Optimalisatie van de logistieke processen van de bennewagens in ArcelorMittal Gent

Transcriptie

1 UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR Optimalisatie van de logistieke processen van de bennewagens in ArcelorMittal Gent Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur Liselotte Loosveldt onder leiding van Prof. dr. ir. Birger Raa

2

3 UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR Optimalisatie van de logistieke processen van de bennewagens in ArcelorMittal Gent Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur Liselotte Loosveldt onder leiding van Prof. dr. ir. Birger Raa

4 PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Liselotte Loosveldt

5 WOORD VOORAF Na anderhalf jaar is het moment gekomen om de laatste hand te leggen aan deze masterproef. Van deze gelegenheid wil ik dan ook gebruik maken om een aantal mensen te bedanken. In de eerste plaats wil ik mijn promotor, Prof. dr. ir. Birger Raa bedanken voor de goede begeleiding en het waardevolle advies die me steeds weer op het goede pad zetten. Daarnaast ben ik ook alle medewerkers van de afdeling Recylage en Baanvervoer van ArcelorMittal Gent zeer dankbaar. Zij stonden ten allen tijde klaar om mijn vragen te beantwoorden en te helpen bij de dataverzameling. Ook mijn familie verdient een woordje van dank. In het bijzonder wil ik mijn ouders bedanken voor hun steun en hulp bij het nalezen en ook mijn broer voor zijn helpende hand tijdens het programmeren. Tenslotte wil ik ook mijn vrienden bedanken voor de nuttige tips en het delen van hun ervaringen met de masterproef. Liselotte Loosveldt, mei 2009 I

6 INHOUDSOPGAVE 1 INLEIDING HET VEHICLE ROUTING PROBLEM HET KLASSIEKE VRP EN BASISVARIANTEN OPTIMALISATIETECHNIEKEN Heuristieken Metaheuristieken HET ROLLON - ROLLOFF VEHICLE ROUTING PROBLEM Het RRVRP door Bodin et al. (2000) Vergelijking met andere werken CASE ARCELORMITTAL GENT BEDRIJFSVOORSTELLING Kort overzicht De afdeling Recyclage en Baanvervoer (RBV) HET BENNEWAGENTRANSPORT: AS-IS PROBLEEMSTELLING EN OPLOSSINGSMETHODIEK DATAVERZAMELING DEEL 1: ROUTEPLANNING Verklaring begrippen Mathematisch model Heuristische Benadering Constructie van de initiële oplossing: cheapest insertion heuristiek Improvement heuristiek: swap Improvement heuristiek: relocate Variable Neighborhood Search (VNS) Implementatie Resultaten Output routeplanning en vergelijking met de realiteit Scenario-analyse: Performantie van de routeplanning bij een hogere frequentie van de aanvragen II

7 3.6 DEEL 2: LOCATIE NIEUWE WEEGBRUG Probleemstelling Oplossingsmethodiek Implementatie Resultaten CONCLUSIES EN VERDER ONDERZOEK ALGEMEEN BESLUIT LIJST VAN GERAADPLEEGDE WERKEN... VI 6 BIJLAGEN... VIII 6.1 BIJLAGE A ORGANOGRAM ARCELORMITTAL GENT... VIII 6.2 BIJLAGE B SITUERING VAN DE WEEGBRUGGEN OP HET GRONDPLAN... IX 6.3 BIJLAGE C OVERZICHT BINNENGEKOMEN AANVRAGEN PER SHIFT... X 6.4 BIJLAGE D OVERZICHT RITTEN PER CHAUFFEUR PER SHIFT... XI 6.5 BIJLAGE E BESCHRIJVING VAN DE DATABASE INVENTARIS_BENNES_THESIS... XII III

8 LIJST VAN FIGUREN Figuur 2-1: De basisvarianten van het VRP en hun relaties... 5 Figuur 2-2: Savings heuristic Figuur 2-3: Nearest insertion heuristiek Figuur 2-4: 2-opt methode Figuur 2-5: Or-opt methode Figuur 2-6: String relocation Figuur 2-7: String exchange Figuur 2-8: Local Search en Guided Local Search Figuur 2-9: De vier trip types van Bodin et al Figuur 3-1: Grondplan ArcelorMittal Gent Figuur 3-2: Bennewagen Figuur 3-3: Tabellen en relaties van database Inventaris_bennes_thesis Figuur 3-4: Schematische voorstelling van een trip Figuur 3-5: Schematische voorstelling van een oplossing van de routeplanning met drie routes Figuur 3-6: Class diagram van de routeplanning Figuur 3-7: Situering van het overgrote deel van de oorsprongen en bestemmingen op het grondplan van ArcelorMittal Gent Figuur 3-8: Class diagram van het project Nieuwe weegbrug Figuur 3-9: Resultaten van het programma, getest op de referentieperiode april IV

9 LIJST VAN TABELLEN Tabel 3-1: Gemiddelde duur van de basiselementen van de servicetijd Tabel 3-2: Output van de automatische routeplanning Tabel 3-3: Vergelijking automatische en manuele planning voor shift Tabel 3-4: Output van de automatische routeplanning bij hogere frequentie van de trips V

10 1 INLEIDING De staalsector, en in het bijzonder een geïntegreerd staalbedrijf zoals ArcelorMittal Gent, steunt op tal van verschillende activiteiten. Deze activiteiten moeten dagelijks op elkaar afgestemd worden om de productie van staal zo efficiënt mogelijk te laten verlopen. In de loop der jaren werden voor de meeste afdelingen binnen ArcelorMittal Gent beslissingsondersteunende instrumenten ontwikkeld in het kader van efficiëntieverhoging en kostenreductie. Doch een aantal processen, voornamelijk behorend tot de randactiviteiten van de productie, zijn nog steeds voor verbetering vatbaar. Deze masterproef zal één van deze activiteiten, namelijk het bennewagentransport, van naderbij bekijken. Het doel van deze masterproef is tweevoudig. Enerzijds zal geprobeerd worden een beslissingsondersteunend instrument te ontwikkelen om de logistieke processen van het bennewagentransport te optimaliseren. De bennewagens worden ingezet om op verschillende plaatsen op het bedrijfsterrein afvalmateriaal op te halen. Om de kosten te minimaliseren is het cruciaal de ritten van deze bennewagens efficiënt te plannen. Dit planningsprobleem is een reële toepassing van het Vehicle Routing Problem (VRP). Het VRP werd reeds door vele operationeel onderzoekers grondig bestudeerd en beschreven. Het tweede doel van de masterproef is dan ook een studie te maken van de belangrijkste werken inzake het VRP en zijn meer complexe varianten. Een aantal belangrijke beperkingen moeten in acht worden genomen. Ten eerste is het onmogelijk om een volledige beschrijving te geven van alle varianten van het VRP en de talrijke oplossingsmethoden ervoor. De literatuurstudie beperkt zich tot een overzicht van de varianten en heuristieken die het meest van toepassing zijn op het planningsprobleem in ArcelorMittal Gent. Ten tweede zou het een leugen zijn te beweren dat het ontwikkelde model de werkelijkheid perfect reflecteert. Een aantal vereenvoudigingen zijn onvermijdelijk. Onverwachte gebeurtenissen die in realiteit vaak voorkomen, zoals files of defecte wagens, alsook het real-time karakter van de planning van het bennewagentransport zijn elementen die het modelleren bemoeilijken. Vooraleer de masterproef aangevat wordt, is een opmerking in verband met het taalaspect noodzakelijk. Daar het VRP hoofdzakelijk in het Engels bestudeerd wordt, is het niet altijd mogelijk om bepaalde begrippen naar het Nederlands te vertalen. Deze begrippen zullen daarom in hun oorspronkelijke taal gebruikt worden. De masterproef is als volgt opgebouwd. In hoofdstuk 2 wordt de bestaande literatuur van het VRP bestudeerd, alsook de belangrijkste heuristieken en metaheuristieken. Daarna wordt in hoofdstuk 3 de case over het bennewagentransport in ArcelorMittal Gent aangevat. Na een korte voorstelling van het bedrijf en de huidige organisatie van het bennewagentransport, wordt het onderzoeksprobleem 1

11 geformuleerd. De oplossing van de case bestaat vervolgens uit twee delen. Allereerst wordt een programma ontwikkeld om de planning van het bennewagentransport op automatische wijze te laten verlopen. In tweede instantie wordt op basis van dit beslissingsondersteunend instrument nagegaan of het mogelijk is een efficiëntieverhoging te realiseren door middel van een wijziging in de infrastructuur. 2

12 2 HET VEHICLE ROUTING PROBLEM Het Vehicle Routing Problem (VRP) werd in 1959 geïntroduceerd door Dantzig en Ramser in het werk The truck dispatching problem. De auteurs beschreven als eerste een mathematisch programmeringsprobleem voor de levering van brandstof aan tankstations en gebruikten daarvoor een algoritmische benadering. Vandaag behoort het VRP tot de meest bestudeerde problemen in het domein van het operationeel onderzoek. Dit enerzijds omwille van zijn complexiteit en anderzijds door zijn brede toepasbaarheid. Het VRP wordt immers in zeer uiteenlopende aspecten van het dagelijkse leven gebruikt: afvalophaling, distributie van goederen, transport van gehandicapte personen, routeplanning van schoolbussen, enz.. Volgens Toth en Vigo (2002) zorgt het gebruik van gecomputeriseerde procedures in de distributie van goederen voor substantiële besparingen (van 5% tot 20%) in de globale transportkosten. Aangezien de transportkosten een aanzienlijk deel van de totale kost van een product vertegenwoordigen, hebben deze besparingen een significante invloed op ons economisch systeem, hetgeen duidt op de belangrijke rol van de studie van het VRP. Het VRP is een lineair programmeringsprobleem en is van combinatorische aard. Deze combinatorisch complexe problemen worden ook NP-hard genoemd. De inspanning nodig om NP-harde problemen op te lossen stijgt exponentieel met de grootte van het probleem. Dit heeft tot gevolg dat het quasi onmogelijk is om dé exacte oplossing te bekomen. Enkel voor kleinschalige problemen kan in een aanvaardbare tijdsspanne een optimale oplossing gevonden worden. In plaats daarvan streven operationeel onderzoekers naar het bereiken van de best mogelijke oplossing met behulp van heuristische procedures. Er zijn reeds verschillende optimalisatietechnieken, zowel exact als heuristisch, voorhanden om het VRP op te lossen, maar vooraleer overgegaan wordt tot een bespreking van deze technieken, is het nuttig het VRP en zijn varianten even kort voor te stellen. 2.1 HET KLASSIEKE VRP EN BASISVARIANTEN Het klassieke VRP, ook het Capacitated VRP (CVRP) genoemd, bestaat uit het bepalen van een set van routes voor een vloot van voertuigen zodat aan alle eisen van een vooropgesteld aantal klanten wordt voldaan en dit met minimale kosten. Elke route wordt uitgevoerd door één enkel voertuig. Het aantal beschikbare voertuigen kan gegeven zijn of gebruikt worden als beslissingsvariabele. Een aantal beperkingen moet daarbij gerespecteerd worden: 3

13 Elke route begint en eindigt in een centraal depot, elke klant moet exact één keer bediend worden door exact één voertuig, de totale vraag van de klanten op een route mag de capaciteit van het voertuig niet overschrijden, de totale duur van een route mag een bepaalde limiet niet overschrijden (dit komt in de meeste gevallen overeen met de duur van de shift). Deze lijst van beperkingen is in geen geval exhaustief. Er kunnen steeds bijkomende beperkingen geformuleerd worden, zoals bijvoorbeeld het opleggen van de volgorde waarin klanten bediend moeten worden. Deze bijkomende beperkingen liggen aan de basis van de verschillende varianten op het klassieke VRP. Het hoofddoel van het VRP is gericht op het minimaliseren van de totale kosten. Vaak komt dit neer op het minimaliseren van de transportkosten, bepaald door de totale afgelegde afstand en de vaste kosten voor het gebruik van de voertuigen. In bepaalde problemen worden echter ook nog andere objectieven vooropgesteld, zoals het minimaliseren van het aantal voertuigen die nodig zijn om de klanten te bedienen of het minimaliseren van de penalty kosten die voortvloeien uit de bediening. Penalty kosten kunnen bijvoorbeeld toegekend worden omwille van vertraagde bediening, overuren, enz.. Een laatste vaak voorkomend doel is het balanceren van de verschillende routes. Hiervoor kunnen een aantal criteria vooropgesteld worden zoals de reistijd of de lading van de voertuigen. Een VRP wordt geformuleerd aan de hand van een graaf G = (V,A). V = {0,,n} stelt daarbij de vertex set voor en A = {(i,j): i,j V, i j} de arc set. Vertices i = 1,,n komen overeen met de klanten en vertex 0 stelt het depot voor. Naargelang het een symmetrisch of asymmetrisch VRP betreft, wordt respectievelijk een niet-gerichte of gerichte graaf gebruikt. In een niet-gerichte graaf wordt in plaats van de arc set A een edge set E gebruikt voor de verbindingen tussen de vertices. Aan elke arc of edge (i,j) wordt een niet-negatieve kost c ij toegekend. Deze kost vertegenwoordigt de reiskost nodig om een voertuig van vertex i naar vertex j te verplaatsen en is over het algemeen evenredig met de lengte van (i,j). Als G een niet-gerichte graaf is, is de kostenmatrix c, en dus ook de afstandsmatrix, symmetrisch. Er geldt dus dat c ij = c ji voor elke (i,j) E. Zoals reeds vermeld bestaan er verschillende varianten op het klassieke VRP, en dit naargelang de beperkingen die opgelegd worden. Zo spreekt men van een Distance-Constrained VRP (DCVRP) als de lengte van de routes een bepaalde limiet niet mag overschrijden. Het VRP with Time Windows (VRPTW) ontstaat als de klanten binnen een bepaalde periode van de dag, het time window, bediend moeten worden. Het VRP with Pickup and Delivery (VRPPD) wordt gekenmerkt door een aantal pickup en 4

14 delivery points. Voertuigen vervoeren mensen of goederen van de pickup points naar de delivery points en moeten dus een bepaalde volgorde respecteren. Een delivery point kan nooit bediend worden vóór het bijhorende pickup point. De routes bestaan bijgevolg uit een aaneenschakeling van pickup en delivery points. In het VRP with backhauls (VRPB) worden de klanten in twee subgroepen opgedeeld. De eerste groep bevat de linehaul -klanten waaraan een bepaalde hoeveelheid van een product moet worden geleverd. De tweede groep bestaat uit de backhaul -klanten waarbij een hoeveelheid van een product moet opgehaald worden. Er wordt opgelegd dat de backhaul -klanten pas bediend kunnen worden na alle linehaul -klanten. Deze basisvarianten kunnen nog verder gecombineerd worden zodat er in werkelijkheid een veel groter aantal verschillende Vehicle Routing Problems bestaat dan theoretisch beschreven. Zo kunnen het VRPB en het VRPTW gecombineerd worden tot het VRPBTW, dit is het VRP with Backhauls and Time Windows. Onderstaande figuur geeft een overzicht van de basisvarianten van het VRP en de relaties tussen deze varianten. CVRP Route length DCVRP Backhauling VRPB VRPTW Time Windows Mixed Service VRPPD VRPBTW VRPPDTW Figuur 2-1: De basisvarianten van het VRP en hun relaties (Toth & Vigo, 2002, p. 6) Voor een uitgebreide bespreking van de basisvarianten van het VRP, zie Toth & Vigo (2002). Het VRP with Time Windows wordt ook in het werk van Bräysy (2001) uitgebreid behandeld. 2.2 OPTIMALISATIETECHNIEKEN Het VRP is een hard combinatorisch optimalisatieprobleem en dat maakt het zeer moeilijk het optimum te bereiken. Exacte algoritmen, zoals het branch-and-bound of het branch-and-cut algoritme, slagen er niet in problemen met meer dan 50 klanten consistent op te lossen (Cordeau, Gendreau, Laporte, Potvin & Semet, 2002). Omwille van de beperkte mogelijkheden van deze exacte algoritmen, worden in praktijk meestal heuristieken en metaheuristieken gebruikt. Echter, ook bij deze optimalisatietechnieken moet een trade-off gemaakt worden tussen een kwalitatief hoogstaande 5

15 oplossing en een snelle berekening. Hoe hoger de vereiste graad van optimaliteit, hoe meer rekentijd het algoritme vraagt van de computer. Zowel de klassieke heuristieken als de metaheuristieken zoeken naar de optimale oplossing door stap voor stap de oplossingsruimte te verkennen. Er wordt vertrokken van een initiële oplossing en door middel van kleine aanpassingen wordt gepoogd een betere oplossing te vinden. Dit proces wordt steeds herhaald tot een bepaald stopcriterium bereikt is. De belangrijkste heuristieken en metaheuristieken worden hierna kort voorgesteld. Voor een gedetailleerde bespreking, zie Toth & Vigo (2002) HEURISTIEKEN Het overgrote deel van de klassieke heuristieken werd ontwikkeld tussen 1960 en 1990 (Toth & Vigo, 2002). De meeste constructie- en improvement heuristieken die vandaag in gebruik zijn behoren tot deze klasse. Klassieke heuristieken voeren een relatief beperkte verkenning van de oplossingenruimte uit. Daardoor worden ze gekenmerkt door eenvoud en snelheid. Ze slagen erin zeer lage rekentijden te bereiken. Een andere reden voor de populariteit van de heuristieken is de brede toepasbaarheid in reële situaties. Ze kunnen makkelijk aangepast worden om een diversiteit aan beperkingen in rekening te brengen. De kwaliteit van de oplossingen is over het algemeen goed, maar toch minder accuraat dan de oplossingen bekomen door de metaheuristieken. De klassieke heuristieken worden over het algemeen ingedeeld in drie categorieën: de constructieve heuristieken, de two-phase heuristieken en de improvement heuristieken. De constructieve heuristieken bouwen stap voor stap een toelaatbare oplossing op, maar bevatten niet noodzakelijk een improvement fase. Een voorbeeld van deze categorie is de bekende Clarke and Wright savings heuristic. Het basisprincipe waarop deze heuristiek steunt is het laten samensmelten van bestaande routes op basis van een savings criterium. In eerste instantie worden n routes geconstrueerd voor de klanten i = 1,,n. Elke route bevat bijgevolg slechts één klant. Daarna worden bij elke iteratie twee routes samengesmolten tot één nieuwe route, waarbij telkens gekozen wordt voor die routes die de grootste besparing of saving opleveren. De saving s ij bij het samenvoegen van de routes (0,i,0) en (0,j,0) wordt als volgt berekend: ij i0 0j ij 6

16 Onderstaande figuur geeft één iteratie weer van de savings heuristiek. De routes in de linkse figuur worden samengevoegd door klant j na klant i toe te voegen in één route. De bijhorende saving wordt onmiddellijk duidelijk uit de verandering van de pijlen. i j i j Figuur 2-2: Savings heuristic. (Bräysy, 2001, p.24) Er bestaan twee versies van deze heuristiek, een parallelle en een sequentiële. De parallelle versie levert duidelijk betere resultaten op (Toth& Vigo, 2002, p.111). Een tweede klasse van constructieve heuristieken zijn de insertion heuristieken. Deze zijn gebaseerd op een ander basisprincipe. In plaats van verschillende routes te combineren wordt in dit soort heuristieken stap voor stap een vertex toegevoegd aan een route op basis van een insertion kost. Naargelang het criterium dat gebruikt wordt om een vertex toe te voegen spreekt men van een nearest insertion, farthest insertion of cheapest insertion. Net als bij de savings heuristiek bestaat hiervan een sequentiële en parallelle variant. In de parallelle variant worden verschillende routes tegelijk geïnitialiseerd. De parallelle insertion overtreft de sequentiële variant in kwaliteit en rekentijd maar stelt bijkomende moeilijkheden op vlak van het bepalen van het aantal initiële routes en de set van root klanten. In onderstaande figuur wordt een sequential nearest insertion voorgesteld. In de linkse figuur bevinden enkel klant i en klant j zich reeds op de route. In elke fase wordt die klant toegevoegd die de waarde van de doelfunctie het minst doet stijgen. In dit voorbeeld wordt klant a geselecteerd omdat deze de totale afstand van de huidige route minder doet stijgen dan klant b of c. c c i j i j b a b a Figuur 2-3: Nearest insertion heuristiek. Klant a wordt toegevoegd aan de bestaande route met klanten i en j. (Bräysy, 2001, p.27) 7

17 De two-phase heuristieken kunnen opgedeeld wordt in 2 grote subcategorieën, maar zoals de naam al aangeeft wordt het probleem telkens opgedeeld in twee componenten. De eerste subcategorie wordt de cluster-first, route-second categorie genoemd. Hierbij worden de klanten in een eerste fase gebundeld in clusters en voor elk van deze clusters wordt in de tweede fase een route gepland. Verschillende bekende algoritmes, zoals het sweep algorithm en het Fisher and Jaikumar algorithm behoren tot deze categorie. Ook de omgekeerde situatie is mogelijk waarbij eerst een grote TSP (Traveling Salesman Problem) route geconstrueerd wordt, die daarna in een tweede fase opgedeeld wordt in kleinere, toelaatbare routes. Deze subcategorie is gekend als de route-first, cluster-second methode. De improvement heuristieken of local search heuristieken tenslotte proberen een toelaatbare initiële oplossing te verbeteren door het verplaatsen van vertices of strings van vertices binnenin of tussen routes. Men spreekt van een first improvement of first accept procedure wanneer de eerst voorkomende verbetering geïmplementeerd wordt en van een best improvement of best accept procedure als de volledige neighborhood geëxploreerd wordt om de beste verbetering te identificeren. De neighborhood van een oplossing bestaat uit de set van alle oplossingen die door middel van een aantal elementaire bewegingen kunnen bereikt worden vanuit de huidige oplossing. Verbeteringen binnenin één route zijn in de meeste gevallen gebaseerd op het λ-opt of Or-opt principe. De λ-opt methode verwijdert λ edges uit de route en herverbindt deze edges op alle mogelijke manieren. De Oropt methode verwijdert een string van vertices en voegt die terug toe op een andere locatie. Onderstaande figuren tonen duidelijk het verschil tussen de λ-opt en Or-opt methodes. i j i j j+1 i+1 j+1 i+1 Figuur 2-4: 2-opt methode. De edges (i, i+1) en (j, j+1) zijn vervangen door de edges (i,j) en (i+1, j+1). (Bräysy, 2001, p.31) i-1 i+1 i-1 i+1 i i j+1 j j+1 j Figuur 2-5: Or-opt methode. Klant i krijgt een nieuwe locatie tussen klant j en j+1. (Bräysy, 2001, p.34) 8

18 Behalve veranderingen binnenin één route kunnen (strings van) vertices ook verplaatst worden tussen twee routes. Verschillende auteurs hebben in de loop der jaren onderzoek gedaan naar deze between route exchanges. Van Breedam bijvoorbeeld beschrijft vier improvement procedures: string cross, string exchange, string relocation en string mix. In onderstaande figuren worden respectievelijk de string relocation en string exchange voorgesteld. i-1 i+1 i-1 i+1 i i j j+1 j j+1 Figuur 2-6: String relocation. In dit geval bestaat de string slechts uit één vertex i. Vertex i krijgt een nieuwe locatie in een andere route. (Bräysy, 2001, p.36) i-1 i+1 j i-1 j i+1 i j-1 j+1 i j-1 j+1 Figuur 2-7: String exchange. Ook hier bestaat de string uit één vertex. Vertices i en j worden verwisseld van plaats. (Bräysy, 2001, p.37) Een typische local search procedure, gebaseerd op best improvement, kan als volgt beschreven worden (Bräysy, 2001, p.31): Stap 1: Start met een initiële oplossing en beschouw deze als de huidige oplossing. Stap 2: Genereer alle oplossingen in de neighborhood van de huidige oplossing door het uitvoeren van één of meerdere elementaire bewegingen ( λ-opt, Or-opt, string exchange, string relocation, enz.). Stap 3: Selecteer de beste oplossing uit de neighborhood en definieer deze oplossing als de nieuwe huidige oplossing. Stap 4: Ga terug naar stap 2. 9

19 In werkelijkheid is het onderscheid tussen constructie- en improvement heuristieken echter niet altijd duidelijk omdat de meeste constructieheuristieken één of meerdere improvement stappen incorporeren METAHEURISTIEKEN De relatief lage kwaliteit van de oplossingen bekomen door middel van klassieke heuristieken, vormde de aanzet tot het zoeken naar alternatieven. Vanaf de jaren 1990 is het meeste onderzoek dan ook gericht op de zogenaamde metaheuristieken (Toth & Vigo, 2002). Metaheuristieken slagen erin oplossingen van hoge kwaliteit te behalen door een diepere verkenning van de oplossingenruimte. In tegenstelling tot de klassieke improvement heuristieken stoppen de metaheuristieken niet op een lokaal optimum. Ze benaderen door middel van een gerichte zoekstrategie, namelijk door het tijdelijk aanvaarden van oplossingen die de waarde van de doelfunctie verslechteren, het globale optimum. Metaheuristieken worden dan ook vaak global improvement heuristieken genoemd. Het grootste nadeel van metaheuristieken is dat de hogere kwaliteit gepaard gaat met een stijgende rekentijd, dit omdat er geen stopconditie gedefinieerd wordt. Hoe langer de rekentijd, hoe hoger de waarschijnlijkheid dat de oplossing dicht bij het globale optimum ligt. Metaheuristieken kunnen onderverdeeld worden in twee klassen: local search metaheuristieken en population search metaheuristieken. De eerste klasse is gebaseerd op het principe van local search, waarbij door een intensieve verkenning van de neighborhood van de huidige oplossing een nieuwe oplossing wordt gezocht. Deze metaheuristieken zijn in principe geavanceerde versies van de klassieke improvement heuristieken. Simulated Annealing, Deterministic Annealing en Tabu Search zijn drie metaheuristieken die tot deze klasse behoren. De tweede klasse is gebaseerd op het principe van population search. Deze metaheuristieken vertrekken van meerdere oplossingen tegelijk, in tegenstelling tot de local search metaheuristieken die op elk moment slechts één oplossing beschouwen. Bij population search wordt een verzameling van goede parent oplossingen bijgehouden en gecombineerd zodat nog betere nakomelingen geproduceerd worden. De populatie van oplossingen evolueert dus van de ene generatie naar de volgende volgens principes die in de natuur teruggevonden worden, namelijk selectie, combinatie (of crossover) en mutatie. Genetic Algorithms, Ant Systems en Neural Networks behoren tot deze klasse. Omdat Tabu Search van alle metaheuristische optimalisatietechnieken de beste resultaten levert voor het VRP (Toth & Vigo, 2002; Cordeau et al., 2002), wordt deze metaheuristiek hierna iets meer in detail behandeld. 10

