Analyzing the Impact of Speed Optimization in Maritime Inventory Routing
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3156133Utgivelsesdato
2024Metadata
Vis full innførselSamlinger
Beskrivelse
Full text not available
Sammendrag
Denne oppgaven tar for seg maritim ruting og lagerstyring med hastighetsoptimalisering (Maritime Inventory Routing Problem with Speed Optimization - MIRPSO), med fokus på å optimalisere fartøyenes ruter, tidsplaner og hastigheter samtidig som lagerbeholdningen ved havnene håndteres. Tradisjonelt benytter MIRP-modeller faste fartøyhastigheter, noe som kan føre til at fordelene ved hastighetsoptimalisering ikke utnyttes. Vår studie undersøker integrering av hastighetsoptimalisering i MIRP, hvor fartøyene enten er fullastede eller tomme, uten mulighet for å fordele lasten på flere porter. I tillegg er det mulig å handle på spotmarkedet hvis det er nødvendig for å forhindre at lageret går tomt eller at lagernivået overskrides.
Vi utvikler en modell basert på et tid-og-rom-nettverk (time-space network model) som, mellom to havner i en gitt tidsperiode, inkluderer ulike seilingsalternativer med tilhørende hastigheter og drivstoffkostnader. Vi har brukt tre ulike løsningsmetoder som alle benytter en rullende horisont-heuristikk (Rolling Horizon Heuristic - RHH), hvor mindre delproblemer løses iterativt. Disse metodene inkluderer en kommersiell løser, nærhetssøk (Proximity Search - PS), og vektet nærhetssøk (Weighted Proximity Search - WPS) som bruker en agent trent med forsterkende læring (reinforcement learning - RL) til å dynamisk sette vekter til variabler i nærhetssøket. I tillegg bruker vi agenten i konstruksjonsheuristikk for å generere initielle løsninger for hvert delproblem. Blant de testede metodene ga RHH med en kommersiell løser de beste resultatene.
I vår beregningsstudie vurderer vi først problemet som statisk og med en gitt planleggingsperiode. Resultatene viser at planlegging med hastighetsoptimalisering reduserer kostnadene med omtrent 22.46\% sammenlignet med planlegging ved bruk av en fast tjenestehastighet. Videre, for å dempe effekter som kan oppstå mot slutten av horisonten (end-of-horizon effects), simulerer vi og behandler problemet som dynamisk og åpent, hvor produksjon og forbruk fortsetter utover den gitte planleggingsperioden, noe som gir mer realistiske løsninger. Denne tilnærmingen sikrer at vanlige operasjoner vil fortsette og at fartøyene vil opprettholde balanserte lagerbeholdninger etter at planleggingshorisonten er over. Følgelig viser det seg at løsningene som oppnås når problemet betraktes som statisk og med en gitt planleggingsperiode, er henholdsvis 11.54\% og 11.77\% for optimistiske sammenlignet med den simulerte versjonen MIRP og MIRPSO. Sammenligning av målfunksjonsverdiene til den simulerte versjonen av MIRP og MIRPSO viser at integrering av hastighetsoptimalisering i MIRP-planleggingen resulterer i en kostnadsreduksjon på 22.15\% sammenlignet med bruk av en fast tjenestehastighet. This thesis addresses the Maritime Inventory Routing Problem with Speed Optimization (MIRPSO), focusing on optimizing vessel routes, schedules, and speeds while managing inventory levels at ports. Traditionally, MIRP models utilize fixed vessel speeds, potentially missing out on the benefits of speed optimization. Our study investigates integrating speed optimization into the MIRP, considering scenarios where vessels are either fully loaded or empty, with no possibility of splitting loads or deliveries. To prevent stockouts or inventory levels from exceeding capacity, the option to buy or sell products on the spot market is available, though it incurs an additional cost.
We develop a time-space network model that incorporates various sailing speeds and their corresponding fuel costs. Our solution methods are implemented within a Rolling Horizon Heuristic (RHH) framework, which solves smaller sub-horizon problems iteratively. These methods include a commercial solver, Proximity Search (PS), and Weighted Proximity Search (WPS), with a reinforcement learning (RL) agent used to dynamically set weights. Additionally, we use the RL agent as a construction heuristic to generate initial solutions for each sub-horizon. Among the methods tested, the RHH with a commercial solver performed the best.
In our computational study, we first consider the problem as static and with a given planning period. The findings reveal that planning with speed optimization reduces costs by approximately 22.46\% compared to planning using a fixed service speed. Furthermore, to mitigate the end-of-horizon effects, we simulate and treat the problem as dynamic and open-ended, where production and consumption continue beyond the given planning period, yielding more realistic solutions. This approach ensures that regular operations will continue and that vessels will maintain balanced port inventory levels after the planning horizon ends. Consequently, the solutions obtained when considering the problem as static and with a fixed planning period are approximately 11.54\% and 11.77\% overly optimistic compared to the open-ended MIRP and MIRPSO, respectively. Comparing the objective values of the open-ended MIRP and MIRPSO reveals that the impact of incorporating speed optimization into the MIRP planning results in a 22.15\% cost reduction compared to using a fixed service speed.