14 Trang 5 LỜI MỞ ĐẦUSự phát triển liên tục của công nghệ đã góp phần vào quá trình chuyển đổi số,mang lại nhiều cải tiến mới giúp nâng cao năng suất trong các hoạt động Logistics.Các d
TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG CƠ SỞ II TẠI TP.HCM -o0o - BÀI BÁO CÁO NHĨM GIỮA KỲ MƠN: MƠ HÌNH DỮ LIỆU CHO QUYẾT ĐỊNH QUẢN TRỊ ĐỀ TÀI: MƠ HÌNH HỐ DỮ LIỆU ĐỂ GIẢI QUYẾT CÁC VẤN ĐỀ QUẢN TRỊ TRONG LOGISTICS Nhóm Thành viên nhóm: Phan Ngọc Quỳnh Anh 2115213010 Phạm Nhật Hưng 2114254000 Phùng Hà Bảo Duy 2114213007 Khoá lớp: K60A Mã lớp: ML47 Giảng viên: Huỳnh Đăng Khoa BẢNG PHÂN CÔNG NHIỆM VỤ VÀ ĐÁNH GIÁ THÀNH VIÊN NHÓM STT Thành viên Nội dung phân công Phan Ngọc Quỳnh Anh - Thực hành ví dụ bổ sung - Tổng hợp báo cáo 100% Phạm Nhật Hưng - Soạn cấu trúc thuyết trình - Trình bày spreadsheet, chuẩn bị file nộp - Thuyết trình 100% Phùng Hà Bảo Duy - Soạn nội dung thuyết trình dựa sách tham khảo - Thiết kế slides 100% Mức độ đóng góp MỤC LỤC CHƯƠNG 1: TỔNG QUAN VỀ ỨNG DỤNG PHÂN TÍCH DỮ LIỆU TRONG NGÀNH LOGISTICS VÀ CHUỖI CUNG ỨNG .1 1.1 Thực trạng ngành Logistics thời đại 4.0 1.1.1 Thị phần ngành Logistics truyền thống dần suy giảm 1.1.2 Nhu cầu kỳ vọng khách hàng tăng 1.1.3 Một số hạn chế 1.2 Vai trị mơ hình liệu Logistics CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Các khái niệm tối ưu mơ hình liệu 2.1.1 Giới thiệu lập trình tốn học tối ưu hoá 2.1.2 Ứng dụng mơ hình hóa liệu tối ưu lĩnh vực Logistics .4 2.2 Giới thiệu chung Solver .4 2.2.1 Giới thiệu công cụ Solver mơ hình bảng tính 2.2.2 Thành phần mơ hình bảng tính 2.3 Các bước để thực mơ hình liệu tuyến tính (LP) bảng tính 2.4 Mục tiêu CHƯƠNG 3: THỰC HÀNH MƠ HÌNH HỐ DỮ LIỆU VỚI CƠNG CỤ SOLVER ĐỂ GIẢI QUYẾT BÀI TOÁN LOGISTICS 3.1 Ví dụ Cơng ty Tropicsun 3.1.1 Giới thiệu vấn đề cần đưa định 3.1.2 Định danh biến định .7 3.1.3 Xác định hàm mục tiêu 3.1.4 Xác định ràng buộc 3.1.5 Triển khai mô hình .10 3.1.6 Trình bày trang tính 11 3.1.7 Tìm kết tối ưu công cụ Solver 12 3.1.8 Phân tích kết 13 3.2 Ví dụ Cơng ty cho thuê xe Rent-A-Dent 14 3.1.1 Giới thiệu vấn đề cần đưa định 14 3.1.2 Định danh biến định 14 3.1.3 Xác định hàm mục tiêu 15 3.1.4 Xác định ràng buộc 15 3.1.5 Triển khai mơ hình .16 3.1.6 Trình bày trang tính 16 3.1.7 Tìm kết tối ưu công cụ Solver 18 3.1.8 Phân tích kết 19 LỜI MỞ ĐẦU Sự phát triển liên tục công nghệ góp phần vào q trình chuyển đổi số, mang lại nhiều cải tiến giúp nâng cao suất hoạt động Logistics Các doanh nghiệp không cạnh tranh dựa tốc độ vận chuyển hay số lượng