20 Tabu Search is, zoals reeds vermeld, een metaheuristische local search strategie, geïntroduceerd door Fred Glover in Tijdens elke iteratie wordt de beste oplossing uit de neighborhood van de huidige oplossing geselecteerd als de nieuwe huidige oplossing. Oplossingen die de waarde van de doelfunctie doen stijgen worden daarbij ook toegelaten, dit om te ontsnappen aan een lokaal optimum. Typisch aan Tabu Search is het gebruik van speciale geheugenstructuren om de neighborhood van de huidige oplossing aan te passen en het zoeken te organiseren. Oplossingen die recent bezocht werden, worden in een korte termijn geheugen, de tabu list, opgeslagen en worden taboe. Dit wil zeggen dat deze oplossingen gedurende een bepaald aantal iteraties (overeenstemmend met de lengte van de tabu list ) niet als huidige oplossing kunnen gekozen worden. Bij elke iteratie wordt er een nieuwe oplossing opgeslagen in de tabu list en komt een andere oplossing terug vrij. Als een oplossing echter aantrekkelijk genoeg is, dan mag de tabu regel overschreden worden. Dit is bijvoorbeeld het geval als de oplossing tot een betere waarde van de doelfunctie zou leiden dan tot nu toe bekomen werd (Glover, Kelly, & Laguna, 1995). In de loop der jaren werden verschillende algoritmes ontwikkeld die gebaseerd zijn op Tabu Search, zoals bijvoorbeeld de Taburoute van Gendreau et al., het Taillard tabu search algoritme en het granulaire tabu search algoritme van Toth en Vigo (Cordeau et al., 2002). Een andere vermeldenswaardige metaheuristiek, is de Guided Local Search (GLS), beschreven door Kilby, Prosser en Shaw in Deze metaheuristiek is een variant op de gewone local search metaheuristieken. De GLS verhoogt de doelfunctie met een penalty kost gebaseerd op hoe dicht de nieuwe oplossing zich bij een reeds bezocht lokaal minimum bevindt, waardoor diversificatie bevorderd wordt. Hier worden dus niet enkel oplossingen aanvaard die de doelfunctie verslechteren, zoals het geval is bij de gewone local search metaheuristieken, maar daar bovenop wordt ook de doelfunctie zelf aangepast om lokale minima uit te sluiten. In onderstaande figuur wordt het verschil tussen een gewone local search metaheuristiek (Tabu Search) en guided local search visueel voorgesteld. f(x) Local Search f(x) Guided Local Search Lokaal minimum Globaal minimum x Lokaal minimum Globaal minimum x Figuur 2-8: Local Search en Guided Local Search 11

21 De klassieke local search metaheuristiek gaat van de ene oplossing x naar de volgende door het toepassen van een set van elementaire bewegingen. De sprongen die in het groen aangeduid zijn leiden naar een lokaal minimum, bij elke sprong wordt de waarde van de doelfunctie kleiner. Eens het lokaal minimum bereikt is worden ook sprongen toegelaten (in rood aangeduid) die de waarde van de doelfunctie opnieuw verhogen, dit om aan het lokaal minimum te ontsnappen. Aangezien alle recent bezochte oplossingen taboe verklaard worden, zal het zoekalgoritme niet terugkeren naar vorige betere oplossingen. De Guided Local Search daarentegen maakt het ontsnappen aan locale minima op een andere manier mogelijk. Hier worden lokale minima verwijderd door het aanpassen van de doelfunctie. In bovenstaande figuur wordt het lokaal minimum teniet gedaan in drie iteraties (groen oranje rood). 2.3 HET ROLLON - ROLLOFF VEHICLE ROUTING PROBLEM Het VRP dat het dichtst aanleunt bij het planningsprobleem in ArcelorMittal Gent, is het Rollon Rolloff Vehicle Routing Problem (RRVRP). Het onderzoek naar het RRVRP is nog volop in ontwikkeling, tot nu toe zijn er vijf werken beschikbaar waarin algoritmes voor het RRVRP voorgesteld worden. Het probleem werd geïntroduceerd door Cristallo G. in zijn masterproef Optimisation de Tournées de Véhicules de Transport Container in 1994 en wordt verder ook beschreven in De Meulemeester, Laporte, Louveaux en Semet (1997); Bodin, Mingozzi, Baldacci en Ball (2000) en Archetti en Speranza (2004). Enkel in Bodin et al. (2000) wordt het probleem expliciet onder de naam RRVRP behandeld. De andere auteurs spreken eerder over het 1-skip collection problem. Het RRVRP is één van de drie basis afvalophalingsproblemen. In het Residential Pickup Problem wordt een dagelijkse route uitgestippeld voor voertuigen die huisvuil ophalen aan woningen. Deze voertuigen maken tussen 600 en 1500 stops per dag en rijden gemiddeld niet meer dan drie keer naar een afvallocatie. In het Container Pickup Problem wordt de inhoud van containers opgehaald die verspreid staan op bepaalde locaties, zoals ziekenhuizen, scholen, restaurants, enz.. Een dagelijkse route bestaat uit het ophalen van een 100 tot 200-tal containers en ook hier wordt de afvallocatie niet meer dan drie keer per dag bezocht. Het RRVRP tenslotte is gericht op het plannen van routes voor het ophalen van grote trailers (of skips) die zich bijvoorbeeld op bouwwerven of aan shopping centers bevinden. Een voertuig kan maar één trailer tegelijk vervoeren en moet dus onmiddellijk na het ophalen van de trailer de inhoud gaan legen op de afvallocatie. De weg die door een voertuig afgelegd moet worden voor het bedienen van een trailer, wordt een trip genoemd. De dagelijkse route van een voertuig is dus een opeenvolging van trips, waarbij elke trip toegewijd is aan de bediening van één bepaalde klant. In het algemeen worden niet meer dan 15 trips per dag uitgevoerd, dit door de grote afstanden die moeten 12

