• No results found

Utformning och dimensionering av bannära avisning vid rullbana 3 på Stockholm Arlanda Airport

N/A
N/A
Protected

Academic year: 2021

Share "Utformning och dimensionering av bannära avisning vid rullbana 3 på Stockholm Arlanda Airport"

Copied!
91
0
0

Loading.... (view fulltext now)

Full text

(1)

Department of Science and Technology Institutionen för teknik och naturvetenskap

LiU-ITN-TEK-G--20/056--SE

Utformning och dimensionering

av bannära avisning vid

rullbana 3 på Stockholm Arlanda

Airport

Emilia Jonsson

Maria Wall

(2)

LiU-ITN-TEK-G--20/056--SE

Utformning och dimensionering

av bannära avisning vid

rullbana 3 på Stockholm Arlanda

Airport

Examensarbete utfört i Logistik

vid Tekniska högskolan vid

Linköpings universitet

Emilia Jonsson

Maria Wall

Handledare Anastasia Lemetti

Examinator Tatiana Polishchuk

(3)

Upphovsrätt

Detta dokument hålls tillgängligt på Internet – eller dess framtida ersättare –

under en längre tid från publiceringsdatum under förutsättning att inga

extra-ordinära omständigheter uppstår.

Tillgång till dokumentet innebär tillstånd för var och en att läsa, ladda ner,

skriva ut enstaka kopior för enskilt bruk och att använda det oförändrat för

ickekommersiell forskning och för undervisning. Överföring av upphovsrätten

vid en senare tidpunkt kan inte upphäva detta tillstånd. All annan användning av

dokumentet kräver upphovsmannens medgivande. För att garantera äktheten,

säkerheten och tillgängligheten finns det lösningar av teknisk och administrativ

art.

Upphovsmannens ideella rätt innefattar rätt att bli nämnd som upphovsman i

den omfattning som god sed kräver vid användning av dokumentet på ovan

beskrivna sätt samt skydd mot att dokumentet ändras eller presenteras i sådan

form eller i sådant sammanhang som är kränkande för upphovsmannens litterära

eller konstnärliga anseende eller egenart.

För ytterligare information om Linköping University Electronic Press se

förlagets hemsida

http://www.ep.liu.se/

Copyright

The publishers will keep this document online on the Internet - or its possible

replacement - for a considerable time from the date of publication barring

exceptional circumstances.

The online availability of the document implies a permanent permission for

anyone to read, to download, to print out single copies for your own use and to

use it unchanged for any non-commercial research and educational purpose.

Subsequent transfers of copyright cannot revoke this permission. All other uses

of the document are conditional on the consent of the copyright owner. The

publisher has taken technical and administrative measures to assure authenticity,

security and accessibility.

According to intellectual property law the author has the right to be

mentioned when his/her work is accessed as described above and to be protected

against infringement.

For additional information about the Linköping University Electronic Press

and its procedures for publication and for assurance of document integrity,

please refer to its WWW home page:

http://www.ep.liu.se/

(4)

Sammanfattning

Vid kallt väder behöver flygplan avisas innan start, för att säkerställa att kontamination i form av snö eller is inte förekommer på flygplanet. Syftet med avisning är att säkerställa flygplanets flygförmåga, då kontamination försämrar aerodynamiken.

Statens flygplatsverksamhet drivs av Swedavia AB som förvaltar bland annat Stockholm

Arlanda Airport. I nuläget sker avisning av flygplan på Arlanda främst vid gate. Swedavia önskar dock implementera en bannära avisningsramp för att effektivisera avisningsmomentet på

flygplatsen.

Målet med detta arbete är att undersöka hur många parallella avisningsspår som krävs vid en bannära avisningsramp vid rullbana 3 på Arlanda. Syftet med detta är att effektivisera avisningsprocessen.

För att uppnå målet med arbetet har en simuleringsmodell över avisningsprocessen skapats i Arena Simulation Software. Modellen simulerar ett prognostiserat trafikprogram som avser en godtycklig dag motsvarande framtidens trafikvolymer. Indata till simuleringsmodellen inkluderar bland annat avisningstid per flygplanskod, taxningshastighet per flygplanskod och antal

tillgängliga avisningsfordon. Därtill har trafikprogrammet simulerats i tre olika typer av väder motsvarande kyligt väder, sämre väder med snö samt ett ännu sämre väder som kan antas vara extremfall. Antalet avisningsspår utgår ifrån de förstnämnda vädertyperna. Det är dock av intresse för Swedavia att se hur antalet avisningsspår klarar att hantera trafik under en dag med riktigt dåligt väder.

