| dc.description.abstract | Den maritime shippingindustrien er en bærebjelke for den globale økonomien. I 2019, ble mer enn 11 milliarder tonn med varer transportert av skip. I denne komplekse og mangfoldige indus- trien finnes tørrbulk operatører som Western Bulk. Som tilbydere av transporttjenester utnytter de regionale arbitrasjemuligheter for ̊a maksimere profitt generert av en fl ̊ate med skip. Denne masterstudien utforsker et problem som er relevant for operatører som Western Bulk, definert som et Tramp Ship Routing and Scheduling Problem med Bunker Optimization (TSRSPBO). M ̊alet til problemet er ̊a maksimere profitten til en fl ̊ate med skip ved ̊a velge ut hvilke laster man bør transportere. Problemformuleringen inkluderer fleksible lastekvoter, integrert bunkeroptimiering og h ̊andterer i tillegg hvilke regioner skip bør ende opp i ved slutten av planleggingshorisonten ved hjelp av reposisjonering av fl ̊aten. Derfor m ̊a en løsning til et slikt problem definere mengden last som skal fraktes, bestemme hvilke laste- og bunkerhavner som skal besøkes, og allokere skip til de mest optimale regioner.
Denne masterstudien formulerer et TSRSPBO som en to-stegs stokastisk optimeringsproblem, der rute- og bunkerbeslutninger løses i første steg. I andre steg h ̊andteres kostnaden av ̊a ende opp i feil regioner. B ̊ade en modell basert p ̊a buer, og en modell basert p ̊a veier, blir definert. For ̊a løse realistiske probleminstanser benytter modellen basert p ̊a veier seg av a priori kolonnegenerering. Alle mulige ruter blir først generert og s ̊a optimert. Deretter plukker modellen basert p ̊a veier ut de rutene som maksimerer fl ̊ateprofitten. Resultatene fra de gjennomførte eksperimentene viser at denne løsningsmetoden optimalt løser testinstanser med opp til 30 laster, ti skip og ti bunker havner innen en time.
Western Bulk opererer en langtidsfl ̊ate med 30 skip. For ̊a løse s ̊a store testinstanser foresl ̊ar denne masterstudien en iterativ matheuristikk som utnytter et Adaptive Large Neighborhood Search (ALNS) for ̊a generere kolonner. Den iterative matheuristikken løser modellen basert p ̊a veier ved faste mellomrom basert p ̊a kolonnene generert av ALNS. Resulter viser at matheuristikken finner nær optimale løsninger for sm ̊a og mellomstore testinstanser. Matheuristikken finner ogs ̊a løsninger til store testinstanser med 120 laster, 30 skip og ti bunkerhavner innen en time.
Avslutningsvis gjennomfører denne masterstudien en økonomisk analyse av Western Bulk sitt operasjonelle miljø. Merverdien av ̊a h ̊andtere fl ̊atereposisjonering viser seg ̊a være betydelig. I tillegg kvantifiserer denne studien effekten av bunkerinnkjøp til priser med ulike avslag. Disse innsiktene viser at denne masterstudien tilbyr verdifull beslutningsstøtte til b ̊ade Western Bulks befraktningssjefer og til deres avdelinger som bestemmer innkjøp av bunker. | |
| dc.description.abstract | The maritime transport industry plays a crucial role in the global economy, with over 11 billion metric tonnes of goods traded by sea in 2019. Within this complex and diverse industry, dry bulk operators like Western Bulk exploit regional arbitrage opportunities when offering cargo transport services. This research focuses on a specific challenge faced by dry bulk operators, such as Western Bulk, known as the Tramp Ship Routing and Scheduling Problem with Bunker Optimization (TSRSPBO). This problem aims to maximize the overall profit of a fleet of vessels by selecting the most profitable cargoes from a pool of available options. The formulation of this problem incorporates flexible cargo limits and integrated bunker optimization. Additionally, the study addresses the regional allocation of vessels and fleet repositioning. Consequently, a solution to this problem must determine the appropriate cargo quantities to transport, make routing and scheduling decisions regarding cargo and bunker ports, select the optimal bunker quantity to procure from each port and pinpoint the regions in which vessels should be located at the end of the planning period.
This thesis models the studied TSRSPBO as a two-stage stochastic optimization problem, where routing and bunkering decisions are solved in the first-stage problem, and the recourse cost of fleet repositioning is considered in the second-stage. An arc flow and a path flow model of the TSRSPBO are provided. To solve realistic test instances, the path flow solution method leverages an a priori column generation approach, generating and optimizing the set of all feasible routes. Results indicate that the path flow solution approach can optimally solve test instances of up to 30 cargoes, ten vessels, and ten bunker ports within one hour.
Western Bulk operates a long-term fleet of 30 vessels. To solve test instances of this size, an iterative matheuristic solution approach leveraging an Adaptive Large Neighborhood Search (ALNS) frame- work is proposed. By utilizing the ALNS framework to generate columns, the iterative matheuristic solves the path flow model at regular intervals to obtain high-quality solutions. Results show that the iterative matheuristic finds near-optimal solutions for small- and medium-sized test instances. Furthermore, the matheuristic successfully solves test instances of 120 cargoes, 30 vessels, and ten bunker ports in under one hour.
Finally, this thesis conducts an economic analysis of Western Bulk’s operational environment. The added value of fleet repositioning considerations is shown to be significant. Additionally, this thesis quantifies the impact of procuring discounted bunker prices at specific ports, offering valuable decisional support to Western Bulk’s chartering managers and bunker procurement department. | |
