt het postcodegebied opgedeeld op postcode van vier cijfers. Het resultaat is te zien in appendix C, hier is te zien dat de basisplanning bestaat uit 57 dummylocaties (zie tabel 2 in Appendix C). Voor elke dummylocatie is een willekeurig adres gekozen uit het overeenkomstige postcodegebied.
Datasets in de simulatiestudie
In de simulatiestudie is gebruik gemaakt van drie datasets. Voor alle adressen in deze drie datasets is een willekeurig tijdsvenster bepaald. Dit is gedaan omdat deze datasets ook als input dienen voor de huidige planmethode. Verder is voor elke dataset een willekeurige volgorde bepaald waarin de bestellingen binnenkomen. De volgorde is alleen van belang bij het dynamisch plannen.
4.3 Aannames voor simulatie
Bij de simulaties zijn een aantal aannames gemaakt met betrekking tot bepaalde parameters. Deze aannames zijn:
In de simulatie wordt aan elke bestelling ‘het beste’ tijdsvenster gekoppeld. Er wordt daarom aangenomen dat elke klant, die een bestelling plaatst, het aangeboden tijdsvenster accepteert.
De servicetijd voor een geplaatste bestelling is tien minuten. De servicetijd voor een verwachte bestelling is twintig minuten. De extra tien minuten bij een verwachte bestelling dient als compensatie voor de reistijd. Hiervoor is gekozen omdat de verwachte bestellingen in een postcodegebied hetzelfde adres (dat van de dummylocatie) hebben. Zodoende wordt rekening gehouden met reistijden tussen verwachte bestellingen die aan dezelfde dummylocatie gekoppeld zijn.
4.4 Beschrijving van de scenario’s
De simulatie heeft als doel om de dynamische planmethode te testen en om de resultaten te vergelijken met de huidige planmethode. Hiervoor zijn de volgende zes scenario’s bedacht:
1. Scenario SG: Service gerichte methode, i.e. alle bestellingen zijn bekend met tijdsvensters; 2. Scenario EG: Efficiëntie gerichte methode, i.e. alle bestellingen zijn bekend zonder tijdsvensters; 3. Scenario DPM: Dynamische planmethode, i.e. alle bestellingen worden dynamisch gepland; 4. Scenario DPM-1: dynamisch plannen van een gedeelte van de bestellingen maar nadat 50
bestellingen zijn geplaatst;
5. Scenario DPM-2: dynamisch plannen zonder basisplanning;
6. Scenario DPM-3: dynamisch plannen zonder basisplanning maar nadat 50 bestellingen zijn geplaatst.
Scenario SG representeert de servicegerichte methode van bestellingen plannen. Hier kan de klant een willekeurige keuze maken uit één van de vier tijdsvensters. Wanneer alle bestellingen zijn geplaatst wordt er een ritplanning gemaakt. Scenario EG representeert de efficiëntiegerichte methode. In dit scenario zijn alle bestellingen bekend en waarbij de bestellingen geen tijdsvensters hebben. Bij scenario DPM worden de bestellingen dynamisch gepland aan de hand van de DPM uit paragraaf 3.1. Scenario DPM-1 is de test van variant 1 van de DPM waar bij de eerste bestelingen het willekeurig toegewezen tijdsvenster is gekozen. Scenario’s DPM-2 en DPM-3 representeren de tests van respectievelijk variant 2 en 3 van de DPM.
Figuur 5.1: Resultaten van de zes scenario’s waarbij op aantal kilometers is geminimaliseerd. SG is het resultaat van de service gerichte methode en EG is het resultaat van de efficiëntie gerichte methode. DPM is het resultaat van de dynamisch planmethode en DPM-1, DPM-2, DPM-3 zijn de resultaten van drie varianten van de DPM.