hàng hố vận chuyển mà cịn cạnh tranh liệu, xem tài sản doanh nghiệp thời đại số Đối với ngành Logistics, phân tích trình bày liệu cách trực quan giúp doanh nghiệp nắm bắt lợi ích tiềm năng, có định phù hợp nâng cao hiệu kinh doanh Áp dụng khoa học liệu vào quản lý chuỗi cung ứng giúp doanh nghiệp dự báo xu hướng tương lai đưa định xác CHƯƠNG 1: TỔNG QUAN VỀ ỨNG DỤNG PHÂN TÍCH DỮ LIỆU TRONG NGÀNH LOGISTICS VÀ CHUỖI CUNG ỨNG 1.1 Thực trạng ngành Logistics thời đại 4.0 1.1.1 Thị phần ngành Logistics truyền thống dần suy giảm Phần lớn hạ tầng (nguồn cung) doanh nghiệp logistics Việt Nam nhà kho xưởng truyền thống, không đảm bảo yêu cầu nhà đầu tư Dù năm trở lại đây, với tham gia nhà phát triển hạ tầng logistics hàng đầu giới, song tỷ lệ kho truyền thống chiếm 50% tổng nguồn cung Trong đó, năm 2021 thị trường Mỹ, kho đại chiếm đến 65% nguồn cung thị trường (Theo vov.vn, T4/2023) Các công ty logistics sử dụng quy trình cịn thủ cơng lỗi thời khơng mang lại nhiều hiệu vận hành ngành vận chuyển thời đại 4.0 Tuy nhiên, nhà cung ứng bắt đầu thực tự tích hợp liệu, tận dụng liệu để phân tích, cung cấp hoạt động số dịch vụ số, điều khiến thị phần ngành Logistics truyền thống bước suy giảm Khi nhà cung ứng thực bước chuyển đổi số, ngành Logistics bắt đầu hoạt động theo hướng tối ưu Theo bảng xếp hạng Agility 2022, Việt Nam đứng thứ 11 nhóm 50 thị trường logistics tồn cầu Tỷ lệ tăng trưởng kép năm (CAGR) giai đoạn 2022-2027 dự báo đạt 5,5% (Theo báo Nhân Dân điện tử, T9/2023) Các doanh nghiệp Logistics phải đối mặt với toán tăng hiệu quản trị để phù hợp với tốc độ phát triển Để giải toán này, nhà lãnh đạo cần đặt kế hoạch hành động ngắn hạn dài hạn dựa kết từ việc phân tích liệu 1.1.2 Nhu cầu kỳ vọng khách hàng tăng Sự phát triển thị trường thương mại trực tuyến làm thay đổi hành vi, thói quen nhu cầu mua sắm khách hàng Kết đơn đặt hàng trực tuyến ngày có xu hướng tăng trưởng, điều thể rõ rệt đại dịch Covid-19 sách cách ly xã hội áp dụng Trong giai đoạn từ năm 2022 - 2025, thương mại điện tử Việt Nam dự báo tăng trung bình 25%/năm, đạt 35 tỷ USD vào năm 2025, chiếm 10% tổng mức bán lẻ doanh thu Document continues below Discover more from: Mơ hình liệu cho địn… Trường Đại học… 6 documents Go to course Chapter 17 Mơ hình liệu cho… None [NHĨM 10] MƠ HÌNH 10 DỮ LIỆU Report Mơ hình liệu cho… None [NHĨM 11] BÀI TỐN TUYẾN ĐƯỜNG… Mơ hình liệu cho… None 125981449 - abcd Mơ hình liệu cho… None Nội dung giải đấu tuyệt vời Mơ hình liệu cho… None Reading- LT TFNGd 10 nguyên lý quản