AØO fordypningen høsten 2015

Transkript

1 AØO fordypningen høsten 2015 Anvendt økonomi og optimering - fordypning Fordypningstilbudet til studentene er en spesialisering innenfor økonomisk analyse og optimering som hovedsakelig er rettet mot industrielle og teknologiske anvendelser. De som velger denne fordypningen må velge både emnene og prosjektet som hører til fordypningen. Studentene spesialiserer seg ofte innenfor følgende temaer: bedriftsøkonomisk analyse, modeller og verktøy for å styre og koordinere industrielle verdikjeder, selskapsmodeller for analyse og styring av industrikonsern, økonomisk optimalisering av industrielle prosesser, transportoptimering, logistikk, analyse og beslutningstøtte rettet mot energimarkedene, etc. Fagområde: De aktuelle veilederne underviser og forsker innenfor Bedriftsøkonomi, Industriell økonomi, Optimering/operasjonsanalyse. Vi fokuserer spesielt på tverrfaglig forskning som involverer flere av disiplinene over. Vi fokuserer på forskning og undervisning rettet mot industrielle og teknologiske anvendelser. Mulige veiledere: Førsteamanuensis Henrik Andersson Førsteamanuensis II Einar Belsom Professor Marielle Christiansen Førsteamanuensis Ruud Egging Professor Kjetil Fagerholt Førsteamanuensis Olav Fagerlid Professor Stein-Erik Fleten Professor Alexei Gaivoronski Professor Bjørn Nygreen Post. Doc. Magnus Stålhane Professor Asgeir Tomasgard

2 Forutsetninger for å velge AØO fordypning: De studentene som høsten 2015 skal ha fordypningen Anvendt økonomi og optimering må ha tatt: TIØ 4130 Optimeringsmetoder med teknisk-økonomiske anvendelser TIØ 4150 Industriell optimering og beslutningsstøtte TIØ 4285 Produksjons- og nettverksøkonomi I tillegg til prosjektet må også fordypningsemnet TIØ4505 Anvendt økonomi og optimering, fordypningsemne velges. Prosjektoppgaver høsten 2015 innen Anvendt økonomi og optimering: Beskrivelsene av problemene er ment som en hjelp for å velge oppgave, de er ikke ment som komplette oppgavetekster. Det vil heller ikke bli laget noen oppgavetekst. Oppgaven vil bli til underveis i diskusjon mellom studenter, veileder(e) og eventuell bedriftskontakt. Det er i de aller fleste tilfeller sterkt ønskelig at oppgaven som velges også videreføres i masterprosjektet. Eventuelle studenter som har funnet oppgave selv og deretter funnet en som sier seg villig til å veilede blant de tidligere nevnte aktuelle veilederne, skal velge AØO01 i webskjemaet. Det understrekes imidlertid at en skal først ha en avtale med en veileder før dette kan velges. Der hvor det står to eller flere mulige veiledere skal dere i søkefasen primært snakke med den som står først. I disse tilfellene vil enten to av veilederne veilede i fellesskap eller en vil tildele en av veilederne ut fra ressursmessige hensyn blant veilederne. Det er ikke mulig å ønske seg en av veilederne blant de som er listet. Der det er angitt kontaktpersoner i samarbeidsinstitusjoner skal disse ikke kontaktes før det eventuelt er gitt klarsignal fra oppgitt veileder. I prosessen med tildeling av oppgaver vil det tas hensyn til studentenes valg, men det vil også legges vekt på hvordan veiledningen blir fordelt på faggruppens medlemmer. Der en person står som veileder på mange oppgaver, kan det godt tenkes at personen ikke vil ha kapasitet til å ha studenter på alle oppgavene. Det er ønskelig at studentene utfører arbeidet i grupper på to studenter. Dersom studenter har sterkt ønske om å jobbe alene eller i grupper på tre studenter kan dette også tillates, men da i samråd med veileder eller AØO-koordinator.

3 Liste over prosjektoppgaver: AØO01: Egen definert studentprosjekt Studenter som finner et prosjekt selv og deretter finner en faglærer som vil veilede det egendefinerte prosjektet, bruker tittelen over for å angi et slikt valg i det webbaserte valgskjemaet. Avtale med veileder må være gjort før valget gjøres på web. Veileders navn må stå i kommentarfeltet i webskjemaet.

4 AØO02: An optimization approach to Systematic heat and work integration in process plants A systematic graphical procedure for identifying the "optimal placement" of compressors and expanders in heat recovery processes to minimize exergy consumption or maximize exergy production is being developed in the Process Integration group of the Department of Energy and Process Engineering. However, as for most graphical approaches to process synthesis, this methodology has limitations in the complexity of problems that can be solved. To take the development of this work further, a combined student project and master thesis is proposed, where optimization will be used to solve larger heat and work integration problems. In the project, the student should perform a literature review on state-of-the-art for heat and work integration and become familiar with the graphical methodology developed at NTNU. The student will develop a superstructure for the problem and formulate it as a Mixed Integer Non-Linear Programming problem. Physical insights gained from the graphical methodology will be used to simplify the numerical complexity of the MINLP problem formulation. For simple (small) problems, the optimization model can be validated against the results of the graphical approach. Forkunnskaper: TIØ4150 Industriell optimering og TEP4215 Energi og Prosess Fordelaktig: Noe programmeringsbakgrunn eller programmeringsinteresse Samarbeidsbedrift: Institutt for energi- og prosessteknikk NTNU (Truls Gundersen) og SINTEF Energi Veileder: Bjørn Nygreen

