Optimizing Yard Operations

Når man tenker på tog ser man gjerne for seg at de ustanselig suser fra stasjon til stasjon, men vognmateriellet tilbringer faktisk en stor andel av tiden sin i ro. I gjennomsnitt vil et togsett stå i ro mellom 20% og 40% av tiden, mens det er i vedlikehold eller parkert på områder som kalles hensettingsanlegg. Det grønne skiftet innebærer at mer trafikk skal over på jernbane, og i mange europeiske land er hensettingsanleggene i ferd med å bli en flaskehals. Å håndtere togsettene mens de er “backstage” og ute av trafikk blir da stadig mer utfordrende. Tenk deg at tre tog skal parkeres på et spor som ligger som en blindvei. Tog 1 kommer først, deretter tog 2 og til slutt tog 3. Neste morgen er det tog 1 som skal ut i trafikken først. Da må tog 2 og 3 flyttes til et annet spor først så tog 1 får plass til å komme ut, og til slutt må man sette tog 2 og 3 tilbake på plass. Hvis man ikke planlegger dette godt så fører det til forsinkelser og dårlig plassutnyttelse. En fersk studie fra et nederlandsk hensettingsanlegg viste at matematiske metoder kunne redusere antall spor brukt til parkering fra 43 til 28 uten å påvirke punktlighet. Planleggere og operatører jobber kontinuerlig med å løse denne kompliserte kabalen på best mulig måte. For å støtte dette arbeidet vil OYO utvikle algoritmer med kunstig intelligens basert på matematisk optimering. Algoritmene fra OYO vil kunne hjelpe til med å finne parkeringsplasser og planlegge flyttinger av tog på hensettingsanleggene. Disse algoritmene skal brukes i programvaren TPS Yard, som per i dag har funksjonalitet for å knytte planleggingsarbeidet til det praktiske operatørarbeidet, men mangler KI-basert beslutningsstøtte. OYO-prosjektet har kompetanse i verdensklasse innen matematisk optimering fra SINTEF og SIEMENS, og brukerinvolvering fra CargoNet og Sporveien. Sammen skal vi revolusjonere håndteringen av hensetting, redusere trafikk-korker og øke effektiviteten for å møte de høye kravene som stilles til morgendagens jernbane.

Yards are the backstage of railway systems, where trains are set up, maintained, washed, repaired, or simply parked. Many freight and passenger yards are already very congested and thus difficult to manage, generating critical delays in train operation. The large number of interconnected decisions that need to be made leads to highly complex instances of optimization problems. Despite a relatively large body of scientific literature, there are basically no tools available off-the-shelf which can support operators in making such complicated decisions. Probably this is due to the many simplifying assumptions which makes the models tractable but, ultimately, not sufficiently realistic. OYO intends to close the gap between the theory and the practice of managing yard operations. OYO is focused on two major train operations in yards: 1) Stabling, that is, finding suitable parking slots for train units, and 2) Shunting, that is, planning the movements of each train to and in the yard, avoiding conflicts with other trains. For these problems, OYO will define realistic models and develop research-front mathematical optimization approaches capable to tackle the complex instances arising in medium to large yards. The models and algorithms will be implemented in a prototype which will communicate with an existing SIEMENS solution - TPS.Yard, which provides smart GUIs to manage yards but is lacking the intelligence necessary to make decisions. To fulfil its ambitious goals, OYO can rely on: world-class scientists in mathematical optimization for railways operations from SINTEF and SIEMENS; a team of expert developers from SIEMENS Mobility; major Norwegian railway companies involved in yard management.