Neue Lösungsansätze zur Transportdisposition und -steuerung

Größe: px

Ab Seite anzeigen:

Download "Neue Lösungsansätze zur Transportdisposition und -steuerung"

Kai Bieber
vor 8 Jahren
Abrufe

1 Neue Lösungsansätze zur Transportdisposition und -steuerung Andreas Kudernatsch Institut für 1

2 Ausgangssituation: - seit der Einführung des Containers im Seeverkehr stetige Wachstumszahlen Beispiel Hafen Hamburg ,47 Millionen Container (1,96 Mill. TEU) ,21 Millionen Container (9,88 Mill. TEU) - Prognosen ,92 Millionen TEU ,12 Millionen TEU Containerumschlag in Hamburg Quelle: Jahr 2

TEU) - Prognosen - 2010 12,92 Millionen TEU - 2012 18,12 Millionen TEU Containerumschlag in Hamburg 7000000 6000000 5000000

3 Ausgangssituation: - ein weiterer Zuwachs an Container-Terminalflächen aufgrund der baulichen Situationen kaum mehr möglich - Ausbau der Kaikante / Anzahl der Liegeplätze nicht weiter möglich - die bestehenden Terminals müssen produktiver werden 3

kaum mehr möglich - Ausbau der Kaikante / Anzahl der

4 Neue Umschlagstechniken Umbau der Kaianlagen - beidseitiges Arbeiten an den Schiffen physikalische Limitierungen bei der Steigerung der Geschwindigkeiten an den Containerbrücken Verkürzung der Wege - höhenverstellbare Containerbrücken Teilung der Arbeitsspiele der QCs - MehrkatzContainerBrücken Twin-Lift-Verfahren Tandem Spreader Triple-40ft-Spreader Folgerung - eine Steigerung der Anzahl der Umschläge pro Stunde ist schwer - allerdings lassen sich durch neuartige Spreader mehr Container pro Umschlag bewegen Die Containerbrücken sind mehr der Taktgeber und Motor der Häfen, denn der Flaschenhals. QCs müssen kontinuierlich arbeiten können. 4

- Tandem Spreader 2007 - Triple-40ft-Spreader Folgerung - eine Steigerung der Anzahl der Umschläge pro Stunde ist schwer - allerdings lassen sich durch neuartige

5 Optimierungspotenziale im Containerterminal 5

6 Ziele bei der Optimierung der Steuerung der Transportfahrzeuge - Minimierung der Wartezeit der Containerbrücken auf Transportfahrzeuge - Minimierung der Wartezeit Transportfahrzeuge vor den Containerbrücken - Minimierung der Leerfahrten der Transportfahrzeuge 6

Transportfahrzeuge - Minimierung der Wartezeit Transportfahrzeuge

7 Optimierungsansatz Einsatzplanung: Containerbrücke: Zuordnung von TA: Optimierungsparameter: zentral / dezentral / lokal Agenten-basiert Laden / Löschen Fahrzeug-initiiert / Auftrags-initiiert Anzahl der Entscheidungsparameter Art der Transportfahrzeuge - Truck / AGV / ALV / Van Carrier Transportkapazität Minimierung einer Kostenfunktion, bestehend aus gewichteter Verspätung, Leerfahrtzeit und zu frühes Erscheinen der Transportfahrzeuge am Transportauftrag j c j { } c j = min c jb b A c jb = α (d f q early j j ) + α empty e ja, wenn f q i < d j α tardiness ( f q i d j ) + α empty e ja, sonst 7

Transportkapazität Minimierung einer Kostenfunktion, bestehend aus gewichteter Verspätung, Leerfahrtzeit und zu frühes Erscheinen der

8 - dynamisches Transportproblem - exakte Informationen gibt es nur für die nahe Zukunft - eine Einsatzplanung langfristig zu gestalten ist fast unmöglich Eine gute Zuordnung basiert auf den 3 Prinzipien : - Reduzierung der Leerfahrten (Entfernung / Zeit) - Fairness aller TA (dringenster TA erhält höchste Priorität) - Deadlock-Sicherheit (Verfügbarkeit von Fahrzeugen sicherstellen) 8

3 Prinzipien : - Reduzierung der Leerfahrten (Entfernung / Zeit) - Fairness aller TA

9 Characterization of AGV dispatching rules Egbelu PJ, Tanchoco JMA (1984) Characterization of automatic guided vehicle dispatching rules. International Journal of Production Ressearch 22: Auftrags-initiierte Planung: - Random Vehicle Rule - Nearest Vehicle Rule - Farthest Vehicle Rule - Longest Idle Vehicle Rule - Least Utilized Vehicle Rule Fahrzeug-initiierte Planung: - Random Work Center Rule - Shortest Travel Time / Distance Rule - Longest Travel Times / Distance Rule - Maximum Outgoing Queue Size Rule - Minimum Remaining Outgoing Queue Space Rule - Modified FCFS Rule (Round Robin) - Unit Load Shop Arrival Time Rule 9

Longest Idle Vehicle Rule - Least Utilized Vehicle Rule Fahrzeug-initiierte Planung: - Random Work Center Rule - Shortest Travel Time / Distance Rule -