5 AØO03: Optimal ressursstyring ved St. Olavs hospital Gjennom de siste årene har St. Olavs hospital gjennomført store omstillinger og endringer med stadig økende leveranse av helsetjenester. Det stilles stadig større krav innenfor ressursstyring og koordinering mellom samarbeidende enheter ved sykehuset for å imøtekomme krav til kapasitetsøkning og tidskrav for levering av helsetjenester. En viktig premissleverandør og samarbeidende enhet for mange pasientforløp er klinikk for billeddiagnostikk. Sykehuset har spesielt store kapasitetsproblemer innenfor MR(Magnet- resonanstomografi)-diagnostikk, og en av de store utfordringene blir derfor å få en effektiv utnyttelse av den totale MR-kapasiteten ved St. Olavs hospital. Nye nasjonale tidskrav til utredningstid for ulike sykdommer som innebærer MR-diagnostikk, har lagt et ytterlig press på enheten. Det brukes i dag en lang planleggingshorisont hvor pasienter tildeles tidspunkt ut fra ulik prioritet/tidskrav. I planleggingen må det også tas hensyn til øyeblikkelig hjelp/akuttpasienter. Antall akuttpasienter og deres ankomsttidspunkt er usikkert. Det er et stort behov for å utvikle et beslutningsstøttesystem for å disponere de begrensede MR-ressursene på en god måte. Et slikt system skal tildele tid til de ulike planlagte pasientene på ulike MR-maskiner på en måte som også tar hensyn til akuttpasienter. Prosjektet med etterfølgende masteroppgave kan inneholde ulike oppgaver som: Studie av litteraturen for liknende problemer; Beskrivelse av utfordringene rundt ressursstyring ved St. Olavs hospital; Avgrensning av problemet og beskrivelse av dette; Utvikling av matematisk modell(er) for problemet, herunder optimeringsmodeller, kømodeller og/eller simuleringsmodeller; Implementering av modellen(e) ved hjelp av egnet programvare; Analyse av reelle data fra St. Olavs hospital; Testing av instanser basert på reelle data; Samarbeid: Overlege Per Olav Østbyhaug ved Regionalt senter for Helsetjenesteutvikling, St. Olavs hospital Veileder: Marielle Christiansen, Anders N. Gullhav og Bjørn Nygreen

6 AØO04: Staff Rostering at Hospitals Staff rostering is the problem of scheduling staff members such that a set of tasks/shifts are sufficiently covered while also satifying the collective agreements for all the staff members. At Esbjerg Hospital in Denmark, a MIP model has been used for rostering of nurses and anesthesiologists since The model is implemented in GAMS/CPLEX, and is in daily use at the hospital. The success of the model has resulted in interest from other hospitals in Denmark, and the plan is to implement a version of the model at hospitals in the southern part of Jylland and at Fyn. The model is originally developed for the rostering of anesthesiologists where the staff members are highly specialized. This is not the case for nurses which are split into only a few groups. There is a need to tailor and improve the existing model formulation so that it can handle the nurse rostering problem. Symmetry considerations are one of the topics that should be studied. Today, the model is based on a departmental rostering practice where good schedules are created. The objective is to avoid violation of the collective agreements as well as using as little temporal staff as possible. The hospital in Esbjerg wants to allow for the use of preference schedules made by each of the staff members, and a new model should aim at fulfilling the preference schedules as well as the other restrictions. Staff rostering is an important planning problem for all hospitals as well as many other businesses. It is challenging both modeling-wise and with respect to solving the resulting model. Some background in computer programming will be advantageous, though not required. The project may include topics such as: Review of the scientific literature for similar problems; Study the implemented model in GAMS/CPLEX and formulate the corresponding mathematical formulation; Improve the mathematical formulation and tailor the model for nurse rostering; Develop a mathematical formulation for preference scheduling of staff; Implement the model(s) by means of an optimization solver (XPRESS, GAMS/CPLEX,..); Tests on available instances based on real data from Esbjerg hospital. Consider column generation approaches for the problem studied Samarbeid: Førsteamanuensis Troels Martin Range fra Syddansk Universitet Veileder: Henrik Andersson, Marielle Christiansen og Magnus Stålhane

7 AØO05: Optimering av maritim offshore-logistikk for Statoil Statoil har i dag en flåte på ca. 30 forsyningsfartøy til bruk i forsyningslogistikken fra forsyningsbaser på land til offshore olje- og gass-installasjoner. Hvert av disse fartøyene utgjør en betydelig kostnad. Per i dag ligger mange av fartøyene til enhver tid på standby. Bedre planlegging av disse fartøyene vil kunne redusere overkapasitet i flåten og gi store besparelser. Planlegging av komplekse logistikkoperasjoner innen olje og gass preges i dag i stor grad av manuelt arbeid basert på erfaring og "sunn fornuft". En økende grad av kompleksitet, økte krav til sikkerhet og pålitelighet og reduserte marginer gir et økende behov for beslutningsstøtteverktøy til slik planleggingsvirksomhet. Denne prosjektoppgaven vil være en del av forskningsprosjektet MOLO Maritim Offshore Logistikk Optimering, et samarbeid mellom Statoil, MARINTEK, NTNU og Høgskolen i Molde. Innen prosjektet skal det blant annet utvikles beslutningsstøtteverktøy som skal kunne finne både optimal fartøysflåte og operasjonsmønster for flåte. Siden det er mange relevante og interessante problemstillinger innen maritim offshorelogistikk, er temaet for prosjektoppgaven relativt åpen, og kan bestemmes av studenter i samråd med veileder og Statoil. En mulig problemstilling er å utvikle en optimeringsmodell og løsningsmetode for å bestemme optimale ruteplaner for en flåte med forsyningsfartøy, jfr. beskrivelsen over. Andre alternative temaer for problemstilling kan være å se spesielt på inn- og utforsyning av enkeltkjemikalier og/eller dimensjonering av anlegg ved forsyningsbase Uansett valg av problemstilling vil følgende hovedelementer inngå i prosjektoppgaven: Sette seg inn i problemstillingen Studere relevant litteratur Matematisk formulering av planleggingsproblemet Studere løsningsmetoder for planleggingsproblemet både eksakte og heuristiske optimeringsmetoder kan være av interesse, samt kombinasjonen av simulering og optimering Implementere aktuell løsningsmetode Teste løsningsmetode på problem instanser Analysere og diskutere resultater Samarbeidsbedrift: Statoil (Tor Toftøy) og MARINTEK (Elin Halvorsen-Weare) Veileder: Kjetil Fagerholt og evt. post. doc. Magnus Stålhane