22 overbrugd worden in vergelijking met de eerste twee afvalophalingsproblemen. Het RRVRP kan gezien worden als een variant op het Pickup and Delivery VRP, met het verschil dat voertuigen in het RRVRP slechts één trailer tegelijk kunnen vervoeren, en dat dus de pickup en delivery van één klant steeds na elkaar dient te gebeuren. In deel wordt een gedetailleerde beschrijving gegeven van het RRVRP door Bodin et al. (2000). Daarna worden in deel de belangrijkste verschillen met de skip collection problems van Archetti en Speranza (2004) en De Meulemeester (1997) aangehaald HET RRVRP DOOR BODIN ET AL. (2000) In het RRVRP beschreven door Bodin et al. (2000) is er één centraal depot van waaruit de voertuigen hun route starten en één afvallocatie waar de trailers gedumpt worden. Het doel is tweevoudig. Enerzijds moet de operationele kost, namelijk de totale reistijd van de voertuigen nodig om alle trips te kunnen bedienen, geminimaliseerd worden. Anderzijds vormt het minimaliseren van het aantal ingezette voertuigen of de kapitaalkost een tweede doel. De lengte van de routes mag een bepaalde limiet L (bvb. de duur van een shift) niet overschrijden. De capaciteit van de voertuigen wordt niet gespecificeerd aangezien er slechts één trailer tegelijk kan vervoerd worden. De auteurs categoriseren alle trips in vier klassen. Trips van het type 1 worden voorgesteld aan de hand van de bewegingsvector M i = (s i, v d, e i ), waarbij v d gelijk is aan de afvallocatie, s i vormt de startlocatie bij de klant en e i de eindlocatie (waarbij voor de meeste trips geldt dat s i = e i ). Een type 1 trip start dus bij de klant, waar een volle trailer op het voertuig geladen wordt. Daarna rijdt het voertuig naar de afvallocatie waar de trailer geleegd wordt en rijdt vandaar naar de eindlocatie om de trailer terug af te zetten. Trips van het type 2 worden voorgesteld door de bewegingsvector M i = (v d, v i, v d ) waarbij v i een locatie bij een klant voorstelt. Tijdens een type 2 trip haalt het voertuig een lege trailer op aan de afvallocatie, rijdt ermee naar de klant, zet de lege trailer af bij de klant en neemt een volle trailer van de klant terug mee naar de afvallocatie. Trips van het type 3 worden getypeerd door de bewegingsvector M i = (v d, e i ). In deze situatie wordt een lege trailer van de afvallocatie naar de klant vervoerd. In het algemeen komt dit overeen met de initiële levering van een trailer aan de klant. Trips van het type 4 tenslotte worden voorgesteld met de bewegingsvector M i = (s i, v d ). Hier vertrekt het voertuig met een volle trailer bij de klant en rijdt naar de afvallocatie waar de trailer gelost wordt. Deze situatie komt in het algemeen overeen met de teruggave van een trailer omdat de klant er geen behoefte meer aan heeft. Onderstaande figuur geeft een visuele voorstelling weer van de 4 types trips. 13

23 T 1 T 2 T 3 Afvallocatie v d T 4 Depot v o Startlocatie voor Type 1 en Type 4 trips Tussenlocatie voor Type 2 trips en eindlocatie voor Type 3 trips Vervoer van een volle trailer Vervoer van een lege trailer Figuur 2-9: De vier trip types van Bodin et al. (2000, p. 273) Elke trip i wordt gekenmerkt door een bepaalde bedieningstijd d i, nodig om alle activiteiten gerelateerd aan de trip uit te voeren. De bedieningstijd wordt verondersteld gekend te zijn, zo gaat men bijvoorbeeld vooraf na hoelang het duurt om een trailer vast te hechten of te legen. Elk type trip heeft een specifieke formule om de bedieningstijd te berekenen. Naast de bedieningstijd van de trips zelf, is er ook een tijdsverloop tussen het bedienen van twee opeenvolgende trips. De tijd nodig om van de eindlocatie van trip i naar de beginlocatie van trip j te rijden, wordt de reistijd t ij genoemd. Deze reistijden worden bijgehouden in een reistijd-matrix. Het doel om de operationele kost te minimaliseren komt eigenlijk neer op het minimaliseren van deze reistijden tussen twee opeenvolgende trips, in het artikel wordt dit de deadhead time genoemd. De wiskundige formulering van het RRVRP verschilt enigszins van het klassieke VRP omdat het geen typisch routing probleem is. Door de introductie van het type 2 trips, wordt het RRVRP een combinatie van een routing en een bin packing probleem. Hierdoor wordt het moeilijk om een efficiënt algoritme te ontwikkelen. Vier heuristische algoritmes werden door de auteurs beschreven en getest op 20 problemen om de efficiëntie te vergelijken. De Partial Enumeration Methode en het Decompositie Algoritme geven de beste oplossingen. Voor een gedetailleerde beschrijving van de vier heuristieken, zie Bodin et al. (2000). 14

24 2.3.2 VERGELIJKING MET ANDERE WERKEN Het 1-skip collection problem van Archetti en Speranza (2004) is ruimer dan Bodin et al. (2000) in die zin dat er Time Windows worden toegekend aan de klanten en dat de klanten worden opgedeeld in twee groepen: klanten die met een vaste frequentie bediend moeten worden en klanten die bediend moeten worden als hun trailer vol is. De klanten met een vaste frequentie krijgen daarbij een hogere prioriteit dan de andere klanten. Verder bevat het probleem meerdere afvallocaties en wordt er een beperking opgelegd ten aanzien van het soort trailer. Een voertuig mag enkel trailers van eenzelfde type ophalen gedurende een volledige route. Er worden ook penalty costs toegekend per dag dat een klant te laat bediend worden (soft constraint) en de vertraging mag een vooraf gespecificeerd aantal dagen niet overschrijden (hard constraint). Hier wordt met 3 types trips gewerkt zoals ze gedefinieerd werden in Bodin et al. (2000). Trips van het type 2 ontbreken. De auteurs presenteren een nieuw heuristisch algoritme om het RRVRP op te lossen, het SMART-COLL algoritme. Voor een volledige beschrijving van het algoritme wordt verwezen naar het artikel. Net als bij Archetti en Speranza (2004) zijn er in De Meulemeester et al. (1997) meerdere afvallocaties. Ook hier worden de klanten opgedeeld in twee groepen: de domestic klanten waarvan de trailer geleegd moet worden op een afvallocatie nabij het depot en de industrial klanten waarvan de trailer op verschillende andere afvallocaties kan geleegd worden. In dit probleem worden enkel trips van het type 3 en 4 in beschouwing genomen. Twee heuristieken worden beschreven: het parallelle Clarke and Wright savings algoritme en een tweede heuristiek gebaseerd op de oplossing van een Transportation Problem. Op basis van een ontoelaatbare oplossing van het Transportation Problem wordt een optimale oplossing berekend aan de hand van een enumeratief algoritme. 15

