编者注： SCM 论文《 通过价值创造服务实现利润驱动的网络重新设计》 由 Morgan DeHaan 和 Yujia Ke 撰写，并由 Milena Janjevic 博士（[email protected]）指导。如需有关该研究的更多信息，请联系论文指导老师。
网络设计是供应链管理中一项关键的战略决策。传统的网络设计侧重于节约成本。但是，考虑到设施可以承担创造价值的服务，我们能否利用这些设施创造利润？在我们的顶点项目中，我们与一家为美国各地连锁餐厅提供服务的物流服务提供商合作。该公司计划基于两个部分重新设计其服务网络：(1) 在靠近高需求区域的地方增加新的灵活配送中心（简称 iDC）和 (2) iDC 为餐厅提供的除配送以外的创造价值的服务（例如库存储备、食品准备和逆向材料处理）。
在使用iDC进行网络重新设计并关注利润的背景下，我们旨在提供一种全面的技术方法来回答三个问题：（1）如何识别当前需求区域中的城市群，（2）如何推断/估算缺失的运输成本数据，以及（3）如何确定未来iDC的最佳位置。
重新设计网络的总体方法
我们通过混合方法解决了识别需求密集的城市群和将 iDC 分配到高影响位置的问题。
为了确定城市地区，我们分析了邮政编码级别的需求分布，并改进了三种不同的聚类算法以适应我们的情况，最终采用了修订后的 k-means 解决方案。聚类的结果是一组潜在的 iDC 位置，作为最后一步中设施位置模型中的离散候选者。
更多 MIT CTL Capstone 项目
采购控制塔：通过机器学习和自然语言处理进行概念验证
建设通向绿色未来的走廊
B2B全渠道网络设计和库存定位
基于市场的整车运输路径引导策略
然后，我们探索了成本数据集，并提出了一种结合 k 最近邻 (KNN) 和线性回归的估算方 匈牙利邮件列表 法来填补缺失的运输成本数据。KNN 主要用于我们不知道供应商确切位置的供应商到工厂的运输，而线性回归则用于工厂到客户的运输，以找到现有成本和距离之间的相关性。
最后，我们制定了设施选址模型。我们开发了一个多商品成本最小化模型作为我们的基准，该模型结合了 p 中位数和集合覆盖构建块。目标包括中间和最后一英里的运输成本。在该模型的基础上，开发了一个利润最大化模型。与前一个模型的区别在于增加了价值创造服务的潜在收入，因此总利润（收入减去运输成本）成为新的目标。为了捕捉不确定性，我们提出了一个随机优化模型，该模型结合了最佳、平均和最坏的收入情景。
结果与结论
在识别城市区域时，我们决定采用改进的 k-means 算法的结果，因为它在数据集中具有良好的可解释性和分类性。
通过运行这两个设施位置模型，基于成本的模型得出反映交付成本的输出，而基于利润的模型得出反映高收入地区的有趣输出。我们观察到 iDC 位置从美国东南部转移到该国东北部和西南部。在后一种模型中，西南部 iDC 数量从 100 个可能结果中的 59 个减少到 55 个，而东北部的数量则相应增加。这一发现得到了价值创造服务的盈利能力数据（输入）的证实，其中东北部、西南部和西北部预计将是最赚钱的地区。