Ett krav från Swedavia är att 98 % av alla flygplan ska hinna igenom simuleringsmodellen på mindre än 17 min i det lättare vädret, samt att 95 % av alla flygplan ska hinna igenom

simuleringsmodellen på mindre än 20 min i det sämre vädret.

Det resultat som erhållits är att 9 avisningsspår krävs för att ovan nämnda krav ska uppnås för lättare vädret. För att kravet för det sämre vädret ska uppnås krävs även där 9 avisningsspår. I det lättare vädret är det i snitt 1,8 flygplan som spenderar mer än 17 minuter i systemet vid 9 spår. I det sämre vädret är det i snitt 7,9 flygplan som spenderar mer än 20 minuter i systemet.

En känslighetsanalys har genomförts för att analysera hur robust modellen är. Resultatet var att antalet spår inte är robust för förändringar i trafiken, åtminstone inte en dubblering samt

tredubblering av trafiken. Vid en kraftig ökning av trafiken räcker inte 9 avisningsspår för att uppnå ovan nämnda krav, utan det kräver ökade resurser både i form av avisningsspår och avisningsfordon. Vid en tredubbling av trafiken kan det också konstateras att resurserna inte längre är flaskhalsen, utan antalet rullbanor.

Intervjuer har genomförts med respondenter från bland annat Oslo Gardermoen och Helsingfors-Vanda. Båda dessa flygplatser har en bannära avisning sedan tidigare, och vi har därför kunnat använda dessa flygplatser som inspiration.

Den slutsats som arbetet mynnat ut i är att 9 kod C-avisningsspår krävs vid rullbana 3. 9

avisningsspår behövs för att avisningsrampen ska kunna hantera framtida trafikvolymer vid både lättare och sämre väder. Detta resultat gäller dock endast vid givna förhållanden, dvs när

(5)

Abstract

In the event of cold weather, aircraft must be de-iced before take-off. This is to ensure all contamination, such as snow and ice, is removed. The purpose of de-icing is to assure the aircrafts ability to fly, as contamination worsens the aircrafts aerodynamics.

In Sweden, airport operations are managed by Swedavia AB, who operates Stockholm Arlanda Airport. Today, the de-icing procedure is located at the gate area. However, Swedavia wishes to implement remote de-icing areas near the runways to make the de-icing procedure more

effective.

The goal of this work is to investigate how many parallel de-icing tracks are needed to reach specific requirements at a remote de-icing area near runway 3 at Arlanda. The requirements are to ensure all aircraft are served within certain time limits.

To reach the goal, a simulation model has been made using Arena Simulation Software. The model simulates a prognosticated traffic program of an arbitrary future day. Inputs to the simulation model include, among other things, de-icing times per aircraft code, aircraft taxiing speed, and number of available de-icing vehicles. The simulation model has also been conducted within three different weather categories. These correspond to frosty weather, snowy weather, and more severe weather, which represents the extreme case. The number of de-icing tracks is based on the first two weather categories. However, Swedavia wishes to know how the model performs under the extreme case of the latter weather category as well.

Swedavia has a requirement that 98 % of all aircraft must leave the de-icing service within 17 minutes after their arrival in the frosty weather category. For the snowy weather category, 95 % of all aircraft must leave the simulation model within 20 minutes of their arrival.

The result is that 9 de-icing tracks are needed to fulfil the requirements. With 9 de-icing tracks, an average of 1,8 aircraft spend more than 17 minutes in the system for the frosty weather. For the snowy weather, 7,9 aircraft spend more than 20 minutes in the system.

A sensitivity analysis has been conducted to evaluate the robustness of the model. In this analysis, the traffic was heavily increased to see how the number of de-icing tracks managed higher demand. The result was that the number of de-icing tracks is not robust enough to handle changes in traffic, at least not double- or three-times higher traffic. With a heavy increase in traffic, 9 de-icing tracks are not enough to fulfil the requirements. More resources are needed, not only de-icing tracks but de-icing vehicles as well. When multiplying the traffic by three, it is also clear that the de-icing process no longer is the bottleneck. Instead, the congestion appears by the runway.

Interviews have been conducted with, amongst others, respondents at Oslo Airport and Helsinki Airport. Both airports have remote de-icing areas adjoining their runways, and we have therefore been able to use them as inspiration.

The conclusion is that Arlanda should implement a remote de-icing area with 9 code C de-icing tracks adjoining runway 3. This is needed to meet future demand in both frosty and snowy weather. However, this result is only valid under the exact input of the prognosticated traffic program.

(6)

Förord

Vi skulle vilja börja med att rikta ett stort tack till våra handledare på Swedavia, som – trots rådande omständigheter – har visat ett stort engagemang och varit tillgängliga för råd och diskussion. Det har varit väldigt uppskattat och hjälpsamt – tack!

Till vår handledare Anastasia och examinator Tatitana – tack för era stöttande ord och konkreta råd under arbetets gång. Med tanke på distansläget har det varit extra uppskattat mer era snabba svar via mail. Stort tack!

Vi önskar även rikta uppskattning till respondenter från Avinor, Finavia och SAS Ground Handling som tagit sig tid att svara på våra intervjuer.

Sist men inte minst vill vi även tacka våra familjer och vänner som funnits där för stöd och peppning under arbetets gång.

(7)

Innehållsförteckning

Inledning ... 1 1.1 Företagsbeskrivning Swedavia ... 1 1.2 Problembeskrivning ... 3 1.3 Mål och syfte ... 3 1.4 Forskningsfrågor ... 4

1.5 Avgränsningar och studerat system ... 5

1.6 Disposition ... 6 Teoretisk referensram ... 7 2.1 Litteraturstudie ... 7 2.2 Logistik ... 7 2.3 Flygplatslogistik ... 8 2.3.1 Flygplatsinfrastruktur ... 9 2.3.2 Flygplanstyper ... 9 2.4 Avisning av flygplan ... 10 2.4.1 Avisningens betydelse ... 11 2.4.2 Avisningsvätska ... 11 2.4.3 Uppsamling av glykol... 11 2.4.4 Avisningsfordon ... 12 Metod ... 13 3.1 Simulering ... 13 3.2 Arena Simulation ... 14

3.2.1 Entiteter och resurser... 14

3.2.2 Moduler ... 15

3.2.3 Terminerande och icke-terminerande modell ... 15

3.2.4 Replikationer ... 16

3.2.5 Animering ... 16

Tillvägagångssätt ... 17

4.1.1 Möte med Swedavia ... 17

4.1.2 Intervjuer ... 17

4.1.3 Datainsamling ... 19

4.2 Simuleringsmodellen ... 20

4.2.1 Kriterier och avgränsningar ... 20

4.2.2 Entiteternas ankomst ... 22

4.2.3 Entiteternas attribut ... 23

4.2.4 Taxning... 24

4.2.5 Flygplan som tar flera spår ... 25

4.2.6 Avisningsmomentet... 26

4.2.7 Separationstid mellan entiteter ... 27

4.2.8 Entiteternas totala tid i systemet ... 28

4.2.9 Entiteterna lämnar modellen ... 28

4.2.10 Totala simuleringsmodellen ... 28

4.2.11 Antal replikationer ... 30

4.2.12 Simuleringslängd ... 30

4.2.13 Validering och verifiering ... 30

Nulägesbeskrivning ... 32

5.1 Stockholm Arlanda Airport ... 32

5.2 Rullbana 3 ... 32

5.3 Avisning i dagsläget ... 33

(8)

Avisning på Oslo Airport och Helsingfors-Vanda Flygplats ... 38

6.1 Oslo Airport Gardermoen ... 38

6.2 Helsingfors-Vanda Flygplats ... 40

Resultat ... 42

7.1 Väderkategori 1 ... 42

7.1.1 Väderkategori 1: Modellens mål ... 42

7.1.2 Väderkategori 1: Totaltid i systemet ... 42

7.1.3 Väderkategori 1: Köer ... 43

7.1.4 Väderkategori 1: Utnyttjandegrad ... 43

7.2 Väderkategori 2 ... 44

7.2.1 Väderkategori 2: Modellens mål ... 44

7.2.2 Väderkategori 2: Totaltid i systemet ... 45

7.2.3 Väderkategori 2: Köer ... 46

7.2.4 Väderkategori 2: Utnyttjandegrad ... 46

7.3 Väderkategori 3 ... 47

7.3.1 Väderkategori 3: Totaltid i systemet ... 47

7.3.2 Väderkategori 3: Köer ... 48

Analys av resultatet ... 49

8.1 Antal entiteter som överstiger maxgränsen ... 49

8.2 Genomsnittlig totaltid i systemet ... 49

8.3 Köer ... 49 8.4 Resursutnyttjande ... 50 Känslighetsanalys ... 51 9.1 Dubblering av trafik ... 51 9.1.1 Dubblering: Modellens mål ... 51 9.1.2 Dubblering: Köer... 51

