@phdthesis{Voigt2022, author = {Voigt, Stefan}, title = {Innovative Ans{\"a}tze und Metaheuristiken f{\"u}r Zustellprobleme der letzten Meile}, doi = {10.17904/ku.opus-767}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:824-opus4-7674}, school = {Katholische Universit{\"a}t Eichst{\"a}tt-Ingolstadt}, pages = {xiii, 138 Seiten : Diagramme}, year = {2022}, abstract = {Diese kumulative Dissertation besch{\"a}ftigt sich konzeptionell als auch methodisch mit Fragestellungen, die im Rahmen der Zustellung auf der letzten Meile auftreten. Auf konzeptioneller Ebene werden innovative Ans{\"a}tze f{\"u}r die letzte Meile vorgestellt und bewertet (Beitrag 1 und 4). Auf methodischer Ebene wird zum einen ein etabliertes Verfahren auf eine neue Problemstellung hin angepasst (Beitrag 4), zum anderen eine neuartige Metaheuristik vorgestellt und auf neue bzw. mehrere bekannte Probleme angewandt (Beitrag 1, 2 und 3). Der erste Beitrag entwickelt einen innovativen, datengetriebenen Ansatz zur Reduzierung fehlgeschlagener Zustellversuche, indem das Vehicle Routing Problem (VRP) um Verf{\"u}gbarkeitsprofile erweitert wird. Außerdem wird eine neuartige Metaheuristik, die sog. Hybrid Adaptive Large Neighborhood Search (HALNS) vorgestellt und deren Performance analysiert. Die HALNS wird im zweiten Beitrag weiter entwickelt, sodass mehrere Varianten von VRPs mit Standortentscheidungen hinsichtlich der Depots gel{\"o}st werden k{\"o}nnen. Zu diesen Varianten z{\"a}hlen das 2-Echelon VRP, das Location Routing Problem sowie das Multi-Depot VRP. Der dritte Beitrag zeigt die Praxistauglichkeit der HALNS im Rahmen der Amazon Routing Research Challenge. Ziel der Challenge war es, gute Routen zu erzeugen, die außerdem der reellen Fahrweise der Fahrer m{\"o}glichst nahe kommen. Der vierte Beitrag entwickelt einen innovativen Ansatz, basierend auf der Sharing Economy f{\"u}r die Zustellung auf der letzten Meile. Hierbei besteht die M{\"o}glichkeit sog. Gelegenheitskuriere, z.B. Pendler, f{\"u}r die Zustellung einzusetzen. Zur besseren Integration dieser Gelegenheitskuriere k{\"o}nnen zus{\"a}tzliche Standorte, genauer Umschlagpunkte (Transshipment Points, TPs), genutzt werden.}, subject = {Operations Research}, language = {mul} } @phdthesis{Rave2024, author = {Rave, Alexander}, title = {Mathematische Modelle und Metaheuristiken zur Optimierung der Transportplanung von Drohnen}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:824-opus4-8758}, school = {Katholische Universit{\"a}t Eichst{\"a}tt-Ingolstadt}, pages = {XVII, 126 Seiten : Illustrationen, Diagramme}, year = {2024}, abstract = {Die vorliegende kumulative Dissertation befasst sich mit vier Problemstellungen der Transportplanung im Falle der {\"U}bernahme des Paket- und Medikamententransports durch Lieferwagen und Drohnen. Der erste Beitrag thematisiert die Fahrzeugflottenplanung und Zuweisung von Drohnen zu Mikrodepots, wenn Lieferwagen und Drohnen den Transport von Paketen in der letzten Meile {\"u}bernehmen. Im Vordergrund stehen die taktischen Entscheidungen, welche Kombination von Auslieferungsformen mit Lieferwagen und Drohnen optimal w{\"a}re sowie die Ausgestaltung der Fahrzeugflotte. Die Problemstellung wird als gemischt-ganzzahliges lineares Programm (MILP) modelliert. Zudem wird eine adaptive große Nachbarschaftssuche (ALNS) eingef{\"u}hrt, die neue problemspezifische Operatoren beinhaltet. Der zweite Beitrag fokussiert sich auf die operative Tourenplanung eines Lieferwagens, welcher mit mehreren Drohnen ausger{\"u}stet ist. Hierf{\"u}r wird ein effizientes MILP entwickelt, welches ein kommerzieller Solver schneller l{\"o}sen kann als vergleichbare MILPs f{\"u}r eine Ein-Drohnen Problematik aus der Literatur. Der dritte Beitrag optimiert die simultane Bestands- und Tourenplanung f{\"u}r die Belieferung von Krankenh{\"a}usern unter der Ber{\"u}cksichtigung ihrer Lagerhaltungspolitiken. Es wird analysiert, welchen Einfluss Drohnen als Vehikel f{\"u}r Notfalltransporte zur Vermeidung von Fehlmengen haben. Die Problemstellung wird als zweistufiges stochastisches Programm pr{\"a}sentiert und eine problemspezifische ALNS wird entwickelt, welche einen innovativen Algorithmus zur Bestimmung von Bestellpunkten innerhalb der Lagerhaltungspolitiken beinhaltet. Der vierte Beitrag thematisiert die Ausgestaltung der Drohnenflotte f{\"u}r die Belieferung von Apotheken und Krankenwagen im Einsatz durch einen Großh{\"a}ndler. Hierf{\"u}r wird die Drohnenflotte in einer ereignisdiskreten Simulationsstudie hinsichtlich der Kosten bzw. der CO2-Emissionen optimiert.