lý… 100% (1) dịch vụ tiêu dùng nước Từ thời điểm đến năm 2040, khoảng 95% giao dịch mua sắm dự kiến thông qua thương mại điện tử (Theo Tạp chí cơng thương điện tử, T4/2023) Đi với thói quen mua sắm thay đổi kỳ vọng dịch vụ logistics ngày tăng 1.1.3 Một số hạn chế Khảo sát Ngân hàng Thế giới cho thấy, chi phí logistics chiếm lớn giá thành nhiều ngành hàng Việt Nam Thống kê cho thấy, chi phí logistics Việt Nam cịn cao so với giới, chiếm khoảng 16,8% năm 2022 chi phí trung bình giới khoảng 10% (Theo vov.vn, T4/2023) Thực trạng ảnh hưởng nhiều đến hoạt động xuất nhập doanh nghiệp, làm giảm sức cạnh tranh hàng hóa Việt Nam thị trường quốc tế Theo ông Ngô Khắc Lê - Phó Tổng thư ký Hiệp hội doanh nghiệp dịch vụ Logistics Việt Nam, bất cập lớn hệ thống pháp luật điều chỉnh logistics thương mại chưa đồng bộ, thiếu quán, chưa quy định rõ ràng, rành mạch trách nhiệm giới hạn quản lý quan nhà nước việc quản lý hoạt động logistics thương mại Số liệu từ Hiệp hội Doanh nghiệp logistics Việt Nam ra, 90% doanh nghiệp logistics hoạt động doanh nghiệp Việt, chiếm khoảng 30% thị phần, lại thuộc doanh nghiệp nước Số lượng doanh nghiệp nhiều chủ yếu doanh nghiệp nhỏ, quy mô hạn chế vốn nhân lực kinh nghiệm hoạt động quốc tế, chưa có liên kết khâu chuỗi cung ứng logistics, doanh nghiệp dịch vụ logistics với doanh nghiệp xuất nhập (Theo Báo kinh tế đô thị, T4/2022) Một số doanh nghiệp nâng cấp hệ thống hoạch định nguồn lực ứng dụng ERP nhằm mục đích cải thiện dịch vụ chuỗi cung ứng Tuy nhiên, chất lượng dịch vụ chuỗi cung ứng hay logistics tiếp tục giảm, phải quay lại trạng thái làm việc truyền thống nhiều lỗi kỹ thuật tính liên kết liệu phịng ban cịn lỏng lẻo áp dụng công nghệ ngành (Theo Tạp chí cơng thương, 2023) Ngồi ra, mức độ đầu tư cơng nghệ thơng tin đại cịn chưa có tảng kết nối thơng tin doanh nghiệp khách hàng Điều này, dẫn đến phí thu hàng hóa chưa thống cịn cao, hạ tầng kho, kho lạnh chưa phát triển, hệ thống giao thông cầu đường chưa đồng bộ… (Theo Báo Nhân dân, T7/2023) 1.2 Vai trị mơ hình liệu Logistics Thứ nhất, việc sử dụng mơ hình liệu giúp rút ngắn khoảng cách nguồn cung nhu cầu Những tiến gần công nghệ Deep Learning, nhánh thuộc cơng nghệ Trí tuệ nhân tạo AI, giúp cải thiện khả xử lý thấu hiểu nguồn thông tin đầu vào dạng liệu phi cấu trúc Phần lớn tương tác khách hàng nhà cung ứng, tích hợp thơng qua liệu đầu vào thu thập hệ thống AI, ví dụ từ bình luận mạng xã hội, phản hồi nói người mua hàng Với quyền truy cập vào liệu lớn chứa cụm từ tương tự thông