8 AØO06: Optimization-based decision support in global chemical shipping Odfjell is a leading company in the global market for transportation and storage of bulk liquid chemicals, acids, edible oils and other special products. Originally set up in 1914, the company pioneered the development of the chemical tanker trades in the middle/late 1950s and the tank storage business in the late 1960s. Headquartered in Bergen, Odfjell operates a fleet of 90 chemical tankers, ranging in carrying capacities from 4,000 to 75,000 dwt, in global and regional trades, as well as a network of tank terminals in more than 20 ports all over the world with a total capacity of more than 5.3 million cbm ( The project will consider one of the two following important planning problems for Odfjell: - The tonnage allocation or fleet deployment problem. This consists of determining an optimal plan with regards to which ships from the fleet that should be deployed to the different geographical trades they service. There are a number of constraints to consider in this problem, some of which are very specific for chemical shipping. It will probably also be relevant to consider uncertainty in future demand. - Sequencing of terminal calls in a port. A chemical tanker will usually have to visit a large number of different terminals within a port in order to load and unload their cargoes. Odfjell experience that their ships spend a large amount of time in the port, partly waiting for the terminals to become ready. It is believed that improved sequencing of terminal calls by using optimization can reduce the total (unproductive) time in ports and increase the utilization of the fleet. The project will be a part of the GREENSHIPRISK project (Green Shipping under Uncertainty), which is a collaboration project between Odfjell, MARINTEK, NHH and NTNU, and will include topics such as: Review of the scientific literature for similar problems; Problem definition (details to be defined in cooperation with Odfjell/MARINTEK and supervisor); Development of mathematical formulations; Implementation of the model by means of an optimization solver; Tests on instances based on real-life case data. Industry contacts: Klaus Walderhaug (Senior Analyst, Odfjell) and Lars Magne Nonås (seniorforsker, MARINTEK) Supervisors: Kjetil Fagerholt and a post. doc. (name to be confirmed)

9 AØO07: Combined fleet deployment and inventory management in Roll-on Roll-off shipping Roll-on Roll-off (Ro-Ro) shipping deals with seaborne transportation of all types of rolling material, cars being the most dominant cargo type. A Ro-Ro shipping company typically offers regular liner shipping services on predefined trade routes around the world. Along with its regular liner services, it may also serve various customers as a third party logistics provider through end-to-end integrated maritime logistics solutions for some automobile manufacturers. In these contracts the responsibility of inventory management of cars at the port stockyards, on both production and consumption ends, along with overseas maritime transportation, lies with the shipping company. The automobile manufacturers under these contracts share the production and demand information with the shipping line on a regular basis. In turn the shipping line shares the ship arrival information with these clients to ensure smooth production plans for vehicles meant for export. This project considers maritime fleet deployment for a Ro-Ro shipping company, which basically deals with optimally assigning ships in a given fleet to predefined voyages on a number of geographical trades. We will also consider inventory constraints at ports for cargo on each route and determine optimal shipment sizes for those cargoes. This is the first time inventory routing of cargo is being incorporated in a fleet deployment model addressing a liner shipping company. This is an important planning problem that is very challenging both modeling-wise and with respect to solving. Development of efficient solution methods (possibly heuristics) for solving real-life instances of the problem will be a major part of the project. Some background in computer programming will be advantageous, though not required. The project is a part of a collaboration project between Indian Institute of Management Indore (IIM Indore), India, and NTNU, and will include topics such as: Review of the scientific literature for similar problems; Problem definition; Development of mathematical formulation(s); Implementation of the model by means of an optimization solver; Development of efficient solution techniques; Tests on instances based on case data. Collaborator: Supervisors: Saurabh Chandra (IIM Indore, India) Marielle Christiansen and Kjetil Fagerholt

10 AØO08: Kapasitetsmarkeder i energisektoren Det europeiske energisystemet har de siste årene fått et økt innslag av fornybar energi som vindkraft og solenergi. Denne nye energiproduksjonen kan ikke planlegges på same måte som vannkraft eller gasskraft. Samtidig har den lave marginalkostnader, siden det er tilnærmet gratis å produsere når investeringen har skjedd. Dette gjør at de tradisjonelle energiprodusentene skyves helt eller delvis ut av energimiksen i timer når det er rikelig tilgang på sol eller vind, men kommer inn i energimiksen når disse ikke produserer. Det er derfor fortsatt behov for både kullkraft og gasskraft i dagens europeiske energisystem. Det er likevel røyst tvil om hvilken rolle disse vil spille i framtiden, og om den tiden fossile kraftverk vil være aktiv er tilstrekkelig til å dekke investeringskostnaden eller vedlikeholdskostnaden av disse. Dette er en motivasjon for flere land til å se på kapasitetsmarkeder, det vil si markeder der man betaler aktører for å garantere å stille kapasitet til rådighet. Dette skiller seg fra balansemarkeder som ser på operasjonell fleksibilitet. Kapasitetsmarkedene skal gi insentiv til investering i ny kapasitet. Flere designelement må vurderes, for eksempel: integrerte versus nasjonale kapasitetsmarkeder markedsdesign integrasjon med intraday og day-ahead markeder Oppgaven ser på disse spørsmålene og hvordan man som aktør i markedet bør prise deltakelse i kapasitetsmarkeder. Veiledere: Asgeir Tomasgard og Stein-Erik Fleten

