Developing an optimization model for VR’s long-term locomotive allocation planning

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Suolanen, Olli
dc.contributor.author Eskola, Janne
dc.date.accessioned 2019-03-17T16:05:24Z
dc.date.available 2019-03-17T16:05:24Z
dc.date.issued 2019-03-12
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/37157
dc.description.abstract The VR Group’s long-term process for locomotive allocation produces week-long routes for multiple locomotive types. The routes consist of various tasks, primarily driving trains and moving locomotives between stations. The goal of the planning is to create a plan minimizes operating costs while ensuring the availability of locomotives for all trains. This planning process is currently done manually, resulting in incomplete or inefficient plans. To overcome this problem, this thesis develops an optimization model for allocating locomotives in order to produce cost-efficient, robust and feasible solutions within one hour. The problem is modeled as a multicommodity flow problem, in which two model variants (one using and another lacking driver costs) as well as three heuristic pre-processing algorithms were developed. These all were evaluated in terms of cost efficiency and robustness using VR’s test data in order to select the best combination of model and pre-processing algorithm, which were then successfully implemented in VR's planning process. Testing of six model-algorithm combinations revealed that the model variant using driver costs performed better than that without driver costs. The most advanced pre-processing algorithm was selected, as it can be modified to produce the same outcome as either of the others. The selected model-algorithm combination has successfully been implemented in VR's planning process. The model is able to produce cost-efficient, robust and feasible locomotive allocation plans in less than 15 minutes. en
dc.description.abstract VR:n pitkän aikavälin veturienkäytön suunnittelussa laaditaan jokaiselle viikon mittaiselle suunnittelujaksolle reitit kaikille vetureille useilta eri veturisarjoilta. Veturien reitit koostuvat pääasiassa junien ajamisesta sekä siirroista asemien välillä. Suunnittelun tavoitteena on luoda suunnitelma, jossa varmistetaan kaikkiin juniin riittävä määrä vetureita ja minimioidaan operatiiviset kustannukset. Suunnitteluprosessi on tällä hetkellä manuaalinen ja johtaa usein vaillinaisiin suunnitelmiin tai epätehokkuuksiin veturien käytössä. Ratkaistakseen ongelman, työn tavoitteena on kehittää optimointimalli VR:n suunnitteluongelmaan, joka tuottaa toteuttamiskelpoisia, kustannustehokkaita ja robusteja uunnitelmia alle tunnissa. Ongelma on mallinnettu monihyödykevirtausongelmana (Multicommodify flow). Saadaksemme ongelma ratkeamaan kohtuullisessa ajassa kehitettin mallista kaksi versiota ja kolme heuristista esikäsittelyä. Näitä molempia testattiin VR:n antamalla aineistolla ja paras yhdistelma valittiin osaksi VR:n veturien käytön suunnitteluprosessia. Testauksen myötä selvisi, että kuljettaja kustannusten huomiointi on kriittistä onnistumiselle sekä suunnitelman kustannustehokkuuden, että robustisuuden kannalta. Esikäsittely algorithmeistä valittiin edistynein, sillä se on mahdollista muokata tuottamaan sama sama lopputulos kuin kahdesta muusta. Valittu malli-algoritmi yhdistelmä otettiin onnistuneesti osaksi VR:n suunnitteluprosessia ja sen avulla pystytään tuottamaan toteuttamiskelpoisia, kustannustehokkaita ja robusteja suunnitelmia alle 15 minuutissa. fi
dc.format.extent 6+58
dc.format.mimetype application/pdf en
dc.language.iso en en
dc.title Developing an optimization model for VR’s long-term locomotive allocation planning en
dc.title Optimointimallin kehittäminen VR:n pitkänaikavälin veturienkäytön suunnitteluun fi
dc.type G2 Pro gradu, diplomityö fi
dc.contributor.school Perustieteiden korkeakoulu fi
dc.subject.keyword optimization en
dc.subject.keyword locomotive allocation en
dc.subject.keyword multi-commodity flow en
dc.subject.keyword MILP en
dc.identifier.urn URN:NBN:fi:aalto-201903172297
dc.programme.major Systems and Operations Research fi
dc.programme.mcode SCI3055 fi
dc.type.ontasot Master's thesis en
dc.type.ontasot Diplomityö fi
dc.contributor.supervisor Punkka, Antti
dc.programme Master’s Programme in Mathematics and Operations Research fi
local.aalto.electroniconly yes
local.aalto.openaccess yes


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account