Optimering av NCCs klippstation för armeringsjärn

Transkript

1 Optimering av NCCs klippstation för armeringsjärn Sammanfattning I det här arbetet har vi försökt ta reda på optimal placering av en klippningsstation av armeringsjärn för NCCs räkning. Vi har optimerat placeringen ur två perspektiv. Det första har varit att de bygger en helt ny anläggning istället för den nuvarande som är placerad i Malmö. Det andra att den nuvarande får vara kvar men att en ny byggs för att minska transportkostnader samtidigt som en ökad efterfrågan kan tillgodoses. Placeringarna visade sig vara optimala i Eskilstuna respektive Jönköping. Programmet som vi har använt heter What s Best och filen bifogas med arbetet., henriksvahn@hotmail.com, masrot03@student.umu.se, mandon03@student.umu.se Projekt i kursen Simulering och Optimering av Energisystem D 5p Umeå Universitet, Civ. Ing. Energiteknik Handledare: Lars Bäckström

2 Innehållsförteckning Inledning... 3 Syfte... 3 Teori... 3 Metod... 4 Resultat... 6 Simulering Simulering Simulering Slutsatser och diskussion

3 Inledning Sverige befinner sig i en högkonjunktur och detta märks tydligt i byggbranschen. Behovet av byggmaterial såsom betong, armering och isolering är stort och kommer sannolikt att fortsätta öka. NCC är ett av de bolag som påverkas av denna expansion. I sina byggen använder de armeringsjärn som kommer från en fabrik i Polen. Dessa järn kommer oklippta med tåg för att sedan klippas och distribueras i Sverige. I dagsläget har NCC en sådan klippstation i Malmö. Denna station klarar av att producera dagens behov av klippt armering men i och med Malmös sydliga position får NCC dyra transportkostnader för leverans till landets nordliga delar. När dessutom efterfrågan väntas öka är det av intresse att undersöka om det är ekonomiskt lönsamt att 1) flytta stationen, 2) bygga ytterligare en station. Syfte Syftet med detta arbeta är att undersöka och ge underlag för om det är ekonomiskt lönsamt att bygga ytterligare en klippningsstation för armeringsjärn eller om NCC rent av ska flytta den existerande. Eftersom kostnaden för nyproduktion av en anläggning för oss är okänd ska detta arbete ses som en modell där NCC själva kan använda korrekta värden istället för ett fullständigt underlag. Teori Med hjälp av programmet Excel och tilläggsprogrammet What s Best har vi optimerat placeringen av den nya klippstationen samt dess storlek. Armeringsjärnen kommer med tåg från Polen in till Sverige genom Malmö. Från Malmö går armeringsjärnen vidare med tåg till den optimala placeringen av den nya klippstationen. Vi har gjort ett antagande att det går räls från Malmö till vår beräknande placering av klippstation. Eftersom vi inte vet hur efterfrågan på armeringsjärn ser ut i landet har vi valt att approximera behovsspridningen i landet till att den motsvaras av populationsspridningen. Denna statistik har vi hämtat från SCB (Statistiska Central Byrån). Eftersom programmet är en begränsad version kunde vi bara använda 36 kommuner som underlag då antalet olinjäriteter översteg det max tillåtna. För att få positionerna för kommunerna har vi tagit positionerna för huvudorterna i kommunerna. Dessa positioner fick vi genom att använda systemet RT90 (Rikets triangelnät). Genom att minimera sträckan som blir mellan den optimala placeringen och kommunerna samt ta med den beräknade efterfrågan kan What s Best få fram en optimal placering på den nya klippstationen. I beräkningarna har vi antagit att det generellt är billigare att frakta gods söderut än norrut på grund av obalans i lasterna. Detta har vi approximerat med att låta det vara 20 procent billigare att köra i södergående riktning än nordgående. Vi har dessutom använt oss av en 20 procentig förlängning av alla sträckor i beräkningarna för att ta hänsyn till att den faktiska längden på en sträcka är längre än fågelvägen som koordinaterna bara tar hänsyn till. 3

4 Metod Till en början tänkte vi försöka att ta med större delen av Sveriges befolkning för att få en så pass bra positionering som möjligt. Detta gjorde vi genom att ta befintliga GPS koordinater från Internet för cirka 160 städer. Dessa koordinater använder systemet WGS 84 (World Geodetic System 1984) för positionering. Med detta system trodde vi att det skulle bli komplicerat att beräkna sträckor mellan koordinaterna så vi bestämde oss för att använda det svenska systemet RT90. Dock medförde detta att vi blev tvungna att konvertera koordinaterna. Till en början försökte vi skriva ett program i MATLAB för denna konvertering men då detta visade sig komplicerat använde vi ett färdigskrivet shareware-program som vi hittade på nätet. De olika fall som vi har valt att undersöka är: 1) Stationen i Malmö stängs och en ny byggs som ska klara hela Sveriges framtida behov. 2) Stationen i Malmö får vara kvar men en ny station byggs för att klara av den ökande efterfrågan. För transport har vi valt att använda tåg från polen till klipp-stationen. Därefter sker transporterna med hjälp av lastbil. Priserna mellan dessa två alternativ varierar och detta gör att den optimala positionen hamnar på annan plats än där faktiska tyngdpunkten för befolkningstätheten ligger. Denna tyngdpunkt beräknas i fall 3. Eftersom allt gods antas anlända till Malmö med tåg och denna transport inte går att påverka har vi valt att inte inkludera denna kostnad i transportpriserna. Kostnaderna för transport börjar alltså när godset lämnar Malmö. Figur 1. Punkterna i bilden visar positionen för de kommuner vi har valt att använda som underlag för approximeringen av efterfrågan. 4