tin liên quan, AI nắm bắt bối cảnh mua hàng khách hàng, bối cảnh đặt hàng đối tác để từ sử dụng liệu mang lại giá trị sâu sắc chuỗi cung ứng Bằng cách này, liệu rút ngắn lại khoảng cách cung cầu khách hàng nhà cung ứng Thứ hai, mơ hình liệu giúp tự động hóa quy trình vận chuyển Giải pháp liên quan tới cơng nghệ tự động hóa quy trình cịn giúp doanh nghiệp logistics tự động hóa quy trình việc lập kế hoạch vận chuyển, đơn đặt nhà cung cấp, xử lý tài liệu lập hóa đơn Về lâu dài, doanh nghiệp logistics có cải thiện đáng kể việc giảm chi phí phục vụ, nhân sự, tài chính, giảm phức tạp thủ công hoạt động chuỗi cung ứng truyền thống Dữ liệu lớn kết hợp với phân tích liệu thời gian thực cho phép nhà cung ứng theo kịp với thay đổi lịch trình phương tiện vận chuyển người nhận cuối Thứ ba, sử dụng mơ hình liệu làm tăng trải nghiệm liền mạch, để từ tăng mức độ hài lịng trung thành khách hàng Trải nghiệm khách hàng thời đại 4.0 dần chuyển dịch từ truyền thống sang số hóa Trải nghiệm khách hàng ngành logistics nằm tập trung việc giao diện, chức năng, thông tin tảng số liên kết kết nối chặt chẽ Những khách hàng ngành logistics tìm kiếm liền mạch quy trình báo giá, đặt chỗ trực tuyến, cân nhắc thêm tảng nhà cung cấp có thêm chức xử lý tài liệu số phân tích liệu lơ hàng CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Các khái niệm tối ưu mơ hình liệu 2.1.1 Giới thiệu lập trình tốn học tối ưu hố Lập trình tốn học (MP - Mathematical programming) lĩnh vực phân tích kinh doanh tìm cách tối ưu hiệu nhằm sử dụng nguồn lực hạn chế để đạt mục tiêu cá nhân doanh nghiệp Tổng quát hơn, MP sử dụng để xác định giá trị tốt tối ưu cho biến định mơ hình tốn học Vì lý này, MP thường gọi tối ưu hóa Tối ưu hóa đóng vai trị quan trọng khơng phân tích đề xuất, mà cịn phân tích mơ tả dự đốn 2.1.2 Ứng dụng mơ hình hóa liệu tối ưu lĩnh vực Logistics Nhiều cơng ty bán lẻ có kho hàng tồn quốc chịu trách nhiệm trì cung cấp hàng hóa cho cửa hàng bán lẻ Số lượng hàng hóa có sẵn kho số lượng cần thiết cửa hàng thường biến đổi, chi phí vận chuyển từ kho đến vị trí bán lẻ thường khác Nhà quản trị cần xác định phương pháp chuyển hàng hóa từ kho đến cửa hàng với chi phí thấp nhất, tương tự việc vận chuyển nguyên vật liệu từ nhà cung cấp đến nhà máy chế biến vận chuyển hàng hoá từ nhà máy đến kho chứa hàng, 2.2 Giới thiệu chung Solver 2.2.1 Giới thiệu công cụ Solver mơ hình bảng tính Tất phần mềm bảng tính thường kèm với cơng cụ tối ưu hóa tích hợp gọi "solver", điều cho thấy tầm quan trọng mơ hình liệu tuyến tính (Linear Programming - LP) tối ưu hóa nói chung Các vấn đề tối ưu hóa giải thơng qua việc sử dụng bảng tính Microsoft Excel, Google Sheets phần mềm toán học chuyên biệt LINDO, CPLEX, GUROBI Optimizer Xpress-MP Thông thường, nhà nghiên cứu doanh nghiệp sử dụng gói phần mềm để xử lý khối lượng liệu lớn mà bảng tính khơng giải Nguồn cung Vườn Khoảng cách Nhà máy chế biến Năng lực chế biến 275.000 200.000 400.000 600.000 300.000 225.000 Hình 3.1 Tóm tắt ví dụ cơng ty Tropicsun Các hình trịn (hoặc nút) hình 3.1 tương ứng với vườn nhà máy chế biến khác Tropicsun, nút gán số thứ tự (Ví dụ: Mt Dora tương ứng với nút 1; Leesburg tương ứng với nút 6) Các mũi tên nối vườn nhà máy chế biến khác đại diện cho tuyến đường vận chuyển Vấn đề định mà Tropicsun cần giải xác định thùng cam cần vận chuyển tuyến đường Do đó, mũi tên hình tượng trưng cho biến định Các biến định định danh dạng: Xij = số lượng thùng cam cần vận chuyển từ nút i đến nút j Cụ thể, có biến định sau: 𝑋14 = số lượng thùng cam cần vận chuyển từ Mt Dora (nút 1) đến Ocala (nút 4) 𝑋15 = số lượng thùng cam cần vận chuyển từ Mt Dora (nút 1) đến Orlando (nút 5) 𝑋16 = số lượng thùng cam cần vận chuyển từ Mt Dora (nút 1) đến Leesburg (nút 6) 𝑋24 = số lượng thùng cam cần vận chuyển từ Eustis (nút 2) đến Ocala (nút 4) 𝑋25 = số lượng thùng cam cần vận chuyển từ Eustis (nút 2) đến Orlando (nút 5) 𝑋26 = số lượng thùng cam cần vận chuyển từ Eustis (nút 2) đến Leesburg (nút 6) 𝑋34 = số lượng thùng cam cần vận chuyển từ Clermont (nút 3) đến Ocala (nút 4) 𝑋35 = số lượng thùng cam cần vận chuyển từ Clermont (nút 3) đến Orlando (nút 5) 𝑋36 = số lượng thùng cam cần vận chuyển từ Clermont (nút 3) đến Leesburg (nút 6) 3.1.3 Xác định hàm mục tiêu Mục tiêu toán xác định cần vận chuyển thùng cam từ vườn đến nhà máy chế biến với tổng khoảng cách vận chuyển nhằm tối thiểu chi phí Hàm mục tiêu cho vấn đề biểu diễn bằng: MIN: 21𝑋 + 50𝑋 + 40𝑋 + 35𝑋 + 30𝑋 14 15 16 24 25 + 22𝑋 26 + 55𝑋 34 + 20𝑋 35 + 25𝑋 36 Thành phần 21𝑋 hàm mục tiêu việc thùng cam vận 14 chuyển từ Mt Dora (nút 1) đến Ocala (nút 4) phải 21 dặm Các thành phần lại hàm biểu diễn mối quan hệ tương tự 3.1.4 Xác định ràng buộc Ràng buộc thứ giới hạn số lượng trái vận chuyển đến nhà máy chế biến công suất nhà máy hạn chế Tropicsun vận chuyển nhiều 200.000, 600.000 225.000 thùng cam đến Ocala, Orlando Leesburg Các ràng buộc phản ánh bất đẳng thức sau đây: 𝑋14 + 𝑋24 + 𝑋34 ≤ 200,000 } Giới hạn công suất cho Ocala 𝑋15 + 𝑋25 + 𝑋35 ≤ 600,000 } Giới hạn công