9.1.3 Dubblering: Utnyttjandegrad avisningsspår ... 52

9.1.4 Dubblering: Utnyttjandegrad avisningsfordon ... 54

9.1.5 Dubblering: Antal resurser som krävs ... 55

9.2 Tredubblering av trafik ... 55

9.2.1 Tredubblering: Modellens mål ... 55

9.2.2 Tredubblering: Köer ... 56

9.2.3 Tredubblering: Utnyttjandegrad avisningsspår ... 56

9.2.4 Tredubblering: Utnyttjandegrad avisningsfordon ... 58

9.2.5 Tredubblering: Antal resurser som krävs ... 59

9.3 Känslighetsanalys: Sammanfattning ... 59

Diskussion ... 61

10.1 Övriga nordiska länders bannära avisning ... 61

10.2 Avisning ... 61

10.3 Resultat av simulering ... 62

10.4 Resultat av känslighetsanalysen ... 63

10.5 Simuleringsmodellen... 63

(9)

Figurförteckning

Figur 1. Kartbild över Swedavias flygplatser (Google Map Data 2020; Swedavia u.å. a). ... 2

Figur 2: Rullbana 3 och placering av framtida avisningsramp3. ... 4

Figur 3: Exempel på utformning där tre parallella spår för avisning används. ... 5

Figur 4: Det studerade systemet. ... 5

Figur 5: Komponenter som ingår i landside respektive airside. ... 9

Figur 6: Comparative drawings of the A320 family, from side view (Scavini 2012). ... 10

Figur 7: Tre olika indelningar av simuleringsmodeller. ... 14

Figur 8: Examensarbetets tillvägagångssätt. ... 17

Figur 9: När ett stort flygplan använder ett mittenspår blockeras ytterspåren som mindre flygplan använder. ... 21

Figur 10: De moduler som använts för att få entiteterna att anlända till modellen i korrekt tid. Figuren är en beskuren del av hela modellen. ... 22

Figur 11: De moduler som använts för att låta entiteterna röra sig mellan momenten. Figuren är en beskuren del av hela modellen. ... 24

Figur 12: En illustration över hur flygplanskod E och F blockerar två avisningsspår. ... 25

Figur 13: De moduler som använts för att säkerställa att kod E och F tar två närliggande avisningsspår. Figuren är en beskuren del av hela modellen. ... 25

Figur 14: De moduler som använts för avisningsmomentet. Figuren är en beskuren del av hela modellen. ... 27

Figur 15: De moduler som använts för att separera entiteterna enligt separationstiden om 80 sekunder. Figuren är en beskuren del av hela modellen. ... 27

Figur 16: Vilka moduler som använts för att räkna ut entiteternas totala tid i systemet. Figuren är en beskuren del av hela modellen. ... 28

Figur 17: Simuleringsmodellens avslutande moduler. Figuren är en beskuren del av hela modellen. ... 28

Figur 18: En överblick över simuleringsmodellen i sin helhet. ... 29

Figur 19: Placering av terminalerna på Arlanda Airport (Swedavia u.å. f). ... 32

Figur 20: Stockholm Arlanda Airport och dess tre rullbanor (Swedavia u.å. b). ... 33

Figur 21: Markerade ytor visar var avisning är tillåten i dagsläget (Swedavia 2018 b). ... 35

Figur 22: Översikt Arlanda Airports planerade avisningsytor3 . ... 37

Figur 23: Avisningsytor och dess spår på Oslo Airport (AIP Norge 2019; OSL 2012). ... 39

Figur 24: Helsingfors-Vanda Flygplats rullbanor (Yle 2019). ... 40

(10)

Tabellförteckning

Tabell 1: Swedavias flygplatser (Swedavia 2019 a). ... 3

Tabell 2: Exempel på några moduler och deras syften i Arena. ... 15

Tabell 3: Genomförda intervjuer. ... 18

Tabell 4: Data som delgetts från Swedavia samt dess syfte i simuleringsmodellen. ... 20

