Detailansicht
LNS-based multi-day routing heuristic for predictive medical waste collection
Florian Freund
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.80811
URN
urn:nbn:at:at-ubw:1-27228.97896.343948-6
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Arbeit befasst sich mit der Konzipierung eines technologiebasierten Systems zur Beseitigung medizinischer Abfälle, mit dem Ziel der Optimierung der Kosteneffizienz. Dabei sollen aktuelle Herausforderungen im Hinblick auf ineffiziente Routenplanung sowie die Reduzierung überlaufender Container, unter der Berücksichtigung der Ungewissheit der täglichen Abfallproduktion, adressiert werden. Hierfür wurde ein zweistufiges, stochastisches Optimierungsmodell definiert, um das Smart Waste Collection Routing Problem (SWCRP) zu lösen, welches optimale Routen basierend auf aktuellen und zukünftigen Füllständen ermittelt, um das Überlaufen von Containern zu verhindern und gleichzeitig die operative Effektivität zu steigern und ein robustes System zur Entsorgung medizinischer Abfälle zu schaffen. Um die Containerfüllstände zu evaluieren, werden die Container mit Ultraschallsensoren auf der Innenseite des Deckels angebracht, welche in der Lage sind, den aktuellen Füllstand in Echtzeit an den Entscheidungsträger zu übermitteln. Diese Echtzeitdaten dienen im nächsten Schritt als Basis, um Prognosen für die erwarteten Containerfüllstände anhand eines Modells, unter Berücksichtigung aktueller und historischer Füllstände, zu berechnen, um potenziell überlaufende Container frühzeitig zu identifizieren. Der erste Teil dieser Arbeit zielt darauf ab, einen heuristischen Ansatz zu definieren, welcher auch für große Instanzen, Lösungen innerhalb einer angemessenen Zeitspanne ermittelt, wo hingegen exakte Methoden an Ihre Grenzen stoßen. Dafür wurde ein select first – route second Ansatz in Kombination mit einem Large Neighborhood Search Algorithmus gewählt. Der zweite Teil dieser Arbeit widmet sich einem Simulation-Optimization Ansatz, wo die ermittelten Prognosen in ein mathematisches Modell eingespeist werden, um eine exakte Lösung zu eruieren. Die Ergebnisse einer Fallstudie unter Verwendung von Daten aus der Realwelt zeigten, dass der dynamische Routing Ansatz von den Echtzeit-Füllständen profitiert und in der Lage ist, in Szenarien wo geringere Abfallmengen produziert werden, die Gesamtstrecke zu reduzieren und in Szenarien, wo höhere Abfallmengen produziert werden, die Zahl der überlaufenden Container im Vergleich zu statischen Routing-Strategien reduziert werden. Die Rate der überlaufenden Container lag in allen getesteten Szenarien unter 5%.
Abstract
(Englisch)
This master thesis addresses current challenges in medical waste collection related to inefficient routing and proposes a technology-based approach to increase cost-effectiveness while avoiding overflowing containers and considering the uncertain nature of waste accumulation. Therefore, a two-stage stochastic optimization model is proposed to solve the smart waste collection routing problem, that schedules containers based on their predicted fill levels and creates optimal routes for those containers aiming to increase operational efficiency and robustness. The demand forecasts are determined by a predictive model that considers historical and current fill levels transmitted by ultrasonic sensors attached to the inside of the container tops. The first part of this thesis focuses on solving the problem heuristically to obtain also solutions for large problem sizes within reasonable amount of time, by using a select first – route second approach entailing a Large Neighborhood Search Algorithm. In the second part of this thesis, a simulation-optimization approach is defined, where the forecasts from the predictive model are fed into a mathematical model designed based on a capacitated vehicle routing problem to obtain exact solutions. A performance evaluation by using real-world data indicated that the proposed dynamic routing approach is able to decrease the total travel distance in scenarios with lower waste accumulation and keeps the rate of overflowing containers in all tested scenarios below 5%.
Schlagwörter
Schlagwörter
(Deutsch)
Optimierung Echtzeitdaten Sensoren Abfallwirtschaft Dynamische Routenplanung Medizinischer Abfall Simulation
Schlagwörter
(Englisch)
Smart Waste Collection Real-time data Sensors Waste Management Dynamic Routing Medical Waste Simulation Optimization Large Neighborhood Search
Autor*innen
Florian Freund
Haupttitel (Englisch)
LNS-based multi-day routing heuristic for predictive medical waste collection
Publikationsjahr
2026
Umfangsangabe
x, 123 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Jan Fabian Ehmke
Klassifikationen
85 Betriebswirtschaft > 85.03 Methoden und Techniken der Betriebswirtschaft ,
85 Betriebswirtschaft > 85.32 Beschaffung. Materialwirtschaft
AC Nummer
AC17827273
Utheses ID
80226
Studienkennzahl
UA | 066 | 915 | |