suất cho Orlando 𝑋16 + 𝑋26 + 𝑋36 ≤ 225,000 } Giới hạn công suất cho Leesburg Ràng buộc (giới hạn công suất cho Ocala) cho biết tổng số thùng cam vận chuyển đến Ocala (nút 4) từ Mt Dora (nút 1), Eustis (nút 2) Clermont (nút 3) phải nhỏ công suất Ocala 200.000 thùng cam, tương tự cho Orlando Leesburg Tuy nhiên, tổng công suất chế biến nhà máy (1.025.000 thùng cam) lớn tổng nguồn cung ứng từ vườn (975.000 thùng cam) Do đó, ràng buộc sử dụng ký hiệu "nhỏ bằng" nhà máy chế biến khơng sử dụng hết cơng suất Ràng buộc thứ hai đảm bảo tồn thùng cam vườn cung cấp vận chuyển đến nhà máy chế biến Vì vậy, 275.000, 400.000 300.000 thùng cam Mt Dora, Eustis Clermont phải chế biến nhà máy Các ràng buộc thể qua bất đẳng thức sau: 𝑋14 + 𝑋15 + 𝑋16 = 275,000 } Nguồn cung ứng Mt Dora 𝑋24 + 𝑋25 + 𝑋26 = 400,000 } Nguồn cung ứng Eustis 𝑋34 + 𝑋35 + 𝑋36 = 300,000 } Nguồn cung ứng Clermont Ràng buộc thứ ba đảm bảo số lượng thùng cam cần vận chuyển từ vườn đến nhà máy chế biến lớn 0: 𝑋14 , 𝑋15 , 𝑋16 , 𝑋24 ,𝑋25 ,𝑋26 ,𝑋34 ,𝑋35 ,𝑋36 ≥ 3.1.5 Triển khai mơ hình Mơ hình liệu tuyến tính (LP) cho tốn Logistics cơng ty Tropicsun tổng hợp sau: MIN: 21𝑋 + 35𝑋 + 55𝑋 14 24 34 + 50𝑋 + 30𝑋 + 20𝑋 15 25 35 + 40𝑋 + 22𝑋 + 25𝑋 16 Tổng khoảng cách vận chuyển 26 36 Trong đó: 𝑋14 + 𝑋24 + 𝑋34 ≤ 200,000 (hạn chế công suất cho Ocala) 𝑋15 + 𝑋25 + 𝑋35 ≤ 600,000 (hạn chế công suất cho Orlando) 𝑋16 + 𝑋26 + 𝑋36 ≤ 225,000 (hạn chế công suất cho Leesburg) 𝑋14 + 𝑋15 + 𝑋16 = 275,000 (nguồn cung ứng có sẵn Mt Dora) 𝑋24 + 𝑋25 + 𝑋26 = 400,000 (nguồn cung ứng có sẵn Eustis) 𝑋34 + 𝑋35 + 𝑋36 = 300,000 (nguồn cung ứng có sẵn Clermont) 𝑋𝑖𝑗 ≥ 0, với i j (điều kiện khơng âm) 10 3.1.6 Trình bày trang tính Trong bảng tính bên dưới, khoảng cách vườn nhà máy biểu thị ô C7 đến E9 Các ô C14 đến E16 biểu diễn số lượng thùng cam cần vận chuyển từ vườn đến nhà máy chế biến (Lưu ý: ô tương ứng với biến định mơ hình Hình 3.2 Trình bày trang tính cho ví dụ công ty Tropicsun Các ô từ C17 đến E17 biểu thị số lượng thùng cam nhà máy chế biến Ocala, Orlando Leesburg nhận Các ô từ C18 đến E18 thể giới hạn công suất cho nhà máy Công thức cho ô C17: =SUM(C14:C16) (Tương tự với ô D17 E17) Các ô từ F14 đến F16 biểu thị số lượng thùng cam vận chuyển từ vườn Mt Dota, Eustis Clermont Các ô từ G14 đến G16 thể ràng buộc số lượng thùng cam có sẵn bắt buộc phải chuyển chế biến vườn Công thức cho ô F14: =SUM(C14:E14) (Tương tự với ô F15 F16) Ơ E20 biểu thị hàm mục tiêu cho mơ hình với công thức sau: E20 = SUMPRODUCT(C7:E9, C14:E16) 11 Hàm