10 Scheduling vehicles in automated transportation systems van der Heijden M (2002) scheduling vehicles in automated transportation systems. OR Spectrum 24: analysiert die Effekte von zentraler und lokalerer Entscheidungen zur Einsatzplanung und ihren Einfluß auf die Gesamt-Performance - zentrale Planung: Lade- & Entladezeitpunkte zentral gesteuert berechnet Optimum Nachteil: bei plötzlichen Störungen der tatsächlichen Fahrtzeiten nicht robust - dezentrale Planung: gleicht diesen Nachteil aus - Das Verhalten des Gesamtsystems ist maßgeblich vom Leerfahrzeug-Management abhängig. Global Empty Vehicle Management / Netzwerk-Level - wie erkennt man Leerfahrzeuge im Terminal Local Empty Vehicle Management / Terminal Level - wie verfährt man mit leeren Fahrzeugen 10

Entladezeitpunkte zentral gesteuert berechnet Optimum Nachteil: bei plötzlichen Störungen der tatsächlichen Fahrtzeiten nicht robust - dezentrale Planung: gleicht diesen Nachteil aus - Das

11 Simulation und Optimierung faherloser Transportsysteme Hartmann S, Briskorn A, Kemme (2007) Simulation und Optimierung fahrerloser Transportsysteme. Industrie Management - in die Optimierung gehen die dringensten Aufträge ein - Was ist dringend? - Dringlichkeitsbewertung - beachte aber auch die Leerfahrzeiten der Transportfahrzeuge und die Folgeaufträge - Zuordnung mehrerer TAs pro Transportfahrzeug möglich - nur auf freie Transportfahrzeuge können TAs fixiert werden - Algorithmen: Greedy-Verfahren - einfache Heuristik, in jeden Schritt dringenster TAs Ungarische Methode - optimale Zuordung, betrachtet alle Kombinationen -> math. Vorteil der exakten Planung aufgrund der sich ständig ändernden und unsicheren Eingangsdaten gering 11

- Dringlichkeitsbewertung - beachte aber auch die Leerfahrzeiten der Transportfahrzeuge und die Folgeaufträge - Zuordnung mehrerer TAs pro Transportfahrzeug möglich - nur auf freie

12 Inventar-Verfahren Transportfahrzeuge werden als Inventar der Containerbrücken angesehen beim Laden: beim Löschen: - beladene Fahrzeuge im Puffer vor der CB - beladene Fahrzeuge vor der CB - leere Fahrzeuge auf mit einem Transportauftrag für die CB analog Idee: - CB mit geringster Menge an Fahrzeugen hat den dringensten Fahrzeugbedarf - gewichteter Bedarf je nach Lade- oder Löschoperationen - großer Anteil von Leerfahrten 12

mit einem Transportauftrag für die CB analog Idee: - CB mit geringster Menge an Fahrzeugen hat den

13 Inventar-Verfahren Transportfahrzeuge werden als Inventar der Containerbrücken angesehen Idee: - jede Station hat einen Grundstock S an Fahrzeugen - auf dem Fahrtkurs gibt es mehrere Entscheidungspunkte - bei jedem Entscheidungspunkt wird eine Neuplanung angestoßen 1-Parameter Entscheidungsstrategie: s i (t) = x i (t)+ y i (t) c i (t) - am Entscheidungspunkt i : - Fahrzeuge fährt zu Station i, wenn s i (t)<s - Fahrzeuge wird für alle Stationen verfügbar, wenn s i (t) S 2-Parameter Entscheidungsstrategie: f νi (d,s) = α d νi + β s i - Entfernungen d vi zu den Stationen wird zusätzlich gewichtet - wähle Fahrzeug mit min f vi (d,s) 13

(t)+ y i (t) c i (t) - am Entscheidungspunkt i : - Fahrzeuge fährt zu Station i, wenn s i (t)<s - Fahrzeuge wird für alle Stationen verfügbar, wenn s i (t) S

14 A general framework for scheduling equipment and manpower at container terminals Hartmann S (2004) A general framework for scheduling equipment and manpower at container terminals. OR Spectrum 26:51-74 Unterscheidung von Prozesszeit, Rüstzeit, Endzeit, Termin Aufgabe: Minimierung der gewichteten durchschnittlichen Verspätung und der gewichteten Leerfahrtzeiten der Resourcen Einstufiges Dispositionsverfahren: 1. Berechne Menge der zu vergebenen TA 2. Wähle dringensten TA 3. Wähle Resource, die die Zielfunktion am geringsten erhöht 4. Füge Job an das Ende des Fahrplans der Resource Mehrstufiges Dispositionsverfahren: Berechne Wahrscheinlichkeiten für die Dinglichkeit der TAs Generischer Algorithmus: in Anlehnung an die Biologie - die Evolution optimiert Lebewesen 14

Resourcen Einstufiges Dispositionsverfahren: 1. Berechne Menge der zu vergebenen TA 2. Wähle dringensten TA 3. Wähle Resource, die die Zielfunktion am geringsten erhöht 4.

15 Multi-Agentensysteme Agenten: - Wahrnehmung der Umgebung durch Sensoren - zielgerichtetes Handeln in dieser Umgebung - Kommunikation mit weiteren Agenten 15

16 Schlußbetrachtung Im Falle von Containerterminals liegt die Antwortzeit für das Finden eines neuen Einsatzplanes für die Transportfahrzeuge bei etwa 1 Sekunde. - für die Lösung des Optimierungsproblems sprechen daher Heuristiken - bisher keine Vergleichbarkeit der einzelnen Verfahren, da jede Studie andere Ausgangssituation hat 16

- für die Lösung des Optimierungsproblems sprechen daher Heuristiken - bisher

Ähnliche Dokumente

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl