Operational transportation planning of laden load carriers with empty load carrier repositioning using a network flow approach

Abstract

Denne masteroppgaven presenterer en nettverksflytmodell for ˚a optimere flyten av las- tede og tomme lastbærere over en operasjonell planleggingshorisont i det maritime lo- gistikksystemet til en global aluminiumsprodusent. Systemet best˚ar av produksjon, om- lasting, terminalhavner og fikserte maritime transportruter som kobler havnene sammen i rom og tid. M˚alet er ˚a finne en transportplan som tilfredsstiller transportbehovene. Dette betyr ˚a levere lastede lastbærere fra opprinnelseshavnene til destinasjonshavnen innenfor leveringstidsvinduet, samtidig som tomme lastbærere reposisjoneres fra havener med for mange tomme lastbærere til havner som mangler tomme lastbærere. Transportplanen minimerer transportkostnader, lagerkostnader, kostnader ved kjøp av ekstra transportka- pasitet med lastebiler og innkjøp av nye tomme lastbærere. Modellen planlagger strømmen av lastede og tomme lastbærere samtidig for ˚a lage transportplanen. Jeg presenterer en casestudie med fem instanser. De fire første instansene tar sikte p˚a ˚a analysere effekten av planleggingshorisontens lengde n˚ar transportplanen lages i et dynam- isk miljø der ny informasjon kommer ukentlig. Instansene implementerer planleggingshor- isonter der tre til ti uker med transport behov er kjent. Den femte instansen har som m˚al ˚a analysere hvordan modellen tilpasser seg endringer i kjente data. B˚ade rullende horisont og endelig horisont-metoder brukes. Jeg sammenligner ogs˚a modellen med en algoritme som etterligner den faktiske planleggings metoden til aluminiumsprodusenten. Resultatene av beregningsstudien viser at den foresl˚atte modellen gir bedre resultater enn selskapets policy n˚ar det gjelder nødvendig antall lastbærere i systemet og totale kostnader. Resultatene viser ogs˚a at planhorisontens lengde har liten effekt p˚a de totale kostnadene. Planleggingshorisontens lengde p˚avirker imidlertid omplasseringen av tomme lastbærere til en viss grad. Videre viser resultatene at modellen krever flere lastbærere i systemet for ˚a tilpasse seg endringer i kjente data.

This Master’s thesis presents a network flow model for optimizing the flow of laden and empty load carriers over an operational planning horizon in the maritime logistics system of a global aluminum producer. The system consists of production, transshipment, ter- minal ports, and fixed maritime transport routes connecting the ports in space and time. The aim is to find a transportation plan that satisfies the transportation needs. This means delivering laden load carriers from their origin port to their destination port within their delivery time window while repositioning empty load carriers from excess ports to ports that lack empty load carriers. The transportation plan is created while minimizing transportation costs, inventory costs, costs of purchasing extra transport capacity with trucks, and the cost of purchasing new empty load carriers. The model simultaneously considers the flow of laden and empty load carriers to create the transportation plan. I present a case study with five instances. The first four instances aim to analyze the effect of the planning horizon length when the transportation plan is created in a dynamic environment with new information arriving weekly. Planning horizons with three to ten weeks of known transportation needs are analyzed. The fifth instance aims to analyze how the model adapts to changes in known data. Both rolling horizon and finite horizon methods are utilized. I also compare the model with an algorithm that mimics the actual planning policy of the aluminum producer. The results of my computational study show that the suggested model performs better than the company policy in terms of the required number of load carriers in the system and total costs. Also, the planning horizon length had little effect on the total costs. However, the planning horizon length somewhat affects the repositioning of empty load carriers. Further, the results show that the model requires more load carriers in the system to adapt to changes in known data.