Operasjonsanalytiske modeller anvendt på komplekse transportsystemer

Transkript

1 Operasjonsanalytiske modeller anvendt på komplekse transportsystemer Kjetil Fagerholt 1,2 1 Norwegian University of Science and Technology (NTNU), Trondheim, Norway 2 Norwegian Marine Technology Research Institute (MARINTEK), Trondheim, Norway

2 Formål Gi en kort innføring i hva operasjonsanalyse kan være og hva det kan brukes til innen maritime transport og logistikk Gjennom bruk av eksempler Presentere forskningsstatus og -trender innen operasjonsanalytiske modeller for maritime transportsystemer* * Denne delen av presentasjonen vil i stor grad være basert på paperet: Christiansen, Fagerholt, Nygreen og Ronen (2012). Ship routing and scheduling in a new millennium. Submitted paper.

3 Hva er operasjonsanalyse? Fagområde hvor en ser på utvikling og bruk av kvantitative metoder for å løse praktiske planleggingsproblemer Omfatter en rekke disipliner/metoder, slik som f.eks.: Optimering (linear programmering, heltallsprogrammering, ikkelineær programmering, stokastisk programmering, etc...) Simulering, køteori Beslutningsanalyse Etc... Analytisk tilnærming til problemet (inkludert matematisk modellering) er sentralt I denne presentasjonen vil jeg fokusere på optimering!

4 Eksempel distribusjon av varer

5 Eksempel distribusjon av varer (forts.) Mål: Finne en transportplan som minimerer kostnader samtidig som etterspørsel blir tilfredsstilt Restriksjoner/krav: Nettoflyt i nodene (tilbud/etterspørsel) 2 5

6 Eksempel distribusjon av varer (forts.) Mål: Finne en transportplan som minimerer kostnader samtidig som etterspørsel blir tilfredsstilt Restriksjoner/krav: Nettoflyt i nodene (tilbud/etterspørsel) Eksempel for node 5: Eksempel for node 2:

7 Eksempel distribusjon av varer (forts.) Mål: Finne en transportplan som minimerer kostnader samtidig som etterspørsel blir tilfredsstilt Restriksjoner/krav: Nettoflyt i nodene (tilbud/etterspørsel) Transportkapasitet mellom nodene Eksempel mellom node 1 og 2:

8 Eksempel distribusjon av varer (forts.) Full modell (med symboler): min når 40,, 1,2,3,4,5 3 20,, 1,2,3,4,5 0,, 1,2,3,4, Optimal løsning: z = $49,000 Vareflyt (se figur)

9 Eksempler på andre, mer komplekse problemer innen maritim transport hvor operasjonsanalyse/optimering kan gi god beslutningsstøtte

10 Eksempel 1: Ruteplanlegging i bulk shipping Disponerer en flåte med skip, hvor skipene kan ha ulik kapasitet speed fuelforbruk initiell posisjon Laster som må betjenes, hver last angitt med bl.a. laste- og lossehavn tidsvindu (laycan) mengde fraktinntekt Kan være en miks av kontraktslaster (COA) og spotlaster

11 Eksempel 1 (forts.) Ruteplanlegging i bulk shipping: TurboRouter et optimeringsbasert beslutningsstøtteverktøy for ruteplanlegging i shipping, utviklet ved MARINTEK i samarbeid med NTNU Implementasjon og uttesting hos et mindre norsk rederi viste en økning i profitt på 1-2 mill. USD over en periode på 2-3 uker!!!

12 Eksempel 2: Offshore supply En flåte med supplyskip betjener et antall offshore plattformer fra en gitt base ved kysten Beslutninger: 1. Optimal (minimum kostnad) flåtesammensetning (antall og størrelse på skip) 2. Tilhørende ukentlige ruteplaner Onshore depot Offshore installation

13 Eksempel 2: Offshore supply (forts.) Noen av restriksjonene: Hvert av de aktuelle skipene har en gitt kapasitet og speed Hver plattform (med en estimert etterspørsel) må bli betjent et gitt antall ganger per uke Plattformbesøkene må fordeles jevnt utover uka Utvikling av en optimeringsmodell for å finne optimal flåte av supplyskip for å chartre inn, samt tilhørende ukentlige seilingsruter Modell har vært benyttet av Statoil som estimerte besparelser som følge bruk av denne til ca. 3 mill. USD/år

14 Utvikling av verdensflåten World fleet (beginning of year, in million dwt)* Year Oil Tanker Dry Bulk General Cargo Container Other Total *Cargo carrying vessels over 100 gross tons (source: UNCTAD, 2011)

