数据分析与决策案例:某大型石油公司选址问题分析(一)
海湾石油公司是总部位于美国的一家大型一体化石油公司。该公司大部分的石油在自己的油田中生产,所需的其他部分从中东进口。公司拥有大型配送网络,负责把石油送到公司的炼油厂,然后再把石油产品从炼油厂运送到公司的配送中心,这些设施如下图所示:

海湾公司正在不断增加几种主要产品的市场占有率。因此公司管理层决定通过建立一个新的炼油厂并增加从中东地产进口石油的数量来扩大产出,接下来需要制定的决策就是,确定在什么地方建设新的炼油厂。
新炼油厂的建立,将会对公司整个配送系统的运营工作产生重要的影响,这些影响包括,需要确定从各个原供应地输送多少原油到各个炼油厂(包括新建的炼油厂),以及从每个炼油厂输送多少石油产品到各个配送中心,因此,影响管理层确定新炼油厂建设地点的三个关键因素是:
1、将原油从供应地运送到各炼油厂,包括新的炼油厂的总成本;
2、将石油产品从炼油厂运送到配送中心的总成本;
3、建设新炼油厂的运营成本,包括劳动力成本、税费、原料、能源成本等;
经过多次调查,选出了3个比较不错的备选地点,这些地点以及每个地点的主要优势如下图所示:

为满足管理层提出的要求:对新炼油厂选址问题进行分析,需要收集大量的数据,有些数据需要通过大量的数据挖掘才能得到。
管理层希望所有炼油厂都能满负荷运转。因此,需要确定这种条件下每个炼油厂每年所需要的原油数量是多少,各个炼油厂每年原油需求量的数据如下图所示:

上图显示了每个油田每年的石油产量。预计在未来几年中,这些数字保持不变。由于炼油厂所需要的原油总量为3.6亿桶,而自己公司的油田只能生产2.4亿桶,所以不得不从中东地区进口1.2亿桶。
不管炼油厂建在什么位置,原油需求量是不变的,即公司自己生产和采购的原油总量不变,所以,可以得到结论:相应的生产和采购成本(不包括运输成本)与新炼油厂的位置无关。但另一方面,原油从供应地运输到炼油厂的运输成本与新炼油厂的位置紧密相关,下图给出了从原油供应地到现有3个炼油厂以及3个备选炼油厂地点的运输成本:

另一个紧密相关的因素是,把石油产品从炼油厂运送到配送中心的运输成本,下图列出了这些成本。假设1单位石油产品需要100万桶原油。表的最后一行显示了每个配送中心所需要的石油产品的数量。

最后一个与成本密切相关的因素是:在每一个备选地点新建炼油厂的运营成本。为估计这些成本,参照了一个正在运营的炼油厂的成本,,还收集了在各个地点建设新炼油厂所需的土地成本、建设成本以及其他成本,然后将这些成本以年为单位均摊,得到如下结果:

有了以上信息后,现在就需要为管理层提供如下两个关键的财务信息:
1、由每个新炼油厂的备选地点所产生的总原油运输成本
2、由每一个新炼油厂的备选地点所产生的石油产品的总运输成本
对于这两种成本来说,一旦炼油厂确定地点以后,最优的运输计划也就确定了,因此,为找出各潜在地点的以上两种成本,需要为每种情况制定出最优的运输计划,然后计算出相应的成本。
对于每一个新炼油厂的潜在地点来说,确定最优运输计划的问题就是一个运输问题,这里运算了分别选择新炼油厂建设地点为洛杉矶、加尔维斯敦、圣路易斯所需要的成本:



从上图可以看出,如果选择洛杉矶建造新的炼油厂,最优运输计划下每年的总原油运输成本为8.8亿,选择加尔维斯敦,则成本为9.2亿,而选择在圣路易斯,则成本为9.6亿。
接下来,对石油产品的运输成本做分析与上述过程类似,得到结果如下图:

同样的,我们可以得到如果选在洛杉矶建造新炼油厂,每年运输石油产品所需的运输成本为15.7亿,如果选在加尔斯敦建造新炼油厂,每年运输成本为16.3亿,选在圣路易斯建造新的炼油厂,每年的石油产品运输成本为14.3亿。
接着需要考虑的是这三个新炼油厂备选地点的财务分析,下图显示的是三个备选地点每年的可变成本:

上图中第二列显示了对于每个选择来说,把原油从炼油厂运送到配送中心的每年总运输成本,这在之前最有路线中已经算出来了;第三列显示了对于每个备选地点来说,把石油从炼油厂运送到配送中心的每年运输总成本,这在之前也已经算出来了;第四列则显示了在每一个地点建造炼油厂的运营成本。
从上面可以得出,从纯粹的财务角度来看,最适合在圣路易斯建造新炼油厂,这个地点与加尔维斯敦比,每年可以节约2亿,与洛杉矶相比,每年可以节约1.5亿。
然而,与任何选址决策一样,管理者需要考虑许多因素,当然包括非财务数据,另外,如果能够找到一些方法降低上图中的加尔维斯敦和洛杉矶的成本,财务评估的结果就会改变,还需要考虑这个地点的成本或者市场趋势是否回在未来发生变化。
那么接下来就会更加全面的考虑这些因素,对扩大产能的能力进行分析。

Excel是使用最为广泛、最为便捷的办公软件,而且它的数据分析和挖掘功能功能十分强大,能够快速完成所有的数据清洗的过程,能够快速建立分析模型,并且快速运行得出结果,是做数据分析必备的工具。
下面是即将在我的小密圈里分享的120个Excel商业数据分析实战案例目录,欢迎看我个人资料联系我:

