แบบจำลองทางคณิตศาสตร์สำหรับปัญหาการลดต้นทุนการจัดเส้นทางการขนส่ง: กรณีศึกษา น้ำหนักบรรทุกที่แตกต่างกัน
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเสนอแบบจำลองทางคณิตศาสตร์สำหรับปัญหาการจัดเส้นทางการขนส่งให้มีต้นทุนรวมในการขนส่งที่ต่ำลง โดยจะพิจารณาต้นทุนที่เกิดจากการขนส่ง ประกอบด้วย ต้นทุนค่าอัตราการเผาผลาญพลังงานเชื้อเพลิงต่อระยะทาง ต้นทุนที่เกี่ยวกับการกดทับของน้ำหนักสินค้าที่บรรทุก ต้นทุนค่าโหลดสินค้า และค่าจ้างพนักงานขับรถ ซึ่งรถบรรทุกทั้ง 2 คัน มีอัตราค่าน้ำมันเชื้อเพลิงและความสามารถในการบรรทุกที่แตกต่างกัน ปัญหานี้จะจัดเส้นทางการขนส่งจากโรงงานไปยังลูกค้าจำนวน 9 แห่ง ตามความต้องการสินค้าของลูกค้าที่แตกต่างกันในแต่ละวัน การออกแบบแบบจำลองทางคณิตศาสตร์ได้เป็นไปตามเงื่อนไขในการขนส่งจริงของบริษัทกรณีศึกษา เช่น ลูกค้าทุกแห่งต้องได้รับสินค้าตามความต้องการ และรถบรรทุกต้องไม่ขนส่งเกินความสามารถในการบรรทุกสูงที่สุด เป็นต้น จากนั้นทดสอบกับปัญหาจำนวน 5 ชุด การประมวลผลจากโปรแกรม lingo 13.0 แสดงว่าแบบจำลองทางคณิตศาสตร์ที่นำเสนอเป็นแบบไม่เป็นเชิงเส้นผสมจำนวนเต็ม ซึ่งคำตอบที่ได้มีความถูกต้องและสามารถแก้ไขปัญหาได้อย่างมีประสิทธิภาพ เมื่อเปรียบเทียบกับวิธีที่บริษัทกรณีศึกษาใช้ขนส่งในอดีตจะสามารถลดต้นทุนการขนส่งรวมได้ร้อยละ 9.61 หรือคิดเป็นมูลค่า 90,803.80 บาทต่อปี และเมื่อเทียบกับการศึกษาก่อนหน้า พบว่าบริษัทกรณีศึกษาสามารถลดต้นทุนได้ร้อยละ 9.79 หรือคิดเป็นมูลค่า 92,698.893 บาทต่อ
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์ในวารสารฯ ท้ังในรูปแบบของรูปเล่มและอิเล็กทรอนิกส์เป็นลิขสิทธิ์ของวารสารฯ
References
Office of the National Economic and Social Development Council, Thailand Logistics Report 2017. Bangkok: Office of the National Economic and Social Development Board, 2018.
J. Belloso, A. Juan and J. Faulin, “An iterative biased-randomized heuristic for the fleet size and mix vehicle-routing problem with backhauls,” International Transactions in Operational Research, vol. 26, no. 1, pp. 289–301, Jan. 2019.
J. C. Cruz, D. Riera, A. A. Juan, P. Arias and D. Guimarans, “Rich Vehicle Routing Problem: survey,” ACM computing surveys, vol. 47, no. 2, pp. 1–28, Dec. 2014. Art. No. 32
R. Farahani, S. Rezapour and L. Kardar, Logistics operations and management: Concepts and Models, 1st ed. New York, NY, USA: Elsevier, 2011.
F. Neves-Moreira, M. Amorim-Lopes and P. Amorim, “The multi-period vehicle routing problem with refueling decisions: traveling further to decrease fuel cost?,” Transportation Research Part E: Logistics and Transportation Review, vol. 133, Jan. 2020. Art. No. 101817
U. Teschemacher and G. Reinhart, “Ant Colony Optimization algorithms to enable dynamic milkrun logistics,” Procedia CIRP, vol. 63, pp. 762–767, Jan. 2017.