Tabell 5: Create-modulernas namn, entiteternas namn samt de första entiteternas ankomst i modellen. ... 22

Tabell 6: Modulerna som använts för att få entiteterna att anlända till modellen i korrekt tid, och syftet med respektive modul. ... 23

Tabell 7: Avisningstid i minuter per flygplanskod och väderkategori. ... 23

Tabell 8: Antal avisningsfordon per flygplanskod och väderkategori. ... 23

Tabell 9: Antal avisningsspår per flygplanskod. ... 24

Tabell 10: Modulerna som använts för att få entiteterna att taxa, och syftet med respektive modul. ... 24

Tabell 11: Modulerna som använts för att se till att kod E och F tar två närliggande spår och syftet med respektive modul. ... 26

Tabell 12: Modulerna som använts för avisningsmomentet, och syftet med respektive modul. ... 27

Tabell 13: Modulerna som använts för separationstiden, och syftet med respektive modul. ... 27

Tabell 14: Antal entiteter som spenderar mer än 17 minuter i systemet, för väderkategori 1. .... 42

Tabell 15: Genomsnittlig totaltid i systemet per flygplanskod och antal avisningsspår, för väderkategori 1. ... 42

Tabell 16: Avisningskö vid olika antal spår, för väderkategori 1. ... 43

Tabell 17: Separationskö vid olika antal spår, för väderkategori 1. ... 43

Tabell 18: Genomsnittlig utnyttjandegrad av avisningsspåren i procent, för väderkategori 1. ... 43

Tabell 19: Antal fordon som använts, för väderkategori 1. ... 44

Tabell 20: Antal entiteter som spenderar mer än 20 minuter i systemet, för väderkategori 2. .... 45

Tabell 21: Genomsnittlig totaltid i systemet per flygplanskod och antal avisningsspår, för väderkategori 2. ... 45

Tabell 22: Avisningskö vid olika antal spår, för väderkategori 2. ... 46

Tabell 23: Separationskö vid olika antal spår, för väderkategori 2. ... 46

Tabell 24: Genomsnittlig utnyttjandegrad av avisningsspåren i procent, för väderkategori 2. ... 46

Tabell 25: Antal fordon som använts, för väderkategori 2. ... 47

Tabell 26: Genomsnittlig totaltid i systemet per flygplanskod, för väderkategori 3. ... 47

Tabell 27: Kötider i väderkategori 3. ... 48

Tabell 28: Antal entiteter i kö i väderkategori 3. ... 48

Tabell 29: Genomsnittlig totaltid (minuter) i systemet per flygplanskod vid 9 spår vid en dubblering. ... 51

Tabell 30: Avisningskö vid 9 spår vid en dubblering. ... 51

Tabell 31: Separationskö vid 9 spår vid en dubblering. ... 52

Tabell 32: Genomsnittlig utnyttjandegrad av 9 spår i procent, per spår, vid en dubblering. ... 52

Tabell 33: Antal fordon som använts och deras utnyttjandegrad vid 9 spår, vid en dubblering. 54 Tabell 34: Genomsnittlig totaltid (minuter) i systemet per flygplanskod vid 9 spår, vid en tredubblering. ... 55

Tabell 35: Avisningskö vid 9 spår vid en tredubblering. ... 56

Tabell 36: Separationskö vid 9 spår vid en tredubblering... 56

Tabell 37: Genomsnittlig utnyttjandegrad av 9 spår i procent, per spår, vid en tredubblering... 56

Tabell 38: Antal fordon som använts och deras utnyttjandegrad vid 9 spår, vid en tredubblering. ... 58

(11)

Begreppslista

FIFO: First in, first out. Används exempelvis i köer för att låta den som ställde sig i kö först

även få lämna kön först.

Fleet assignment: Flygbolag allokerar vilken flygplanstyp som ska användas vid vilken flight. Flygrörelse: När ett flygplan startar eller landar på en rullbana.

Gate: Utgång till flygplanet. Bestämda delar av terminalen där passagerare väntar på att få

boarda sin specifika flight. Ibland kallas även stand för gate.

Genomloppstid: En produkts totala tid i produktion, från tillverkningsstart till färdig produkt. Holdover time: Den tid då avisningsvätskan håller is och snö borta från flygplanet.

Rampyta: Stor asfalterad yta på airside där flygplan exempelvis står uppställda vid gateområdet. Resursutnyttjande: Hur mycket en resurs används, i jämförelse med dess kapacitet. Uttrycks i

procent där 100 % är maximala kapaciteten.

