運作管理學習筆記5-生產和服務設施的選址

運作管理-北京交通大學

5.1.設施選址概述

設施選址是一個戰略性的決策,做這個決策的時候會投入比較多的資源,而且未來去改變選址的成本和代價也比較大。

5.1.1.設施選址的重要性

  1. 設施選址影響企業經營情況
    • 設施選址對設施布局以及投產后的生產經營費用、產品價格、服務質量等有深遠的影響。
    • 設施選址是一項長期的投資,一旦建成后發現有不當、不合理的地方,后果無法通過簡單的措施進行彌補,所以說企業的選址影響企業的競爭力,與企業總體戰略密切相關。
    • 在決策時,一定要考慮企業自身設施,產品特點,結合充分的調查分析,以長遠發展的觀點,進行決策。
  2. 設施選址是降低成本的關鍵
    成本最小化、利益最大化是企業競爭的焦點。設施選址是否合理,從根本上決定了企業成本的高低,不同的選址決策會影響運營的成本,原材料成本,產品運輸成本,勞動力的成本等。
  3. 設施選址影響企業社會效益
    設施選址決定了企業接觸的外界環境,在一定程度上對員工的生活質量、工作情緒以及公共關系都會產生影響。合理的選址有利于充分利用人力、物力、和自然資源,也有利于保護環境,使企業的社會效益達到最優。

5.1.2.設施選址的目標

企業必須以全局的視角來審視生產和服務設施選址規劃。通常來說,生產和服務設施選址規劃有以下幾點:

  1. 服務水平最優化。已經成為企業保持市場份額、增強市場競爭力的重要手段之一。與選址決策直接相關的客戶服務指標包括:交付貨物或服務的速度、準時性,企業為了適應多品種、小批量、多頻次的需求,選擇距離終端消費者更近的地點作為最終方案。
  2. 發展潛力最大化。生產和服務設施的建設具有投資大、周期長的特點。在作選址決策時,必須考慮企業的經濟效益,社會效益,和可持續發展的能力;不僅要在現有市場條件下,實現降低成本,提高服務能力,增強經濟收益等目標,還應該使企業保持發展潛力,滿足客戶日益增長的需求和市場擴大的需要。
  3. 成本最小化。選址決策最傳統的目標就是成本最小化,包括土地成本(取得土地使用權的費用,如租金)、運輸成本(取決于原材料供應地與企業之間,以及企業與需求點之間的距離等)。
    關系:發展潛力最大化是成本最小化和服務水平最優化的前提保證;而服務最優化和成本最小化有時是矛盾的,服務的優化可能導致成本的相應提高。實際決策過程中需要綜合考慮以上三個方面。

5.1.3.設施選址遵循原則

在這里插入圖片描述

5.2.設施選址影響因素及步驟

在這里插入圖片描述
生產運作全球化對設施選擇的影響主要表現在以下幾個方面:
1.可選址的機會增多
2.選址問題復雜化
3.選址過程中還要同時考慮該地區是否能夠適應生產運作全球化的技術要求

影響全球化選址的因素:
在這里插入圖片描述

選址影響因素之間的權衡與取舍

第一,分清主次,抓住關鍵因素;

第二,根據設施的具體特點進行具體分析,因地制宜;

第三,對于制造業和非制造業來說,兩者考慮的影響因素和同一因素的重要程度可能有很大的差異。

服務型企業重點考慮銷售收入,因此在選址中設施與目標市場的接近程度是首要影響因素,設施應接近顧客群。

制造型企業以降低成本為發展首要目標,因此靠近目標市場在這類企業的選址過程中影響程度不高。

選址的一般步驟可以分為三個階段。

  1. 準備階段
    首先確定選址總目標,制定設施選址規劃;其次,根據企業的產品類別、特性和規模以及企業職工數、車間構成、運輸方案等方面識別設施選址的重要因素,在綜合考慮重要因素后進行區域的初步選取。

