Decision Support Model for Fleet Maintenance based on Vehicle Quality Incentives for Bus Operators in Public Transportation

Loading...
Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Master's thesis

Date

2021-08-24

Department

Major/Subject

Systems and Operations Research

Mcode

SCI3055

Degree programme

Master’s Programme in Mathematics and Operations Research

Language

en

Pages

36 + 4

Series

Abstract

Public transportation is often organized and operated by separate organizations. The public authority in Helsinki, HSL, is responsible for organizing the time schedules, route planning etc. The operation of the bus transportation is outsourced to bus operators, such as Nobina. HSL has set different incentive and sanction systems to control operation to a favourable way. One of the incentive systems is related to the visible quality of the fleet in operation. The quality is monitored on contract level during inspection seasons by giving inspection points on specific faults, and the performance is measured by counting inspection points received per inspection, with lower amounts resulting to higher bonuses. This thesis develops a decision support tool to target limited maintenance actions to accumulate more quality incentive bonuses. The objective was to develop a process to find a better policy (or maintenance order) and create a tool to determine the best order at any point in time. The system, i.e. bus operation in the context of incentive bonuses, was modeled as a Markov Decision Process (MDP). The current faults, inspection points, and inspections formed the states, maintenance procedures the actions, and the incentive bonus as the payoff from the MDP. The policies were tested by simulation to determine the expected payoff for each policy. The results suggest that it is possible to create better policies in the process. A sensitivity analysis revealed that preventing faults being caught in an inspection has the highest impact on the received incentive bonus. Further development of the model could change the results, as some key parts were forced to be left out, such as the cost of actions. In addition, policy optimization could likely further improve the gain of incentive bonuses.

Julkinen joukkoliikenne on usein järjestetty ja liikennöity eri organisaatioiden toimesta. Julkinen taho Helsingissä -- HSL (Helsingin seudun liikenne) -- on vastuussa mm. liikenteen aikatauluista ja reitityksestä. Bussien liikennöinti on ulkoistettu liikennöitsijöille, kuten Nobinalle. HSL on asettanut erilaisia kannustin- ja sanktiojärjestelmiä hallitakseen liikennöinnin toteuttamista toivottuun suuntaan. Yksi kannustinjärjestelmistä liittyy käytetyn bussikaluston nähtävissä olevaan laatuun. Laatua valvotaan sopimustasolla tarkastuskausien aikana antamalla tarkastuspisteitä tietyistä vioista, ja suoriutumista mitataan laskemalla keskimääräiset tarkastuspisteet tarkastusta kohden. Alhaisempi lukema johtaa suurempaan kannustimeen. Tässä työssä kehitetään päätöksentukityökalu rajallisten huoltotoimenpiteiden kohdentamiseen isompien laatukannustimien kartuttamiseksi. Tavoitteena oli löytää parempi huoltokäytäntö (tai huoltojärjestys) ja luoda työkalu parhaimman järjestyksen määrittämiseen minä ajanhetkenä tahansa. Systeemi, eli bussien liikennöinti kannustimien kontekstissa, mallinnettiin Markovin päätöksentekoprosessina. Olemassa olevat viat, tarkastuspisteet ja tarkastukset muodostivat prosessin tilat, huoltotoimenpiteet prosessin toiminnat ja kannustimet prosessin palkinnon. Huoltokäytännöt testattiin simuloinnin kautta, jotta odotettu tuotto voitiin määrittää kullekin käytännölle. Tulokset kielivät mahdollisuudesta luoda parempia käytäntöjä prosessiin. Herkkyysanalyysi paljasti, että vikojen kiinnijäämisen estämisellä tarkastuksissa on suurin vaikutus saatuihin kannustimiin. Mallin lisäkehitys voi muuttaa tuloksia, sillä joitain pääkohtia jouduttiin jättämään mallista pois, kuten toimintojen kustannukset. Tämän lisäksi käytäntöjen optimointi voisi todennäköisesti edelleen kasvattaa saatujen kannustimien määrää.

Description

Supervisor

Punkka, Antti

Thesis advisor

Auno, Petri
Lonnakko, Marko

Keywords

Markov decision process, public transport, Markovin päätöksentekoprosessi, joukkoliikenne

Other note

Citation