11 AØO09: Forretningsmodeller og kontraktsdesign i fremtidens smarte energimarked Innføring av avanserte målings- og styringssystemer (AMS) og annen type teknologi i energimarkedet åpner for innovative konsepter som kan gi gevinster for miljøet, for samfunnet og for ulike aktører i verdikjeden. Et viktig område de neste årene blir fleksible tjenester for lading av elbiler, der prisen for lading avhenger av hvor hurtig det må skje og av ledig kapasitet i distribusjonsnetet. Pr i dag er insentivene, for eksempel i form av kortsiktige prisvariasjoner på kraftkontraktene og dynamikk i nett-tariffer, ikke sterke nok til å motivere til differensiert kvalitet på ladetjenester. Vår hypotese er at nye forretningsmodeller og nye tjenester, kanskje levert av nye typer aktører, kan være med på å utløse potensialet. Mye av fokuset i bransjen er i dag knyttet til de teknologiske løsningene, mens det foreløpig er lite fokus på hvordan tjenester, forretningsmodeller og kontrakter kan utformes. Oppgaven vil bestå i å foreslå og analysere forretningsmodeller og samarbeidskontrakter i det framtidige energimarkedet med to fokusområder: 1) Nettselskapene og modeller for hvordan de kan utnytte fleksibilitet på sluttbrukersiden til å oppnå gevinster som økt driftssikkerhet og utsatt behov for nettforsterking. 2) Nye tjenesteleverandører for lading av el-biler og deres forhold til sluttbrukerne på den ene siden og nettselskapet på den andre siden. Oppgaven vil gjøres i samarbeid med NCE Smart Energy Markets og eventuelt esmart Systems AS. Fordelaktig: Kjennskap til energimarkedet er en fordel. Faget TIØ 4285 Produksjons- og nettverksøkonomi er en forutsetning. Samarbeidsbedrift: NCE Smart Energy Markets og/eller esmart Systems AS Veileder: Asgeir Tomasgard og Stig Ødegaard Ottesen

12 AØO10: Regional economic equilibrium models with links to energy systems Environmental and climate issues, increased focus on security of supply as well as the energy systems role in economic growth has led to pressure towards a more sustainable energy system. This will require systematic long term planning on regional, national and international level. So far the majority of research has addressed the national and international level. This project proposal focuses on the need to better understand how policy affects local decisions and how local advantages can be used actively in regional policy. In Norway there is a political objective to build a substantial amount of renewable energy supported by green certificates. These investments will be supported by national policy and instruments, but they will also depend on regional policy and affect regional development: In recent years interest in new grid capacity has grown due to a foreseen growth in intermittent renewable production capacity. Hence integration in the network and more flexibility in transmission and distribution are needed. As a consequence, better understanding of regional differences, needs and potential barriers is required. The new production capacity is more distributed in nature, like wind and small hydro-power. When new production and consumption are not co-located this require more transmission capacity to assure economic efficient utilization of resources, or more local use of the energy. Norway has a potential for renewable energy export. There has also been increased focus on Norway s potential to store water in reservoirs and use the flexibility of hydro power plants to provide balancing services to Europe. In both cases this will require new production capacity and new links to be build both internally to access export links and to the export markets. There is also a trade-off between energy production, transmission needs and nature preservation. The recent case of building new transmission lines in Hardanger is an example of conflicts between nature preservation and transmission needs. One should approach this problem by analysing possible regional solutions as decentralised energy production, fuel switch and energy efficiency as well. This points at a major knowledge gap for energy companies: How should one deal with long term energy system decisions in the interface between government policy and regional interests. It is therefore natural to study the interface between the energy system and the economic system focusing on: Improving geographical representation of transport links, production and demand in energy system models. Recognizing the spatial aspects of the energy systems motivates better representation of the energy sector and related sectors like transport and industry in regional economic models. Strengthening the link between policy, energy system models and regional economic models to avoid sub-optimization in the energy system.

13 There are several possibilities for project theses and master theses within this area, either focusing on modeling or on analysis of the solutions of equilibrium models. Supervisors: Asgeir Tomasgard & Per Ivar Helgesen

14 AØO11: Algoritmer for storskala stokastisk optimering Gjennom vårt industrisamarbeid har vi ulike modeller fra havbruksnæringen og energisektoren med et stort behov for utvikling av raskere algoritmer. Modellenes størrelse eksploderer ofte som en konsekvens av modellering av usikkerhet i noen av inputparametrene, for eksempel pris eller etterspørsel. Usikkerheten representeres inn i modellene ved hjelp av scenarier i multi-stegs stokastiske formuleringer. Anvendelsene leder ofte til formuleringer med heltallsvariable, så dette kan også sees på som storskala mixed integer modeller. I denne oppgaven kan man se på håndtering av usikkerhet gjennom stokastisk programmering. Studentene vil benytte IØT sitt beregningscluster for distribuert prosessering med 2700 prosessorer tilgjengelig. Algoritmene vil i hovedsak være rettet inn mot dekomponering for å utnytte underliggende struktur i problemene blant annet basert på scenarioformuleringene. Oppgaven krever interesse for optimering, algoritmeutvikling, programmering og vil skreddersyes for de studentene som velger oppgaven med tanke på fokus og underliggende anvendelse. Veileder: Asgeir Tomasgard