  2. 現場勘察階段

    成立選址小組,對初步確定的區域進行現場勘查和調查,收集各方面資料(地形圖、城市規劃圖、交通線路圖、水溫條件、運輸價格、稅費等),將所勘查的選址方案整理成選址方案匯總表,以便進行下一階段的方案評選。

  3. 評選和確定方案階段

    對候選方案采取合適的評價方法,結合企業經濟效益和社會效益、當前利益和長遠利益進行全面的評價,從中確定一個最佳的方案。
    在這里插入圖片描述

5.3.設施選址的定量分析方法

5.3.1.分級加權法

(1)分級加權法的分類

方法一:賦予各因素相同權重,按照各因素的評價標準,給每一個候選地址打分并求和,每個候選地址的總分即為各因素的分數之和。最后比較各地址的總分,選擇總分最高者作為最優選擇方案。

方法二:賦予各因素不同的權重,各因素利用共同的評價標準,對每一備選地點進行定級。

方法三:對每一個因素規定不同的權重,然后按照因素規定評價標準,給每一個備選地址進行打分,將每一個因素得分乘以規定的權重,即得各備選地點的每一因素得分。將各因素得分相加得到該地點的總分數。選擇總分最高者作為最優選擇方案。

(2)分級加權法的步驟

a.將有關因素列出清單,確定各因素的權重。

b.對每一個因素確定評價標準,按照評價標準對每個備選地點進行打分。

c.分值與權重相乘,并求出每個地點各項因素得分的乘積總和。

d.比較各地點的最終得分,選擇分數最高的備選地點為最終方案。

在實際中,可以采取以下辦法進行快速決策:一、淘汰法; 二、設置最低臨界值。

例1:某家服裝店打算開一家分店,下表是兩個備選地點的信息:

在這里插入圖片描述
由上表可知,地點2綜合得分最高,是比較好的選擇。

5.3.2.重心法

模型如下
在這里插入圖片描述
重心坐標標準公式:
在這里插入圖片描述
最終求出使總運輸成本最小時設施的坐標

在這里插入圖片描述

重心法的本質是選擇一個成本最低的地址,所謂成本最低是指運輸距離與運輸數量相乘的乘積的運輸成本最低(minTC)。

例2:求圖中目的地地圖中的重心坐標位置(di)。假定從重心運往4個目的地的商品數量一致。
在這里插入圖片描述
解:首先在圖上加上坐標系如下圖所示,可以得出目的地的坐標。
在這里插入圖片描述
在這里插入圖片描述
根據坐標可以算出重心:
在這里插入圖片描述
假定前面問題中運往各地商品數量如下所示,請確定重心位置。

在這里插入圖片描述

解:因為運往各個目的地的商品數量是不同的,因此必須用加權平均公式:
在這里插入圖片描述

所以,重心的坐標點大約是(3, 3.7),這個點在D2(3, 5)的南方。
在這里插入圖片描述

5.3.3.Baumol-wolfe模型

在這里插入圖片描述
在這里插入圖片描述

5.3.4.線性規劃法–運輸問題

在這里插入圖片描述

5.3.5.啟發式方法

啟發式方法一般基于直觀或經驗來構造,計算方法簡單,遵循成本最小的原則,適用于設施備選點個數較少的情況。

例【5-5】:某公司擬在某市建立兩家連鎖超市,該市共有4個區,記為甲、乙、丙、丁。各區可能到超市購物的人數權重已經給出。求該超市設置于哪兩個區內,使居民到超市購物最方便,即總距離成本最低。各區距離及權重數據如下表所示。

在這里插入圖片描述
解:(1)將各區人口數與人口權重相乘再乘以各區間的距離,得到總的距離成本,并將各列相加,得到的結果如下表所示:
在這里插入圖片描述
從表5-11中看出,社區丙所在列總成本最低為1147,所以其中一個超市建在丙區。

(2)甲乙丁各列數字與丙列數字相比較,若小于丙列同行數字,則將其保留,若大于丙列數字則將原數字改為丙列數字。得到新表,并將同列數字相加。

在這里插入圖片描述
如上表所示,社區丁所在列總成本最低,則選丁區為另一超市地點。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/921714.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/921714.shtml
英文地址,請注明出處:http://en.pswp.cn/news/921714.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