A. Landrieu, Y. Mati and Z. Binder, “A Tabu Search heuristic for the single vehicle pickup and delivery problem with time windows,” Journal of Intelligent Manufacturing, vol. 12, no. 5-6, pp. 497–508, Oct. 2001.
N. Supattananon and P. Ruangchoengchum, “The optimal selection of distribution model with mixed integer programming: a case study of beverage distribution firm,” Sripatum Review of Science and Technology, vol. 12, no. 1, pp. 37–50, Dec. 2020. (in Thai)
E. Demir, T. Bektas and G. Laporte, “A comparative analysis of several vehicle emission models for road freight transportation,” Transportation Research Part D: Transport and Environment, vol. 16, no. 5, pp. 347–357, Jul. 2011.
J. Tang, Y. Ma, J. Guan and C. Yan, “A Max–Min Ant System for the split delivery weighted vehicle routing problem,” Expert Systems with Applications, vol. 40, no. 18, pp. 7468–7477, Dec. 2013.
S. Winyangkul and M. Fongkham, “Loading Conditions Alert System for Load Weight of Truck in Transportation,” Journal of Industrial Technology Ubon Ratchathani Rajabhat University, vol. 9, no. 1, pp. 109–120, Jun. 2019. (in Thai)
S. Miha. “Transportation models.” researchgate.net. Accessed: Sep. 2, 2022. [Online.] Available: https://www.researchgate.net/publication/356469857_Transportation_Model
W. Donghua and L. Xue, “A Study on Transportation Problem Model,” in 2009 International Conference on Management and Service Science., Sep. 2009, pp. 1-3.
P. V. Silvestrin and M. Ritt, “An iterated Tabu Search for the multi-compartment vehicle routing problem,” Computers and Operations Research, vol. 81, pp. 192–202, May. 2017.
R. Pitakaso, Meta-Heuristic for Solving Production Planning and Logistics Management Problems, Bangkok, Thailand: TPA Publishing, 2011. (in Thai)
N. Supattananon, N. Rattanawai, P. Supattananon, R. Arkararungruangkul and N. Supattananon, “Assignment of sub-distribution centers to sub-customers by Mixed Integer Linear Programming Model: a case study of beverage distribution firm,” in ESTACON., Sep. 2018, pp. 630-636. (in Thai)
N. Supattananon and R. Arkararungruangkul, “Transportation Planning with Mathematical Models: A Case Study in Inbound Transportation,” Journal of Industrial Technology Ubon Ratchathani Rajabhat University, vol. 10, no. 1, pp. 85–97, Jun. 2020. (in Thai)
S. Kaewploy, S. Kaewploy and W. Jumpa, “The Selection of Depots Location and Vehicle Routing for Para-Rubber,” RMUL Engineering Journal, vol. 6, no. 2, pp. 29–39, Dec. 2021. (in Thai)
R. Arkararungruangkul, N. Supattananon and A. Pimpatchim, “The Mixed Integer Programming Model for Outbound Truck Arrangement: A Case Study of Beverage Distribution Firm,” Journal of Industrial Technology Ubon Ratchathani Rajabhat University, vol. 9, no. 1, pp. 41–54, Jun. 2019. (in Thai)
K. kamsorn, S. Rongklin and N. Supattananon, “The Vehicle Routing Optimal Solution Using Nearest Neighbour Heuristics Method: A Case Study of Beverage Distribution Firm,” in The First National and International Conference of Kalasin University 2019., Jul. 2019, pp. 15-16. (in Thai)
PTT Oil and Retail Business Public Company Limited. “Oil price in Bangkok and Vicinities.” pttor.com. Accessed: Mar. 17, 2021. [Online.] Available: https://www.pttor.com/en/oil_price
Goodyear Tire and Rubber Company. “Factors Affecting Truck Fuel Economy.” goodyeartrucktires.com. Accessed: Jan. 12, 2021. [Online.] Available: https://www.goodyeartrucktires.com/pdf/resources/
publications/factors_affecting_truck_fuel_economy.pdf
N. Supattananon and R. Akararungruangkul, “Modified Differential Evolution Algorithm for a Transportation Software Application,” Journal of Open Innovation Technology Market and Complexity, vol. 5, no. 4, pp. 1–15, Dec. 2019.