}, subject = {Operations Research}, language = {mul} } @phdthesis{Walther2020, author = {Walther, Manuel}, title = {Bed planning: advanced applications of operational research in large hospitals}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:824-opus4-6441}, school = {Katholische Universit{\"a}t Eichst{\"a}tt-Ingolstadt}, pages = {xv, 161 Seiten, Seiten xvii-xxvii : Diagramme}, year = {2020}, abstract = {In many countries today, a rising life expectancy and the associated demographic shift, coupled with the advancements of modern medicine, has fueled an ever-increasing cost pressure on healthcare systems. A driving factor for these rising costs can be seen in inpatient stays in hospitals that in many cases are connected to cost-intensive treatments. A central concern of any hospital management in such an environment is therefore to understand how to make the best possible use of available resources. A decisive factor in this regard is the management of bed capacities. The present cumulative dissertation comprises four contributions, which address open research questions in the field of strategic, tactical and operative bed planning: 1 Walther, M., 2020. Strategical, tactical, and operational aspects of bed planning problems in hospital environments. Submission planned to Social Science Research Network (SSRN) 2 H{\"u}bner, A., Kuhn, H., Walther, M., 2018. Combining clinical departments and wards in maximum-care hospitals. OR Spectrum 40, 679-709 3 Sch{\"a}fer, F., Walther, M., H{\"u}bner, A., Kuhn, H., 2019. Operational patient-bed assignment problem in large hospital settings including overflow and uncertainty management. Flexible Services and Manufacturing Journal 31, 1012-1041 4 Sch{\"a}fer, F., Walther, M., H{\"u}bner, A., Grimm, D., 2020. Machine learning and pilot method: tackling uncertainty in the operational patient-bed assignment problem. Submitted to OR Spectrum on 13 February 2020 The first contribution sets out to provide an overview over the different hierarchical planning levels on which bed planning problems may be addressed. It should be noted in this context that several different aspects may be combined under the collective term "bed planning". These may be delimited in terms of their scope and their planning horizon. A frequently used taxonomy in this context is the hierarchical subdivision of typical problems in health care into strategical, tactical and operational levels as provided by Hulshof et al. (2012). In the context of bed planning, a typical strategical problem is how to combine departments and wards to obtain benefits from pooled ward capacity. On a tactical level, an exemplary problem setting related to bed planning can be seen in devising master surgery schedules that optimize downstream bed occupancy levels as patients returning from surgery will require a bed for post-surgical recovery and monitoring. Finally, on an operational level, patient-bed allocations need to be optimized while taking the objectives and constraints of patients and medical staff alike into account. To start, the second contribution deals with the strategical problem of combining departments into groups and assigning pooled ward capacity to these groups with the goal of balancing bed occupancy levels within a hospital. Specifically, one of the underlying goals is to minimize the amount of beds required to meet a predetermined service level. However, merging ward capacities with the aim of simultaneously accommodating patients from different medical departments increases the complexity of organizing and ensuring proper care for these patients. This leads to so-called pooling costs. To tackle this problem, a modeling and solution approach is developed which is based on a generalized partitioning problem and is solved by integer linear programming (ILP). This enables hospital management to determine the cost-optimal combination of all departments and wards in a hospital, while ensuring that predetermined thresholds with regard to maximum walking distances for doctors and patients are adhered to. Once pooled ward capacities are established, the solution space for allocating incoming