JUnit 詳解

一、JUnit 簡介:什么是 JUnit?為什么要用它?1.1 核心定義JUnit 是一個開源的、基于 Java 語言的單元測試框架,最初由 Erich Gamma (GoF 設計模式作者之一) 和 Kent Beck (極限編程創始人) 在 1997 年共同開發。作為 xUnit 測試框架…

數據結構造神計劃第三天---數據類型

🔥個人主頁:尋星探路 🎬作者簡介:Java研發方向學習者 📖個人專欄:《從青銅到王者,就差這講數據結構!!!》、 《JAVA(SE)----如此簡單&a…

AI API Tester體驗:API測試工具如何高效生成接口測試用例、覆蓋異常場景?

前陣子幫后端測試支付接口時,我算是徹底明白 “API 測試能磨掉半條命”—— 明明接口文檔里寫了十幾種參數組合,手動寫測試用例時要么漏了 “簽名過期” 的場景,要么忘了校驗 “金額超過限額” 的返回值,測到半夜還被開發吐槽 “你…

音頻驅動數字人人臉模型

1.LatentSync: Taming Audio-Conditioned Latent Diffusion Models for Lip Sync with SyncNet Supervision 字節 2024 文章地址:https://arxiv.org/pdf/2412.09262 代碼地址:https://github.com/bytedance/LatentSync 訓練推理都有 2.wan2.2-s2v …

CentOS部署ELK Stack完整指南

文章目錄🚀 ELK Stack 部署詳解(CentOS 7/8)📦 一、環境準備1. 關閉防火墻(或開放端口)2. 關閉 SELinux3. 安裝基礎依賴4. 驗證 Java🔽 二、下載并安裝 ELK 組件1. 導入 Elastic GPG 密鑰2. 創建…

Spring Boot 攔截器(Interceptor)與過濾器(Filter)有什么區別?

在 Spring Boot 項目中,我們經常會遇到需要在請求處理前后執行一些通用邏輯的場景,比如記錄日志、權限校驗、全局異常處理等。此時,我們通常會面臨兩種選擇:過濾器(Filter) 和 攔截器(Intercept…

【技術教程】如何將文檔編輯器集成至基于Java的Web應用程序

在如今的企業協作場景中,“文檔” 早已不是簡單的文字載體!從項目需求文檔的多人實時修改,到財務報表的在線批注,再到合同草案的版本追溯,用戶越來越需要在 Web 應用內直接完成 “編輯 - 協作 - 存儲” 全流程。 但很…

多模態大模型Keye-VL-1.5發布!視頻理解能力更強!

近日,快手正式發布了多模態大語言模型Keye-VL-1.5-8B。 與之前的版本相比,Keye-VL-1.5的綜合性能實現顯著提升,尤其在基礎視覺理解能力方面,包括視覺元素識別、推理能力以及對時序信息的理—表現尤為突出。Keye-VL-1.5在同等規模…

洗完頭后根據個人需求選擇合適的自然風干 | 電吹風 (在保護發質的同時,也能兼顧到生活的便利和舒適。)

文章目錄 引言 I 選合適的方式讓頭發變干 時間充裕,不需要做造型,選擇自然風干 使用電吹風,比較推薦的做法 II 自然風干 天冷可能刺激頭皮 III 電吹風吹干 容易造型 影響頭皮健康 損傷發質 科普 頭皮的微觀結構 頭發絲 引言 吹風吹干:容易造型,但損傷發質、影響頭皮健康 …

GPS汽車限速器有哪些功能?主要運用在哪里?