25 3 CASE ARCELORMITTAL GENT Op basis van de studie van het Vehicle Routing Problem en de bijhorende heuristische optimalisatietechnieken, moet het mogelijk zijn een oplossing uit te werken voor een reëel planningsprobleem in ArcelorMittal Gent. Het doel van de case is tweevoudig. Ten eerste zal worden aangetoond dat de planning van het bennewagentransport ook op automatische wijze kan gebeuren, met eventueel betere resultaten tot gevolg. Ten tweede wordt nagegaan of het mogelijk is een kostenbesparing te realiseren door een reorganisatie van de infrastructuur, namelijk door het plaatsen van een nieuwe weegbrug. Het verloop van de case is als volgt georganiseerd. In deel 3.1 wordt ArcelorMittal Gent voorgesteld. Eerst wordt een kort overzicht gegeven aan de hand van enkele cijfers en daarna worden de activiteiten van de afdeling RBV iets uitgebreider toegelicht. De huidige organisatie van het bennewagentransport wordt behandeld in deel 3.2. In deel 3.3 wordt de probleemstelling en oplossingsmethodiek geformuleerd. Vervolgens wordt in deel 3.4 de dataverzameling besproken. In deel 3.5 wordt de ontwikkeling van de automatische planning van het bennewagentransport besproken en deel 3.6 onderzoekt verder wat het effect is van een wijziging in de infrastructuur. Tenslotte worden in deel 3.7 de belangrijkste conclusies samengevat. 3.1 BEDRIJFSVOORSTELLING KORT OVERZICHT ArcelorMittal Gent, nog steeds beter gekend als Sidmar, maakt deel uit van de groep ArcelorMittal. Deze staalgroep ontstond in 2006 uit de fusie tussen Arcelor en Mittal Steel. ArcelorMittal is de grootste staalproducent ter wereld en produceert in normale omstandigheden 1 ongeveer 110 miljoen ton ruwstaal per jaar. Hiervan wordt ongeveer vijf miljoen ton in Gent geproduceerd. Wereldwijd is ArcelorMittal gevestigd in meer dan 20 landen en stelt zo n werknemers tewerk. In 2008 werd een omzet gerealiseerd van 125 miljard euro. ArcelorMittal Gent produceert uitsluitend vlakke staalproducten. Er worden drie verschillende soorten eindproducten afgeleverd: warmgewalste, koudgewalste en beklede producten. Het is een maritiem staalbedrijf, gelegen aan de rechteroever van het kanaal Gent-Terneuzen. Via dit kanaal heeft het een vlotte verbinding met de Noordzee en dankzij deze maritieme ligging is ArcelorMittal Gent bereikbaar voor grote ertsschepen met een laadvermogen van ongeveer ton en een diepgang tot 12,50 m. 1 Alle cijfers zijn gebaseerd op de periode vóór de huidige economische crisis. 16

26 ArcelorMittal Gent beschikt over een bedrijfsterrein van ongeveer 800 ha. Slechts een deel hiervan wordt vandaag gebruikt voor de huisvesting van de verschillende productieafdelingen. Dankzij deze grote oppervlakte kan het hele productieproces op een optimale manier worden geïntegreerd. ArcelorMittal Gent beschikt over alle productie-eenheden om vertrekkende van de grondstoffen het eindproduct te produceren. Dit heeft als bijkomend voordeel dat overbodige transporten en tussenopslag worden vermeden. Deze ver doorgedreven integratie heeft echter ook een nadeel, namelijk complexiteit. Een zeer groot aantal verschillende activiteiten moet dagelijks op elkaar worden afgestemd. In het kader van bedrijfsbezoeken en in informatiebrochures worden meestal alleen de hoofdactiviteiten van ArcelorMittal belicht. Deze zijn immers verantwoordelijk voor het grootste deel van de toegevoegde waarde van het eindproduct. Zo zullen velen onder ons al gehoord hebben van de cokesfabriek, de sinterfabrieken, de hoogovens, de staalfabriek, de continugieterijen, de warmwalserij en de koudwalserijen. Om een bedrijf als ArcelorMittal Gent efficiënt te laten werken is er echter meer nodig dan dit. Nevenactiviteiten zoals onderhoud, intern transport, recyclage, enz. zijn minstens even belangrijk. Deze processen leveren geen echte toegevoegde waarde aan het eindproduct, maar vertegenwoordigen wel een aanzienlijk deel van de kosten. Het is dan ook uiterst belangrijk deze activiteiten zo efficiënt mogelijk te organiseren. In deze case wordt één van deze nevenactiviteiten van naderbij bekeken, namelijk het bennewagentransport. De verantwoordelijkheid over het bennewagentransport behoort tot de afdeling Recyclage en Baanvervoer (RBV). Op onderstaande figuur is met een gele stip aangeduid waar deze afdeling zich bevindt op het bedrijfsterrein. Het rood gearceerde gebied stelt het deel van het bedrijfsterrein voor dat onder de verantwoordelijkheid van de afdeling RBV valt. 17

27 2 Figuur 3-1: Grondplan ArcelorMittal Gent DE AFDELING RECYCLAGE EN BAANVERVOER (RBV) Zoals op het organogram van ArcelorMittal Gent in bijlage A aangeduid,, is de afdeling RBV een onderdeel van de afdeling Grondstoffen, Grondstoffen, Haven, Haven Vervoer en Recuperatie (GHV), (GHV) de logistieke tak van het bedrijf. RBV draagt de verantwoordelijkheid over een gebied gebie van 90 hectare. Dit gebied, op bovenstaande figuur uur in het rood gearceerd, doet voornamelijk dienst als opslagplaats voor recuperatiestoffen. RBV was vroeger een onderaanneming van het toenmalige Sidmar, Beremet genaamd. De afdeling is op het gebied van automatisering automatisering minder ver gevorderd in vergelijking met andere afdelingen. Op basis van deze scriptie wil het management van RBV dan ook het startschot geven van een evolutie naar meer gecomputeriseerde procedures. Deze evolutie moet, samen met een nauwere samenwerking ing met de andere afdelingen binnen ArcelorMittal Gent, in de toekomst leiden tot een verhoogde efficiëntie. De activiteitenportefeuille van RBV bestaat uit een en aantal uiteenlopende activiteiten, zoals onder andere de drop ball -operaties3, de stofbestrijding,, het verhuren van machines aan andere afdelingen en het bennewagentransport. Het is deze ze laatste activiteit die in deel 3.2 in detail zal behandeld worden. 2 Bron: Informatiebrochure Zo maakt ArcelorMittal Gent staal staal maart Drop ball -operaties operaties verbrijzelen materiaal, zoals slakken of ruwijzer uit de ruwijzerputten, ruwijzerputten, door een zware bol van op grote hoogte op dit materiaal te laten vallen. 18