15 AØO12: Optimal vaccination strategies using stochastic programming In vaccinating large populations for infectious diseases such as common flu, different recommendations for vaccinating different parts of the population will give different results in terms of implementation costs and coverage in the population. Given sufficient coverage with an effective vaccine, the disease is likely to die out. The probability of avoiding an epidemic depends on the coverage, among other things, and the problem of finding the optimal coverage can be modeled as a stochastic programming problem with decision-dependent probabilities, an exciting new field within the area of stochastic optimization. Other considerations that may be important are parameter uncertainty, e.g. vaccine effectiveness, considering the importance of geographic regions and populations with different risk characteristics. Possible subtasks may include: Literature study of deterministic and stochastic programming approaches to vaccination analysis Propose a mathematical formulation for optimal vaccination as a decision dependent probabilities Implement a global optimization model in GAMS Evaluate different solvers for this problem Collect data for analysis of a realistic case Discuss the results from the model Work on improving specialized algorithms for this class of problems Supervisors: Asgeir Tomasgard/Ruud Egging and Lars Hellemo (SINTEF)

16 AØO13: Optimering av produksjonsplanlegging for havbruk Havbruksbransjen eksporterte for over 44 milliarder NOK i 2013 og er en bransje i stor vekst. Samtidig er det mange uløste utfordringer. Blant disse er utfordringer knyttet til planlegging av produksjonen for maksimal utnyttelse av eksisterende lisenser/konsesjoner, samt integrering av ulike ledd i produksjonen. Oppdrett av laks og ørret skjer i hovedsak i to ulike faser: 1. På land i tanker i det som kalles settefiskanlegg 2. I sjø i det som tradisjonelt kalles matfisk (anlegg) Fordi produksjonen skjer over et så langt tidsperspektiv (omtrent 3 år) og planer på mange parametere er faste når valg først er tatt, er riktig planlegging kritisk. Optimering spiller i dag en liten rolle i planleggingen av produksjon og vurdering av ulike investeringer, noe sentrale selskaper i næringen ser på som et stort uutnyttet potensiale. Optimeering Aqua (OA) jobber sammen med de største aktørene i næringen med å utvikle programvare for optimering av produksjonsplanlegging og som støtte til investeringsbeslutninger. OA ønsker å samarbeide med studenter som ønsker å lære om en av Norges største næringer gjennom å jobbe med uløste optimeringsproblemer for sentrale produksjonsbeslutninger. Flere tidligere prosjekt- og masteroppgaver ved IØT har tatt for seg optimering i havbruk, og prosjektoppgaven (og eventuelt en følgende masteroppgave) vil bygge videre på disse. På overordnet nivå har lite vært gjort tidligere, spesielt på settefisk. Oppgaven byr på modellerings- og løsningsmessige utfordringer. Mulig fokus er: Bedre modellering av vekst, potensielt med ikke-lineær optimering Løsningsmetoder for ikke-lineær optimering har gjort store fremskritt og optimeringsproblem som tidligere typisk ble formulert som store MIP-problem kan nå løses som mindre ikke-lineære (NLP) problem. Vekst i settefiskanlegg er mulig å styre ved blant annet å justere temperatur, og har historisk vært modellert med SOS2-sett og da som MIP-problem. Vekst er en av områdene som potensielt kan bli mer effektivt modellert ved å løse problemet som et NLP. Robust optimering av settefiskproduksjon Tidligere oppgaver har fokusert på minimering av produksjonskostnad for settefiskproduksjon, mens oppdretterne selv fokuserer på å maksimere produksjonen for settefisk og matfisk som helhet ved å «treffe» bestillinger fra sjø ved å levere riktig mengde, til riktig tidspunkt og i riktig antall. Optimering mot et slikt mål kan være interessant i rammeverket av robust optimering. Integrering av matfisk og settefisk i et helhetlig optimeringsproblem Planleggingsproblemet for oppdrett er i realiteten et stort planleggingsproblem som strekker seg over flere år og over settefisk- og matfiskfasen. Integrering av fasene er en stor utfordring i oppdrett og en videreutvikling av tidligere arbeid på dette kreves for å identifisere potensialet. Optimering på tvers av settefiskanlegg relatert til nyinvestering/oppgradering Oppdrettsbransjen er i sterk vekst og det gjøres store investeringer i bransjen. Med en optimeringsmodell i bunn vil verdien av nye anlegg lettere vurderes tatt i betraktning alle anleggene som oppdretterne kan produsere fra. Løsningsmetoder

17 som dekomponerer problemet, som f.eks. Dantzig-Wolfe, kan være aktuelt for dette optimeringsproblemet. Samarbeidsbedrift: Optimeering Aqua/Optimeering ( Veileder: Asgeir Tomasgard og Erlend Torgnes (Optimeering Aqua)

18 AØO14: Operasjonsplanlegging ved St.Olavs Hostpital med sekvensavhengig usikkerhet i operasjonstiden Effektiv planlegging av operasjonsstuer krever presise estimater på varigheten av hver operasjon. Det er heftet usikkerhet til varigheten, og varigheten påvirkes av mange faktorer som bl a inngrepets type, pasientens tilstand, personell som deltar etc. Enkelte studier viser at rekkefølgen på operasjonene også kan ha betydning, og at utnyttelsen av ressursene ved et sykehus kan forbedres ved å ta hensyn til disse faktorene i planleggingen. Ved St. Olavs hospital benyttes i dag en tidsmatrise for forventet varighet av inngrep av ulik type, og vi ønsker å se hvordan estimatene kan forbedres fra dagens praksis og hvordan resultatene kan bidra til bedre utnyttelse av ressursene. Oppgaven er knyttet til aktuelle problemstillinger ved ortopedisk klinikk ved St. Olavs hospital og vil typisk bestå av følgende tre hovedelementer: 1) Analysere eksisterende data for varighet av operasjoner ved St.Olavs og sammenholde med tidsmatrise som i dag benyttes til planlegging 2) Teste effekt av heuristikk for planlegging der usikkerheten i anslagene hensyntas ala Kayis, Hanalioglu & Gullu (2014) 3) Utarbeide optimeringsbasert planleggingsmodell (optimering under usikkerhet) for problemet og vurdere effekt versus dagens praksis og heuristikk. Faglig profil: Bakgrunn innen optimering Veileder: Asgeir Tomasgard, Lars Hellemo (SINTEF)