Revenue management: Flygbolag prognostiserar antalet passagerare och sätter biljettpriser i

respektive klass utifrån detta för att maximera sin omsättning.

Rullbana: Start- och landningsbana.

Stand: Plats där flygplan kan parkeras, kan vara direkt utanför gate eller på en plats längre ifrån. Taxa: Flygplanet kör på taxibanan från rullbanan till terminalen och tvärtom.

Taxibana: Bana som förbinder rullbanor med terminalområdet.

Turn-around: De moment som utförs från det att ett flygplan landar tills det lyfter igen,

exempelvis av- och ombordstigning, tankning och avisning.

Uttaxning: Taxa från terminal till bana, samma som taxa. Vingspann: Avståendet mellan flygplanets vingspetsar.

(12)

Inledning

Vid kalla väderförhållanden behöver flygplan avisas innan start, för att säkerställa att varken snö eller is förekommer på flygplanskroppen och vingarna (Transportstyrelsen 2009). Belobaba, Odoni och Barnhart (2016) förklarar att avisningen består av två delar. Först och främst behöver existerande snö och is avlägsnas från flygplanet. Därtill får inte ny snö eller is bildas på flygplanet under taxning. Om ett flygplan tillåts lyfta med kvarvarande snö eller is försämras aerodynamiken, vilket gör att lyftkraften försämras och säkerhetsrisken är ett faktum (Trankell 2013). Syftet med avisning är således att garantera flygplanets flygförmåga (Swedavia 2013).

Ett exempel på hur illa det kan gå om den livsviktiga avisningsproceduren ej fungerar som tänkt är Gottrörahaveriet – en flygkrasch som inträffade strax utanför Arlanda på 90-talet, där flygplanets båda motorer havererat sedan is på vingarna fallit loss och sugits in i motorerna (Statens Haverikommission 1993). Det aktuella flygplanet besprutades med avisningsvätska innan start, men klaris på vingarnas ovandelar avlägsnades ej till fullo, vilket ledde till att flygplanet kraschade strax efter avfärd (ibid.).

Swedavia (2013) beskriver att avisningsvätska består av monopropylenglykol, som vid rätt förhållanden har den egenskapen att vattnets fryspunkt sänks. Vätskans beskaffenhet

förbättras i upphettat tillstånd, och blandas av den orsaken med varmt vatten (ibid.). Effekten av avisningsvätskan är endast aktiv inom en specifik tidsrymd, som i sin tur beror på

exempelvis aktuellt väder (Belobaba, Odoni och Barnhart 2016).

På Stockholm Arlanda Airport sker avisning främst vid respektive gate1, innan flygplanen taxar ut, vilket innebär att avisningsfordon rör sig mellan gaterna och avisar flygplan utefter när detta önskas av kaptenen (Wolgé och Ericsson 2000). Avisningen skulle dock kunna effektiviseras genom att istället flytta avisningsprocessen till en stationär yta – någonting som exempelvis Helsingfors-Vanda flygplats gjort (Finavia 2016). En fast avisningsplats betyder att samtliga flygplan avisas på samma plats, vilket innebär en effektivisering av exempelvis uppsamlingen av avisningsvätskan (ibid.).

Dessutom sker en förändring vad gäller lokaliseringen av aktiviteter – från att flygplanen tidigare agerat stillastående produkt, blir de nu en produkt i rörelse genom resurser. Denna nya lösning skulle kunna likställas med lokaliseringstypen funktionell verkstad, som syftar till att ”alla operationer av en bestämd typ utförs inom ett avgränsat område” (Olhager 2013). Jonsson och Mattsson (2016) menar att en fördel med en funktionell strategi är att det är störningsokänsligt. Om en resurs faller bort finns parallella resurser med samma uppgift att tillgå inom varje avgränsat område (ibid.).

Att driva en flygplats medför ett ständigt utvecklingsarbete, både vad gäller kapacitet och effektivitet (Swedavia 2018 a). Dessutom är de tre dimensionerna av hållbarhet – ekologisk, ekonomisk och social – betydande för utvecklingsarbetet (Swedavia 2019 a). Att effektivisera en flygplats avisningsprocess är betydelsefullt ur flera perspektiv – kanske främst ekonomiskt och miljömässigt.