28 3.2 HET BENNEWAGENTRANSPORT: AS-IS Het bennewagentransport of containertransport is één van de belangrijkste activiteiten van RBV en vormt in feite het interne afvaltransport van ArcelorMittal Gent. De voertuigen die het afvaltransport verzorgen worden bennewagens genoemd en de bennes zijn de containers waarin het afval wordt verzameld. Op onderstaande foto wordt een bennewagen afgebeeld die een benne aan het opladen is. De afdeling RBV beschikt over zes dergelijke containertrucks. De bennewagens hebben een laadcapaciteit van 20 ton (inclusief container) en rijden aan een snelheid van maximaal 50 km/u. Dit is de snelheidslimiet op het ganse bedrijfsterrein. De bennewagens kunnen bennes vervoeren met een inhoud van 4 m³ t.e.m. 15 m³. Het vervoerde materiaal wordt ingedeeld in drie categorieën: ten eerste is er het productieschroot afkomstig van de productielijnen (zoals bijvoorbeeld afgesneden randen, afgekeurde stukken platen, enz.), ten tweede het afbraakschroot afkomstig van afbraakwerken en als laatste worden ook recuperatiestoffen vervoerd. Over het gehele bedrijfsterrein staan ongeveer 240 bennes verspreid, zowel buiten als binnenin de gebouwen. Figuur 3-2: Bennewagen 4 Momenteel gebeuren alle aanvragen tot afvalophaling telefonisch. De afdelingen delen via de telefoon mee aan de dispatcher van RBV welke benne geleegd moet worden. Deze laatste verwerkt de aanvragen op basis van ervaring en intuïtie. Hij weet waar en in welke toestand, geladen of ongeladen, de verschillende bennewagens zich bevinden en geeft de nieuwe opdracht aan de chauffeur die zich volgens hem het dichtst bij de volle benne bevindt. De plaats waar de volle benne opgehaald moet worden, wordt de oorsprong genoemd en de plaats waar de benne geleegd moet worden, is de bestemming. Wanneer hun opdracht voltooid is, laten de chauffeurs dit via radiocontact aan de dispatcher weten. De dispatcher deelt hen vervolgens een nieuwe opdracht mee. Elke chauffeur doet 4 Foto ter beschikking gesteld door de afdeling RBV ArcelorMittal Gent 19

29 bijgevolg een aaneenschakeling van oorsprongen en bestemmingen aan doorheen de shift. Er moet ook rekening gehouden worden met het feit dat de bennewagen bij elke omhaling moet gewogen worden op één van de twee weegbruggen aanwezig op het bedrijfsterrein. Tussen elke oorsprong en bestemming is er dus een bezoek aan de weegbrug. Schematisch kan de route van een bennewagen als volgt voorgesteld worden, waarbij O = oorsprong en B = bestemming: Depot O1 weegbrug B1 O1 O2 weegbrug B2 O2 O3 weegbrug B3 O3 Depot. Aanvraag 1 Aanvraag 2 Aanvraag 3 De twee weegbruggen waar de bennewagens gebruik kunnen van maken, zijn aangeduid op het grondplan in bijlage B. De weegbrug RBV bevindt zich vlakbij de kantoorgebouwen van de afdeling RBV en is 24 uur op 24 beschikbaar. De baanweegbrug daarentegen staat in eerste instantie ten dienste van het externe transport en kan enkel tijdens de nacht, i.e. tussen 18u en 6u, ingezet worden voor het bennewagentransport. Tot op vandaag wordt geen gebruik gemaakt van een GPS-systeem. Elke chauffeur kiest zelf de route die hij het kortst acht. Het aantal ingezette voertuigen verschilt naargelang de shift. Op weekdagen worden in de voormiddag- en namiddag-shift meestal drie tot vier voertuigen ingezet en in de nacht-shift twee tot drie, alsook tijdens het weekend. De voormiddag-shift loopt van 6u tot 14u, de namiddag-shift van 14u tot 22u en de nacht-shift van 22 u tot 6u. Het aantal ritten per chauffeur per shift schommelt tussen 10 tot 14 en de gemiddelde uitvoeringstijd per aanvraag bedraagt 30 minuten. In 2008 bedroeg het totaal aantal ritten PROBLEEMSTELLING EN OPLOSSINGSMETHODIEK Na een korte beschrijving van de organisatie van het bennewagentransport, wordt in dit deel het onderzoeksprobleem aangekaart. Een aantal jaar geleden begon ArcelorMittal Gent met een pull -organisatie van de productie. In plaats van volledig op stock te produceren, wordt vandaag voor een deel geproduceerd op basis van het aantal binnengekomen orders. Deze verandering in de productie had een groot effect op de randprocessen en uit zich ook in de organisatie van het bennewagentransport. Vroeger kon de dispatcher op basis van de productieplanning van de verschillende afdelingen een dag op voorhand een inschatting maken van het aantal aanvragen dat elke afdeling zou plaatsen. Aan de hand hiervan werd bepaald hoeveel bennewagens nodig zouden zijn voor de uitvoering van de geplande aanvragen en werden de bennewagens toegewezen aan de bediening van één bepaalde afdeling. Door de grotere schommelingen in de productie vandaag, is het niet meer mogelijk om een bennewagen volledig aan 20

30 één afdeling toe te wijzen. Hierdoor rijden de bennewagens van de ene afdeling naar de andere met een grotere afgelegde afstand tot gevolg. De verhoogde complexiteit van het plannen van de aanvragen doet vragen rijzen over de huidige aanpak. Het wordt immers steeds moeilijker voor de dispatcher om op basis van zijn ervaring een optimale planning, i.e. een planning die totale afgelegde afstand van alle bennewagens minimaliseert, op te stellen. Het bennewagentransport is verantwoordelijk voor een aanzienlijk deel van de bedrijfskosten en men is van mening dat deze activiteit veel efficiënter georganiseerd kan worden. Het belang van efficiënte bedrijfsprocessen wordt ook met de huidige economische crisis steeds groter. In een eerste stap zal daarom onderzocht worden wat het effect is van het automatiseren van de planning van het bennewagentransport op de efficiëntie en de productiviteit. Om de efficiëntie te verhogen is het noodzakelijk dat de automatisatie een planning genereert die de totale afgelegde afstand verlaagt in vergelijking met de manuele planning. Dit kan gerealiseerd worden door een combinatie van een juiste verdeling van de aanvragen en een selectie van de kortste route voor elke aanvraag. Indien de afgelegde afstand daalt, zal logischerwijs het verbruik van de bennewagens verminderen, hetgeen resulteert in een verhoogde efficiëntie. Daarenboven zal een verlaagde afgelegde afstand leiden tot een kortere uitvoeringstijd per aanvraag, waardoor de bennewagens meer aanvragen per shift kunnen uitvoeren. Kort samengevat omvat het doel van het eerste deel van de case het realiseren van een efficiëntieverhoging door het automatiseren van de planning van het bennewagentransport. Het achterliggende doel is het verhogen van het aantal ritten per bennewagen, zodat minder bennewagens dienen ingezet te worden voor hetzelfde aantal aanvragen. Vertrekkende van deze automatische planning gaat het tweede deel van de case na of verdere efficiëntieverhogingen mogelijk zijn door het aanbrengen van wijzigingen in de infrastructuur. De specifieke onderzoeksvraag hier is of het bouwen van een nieuwe weegbrug de totale afgelegde afstand nog verder kan reduceren, en wat de ideale locatie is van deze weegbrug. Vooraleer de ontwikkeling van de oplossing voor deze problemen aangevat wordt, komt eerst een overzicht van de verzamelde data aan bod. 21