SUMPRODUCT() nhân phần tử phạm vi từ C7 đến E9 với phần tử tương ứng phạm vi từ C14 đến E16 sau tính tổng tích riêng lẻ 3.1.7 Tìm kết tối ưu công cụ Solver Các thiết lập Solver cần thiết để giải vấn đề: Solver Settings: Objective: E20 (Min) Variable cells: C14:E16 Constraints: F14:F16 = G14:G16 C17:E17 < = C18:E18 C14:E16 > = Solver Options Standard LP/Quadratic Engine (Simplex LP) Hình 3.3 Thiết lập Solver để giải ví dụ cơng ty Tropicsun 12 Solver tính tốn giải pháp tối ưu: Hình 3.4 Kết từ cơng cụ Solver cho ví dụ cơng ty Tropicsun 3.1.8 Phân tích kết Giải pháp tối ưu mơ hình liệu cần vận chuyển 200.000 thùng cam từ Mt Dora đến Ocala (𝑋 14 = 200.000) 75.000 thùng cam lại vận chuyển đến Leesburg (𝑋 = 75.000) Trong số 400.000 thùng cam có sẵn vườn 16 Eustis, 250.000 thùng cam vận chuyển đến Orlando để chế biến (𝑋 25 = 250.000) 150.000 thùng cam gửi đến Leesburg (𝑋 = 150.000) Cuối cùng, tất 300.000 26 thùng cam có sẵn Clermont cần vận chuyển đến Orlando (𝑋 Các tuyến đường cịn lại khơng sử dụng, tương ứng với 𝑋 15 35 = 300.000) =𝑋 24 =𝑋 = 34 𝑋36 = 0) Giải pháp đáp ứng tất ràng buộc mơ hình với khoảng cách vận chuyển tối thiểu hoá 24.000.000 dặm tổng số thùng 13 3.2 Ví dụ Cơng ty cho thuê xe Rent-A-Dent 3.1.1 Giới thiệu vấn đề cần đưa định Công ty cho thuê xe Rent-A-Dent cho phép khách hàng nhận xe thuê địa điểm trả lại địa điểm Hiện tại, hai địa điểm (1 2) có dư 16 18 ô tô bốn địa điểm (3, 4, 6), địa điểm cần nhiều 10 tơ Chi phí để vận chuyển số xe dư thừa từ địa điểm đến địa điểm khác tóm tắt bảng sau Địa điểm Địa điểm Địa điểm Địa điểm Địa điểm $54 $17 $23 $30 Địa điểm $24 $18 $19 $31 Vì có 34 tô dư địa điểm 2, cần 40 ô tô địa điểm 3, 4, nên số địa điểm không nhận số lượng ô tô họ cần Tuy nhiên, ban quản lý muốn đảm bảo tất số ô tô dư thừa gửi đến nơi cần thiết địa điểm cần ô tô nhận năm ô tô Công ty muốn định xem vận chuyển xe từ địa điểm thừa xe đến địa điểm thiếu xe với chi phí vận chuyển tối thiểu 3.1.2 Định danh biến định Các biến định định danh dạng: 𝑋𝑖𝑗 = số lượng ô tô cần vận chuyển từ địa điểm i đến địa điểm j Cụ thể, có biến định sau: 𝑋13 = số lượng ô tô cần vận chuyển từ địa điểm đến địa điểm 𝑋14 = số lượng ô tô cần vận chuyển từ địa điểm đến địa điểm 𝑋15 = số lượng ô tô cần vận chuyển từ địa điểm đến địa điểm 𝑋16 = số lượng ô tô cần vận chuyển từ địa điểm đến địa điểm 𝑋23 = số lượng ô tô cần vận chuyển từ địa điểm đến địa điểm 𝑋24 = số lượng ô tô cần vận chuyển từ địa điểm đến địa điểm 𝑋25 = số lượng ô tô cần vận chuyển từ địa điểm đến địa điểm 14