Detailansicht
Smart urban waste collection routing under uncertainty
mixed fleets, shared demand, and vehicle rerouting
Bayasgalan Batsaikhan
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Betriebswirtschaft
Betreuer*in
Jan Fabian Ehmke
Mitbetreuer*in
Peiman Ghasemi
DOI
10.25365/thesis.78779
URN
urn:nbn:at:at-ubw:1-30298.35187.945785-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Urbane Abfallsammelsysteme müssen ihre Leistungsfähigkeit unter unsicheren und variablen Abfallmengen optimieren. Diese Arbeit entwickelt einen hybriden Ansatz, der mathematische Optimierung mit einer diskreten Ereignissimulation kombiniert, um robuste Flottenstrategien zu entwerfen und zu bewerten. Ein deterministisches MILP identifiziert die kosteneffizienteste Flottenzusammensetzung und empfiehlt den Einsatz von zwei Mehrkammerfahrzeugen sowie eines umgerouteten Ein-Kammer-Fahrzeugs. Die Simulation unter wachsender Unsicherheit – modelliert über eine erweiterte Gleichverteilung – zeigt jedoch, dass anstelle des Ein-Kammer-Fahrzeugs der Einsatz eines Zwei-Kammer-Fahrzeugs die Fahrzeugauslastung deutlich verbessert und überschüssigen Abfall an Sammelstellen reduziert. Die Ergebnisse verdeutlichen, dass statische Routenpläne unter realer Variabilität an Wirksamkeit verlieren und dass operative Effizienz durch dynamisch-adaptive Routenstrategien erreicht wird. Durch Minimierung von Leerfahrten und Verbesserung der Auslastung unterstützt der entwickelte Ansatz eine nachhaltigere städtische Logistik mit Potenzial zur Emissionsreduktion und Reduzierung von Leerfahrten.
Abstract
(Englisch)
Urban waste collection systems must optimize performance under uncertain and variable waste volumes. This thesis presents a hybrid approach combining mathematical optimization and discrete-event simulation to design and evaluate robust fleet strategies. A deterministic MILP identifies the most cost-efficient fleet composition, recommending two multi-compartment vehicles (MCVs) and a rerouted single-compartment vehicle (SCV). However, simulation under increasing uncertainty—modeled via an expanded uniform distribution—reveals that, instead of rerouting an SCV, sending a two-compartment vehicle significantly improved vehicle utilization and reduced excess waste at collection stations. These findings demonstrate that static routing plans degrade under real-world variability, and that true operational efficiency is achieved through dynamic, adaptive routing strategies. By minimizing underutilization and avoiding unnecessary trips, the proposed approach supports more sustainable urban logistics, with potential to reduce emissions and empty vehicle mileage.
Schlagwörter
Schlagwörter
(Deutsch)
Urbane Abfallsysteme variable Abfallmengen mathematische Optimierung diskrete Ereignissimulation robuste Flottenstrategien Mehrkammerfahrzeug ein Kammer Fahrzeug simulation dynamisch-adaptive Routenstrategien städtische Logistik Leerfahrten
Schlagwörter
(Englisch)
urban waste collection routing waste collection under uncertainty mixed fleets shared demand inter-vehicle waste sharing split demand vehicle rerouting dynamic adaptive routing strategies simulation mixed integer linear programming anylogic Xpress mosel real-world variability single-compartment vehicle multi-compartment vehicle robust fleet strategy variable waste volume two-compartment vehicle
Autor*innen
Bayasgalan Batsaikhan 
Haupttitel (Englisch)
Smart urban waste collection routing under uncertainty
Hauptuntertitel (Englisch)
mixed fleets, shared demand, and vehicle rerouting
Publikationsjahr
2025
Umfangsangabe
84 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Jan Fabian Ehmke
Klassifikationen
85 Betriebswirtschaft > 85.03 Methoden und Techniken der Betriebswirtschaft ,
85 Betriebswirtschaft > 85.15 Forschung und Entwicklung
AC Nummer
AC17591060
Utheses ID
76447
Studienkennzahl
UA | 066 | 915 | |