E101 - Institut für Analysis und Scientific Computing
-
Date (published):
2011
-
Number of Pages:
78
-
Keywords:
OMV; Scheduling; Tankwagen; Optimierung
de
OMV; scheduling; truck; tank car; optimization
en
Abstract:
Die OMV betreibt fünf Tanklager in Österreich. In einem Tanklager können Tankwagen Erdölprodukte wie Heizöl, Diesel oder Benzine verladen, um z.B. Tankstellen zu beliefern. Jedes Tanklager besitzt mehrere Ladespuren die über mehrere Zähler Produkte abgeben. Dabei kann jede Ladespur eine andere Anzahl und Art von Zählern beinhalten um mehrere Zusammenstellungen von Produkten anzubieten. Um zwei Kammern eines Tankwagens, der aus bis zu acht Kammern bestehen kann, gleichzeitig mit dem selben Produkt zu verladen, können auch zwei Zähler des gleichen Produkts auf einer Ladespur vorhanden sein.<br />Derzeit gibt es keinen einheitlichen Algorithmus der die Ladespurzuweisung der Tanklager regelt. Oft wird eine passende Ladespur per Zufall zugewiesen, in einem Tanklager gibt es eine Prioritätsliste der Ladespuren und in einem Tanklager wählt der Tankwagenfahrer selbst die Ladespur aus. Weist man die Ladespuren überlegt zu, können die netto Verladezeit, bzw. die Zeit, die ein Tankwagen auf eine Zuweisung wartet (Queuing Zeit), reduziert werden. Das Hauptziel der Arbeit stellt die Reduktion der Gesamtzeit die ein Tankwagen im Tanklager verbringt dar. Ein Nebenziel ist die Last gleichmäßiger auf die Ladespuren zu verteilen. Mit Hilfe von AnyLogic wurden Simulationsmodelle der verschiedenen Tanklager erstellt und simuliert. Der neue Queuing Algorithmus, der mehrere Modi unterstützt, wurde ebenfalls mit AnyLogic entwickelt und validiert. Die implementierten Modi des neuen Algorithmus sind:<br />Primitive (Zufall), Priority (Abarbeitung einer Prioritätenliste), Simple (Zeitabschätzungen für passende und freie Ladespuren) und Advanced (Zeitabschätzungen für alle passenden Ladespuren). Diese vier Modi wenden eine FIFO Strategie an. Eine Alternative dazu bietet der fünfte Modus HRRN, der die Transaktion mit der höchsten response ratio (rr) zu einer Ladespur zuweist, auch wenn diese als Letzte in die Warteschlange eingereiht wurde. Für jedes modellierte Tanklager wurden die fünf Modi des neuen Algorithmus simuliert. Die Simulationen der Modi wurden jeweils für zwei Szenarien durchgeführt: normale und hohe Ankunftsrate von Tankwagen.<br />Dabei zeigte sich, dass sich die Modi in den verschiedenen Tanklagern unterschiedlich auswirken. In den kleineren Tanklagern liefern die neuen Strategien gute Ergebnisse, in den beiden großen Lagern bringen sie jedoch keine Verbesserung. Gründe dafür sind unter anderem die sehr ähnliche Konfiguration der Ladespuren, sowie ungünstige Verteilungen von abgeschätzten Zeiten. In allen Tanklagern konnten durch die neuen Optimierungen die Tankwagen gleichmäßiger als bisher auf alle Ladespuren verteilt werden. In der Arbeit wird weiters eine Beschreibung des neuen Algorithmus gegeben, sowie ein Ausblick darauf welche Erweiterungen möglich, und sinnvoll sind.<br />
de
In Austria there are five tank farms owned by OMV. At a tank farm tank cars can load oil products like diesel or gasoline to replenish filling stations.<br />Every tank farm consists of several bays which can dispense different products via meters. Bays can be configured differently to provide several product combinations. Tank cars contain several chambers which can be loaded concurrently. In order to be able to load two chambers of the same product in parallel there are sometimes duplicated meters at a bay.<br />Currently the tank farms do not use one single queuing algorithm to assign tank cars to a distinct bay. Often assignment is done by random, one tank farm uses a priority list for bays and in one tank farm the tank drivers themselves decide which bay to use. There is room for improvements if bays are assigned in a smart way to reduce the net loading time or the queuing time. Therefore the main objective to reduce the overall time for a tank car spending at a tank farm is defined. For this thesis simulation models for the different tank farms were created in order to develop and validate the new queuing algorithm which supports different modes. AnyLogic was used to develop the models, the different algorithm modes and to carry out simulations.<br />The implemented modes for the new queuing algorithm are: Primitive (random), Priority (uses a priority list), Simple (estimates the loading time for fitting and available bays) and Advanced (estimates the loading time for all fitting bays). As these modes all use a FIFO policy also an alternative mode HRRN, assigning the queued transaction with the highest response ratio rr was implemented. For every tank farm these modes were simulated in two scenarios, the results compared and discussed. In the usual arrival rate scenario new tank cars arrive at some evaluated usual rate. The second scenario simulates a high arrival rate of transactions for investigating the different algorithm modes' functionalities under heavy load. Timings, bay usages and the average queue length are documented and discussed for both scenarios. The structure of the newly developed algorithm along with further possible optimizations form the tail of this thesis.