1.1

Företagsbeskrivning Swedavia

Sedan 2010 bedrivs statens flygplatsverksamhet via Swedavia AB, vars verksamhet innebär att finansiera, äga, förvalta, driva och utveckla tio flygplatser utspridda i Sverige

(Regeringskansliet u.å.; Swedavia 2017 a) – se Figur 1. Dessa tio flygplatser ingår i vad som kallas det nationella basutbudet, vilket innebär att de bidrar till att säkerställa Sveriges

(13)

flygtransportsystem (Regeringskansliet 2009). Flygplatserna skapar alltså ett infrastrukturnät som länkar samman regionerna i Sverige, och på så sätt även gör det möjligt att länka samman Sverige med resten av världen (Swedavia u.å. a). Förutom att driva och utveckla flygplatserna så har även Swedavia ansvar för omkringliggande fastigheter och mark (Regeringskansliet u.å.).

Figur 1. Kartbild över Swedavias flygplatser (Google Map Data 2020; Swedavia u.å. a).

Då Swedavia AB är helägt av svenska staten, innebär uppdraget även att ”…inom ramen för affärsmässighet aktivt medverka i utvecklingen av den svenska transportsektorn och bidra till de av riksdagen beslutade transportpolitiska målen” (Regeringskansliet u.å.). För att kunna fullfölja detta uppdrag och utveckla flygplatserna används bland annat masterplaner. Dessa beskriver hur en flygplats kan tänkas växa och utvecklas på lång sikt, och hur denna

utveckling bör hanteras (Swedavia u.å. a). Exempelvis kommer troligen inte hyresavtalet med Stockholm Stad gällande Bromma Stockholm Airport att förlängas efter 2038, något som kommer påverka Stockholm Arlanda Airport (Swedavia 2019 a). I masterplanen för Arlanda behöver man därför ha detta i åtanke och planera för att trafiken som finns på Bromma delvis kommer att flyttas till Arlanda, oavsett om så blir fallet eller inte (ibid.). Att planering så långt i framtiden behövs beror bland annat på de tillstånd (exempelvis nytt miljötillstånd) som krävs, ifall Arlanda behöver utöka kapaciteten gällande terminalen och rullbanorna, och att dessa tar lång tid att få godkända (ibid.).

(14)

Under 2019 hanterade Swedavias flygplatser totalt cirka 40 miljoner ankommande och avresande passagerare (Swedavia 2019 b). Jämfört med 2018 är detta en minskning med fyra procent, varav det främst är inrikestrafiken som minskat (ibid.). Detta är den första

minskningen gällande passagerarantalet sedan Swedavia bildades 2010, något som kan förklaras av bland annat den ökade klimatdebatten (Swedavia 2019 a).

Kort information om Swedavias flygplatser presenteras i Tabell 1.

Tabell 1: Swedavias flygplatser (Swedavia 2019 a).

Flygplats Stockholm Arlanda Stockholm Bromma Göteborg Landvetter Övriga (totalt) Flyglinjer 280 17 189 - Destinationer (varav inrikes) 168 (23) 17 (14) 107 (7) 101 (35) Anställda (varav Swedavia) 19 000 (1125) 1100 (210) 3700 (847) 2200 (897)

Resenärer (2019) 25,6 miljoner 2,4 miljoner 6,7 miljoner 5,5 miljoner Någonting som är viktigt för Swedavia är klimatarbete, och de arbetar aktivt med

energibesparingar och minskning av koldioxidutsläpp (Swedavia u.å. e). Målet är att inte ha några koldioxidutsläpp alls i slutet av 2020, genom att exempelvis driva samtliga markfordon med fossilfria bränslen (ibid.). På Stockholm Arlanda Airport strävar Swedavia dessutom efter att i framtiden vara så självförsörjande som möjligt genom att använda sig av slutna system, vilket skapar ett slags kretslopp (Swedavia 2017 b). Detta gäller exempelvis avisningsmomentet, där en förflyttning från avisning vid gate till en mer specifikt avsedd rampyta gör det möjligt att samla in och återanvända avisningsvätskan på ett bättre och effektivare sätt (ibid).

1.2

Problembeskrivning

I nuläget sker avisning av flygplan på Stockholm Arlanda Airport i huvudsak vid respektive gate (Swedavia 2011). Swedavia önskar av flera anledningar effektivisera avisningsmomentet på flygplatsen1.