patients to beds is greatly increased and the underlying allocation problem quickly becomes too complex to be handled without computational support. In this regard the third contribution ties in with the second contribution in that it deals with optimizing the operational patient-bed allocation problem. In order to enable optimal allocation of patients to beds, it is important to identify and take into account the individual needs and limitations of the three main stakeholders involved, namely patients, doctors, and nursing staff. All of these stakeholders exhibit different and sometimes contradicting objectives and constraints, such that a trade-off has to be made that maximizes the overall utility for the hospital. In addition, the complexity of the problem is increased by the high volatility and uncertainty regarding patient arrivals, types of illnesses, and the resulting remaining lengths of stay of newly arriving patients. In order to address this situation, a mathematical model and solution approach for the patient-bed allocation problem is developed that is designed to generate solutions for large, real-life operative planning situations. In addition to being able to deal with overflow situations, this solution approach further takes different patient types into account, for example by anticipating emergency patient arrivals. Finally, the fourth contribution builds on the third contribution in that the modeling and solution approach to allocate patients to beds is extended by several aspects. As mentioned above, hospitals have to deal with uncertainty regarding the actual demand for beds. Here, the fourth contribution improves the anticipation of emergency patients by using machine learning. Specifically, weather data, seasons, important local and regional events, and current and historical occupancy rates are combined to better anticipate emergency inpatient arrivals. In addition, a hyper-heuristic approach is developed based on the pilot method defined by Voß et al. (2005). By combining the improved anticipation of emergency patients with this hyperheuristic approach significant improvements can be achieved compared to the solution approach presented in the third contribution.}, subject = {Krankenhaus}, language = {en} } @phdthesis{Schubert2020, author = {Schubert, Daniel}, title = {Integrated order picking and vehicle routing - problems, insights, and solution approaches [cumulative dissertation]}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:824-opus4-6557}, school = {Katholische Universit{\"a}t Eichst{\"a}tt-Ingolstadt}, year = {2020}, abstract = {Die Kommissionierung und Auslieferung sind fester Bestandteil vieler Lieferketten, insbesondere jener des station{\"a}ren Einzelhandels und des Onlinehandels. Sie stellen dort zumeist nicht wertsch{\"o}pfende, nachgelagerte Prozesse dar, die jedoch f{\"u}r den gr{\"o}ßten Teil der Logistikkosten verantwortlich sind. Entsprechend vielseitig und detailliert thematisiert die wissenschaftliche Literatur sowohl die Kommissionierung als auch die Tourenplanung. Eine gesamtheitliche Betrachtung beider Prozesse erfolgt dabei in {\"u}berwiegender Mehrheit nur ungen{\"u}gend. Die wechselseitigen Auswirkungen auf der operativen Planungsebene werden nur beschr{\"a}nkt ber{\"u}cksichtigt, da die Prozesse zumeist isoliert betrachtet werden oder eine sequentielle Planung vorausgesetzt wird. Diese Arbeit untersucht verschiedene Kommissionier- und Tourenplanungsprobleme. Zudem zeigt sie die Vorteile einer integrativen Planung auf und entwickelt exakte sowie heuristische L{\"o}sungsverfahren f{\"u}r die untersuchten Problemstellungen. Der erste Beitrag entwickelt ein strukturelles Verst{\"a}ndnis f{\"u}r die Teilproblemstellungen der Kommissionierung und Auslieferung. Zudem verdeutlicht der Beitrag die Entwicklung im Forschungszweig der integrativen Kommissionier- und Tourenplanung. Die weiteren Beitr{\"a}ge untersuchen praxisorientierte Problemstellungen aus dem Bereich der Micro-Store-Belieferungen (Beitrag 2), Same-Day-Zustellungen (Beitrag 3) sowie der Belieferung von Superm{\"a}rkten (Beitrag 4). Dabei werden jeweils verschiedene Realrestriktionen einbezogen, Zielstellungen verfolgt, sowie integrative L{\"o}sungsverfahren entwickelt und klassischen L{\"o}sungsans{\"a}tzen gegen{\"u}bergestellt.}, subject = {Einzelhandel}, language = {en} }