GPS 汽車限速器是一種結合全球衛星定位(GPS)技術、車速采集技術與車輛控制 / 預警邏輯的設備,核心目標是通過技術手段限制車輛行駛速度,減少超速引發的交通事故,并輔助車輛管理。其功能與應用場景高度匹配不同用戶的 “…

Python從入門到精通_01_python基礎

1 源代碼格式在python文件的第一行,輸入以下語句,可以將python文件的編碼格式設置為utf-8#-*- coding:utf-8 -*-2 輸入輸出input():輸入,無論輸入的是什么類型數據,最后都是字符串類型print(*args, sep , end\n, fileNone, flushF…

使用CI/CD部署項目(前端Nextjs)

寫在前面:在github上使用CI/CD部署Nextjs項目,具體配置可以按照自己的實際的修改 這是我的項目配置,僅供參考 后端項目可以參考:使用CI/CD部署后端項目 正文開始 項目名(PROJECT_NAME)- CI/CD 部署指南…

Java全棧工程師面試實錄:從基礎到實戰的全面解析

Java全棧工程師面試實錄:從基礎到實戰的全面解析 面試官:李明(資深技術負責人) 應聘者:張宇(28歲,碩士學歷,5年開發經驗) 第一輪:Java語言與JVM基礎 李明&…

C#中解析XML時遇到注釋節點報錯

在C#中解析XML時遇到注釋節點報錯的問題&#xff0c;這是因為XML注釋節點&#xff08;<!-- -->&#xff09;是特殊的節點類型。當遍歷XML節點時&#xff0c;注釋節點也會被包含在內&#xff0c;但它們不能像普通元素節點那樣處理。 解決方案 方法1&#xff1a;跳過注釋節…

9.3深度循環神經網絡

目前為止&#xff0c;只討論了具有一個單向隱藏層的循環神經網絡&#xff0c;其中隱變量和觀測值域具體的函數形式的交互方式是相當隨意的。只要交互類型建模具有足夠的靈活性&#xff0c;不是一個單問題。然而&#xff0c;對一個單層來說&#xff0c;可能具有相當的挑戰性。之…

CSS in JS 的演進:Styled Components, Emotion 等的深度對比與技術選型指引

CSS in JS 的演進&#xff1a;Styled Components, Emotion 等的深度對比與技術選型指引在現代前端開發中&#xff0c;組件化思維已成為主流&#xff0c;而如何科學、高效地管理組件的樣式&#xff0c;也隨之成為了一個重要議題。CSS in JS&#xff08;JS中的CSS&#xff09;應運…

【正則表達式】 正則表達式的分組和引用

?? 個人主頁:(時光煮雨) ?? 高質量專欄:vulnhub靶機滲透測試 ?? 希望得到您的訂閱和支持~ ?? 創作高質量博文(平均質量分95+),分享更多關于網絡安全、Python領域的優質內容!(希望得到您的關注~) ??目錄?? 前言 ??一、基本語法 ??二、分組類型 ??2.1.…

Grafana 導入儀表盤失敗:從日志排查到解決 max\_allowed\_packet 問題

問題背景 近期在為項目搭建一套基于 Prometheus 和 Grafana 的可觀測性體系。在完成基礎部署后&#xff0c;我準備導入一個功能相對復雜的官方儀表盤模板&#xff0c;以便快速監控各項指標。然而&#xff0c;當上傳儀表盤的 JSON 文件并點擊保存時&#xff0c;Grafana 界面卻反…

java對接物聯網設備(一)——使用okhttp網絡工具框架對接標準API接口

當前無論是在互聯網領域&#xff0c;還是物聯網項目下&#xff0c;亦或者各類應用類軟件&#xff0c;基于http標準接口的對接是目前市面上最常見也是最簡單的數據交互方式之一&#xff0c;甚至可以說是最流行的&#xff0c;因為它不依賴的各種插件或者服務。 開發者或者提供服…

版本管理系統與平臺(權威資料核對、深入解析、行業選型與國產平臺補充)

本文是一篇基于公開權威資料&#xff08;官方文檔、產品頁、廠商技術文章與技術社區討論&#xff09;重新檢索、核對后撰寫的詳盡博文。內容覆蓋&#xff1a;版本控制基礎、主流 VCS 工具深度比較、常見托管/協作平臺&#xff08;含中國本土平臺&#xff1a;Gitee / GitCode / …