15 Utvikling handel til sjøs International seaborne trade (millions of tons) Year Oil Main Bulks* Other dry cargo Total (all cargoes) *Iron ore, grain, coal, bauxite/alumina, and phosphate (source: UNCTAD, 2011)

16 Forskningstrender Vi har gjennomgått litteratur for operasjonsanalytiske modeller for maritime transportproblemer Engelsk-språklige peer-review journaler Preskriptive modeller, dvs. hvor løsning foreslås (i motsetning til deskriptive) Vi publiserte en review-artikkel i 2004 Oppdatert versjon i 2012* *Christiansen, Fagerholt, Nygreen og Ronen (2012). Ship routing and scheduling in a new millennium. Submitted paper.

17 Forskningstrender (forts.) Outlet Ronen (1983) Ronen (1993) Maritime Policy & Management (MPM) Transportation Science (TS) European J. of Oper. Research (EJOR) J. of the Oper. Research Soc. (JORS) Operations Research (OR) Transportation Research Part E (TRE) Naval Research Logistics (NRL) Computers & Oper. Research (COR) Christiansen et al. (2004) Current review Total Interfaces Maritime Econ. & Logistics (MEL) Other outlets Number of new papers Number of outlets Total references in review * Published in English in refereed journals and edited volumes (edited volumes are counted as a single outlet) na

18 Forskningstrender (forts.) Research topics and publication year (number of papers) Publication Year Total papers* (all modes) Network Design Size & Mix L I N E R S Routing & Scheduling Deployment Speed Other General I N D U S T R I A L & T R A M P Size & Routing & Speed MIR LNG OSV DSS Other Mix Scheduling * A paper may address more than one topic

19 Forskningstrender (forts.) Publications and topics distributed on countries (number of papers ) Country Number of papers Main research topics Norway 44 Singapore 14 Bulk ship routing, inventory routing, offshore supply, LNG, speed Container shipping (network design, fleet deployment, speed) US 10 Network design, inventory routing Denmark 5 Container shipping (network design, fleet deployment) Greece 5 Speed (environmental issues), liner shipping Fra Norge er det miljøene ved NTNU, MARINTEK, HIM og SINTEF som er representert

20 Speedoptimering kan integreres i ruteplanleggingen De fleste matematiske modeller for maritim ruteplanlegging antar at tid og kostnad for å seile mellom to havner er gitt I virkeligheten er denne kostnaden avhengig av valgt seilingshastighet Ship speed Fuel cons. (tons/day) Fuel cost saving ($/day) Stopford (2009). Panamax vessel; 300 days at sea; mile round voyage; Fuel price $400

21 Speedoptimering (forts.) Fuelforbruk (og kostnad) for et skip er en ikke-lineær (konveks) funksjon av hastighet 0,45 Fuel consumption (MT per nm) 0,4 0,35 0,3 0,25 Fixed service speed 0,2 0,15 0,1 0, Speed (knots) v min v max Å bestemme optimal seilingshastighet på hver seilingsleg kan gi andre (og bedre) ruteplaner

22 Illustrative løsninger for et (lite) planleggingsproblem A real life tramp shipping case (6 ships,16 contractual cargoes and 2 spot cargoes) a) Fixed speed (17 knots) Cargoes served 16 Revenue ($) Profit ($) Fuel costs ($) ($300/MT) kg CO 2 /ton*nm b) Fixed speed (17 knots) + a posteriori speed optimization % reduction c) Fixed speed (20 knots) % reduction d) Fixed speed (20 knots) + a posteriori speed optimization % reduction e) Variable speed (14-20 knots)

23 Effekt av redusert fuelforbruk Fuelforbruket fra shipping har økt med 50% i løpet av de siste 10 årene Totalt fuelforbruk i shipping var på 277 mill. tonn i 2007 (IMO) 1% reduksjon i fuelforbruk vil gi: Kostnadsreduksjoner > 1.2 mrd. USD (med en pris på 450 USD/tonn) Reduksjon i CO2 utslipp på 10.5 mill. tonn Speedoptimering kan bidra til å redusere fuelforbruk og miljøutslipp Stor økning i forskning på speedoptimering i løpet av de siste årene

24 Konklusjoner Forskningsinnsatsen på operasjonsanalytiske modeller i maritim transportplanlegging har økt kraftig de siste årene Norge er i forskningsfronten Det har spesielt vært en økning i forskning innen Containershipping (nettverksdesign) Speedoptimering Mer spesialiserte problemer som bl.a. LNG shipping og offshore supply Fortsatt stort gap mellom forskning og industripraksis!