BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Hanczar Paweł (Uniwersytet Ekonomiczny we Wrocławiu), Peternek Piotr (Uniwersytet Ekonomiczny we Wrocławiu)
Tytuł
Modele decyzyjne w planowaniu procesu przewozowego w transporcie kolejowym
Źródło
Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach. Analiza i wspomaganie decyzji w praktyce gospodarczej, 2016, s. 11-36, tab., wykr., bibliogr. 25 poz.
Słowa kluczowe
Informatyka, Badania operacyjne, Podejmowanie decyzji, Transport kolejowy
Information science, Operations research, Decision making, Railway transport
Abstrakt
Promocja przyjaznych dla środowiska środków transportu powoduje większe zainteresowanie transportem kolejowym. Przewoźnicy kolejowi wspomagani celowymi funduszami dążą do podniesienia konkurencyjności transportu kolejowego względem innych gałęzi transportu przez dopasowanie procesu przewozowego do wymagań klientów. W nowych warunkach stosowanie tzw. stałych harmonogramów (tj. harmonogramów przewozu obowiązujących przez kwartał lub dłużej) nie pozwala na realizację zleceń transportowych zgodnie ze specyficznymi wymaganiami odbiorców oraz nie gwarantuje efektywnego wykorzystania zasobów. W ramach zaprezentowanych wyników prac badawczych zidentyfikowano schemat procesu planowania przewozów towarowych w ruchu kolejowym. Omówiono także typy modeli decyzyjnych stosowanych w ramach procesu tworzenia planów, a także przedstawiono wady i zalety ich stosowania. Artykuł kończy prezentacja zastosowania dwóch modeli decyzyjnych wykorzystanych do znalezienia rozwiązania w dwóch zidentyfikowanych obszarach, tj. do wyznaczenia planu przepływu wagonów próżnych oraz określenia planu cyrkulacji lokomotyw. Na bazie obserwacji poczynionych podczas współpracy z przedsiębiorstwami realizującymi w Polsce kolejowe przewozy towarowe można postawić tezę, że w większości przypadków przedsiębiorstwa te szczegółowo planują przewozy w horyzoncie nie dłuższym niż jedna doba. W niektórych przedsiębiorstwach nie zostały wyodrębnione działy planowania, a decyzje odnośnie do wykorzystania zasobów podejmowane są na bieżąco przez pracowników dyspozytur. Przedsiębiorstwa instalują urządzenia do monitorowania ruchu lokomotyw czy nawet wagonów, a potencjał zebranych danych nie jest niestety wykorzystany. W konsekwencji ocena efektywności wykorzystania zasobów jest realizowana na podstawie informacji o rzeczywistej realizacji zleceń przewozowych, a kluczowe wskaźniki -efektywności (Key Performance Indicators, KPI) do oceny planów są wykorzystywane bardzo rzadko. Co najistotniejsze, nie są one często stosowane na etapie oceny planów, dlatego nie wykorzystuje się istotnego potencjału, jaki daje podnoszenie efektywności funkcjonowania jeszcze na etapie planowania. Przedstawione w dalszej części pracy propozycje mają na celu ponadto rozszerzenie horyzontu planowania szczegółowego w omawianym obszarze do okresu tygodnia, a planowania zgrubnego do okresu jednego miesiąca. Okres jednego tygodnia jest naturalnym i wydaje się najdłuższym możliwym horyzontem planowania operatywnego w tym obszarze. Planowanie zgrubne w horyzoncie jednego miesiąca jest wymuszone kodeksem pracy, który nakłada na pracodawcę obowiązek informowania pracowników o harmonogramie pracy na kolejny miesiąc. Implementacja opisanych w artykule procedur pozwoli na ocenę planów przed ich realizacją oraz wykorzystanie modeli decyzyjnych w planowaniu przewozów w omawianym obszarze. (fragment tekstu)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Bibliografia
Pokaż
  1. Ahuja R.K., Liu J., Orlin J.B., Shanna D., Shughart L.A. (2005), Solving Real-Life Locomotive Scheduling Problems, "Transportation Science", Vol. 39.
  2. Cordeau J.F., Desaulniers G., Lingaya N., Soumis F., Desrosiers J. (2001), Simultaneous Locomotive and Car Assignment at VIA Rail Canada, "Transportation Research Part B: Methodological", Vol. 35.