19 AØO15: Styrker og svakheter ved ulike formuleringer av "pooling-problemet" ved hjelp av visualiseringsteknikker Å vurdere ytelsen til optimeringsalgoritmer og ulike formuleringer kan være krevende siden resultatene i praksis avhenger av probleminstansene i stor grad. Resultatene vil følgelig ofte henge tett sammen med det valgte sett av testinstanser. For å motvirke dette kan man benytte eksplisitte teknikker for å lage testinstanser som spenner over et større rom av karakteristika for testinstansene. Slik metodikk har tidligere vært brukt for å sammenligne forskjellige tilnærminger til problemer som TSP, scheduling og graffargelegging. Målet er å anvende tilsvarende metodikk for Pooling-problemet, et ikkekonvekst optimeringsproblem som oppstår bl a i prosessindustri, naturgasstransport og vannbehandling. 1) Demonstrere hvordan ytelsen til forskjellige formuleringer varierer betydelig fra typisk ytelse 2) Predikere ytelsen til formuleringene på nye probleminstanser 3) Visualisere og måle styrker og svakheter til ulike formuleringer på en objektiv måte 4) Generere nye testinstanser for å fylle deler av instans-rommet som ikke allerede er dekket av eksisterende Valg av problemkarakteristika og testing av ulike formuleringer av pooling-problemet på ulike testinstanser vil stå sentralt i arbeidet. Dernest utvikling av genetiske algoritmer for generering av nye testcases. Mange standard testcases og ulike formuleringer av poolingproblemet er allerede tilgjengelig i GAMS-format, men noen utvidelser/justeringer må påregnes. Faglig profil: Bakgrunn innen optimering Veileder: Asgeir Tomasgard, Lars Hellemo (SINTEF)

20 AØO16: Agent-based modeling for renewable energy technology innovation How quickly will solar panel efficiency improve and costs go down? When will offshore wind power be competitive? How quickly do companies learn from each other (knowledge transfers and spill-over)? Governments and companies want to understand how technological innovation and knowledge spreads through industrial sectors and the society. Such knowledge facilitates making investment decisions and designing policy to support research and technological development. Agent-based models (ABM) represent in detail individual actors, their behavior and interactions using intuitive behavioral rules and data assumptions. ABM can be used to simulate, analyze and predict developments, such as technological learning. Activities: Develop an agent-based model to analyze the critical factors of renewable technological development by looking into how actors exchange information and learn. Keywords: statistical analysis, software development, technological progress, renewables. Supervisor: Ruud Egging and/or Asgeir Tomasgard

21 AØO17: Heuristics for multi-player equilibrium problems In many (energy) economics papers a mixed complementarity problem (MCP) is defined based on the Karush-Kuhn-Tucker (KKT) conditions of convex minimization objective functions for multiple players with linearly constraint feasible regions and market equilibrium conditions between (groups of) players. An advantage of MCP over (social welfare) optimization models is that in MCP market power can be modeled according to Nash-Cournot theory. The derived KKT can be coded up, e.g., in GAMS, and solved using the PATH or MILES solver. Calculation times grow exponentially with the problem size and for larger problems (with a few hundred thousand variables) the needed times can become too large for practical purposes. Since MCP is a rather broad concept, the MCP-solvers need to be able handle a quite general type of problem (in terms of functions and restrictions). In many applications the functions and restrictions used are easy and that may allow the use of less general but faster (heuristic) solution algorithms. The idea is to develop a heuristic solution approach for linearly constrained multiobjective optimization problem with equilibrium conditions. By summer 2015 a first heuristic will be ready. This version will be able to handle problems where suppliers ship a commodity over a capacity-restricted network. Activities: Develop extensions to this heuristic to handle demand seasonality and storage. Dependent on progress another extension concerns multiple energy carriers and power generation. Several (variants of) heuristics will be coded up and tested on various problems and problem sizes. Tuning of parameters and benchmarking of the solution speed and quality relative to MCP and PATH implementations. Keywords: Nonlinear programming and optimization algorithms, software development, commodity markets. Veileder: Ruud Egging

22 AØO18: Capturing short-term and long-term uncertainty in energy market models Generally, uncertainty can be qualified as short-term (e.g., spot prices) or long-term (e.g., climate policy). Technological progress, climate policies, intermittency in renewable generation and prices are only some uncertain factors in energy markets. Energy markets wherein players have market power can be represented by mixed complementarity problems (MCP). MCPs are defined using the Karush-Kuhn-Tucker (KKT) conditions of optimization problems of multiple players, and the market equilibrium conditions between groups of players. The KKT can be coded up, e.g., in GAMS, and solved using the PATH solver. Only few researchers have developed stochastic (scenario-tree-based) MCP to address uncertainty. A main reason is that MCPs suffer from limited computational tractability. Activities: You will develop a stochastic market equilibrium problem which represents long-term uncertainty using a scenario-tree approach and short-term uncertainty using Linear Decision Rules (an approximation method for representing short-term uncertainty in optimization models). An example application is energy infrastructure investment a multi-stage setting under long-term climate policy uncertainty and short-term spot-price uncertainty. Keywords: Operations Research, Karush-Kuhn-Tucker conditions, GAMS, stochastic modeling, energy markets. Supervisor: Ruud Egging and/or Stein-Erik Fleten