5 För att räkna ut transportkostnaden via lastbil använder vi oss av en karta vi fått från NCC. Figur 2 visar transportkostnaderna för transport från Malmö. Genom att ta fem olika positioner och ta ett medelvärde på dessa får vi en transportkostnad per ton och kilometer kr/ton kr/ton kr/ton kr/ton kr/ton 300 kr/ton 78 Figur 2. Transportkostnad via lastbil från Malmö Göteborg kr/ton Malmö Stockholm Postnumrets två första siffror anges på kartan 5

6 Resultat På grund av begränsningar i programversionen begränsas modellen för optimeringen till Sveriges 36 största kommunerna. Med dessa täcks lite drygt 4,4 miljoner av Sveriges befolkning in eller ca 50 %. Om grundantagandet att modellen med behovsapproximering med hjälp av populationsspridning är riktig, har vi alltså ändå en relativt stor felmarginal. Dock tror vi att spridningen av befolkningen kommer att hålla sig jämn runt denna punkt och alltså inte flytta den om datamängden utökas. Simulering 1 I första simuleringen simuleras att stationen i Malmö helt stängs och en ny byggs. Behovet antas öka från dagens 6000 till ton/år. Klippningsstationen av armeringsjärn ska då enligt simuleringen hamna på koordinaterna: X= , Y= , denna station hamnar i Jönköping. Figur 2. Bilden visar positionen för vart klippningsstationen hamnar i fall 1. Jönköping används av flera stora företag som plats för sina lager. Bland annat IKEA och Elgiganten har sina centrallager för norden här. Detta beror på flera faktorer som t.ex. att 80 % av Sveriges befolkning nås med en radie på 30 mil samt att staden är en knutpunkt för vägtransport. 6

7 Simulering 2 I andra simuleringen förutsätts att stationen i Malmö även i fortsättningen kan producera 6000ton/år. En ny station ska alltså uppföras för att täcka upp resterande behov. Figur 3. Bilden visar positionen för vart klippningsstationen hamnar i fall 2. Trots att stationen i Malmö kunde producera upp till 6000 ton/år visade det sig att det var optimalt att producera ca 4253 ton i Malmö och att alltså sköta resterande produktion av 5747 ton i den nya stationen. Koordinaterna för stationen är X= och Y= Denna punkt ligger som synes i närheten av Eskilstuna. Positionen i närheten av Stockholm öppnar för att undersöka alternativa intransportvägar. Det skulle vara möjligt att transportera det oklippta stålet med båt från Polen till Stockholm istället för som nu via järnväg. Dock har vi inget prisunderlag för detta och undersöker därför inte detta förslag vidare. 7

8 Simulering 3 I sista simuleringen var vi bara intresserade av att veta vart befolkningstyngdpunkten med hjälp av de 36 städerna eller drygt 4.4 miljoner invånarna de representerar. Svaret på detta blev punkten X= ,96; Y= ,39 som ligger mellan Norrköping och Katrineholm i närheten av Finspång. Figur 4. Bilden visar positionen för befolkningstyngdpunkten för våra 26 städer. 8

9 Slutsatser och diskussion I våra simuleringar har vi fått fram två positionen som What s Best hävdar är optimala ur kostnadssynpunkt för klippning av armeringsjärn. Dessa är i Fall 1) i Jönköping och i Fall 2) i närheten av Eskilstuna. Bägge positionerna ligger i södra Sverige och det är också här som Sveriges befolkningstyngdpunkt ligger. Denna befolkningstyngdpunkt visas i Fall 3). Naturligtvis måste även andra faktorer som vägnät och markpriser ligga som grund för att avgöra var en ny station hamnar men dessa punkter behandlar inte detta arbete. För att få mer tyngd i arbetet vore det bra att ha fler exakta prisuppgifter. Som det är nu har vi fått göra många approximeringar. T.ex. har vi ej några tillförlitliga uppgifter på transportpriser och produktionskostnaden för en ny anläggning är en uppskattning från vår sida. Resultatet i fall 2 att inte maximera produktionen i Malmö beror just på kostnaden för att bygga en ny anläggning. Om våra antaganden för denna kostnad är för låga så kommer det antagligen vara mest ekonomiskt att fortsätta producera max i Malmö. Detta kommer naturligtvis att påverka positionen för den nya stationen. För att jobba vidare med uppgiften kan man tänka sig att undersöka alternativa transportvägar in i landet. Det skulle t.ex. kunna vara fördelaktigt att använda båt för transport och på så sätt få en ny variabel att arbeta med i What s Best. Man skulle även kunna använda fler städer för att få större medräknad befolkningsmängd och på så sätt större säkerhet i modellen. Ytterligare än variant skulle kunna vara att helt byta metod för att läsa in efterfrågan på armeringsjärn i landet. Kanske är det även så att det redan finns sådan statistik att tillgå. Figur 5. Kartan visar de medräknade städerna samt positionerna för de tre uträknade punkterna. 9