  3. Cordeau J.F., Toth P., Vigo D. (1998), A Survey of Optimization Models for Train Routing and Scheduling, "Transportation Science", Vol. 32.
  4. Cordeau J.F., Soumis F., Desrosiers J. (1998), A Benders Decomposition Approach for the Locomotive and Car Assignment Problem, Technical Report G-98-35, GERAD, École des Flautes Études Commerciales de Montréal, Montreal.
  5. Feeney G. (1957), Controlling the Distribution of Empty Freight Cars, Proceedings of the Tenth National Meeting, Operations Research Society of America, Baltimore.
  6. Fischetti M., Toth P. (1997), A Package for Locomotive Scheduling, Technical Report DEIS-OR-97-16, University of Bologna, Bologna, Italy.
  7. Forbes M.A., Holt J.N., Watts A.M. (1991), Exact Solution of Locomotive Scheduling Problems, "Journal of the Operational Research Society", Vol. 42.
  8. Giacco G.L., D'Ariano A., Pacciarelli D. (2014), Rolling Stock Rostering Optimization under Maintenance Constraints, "Journal of Intelligent Transport Systems: Technology, Planning, and Operations", Vol. 18(1).
  9. Glickman S.T., Sherali D.H. (1985), Large-Scale Network Distribution of Pooled Empty Freight Cars over Time, with Limited Substitution and Equitable Benefits, "Transportation Research", Vol. 19B.
  10. Holmberg K., Joborn M., Lundgren J.T. (1998), Improved Empty Freight Car Distribution, "Transportation Science", Vol. 32.
  11. Jordan W.C., Turnquist M.A. (1983), A Stochastic, Dynamic Network Model for Railroad Car Distribution, "Transportation Science", Vol. 17.
  12. Lai Y.-C., Ouyang Y., Barkan C.P.L. (2008), A Rolling Horizon Model to Optimize Aerodynamic Efficiency of Intermodal Freight Trains with Uncertainty, "Transportation Science", Vol. 42(4).
  13. Leddon D.C., Wrathall E. (1968), Scheduling Empty Freight Car Fleets on the Louisville and Nashville Railroad, "Cybernetic Electronics Railways", Vol. 3.
  14. Lingaya N., Cordeau J.F., Desaulniers G., Desrosiers J., Soumis F. (2002), Operational Car Assignment at VIA Rail Canada, "Transportation Research Part B: Methodological", Vol. 36.
  15. Maroti G., Kroon L. (2005), Maintenance Routing for Train Units: The Transition Model, "Transportation Science", Vol. 39.
  16. Meng L., Zhou X. (2011), Robust Train Dispatching Model under a Dynamic and Stochastic Environment: A Scenario-based Rolling Horizon Solution Approach, "Transportation Research", Vol. B 45(7).
  17. Powell W.B. (1986), A Stochastic Model of the Dynamic Vehicle Allocation Problem, "Transportation Science", Vol. 20.
  18. Powell W.B. (1987), An Operational Planning Model for the Dynamic Vehicle Allocation Problem with Uncertain Demands, "Transportation Research", Vol. 2IB.
  19. Ratcliffe L.L., Vinod B., Sparrow F.T. (1984), Optimal Prepositioning of Empty Freight Cars, "Simulation", Vol. 42(6).
  20. Smith S., Sheffi Y. (1988), Locomotive Scheduling under Uncertain Demand, "Transportation Research Records", Vol. 1251.
  21. Vaidyanathan B., Ahuja R.K., Liu J., Shughart L.A. (2007), Real-Life Locomotive Planning: New Formulations and Computational Results, "Transportation Research Part B", Vol. 42.
  22. Waldinger P., Sieg H.-C. (1991), Rechnergestenerte Leerwagenverteilung (LWV), "Die Bundesbahn", Germany, Vol. 4.
  23. White W.W. (1972), Dynamic Transshipment Networks: An Algorithm and its Application to the Distribution of Empty Containers, "Networks", Vol. 2.
  24. White W.W., Bomberault A. (1969), A Network Algorithm for Empty Freight Car Allocation, "IBM Systems Journal", Vol. 8.
  25. Wright M.B. (1989), Applying Stochastic Algorithms to a Locomotive Scheduling Problem, "The Journal of the Operational Research Society", Vol. 40.
Cytowane przez
Pokaż
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu