Transcript Införande av ruttplanering och slottider: ett medel att påverka

Införande av ruttplanering och slottider: ett medel att påverka kötider och uppstallning vid slakterier. Sellman Sa*., Flisberg Pa., Henningsson Ma., Jonsson Ab., Rönnqvist Mc., Wennergren Ua.
a
Linköpings Universitet
b
Högskolan i Skövde
c
Norwegian School of Economics
Introduktion Praktiskt taget alla djur som föds upp i livsmedelssyfte i Sverige upplever minst en transport
under sin livstid - den då de forslas till slakt. Transport av boskap har generellt sett en negativ
effekt på djurens välfärd (Gebresenbet et al. 2005, Hartung 2003) . Den här studien fokuserar på
hur ruttplanering och slottider, tidsfönster för lastbilar att anlända inom, kan påverka två av dessa
negativa effekter – kötider för djuren inför slakt och hur många djur som behövs stå uppstallade
under natt vis slakteriet.
Idag sker slakttransporterna på så vis att det först görs en manuell planering av vilka gårdar som
ska besökas inom en kommande planeringshorisont på exempelvis en eller två veckor.
Transportören beslutar i vilken ordning gårdarna ska besökas och djuren plockas därefter upp vid
en eller flera gårdar av ett transportfordon och körs till slakteriet. Planeringen genomförs
manuellt och för stora slakterier där många rutter ska planeras under en tidsperiod blir inte
lösningen optimal med avseende på transportkostnader (Algers et al. 2006). Inom skogsnäringen
finns redan en utbredd användning av specialiserad programvara för att uppnå effektiv planering
av timmerbilars rutter vid hämtning från utbud i skogen till pappersbruk och sågverk. Försök till
utveckling av liknande metoder för att optimera slakttransporter har gjorts på ett fåtal håll
(Oppen, Løkketangen 2008, Gribkovskaia et al. 2006, Oppen, Løkketangen & Desrosiers 2010);
dock har ännu inga studier genomförts där man applicerar metoden på riktigt data. Tack vare den
omfattande databas med information över djurtransporter som Jordbruksverket upprätthåller så
tror vi att slakttransporter inom Sverige skulle lämpa sig mycket väl för optimeringsstudier för
att förkorta kötider och minska på antal uppstallade djur än vad som sker idag med manuell
planering.
Metod Det faktiska ruttproblemet kan beskrivas enligt följande. Det finns ett utbud av djur (nöt, svin)
vid olika gårdar. Det finns en efterfrågan av djur (nöt, svin) vid slakterier. Det finns så kallade
tidsfönster på både gårdar och slakterier då fordon får hämta och lämna. Efterfrågan är typiskt
angiven per tidsperiod. I vårt fall är detta per dag. En rutt kan bestå av hämtning eller lastning
vid flera gårdar. Varje fordon har en hemmabas varifrån den startar och avslutar varje dag. Det
finns en arbetstid som inte får överskridas. Målet vid ruttplanering kan vara att minimera en
totalkostnad och eller minimera körd längd. I vårt problem finns det också en kostnad associerad
med att låta djuren stå och vänta vid slakterierna.
Ruttplanering är känt för att vara ett svårt kombinatoriskt optimeringsproblem och det finns flera
olika lösningsmetoder föreslagna i litteraturen. Det finns dessutom ett behov för detaljerad
information om vägar, till exempel avstånd, hastighetsgränser och väg kvalitet. På grund av det
faktum att det är ett svårt kombinatoriskt problem fungerar så kallade exakta metoder dåligt för
stora problem. De är helt enkelt för långsamma. Istället har det utvecklats metoder baserade på så
kallade metaheuristiker. För en allmän genomgång av ruttplaneringsmetoder kan vi hänvisa till
Cordeau et al. (2002). I traditionella ruttplaneringsproblem är lösningen ett antal rutter som lastar
vid ett antal tillgångsnoder och lossar vid ett antal efterfrågenoder. Dessa rutter är oberoende av
varandra vilket innebär att de inte tar hänsyn till varandra. I vårt problem så är rutterna inte
oberoende eftersom en lastbil måste vänta tills den föregående är klar innan lossning kan ske vid
ett slakteri. Det finns inte många metoder utvecklade för detta problem och de som finns är
baserade på enkla tumregler.
Den metod som vi använt oss av är baserad på en metod för ruttplanering inom skogsindustrin,
se Andersson et al. (2008) och Lidén et al. (2009). Den bygger på en två-fas optimeringsbaserad
heuristisk. I den första fasen löser vi ett LP problem (linjärt problem). Syftet med denna fas är att
skapa en balans mellan eftefrågan och tillgång. I princip tillordnar vi gårdar till slakterier. Med
LP lösningen som grund, kan vi bilda så kallade transport noder. Dessa transportnoder är fulla
laster som hämtas upp på en eller flera gårdar och leveras till ett slakteri. Med denna första fas
har vi skapat ett traditionellt ruttplaneringsproblem med tidsfönster. För att lösa detta använder vi
oss av en generell tabusökningsmetod (med namnet UTSA) utvecklad av Cordeau et al. (2001).
Vi använder en utökad version av UTSA, kallad EUTSA, där vi har lagt till några funktioner som
inte ingår i den ursprungliga metoden. Detta hanterar skillnader i utbud och efterfrågan och flera
hemma baser.
Specifikt för den här studien är att vi studerat kötider och därmed har vi styrt när lastbilar för
anlända. För att se till så att flera lastbilar inte kommer in samtidigt till ett slakteri så har vi lagt
till sk. slottider. Varje slottid beskriver ett tidsintervall där enbart en lastbil får anlända till ett
slakteri. Vi har utvecklat EUTSA ytterligare genom att inkludera dessa slottider.
Analyserna baserades på data som SJV tillhandahöll över 2008 års transporter av nötdjur till
slakt och vi valde att begränsa oss till transporter till de fem största slakterierna i Sverige. De tog
år 2008 tillsammans emot 62 % av all nötboskap som slaktades i Sverige (265956 av 428684)
samt 58 % av alla slakttransporter av nötdjur (54703 av 94573). Alla analyser gjordes separat på
de olika slakterierna men de resultat som presenteras är summan av resultaten från de fem
slakterierna. I de data som beskriver transporterna framgår enbart från vilken gård, till vilket
slakteri, antalet djur samt vilket datum transporten skedde; den ger alltså ingen information om
vilka gårdar som har besökts av samma fordon under en och samma rutt. Dessa transporter har vi
sedan gjort ruttplaneringar för och analyserat hur många djur som står i kö inför slakt samt hur
många djur som behöver stå uppstallade för att produktionen kan starta innan första lastbilen
anländer. Vi har antagit att lastbilar och slakt startar samma tid på morgonen. För ett scenario har
vi prövat om inte alla lastbilar startar samma tid på morgonen. Detta för att undvika onödig
köbildning under förmiddagen. Vi har även prövat hur kapaciteten på slakteriet påverkar
köbildning och behov av uppstallade djur över natt. Vi har använt oss av en kapacitet som
motsvarar att det tar antingen 22 eller 48 minuter att ta emot och slakta alla djur från en fullastad
transport. Med ökad kapacitet följer givetvis också mer totalt antal transporterade djur per dygn.
I den här studien har vi valt att inte reglera antal samlastningar vilket innebär att rutterna kan
innehålla upp till 11 lastningstillfällen. Om vi skulle reglera även detta så påverkar det behovet
av uppstallade djur på så sätt att färre djur kommer stå uppstallade eftersom de första rutterna
kan vara kortare och med färre stopp och på samma sätt kan dagen avslutas mer effektivt.
Resultat Vi har analyserat data från 2008 på djurtransporter till de fem största slakterierna i Sverige.
Dessa data innefattar inte hur de transportrutter gått till slakterier utan redovisar enbart från
vilken gård de har skickats ett specificerat antal djur och när detta gjordes. Genom att konstruera
och simulera ett mer manuellt planeringsutförande kan vi bestämma vad ett mer avancerat
planeringsverktyg kan medföra på antal djur som står i kö samt antal djur som står uppstallade
över natt. En sådan simulering gav att ett slakteri som har en kapacitet på 48 minuter för en
lastbil behöver minst 77 djur uppstallade över natt för att produktionen skall kunna gå med full
kapacitet innan första transporten anländer. Det mer avancerade planeringsverktyg som är
utvecklat i den här studien medför att behovet av uppstallade djur minskar till hälften (figur 1).
En viktig faktor är när lastbilar påbörjar transporterna. Planeringen med olika starter av lastbilar
är det som ger effekt på antal djur som är uppstallade under natt (figur 1). Vi har gjort ett antal
andra antaganden för transporterna som påverkar dessa siffror, som t ex att transporterna är
optimerade även för maximalt antal samlastningar. Detta är ett antagande som påverkar resultatet
kvantitativt men det underlättar jämförelsen mellan olika scenarior. Om man tar bort detta
antagande sjunker behov av uppstallade djur markant och även antal djur i kö påverkas till del.
Slottider påverkar i första hand kötiderna vid slakterier (figur 1). Med ökad slottid fås ett längre
kortaste avstånd i tid mellan inkommande lastbilar och därmed krävs fler djur i kö för att
upprätthålla produktionen. Att låta lastbilar påbörja arbetsdagen vid olika tidpunkter medför
tydliga minskningar både i antal djur i kö och antal uppstallade djur (figur 1). Att lastbilar starta
olika tider medför också att effekten av slottider förstärks. En ökad kapacitet vid slakteriet
medför givetvis ett större behov av uppstallade djur över natt och i kö. Vi har inte prövat om
lastbilar startar tidigare än slakteriet. Ett sådant system kan givetvis medföra att antal djur i
uppstallade över natt kan minimeras eller helt tas bort. Dock är detta beroende på hur osäker
tidpunkt för ankomsttid är för lastbilar. Denna osäkerhet är relaterat till rutiner vid pålastning vid
gårdar.
Antal djur
Antal djur
Lastbilar startar olika tider
Slakeriets kapacitet: 48 min
60
150
50
125
40
100
30
75
20
50
10
25
0
100
I kö
Uppstallade över natt
0
1
Antal djur
Antal djur
Lastbilar startar olika tider
Slakeriets kapacitet: 22 min
2
3
Lastbilar startar samma tid
Slakeriets kapacitet: 48 min
1
250
80
200
60
150
40
100
20
50
0
1
2
3
storlek på slottider
2
3
Lastbilar startar samma tid
Slakeriets kapacitet: 22 min
0
1
2
3
storlek på slottider
Figur 1. Kötider och antal djur som står uppstallade över natt påverkas av slakeriers kapacitet
och hur långa slottider som man inför. Notera att skalorna på Y- axlarna är olika i alla fyra
fallen. De värden som redovisas är medelvärden för de ruttplaneringar vi utfört utifrån
transporter under 2008 till de fem största slakterierna i Sverige.
Diskussion När djur står i kö samt är uppstallade under natt vid slakteri skapas normalt en hög stressnivå. Vi
har i den här studien visat att en ruttplanering kan minska såväl djur i kö som antal djur som
behöver stå uppstallade över natt vid slakterier. Det som vi inte visat men som är uppenbara
åtgärder som påverkar detta är i första hand tidpunkter för när lastning vid gårdar kan tänkas ske.
Om några lastningar av alla de som totalt sker skulle ske under natt eller mycket tidig morgon så
kan man i princip ta bort uppstallning över natt vid slakterier. Det som då blir avgörande för om
detta är möjligt är osäkerheten vad gäller ankomsttid vilket i sig beror på pålastningsrutiner och
möjligheter att minska variation i tid för sådant utförande. Om det är möjligt att minska denna
variation så kan de planeringsverktyg som vi använt oss av i den här studien kunna minska antal
djur i kö till ett mycket litet antal och uppstallade djur över natt kan då i princip bli så gott som
onödigt. Att helt bestämma behovet av uppstallning blir då snarare att balansera kostnader för
uppstallning jämfört med en viss osäkerhet för produktionen i början och slutet av arbetsdagen.
Vår slutsats är att det finns möjligheter att idag minska antal djur som är uppstallade över natt
och antal djur i kö om man vid slakterier använder sig av avancerade ruttplaneringsverktyg som
även hanterar slottider. Vi konstaterar också att den största effekten fås om djurtransporter och
lastningar på gårdar kan ske även under natt och tidig morgon samt om lastningsrutiner på gårdar
standardiseras så att variation i tid minskar.
Referenser: Algers, A., Algers, B., Franzén, U., Lindencrona, M., Moen, O., Ohnell, S., Waidringer, J. &
Wiberg, S. 2006, "Logistik i samband med transport till slakt. Livsmedel och miljö –
optimerade djurtransporter", Sveriges Lantbruksuniversitet, Skara. Rapport 10.
Andersson, G., Flisberg, P., Lidén, B, and Rönnqvist, M. 2008. Can. J. For. Res. 38: 1784-1796.
Doi: 10.1139/X08-017.
Cordeau, J.-F., Gendreau, M., Laporte, G., Potvin, J.-Y., and Semet, F. 2002. A guide to vehicle
routing heuristics. J. Oper. Res. Soc. 53: 512–522. doi:10.1057/palgrave.jors.2601319.
Cordeau, J.-F., Laporte, G., and Mercier, A. 2001. A unified tabu search heuristic for vehicle
routing problems with time windows. J. Oper. Res. Soc. 52: 928-936. Doi:
10.1057/palgrave.jors.2601163.
Flisberg, P., Lidén, B, and Rönnqvist, M. 2009. A hybrid method based on linear programming
and tabu search for routing of logging trucks. Computers & Operations Research 36: 11221144.
Gebresenbet, G., Wikner, I., Ladberg, E., Holm, P., Nilsson, C. & Svensson, L. 2005, "Effect of
transport time on cattle welfare and meat quality", Technical report. Deptartment of
Biometry and Engineering.,SLU .
Gribkovskaia, I., Gullberg, B.O., Hovden, K.J. & Wallace, S.W. 2006, "Optimization model for
a livestock collection problem", International Journal of Physical Distribution and Logistics
Management, vol. 36, no. 2, pp. 136-152.
Hartung, J. 2003, Effects of Transport on Health of Farm Animals, Springer Netherlands.
Oppen, J. & Løkketangen, A. 2008, "A tabu search approach for the livestock collection
problem", Computers and Operations Research, vol. 35, no. 10, pp. 3213-3229.
Oppen, J., Løkketangen, A. & Desrosiers, J. 2010, "Solving a rich vehicle routing and inventory
problem using column generation", Computers & Operations Research, vol. 37, no. 7, pp.
1308-1317.