23 AØO19: Bysykkel-optimering Bysykler som deles av ulike brukere har blitt stadig mer populært i mange norske og utenlandske byer. Dette foregår slik at en har ulike stasjoner rundt omkring i byen hvor en har stativ med sykler som en kan låne og levere igjen ved en annen stasjon. Ofte opplever en imidlertid at det kan være tomt for sykler når en kommer for å låne en, eller at stativet man ønsker å levere på er fylt opp av sykler allerede. For å unngå dette bruker en f.eks. i Oslo servicebiler som kjører rundt og fordeler sykler mellom de ulike stasjonene slik at de verken blir fulle eller går tom for sykler. Planleggingen av dette gjøres gjerne manuelt. I dette prosjektet skal en se på hvordan en kan bruke optimering i denne planleggingen. Det kan også være aktuelt å se på dette fra en mer strategisk synsvinkel og bestemme optimalt antall og plassering av sykkel-stasjonene, samt eventuelt antall stativer ved hver stasjon og totalt antall sykler. Uansett valg av problemstilling vil følgende hovedelementer inngå i prosjektoppgaven: Sette seg inn i problemstillingen Studere relevant litteratur Matematisk formulering av planleggingsproblemet Studere løsningsmetoder for planleggingsproblemet både eksakte og heuristiske optimeringsmetoder kan være av interesse Implementere aktuell løsningsmetode Teste løsningsmetode på problem instanser Analysere og diskutere resultater Samarbeidsbedrift: Optimeering AS (Magnus Hausken) Veileder: Henrik Andersson og/eller Kjetil Fagerholt

24 AØO20: Emergency response planning Problem description: Emergency response is performed by fire and rescue services, emergency medical services, police, and other organizations and resources. The area offers a multitude of planning problems that can be analyzed using operations research and mathematical modelling, e.g.: Location analysis: Optimal location of stations or resources, which can be done from a strategic, tactical or operational perspective, taking into account time varying demand, stochastic travel times, resource requirements, and many other aspects. Allocation of resources: Determine which and how many vehicles/equipment/personnel that should be allocated to each station/patrol area. Dispatch: Decide which resources that should be dispatched to a new event. Relocation: Decide if and how available resources should be relocated to preserve the coverage/preparedness in the area. Demand modelling: Forecast where and when new events of different types will occur. Travel time modelling: Determine how long time it will take to travel distances in the area, depending on vehicle type, time of day, season, traffic, etc. The project thesis will be to develop a model and solution method for a suitable problem within emergency response. The project is done in collaboration with CARER Center for advanced research in emergency response at Linköping University. The final problem selection is made together with the supervisors. The project offers challenges in both mathematical modeling and programming. Tasks within the project can be to: understand the problem study existing models and solution methods. Analyze the characteristics of both the models and the methods and see their applicability in this case formulate the problem mathematically and implement it in XPRESS perform a computational study discuss and compare different solution methods Supervisor: Henrik Andersson (NTNU) and Tobias Andersson Granberg (LiU CARER)

25 AØO21: Challenges in non-linearity and integer programming in hydropower scheduling SINTEF Energy Research develops optimization tools for short-term scheduling of hydropower production. Due to properties of the production system, such as start/stop of generators and energy potential depending on reservoir water levels (head), the underlying scheduling problem is highly challenging with non-convex, non-linear and integral properties. The aim of this project is to exploit recent algorithmic progress and new developments in optimization of (non-convex) mixed integer, non-linear programming problems in energy systems engineering and adapt them to challenging scheduling problems in hydropower. In our models, we are able to solve large-scale problems by relaxing mixed integer and non-linear programming problems to mixed integer linear programming models. To improve upon physical accuracy, two approaches that optionally could be tested in parallel are: a) Revised modeling to achieve strong formulations reformulations of the problem that can be relaxed to something that closely approximates the convex hull. We mention here in particular, methods such as perspective reformulation and orbital branching have been successfully applied to related power engineering problems b) Reformulate problem and change problem class many modern solvers already have advanced heuristics to solve large instances of quadratic programming problems and non-linear problems with bi-linear terms, for example, for modelling variable head without linear-approximation of non-linear relations. The new concepts should be implemented and tested in one or more new models. SINTEF Energy Research will make realistic test cases available based on the actual Norwegian power system. Programming skills and interest in theoretical aspects of optimization is a good starting point. Hovedveileder: Henrik Andersson Biveileder: Frederic Dorn, SINTEF Energi AS

26 AØO22: Stokastisk korttids produksjonsplanlegging i energisektoren SINTEF Energi har i sammen med en gruppe norske vannkraftprodusenter utviklet et verktøy for kortsiktig planlegging av vannkraftproduksjon (SHARM). Den tar sikte på å forbedre den daglige produksjonsplanleggingen når usikkerheten rundt viktige inputparametere øker, noe som er ventet i framtidens kraftsystem med større innslag av uforutsigbare fornybare ressurser. SHARM tar hensyn til usikkerhet i markedspris og tilsig til magasinene, og vil på denne måten gi god beslutningsstøtte og mer robust planlegging når flere mulige strategier må vektes mot hverandre. Sentralt i SHARM er en MIP som på grunn av ikke-konveksiteter i det underliggende problemet løses gjentatte ganger i en overordnet algoritme. Denne MIP'en er en deterministisk ekvivalent for det stokastiske problemet, noe som gjør at problemstørrelse og regnetid øker raskt med voksende scenariotrær. Målet med oppgaven er å teste metoder for å forbedre skalerbarheten til modellen ved økning i scenariotre-størrelsen. Oppgaven foreslås som et todelt løp med prosjekt og eventuelt påfølgende hovedoppgave for en eller to studenter. De numeriske beregningene må ikke nødvendigvis gjøres i selve SHARM-modellen, men kan gjøres i et egnet modelleringsverktøy på en ekvivalent problembeskrivelse. I prosjektet er det først aktuelt å gjøre seg kjent med metoden og problemstillingen. Deretter bør det foretas tester for å fastslå hvor grensen for problemstørrelse og aksepterbar regnetid ligger. Ut fra resultatene skal en vurdere om omformuleringer av modellen og / eller algoritmeendringer kan bedre skalerbarheten til modellen. Det mest nærliggende er å vurdere er eventuelle nye restriksjoner og / eller dekomponering. I hovedoppgaven vil det være naturlig å prøve ut ett eller flere av de foreslåtte tiltakene fra prosjektdelen. Interesse og noe ferdighet i programmering er en forutsetting. Oppgaven går inn under instituttets strategiske forskningssatsing «Grønn verdiskaping». Veileder(e): Henrik Andersson Biveiledere: Ellen Krohn Aasgård og Marte Fodstad, SINTEF Energi

27 AØO23: Maritime transportation problems Problem description: Ship routing and scheduling problems are often rich problems that can be formulated in many different ways. Two broad classes of formulations are path-based models, where variables represent schedules covering the whole planning horizon, and arc-based models, where variables represent sailings from one port to another. Traditionally, pathbased models are most common in the scientific literature and many industrial applications have successfully being solved using these models. Still, there exists many problems yet unsolved where alternative approaches can be preferable, especially when the complexity and richness of the problem increase. Formulating and solving maritime transportation problems offer many challenges and a project within this field can for example include: Formulating and solving richer versions of maritime transportation problems incorporating stowage planning, draft limits, opening hours at ports among other things. Develop and compare different exact solution methods for a variant of the problem, this may include column generation, valid inequalities, and extended formulations. Heuristically solve rich versions of the problem by for example develop matheuristics, hybrid methods or metaheuristics. Combinations of the above mentioned suggestions Students and supervisors will together decide the focus of the project. The project offers challenges in both mathematical modeling and programming. Tasks within the project can be: Problem understanding. Study similar models and solution methods. Analyze the characteristics of both the models and the methods and see their applicability in this task. Formulate the problem mathematically and implement one or more formulations in XPRESS. Computational study. Discussion of different formulations and solution methods. Supervisor: Henrik Andersson, Marielle Christiansen, and Magnus Stålhane

28 AØO24: Stowage planning for Roll-on Roll-off vessels Wallenius Wilhelmsen Logistics (WWL) delivers innovative and sustainable global shipping and logistics solutions for manufacturers of cars, trucks, heavy equipment and specialized cargo. WWL s local expertise and global network create value and innovative solutions at every handover of a manufacturer s outbound supply chain. Wallenius Wilhelmsen Logistics is a privately held company, headquartered in Oslo, Norway. The company has regional headquarters in Tokyo, Japan and Woodcliff Lake (NJ), USA. WWL is owned 50% by Wilh. Wilhelmsen ASA of Norway and 50% by Wallenius Lines of Sweden. Key facts and figures about WWL (2014): Revenue of 2.9 billion USD 4.3 million units transported; 1.8 million by sea and 2.5 million inland 13 terminals worldwide handling 4 million units 62 processing centres processing 6.3 million automotive and rolling equipment units 57 modern car carriers and RoRo vessels in operation, servicing 12 trade routes to six continents employees worldwide The scope of this project will be to look at the stowage of the vessels, i.e. how you utilize your vessel in terms of where to stow different cargo for a given sailing. This is a complex problem where one has to take into account loading port, unloading port, height, width and length of the cargo and vessel characteristics. The project may include topics such as: Review of the scientific literature for similar problems; Problem description for one or both problems; Development of a mathematical formulation of the problem; Implementation of the model by means of an optimization solver; Tests on instances based on real data from some sailings; Possibly create a heuristic in order to have satisfactory performance in terms of solution time. Prerequisites: (willingness to learn) a programming language such as Java or C++. Industry partner: WWL (Jørgen G. Rakke) Supervisors: Magnus Stålhane and Kjetil Fagerholt/Henrik Anderson/Marielle Christiansen

29 AØO25: Optimization of maritime logistic challenges for the offshore wind industry Offshore wind is a rapidly growing industry: From around 35MW total installed capacity in 2000 to 8GW in 2015, and a current 2.9GW under construction. More than 90% of the offshore wind activity is based in Europe. This can be related to EU's target where part of the goal is that 20% of EU energy consumption should come from renewable energy sources by year To ensure the growth of the industry it is necessary to reduce the cost of energy from offshore wind farms. MARINTEK are involved in several research projects related to the emerge of the offshore wind industry. The focus of the work is the development of decision support models for the maritime logistic challenges related to offshore wind farms. Within NOWITECH (Norwegian Research Centre for Offshore Wind Technology) MARINTEK is focusing on models for the operation and maintenance phase. In the EU funded project LEANWIND (Logistic Efficiencies And Naval architecture for Wind Installations with Novel Developments) MARINTEK is developing models for both the logistic challenges related to installation of wind turbines and the operation and maintenance activities. This student project will be focusing on the development of optimization models and methods for the maritime logistic challenges for the offshore wind industry with the aim of cost reduction. This may involve the study of new logistic challenges that has not previously been addressed, or the development of new models and methods for challenges where there may already exist some models. There are several uncertain underlying problem parameters that need to be addressed; hence methods for handling uncertainty may be part of the project. Some relevant topics that may be included in the project (and/or Master thesis) are: Investigate the problem and study existing models for the problem and similar problems Develop precise mathematical model formulation(s) Implement mathematical model(s) in Xpress or other suitable solver Consider methods for handling the problems underlying uncertain parameters Study solution methods for the problem. These may involve stochastic programming, advanced exact solution methods, heuristic solution methods, models that combines optimization techniques with simulation Implement solution method for the problem Test the implemented solution method on problem instances and analyse/discuss the results Samarbeidsbedrift: MARINTEK Kontaktperson Lars Magne Nonås LarsMagne.Nonas@marintek.sintef.no Veileder: Magnus Stålhane og Kjetil Fagerholt/Henrik Andersson