För att effektivisera avisningsmomentet vill Swedavia utreda utformning och dimensionering av en avisningsramp i direkt anslutning till rullbana 3. Anledningen till att Swedavia önskar implementera en sådan yta är exempelvis för att effektivisera uppsamlingen av

avisningsvätska och minska belastningen på dagvattenhanteringen1. Därtill kan flygplanen dessutom lämna sin gate tidigare än om avisning sker vid just gate, vilket leder till att ankommande flygplan kan få tillgång till platsen snabbare1. Bannära avisning skulle också underlätta för operatören som genomför avisningen1. Avisningsvätskans effekt avtar dessutom med tid1. Därför är korta taxningstider efter avisning ytterligare en fördel för den bannära avisningen, för att undvika att flygplan behöver avisas en gång till1.

1.3

Mål och syfte

Målet med examensarbetet är att undersöka hur många parallella spår för avisning som krävs vid en bannära avisningsplats vid södra änden av bana 3, 01R, på Stockholm Arlanda

(15)

Airport. Se Figur 2 för en planerad bild över flygplatsen år 2070, samt var rullbana 3 och dess framtida avisningsramp är lokaliserad.

Syftet med en bannära avisningsplats är att effektivisera avisningsprocessen, i form av exempelvis den tid det tar för avisningsfordonen att röra sig mellan

uppställningsplatserna, risken för avisning av samma flygplan en extra gång samt omhändertagandet av avisningsvätskan.

För att uppnå målet med examensarbetet har en simuleringsmodell över avisningsprocessen skapats i Arena Simulation Software.

Figur 2: Rullbana 3 och placering av framtida avisningsramp3.

1.4

Forskningsfrågor

De frågeställningar denna rapport har för avsikt att besvara är nedanstående.

• Hur är övriga nordiska länders bannära avisningsmoment utformade?

• Hur många spår för avisning behövs, för två olika väderkategorier, vid rullbana 3 på Arlanda?

(16)

Den första frågeställningen ämnar besvara hur de andra nordiska länderna utför sina

avisningsmoment, speciellt Oslo Gardermoen och Helsingfors-Vanda, som ligger på liknande breddgrad som Stockholm Arlanda Airport och därmed har liknande väderlek och klimat. Båda dessa flygplatser utför avisning på designerade platser (Finavia 2016; Avinor u.å. a). Det är av intresse för Swedavia att undersöka hur dessa är utformade, för att få en idé om hur den bannära avisningen vid rullbana 3 kan utformas. Se Figur 3 för exempel på en utformning där tre parallella spår bredvid varandra används.

Figur 3: Exempel på utformning där tre parallella spår för avisning används.

Den andra frågeställningen syftar till att besvara hur många parallella spår för avisning som behövs vid den bannära avisningsplatsen. Denna frågeställning besvaras genom att skapa en simuleringsmodell över avisningsprocessen.

1.5

Avgränsningar och studerat system

Rapporten undersöker endast den avisning som ämnas ske vid södra änden av rullbana 3 på Stockholm Arlanda Airport.

Rapporten undersöker hur belastning och väderlek påverkar antalet avisningsspår, men tar inte hänsyn till hur denna avisningsprocedur påverkar avisningens övriga delar (såsom hantering av avisningsvätska, avisningsfordon och liknande). Fördelarna med att ha en bannära avisning skildras dock, vilket exempelvis inkluderar hantering av avisningsvätska. Det studerade systemet är därför endast avisningsmomentet, och inte några andra moment flygplanen går igenom innan start i turn-around-processen – se Figur 4.

(17)

1.6

Disposition

Kapitel 2 skildrar den teoretiska referensramen. Detta kapitel förklarar den bakgrundsteori som krävs för att förstå arbetet och dess resultat, bland annat logistik, flygplatsinfrastruktur och avisning av flygplan. Kapitlet inleds med den litteraturstudie som utförts.

Kapitel 3 beskriver den kvantitativa metod, simulering, som främst använts i arbetet. Det finns även en beskrivning av Arena, vilket är det simuleringsprogram som använts.

Kapitel 4 går igenom arbetets tillvägagångssätt. Tillvägagångssättet inkluderar de möten och intervjuer som genomförts samt en beskrivning av datainsamlingen. Kapitlet avslutas med att skildra hur simuleringsmodellen byggs upp.

Kapitel 5 ger information kring Swedavias planer för Stockholm Arlanda Airport. Detta görs genom en kort beskrivning av flygplatsen och rullbana 3, samt hur avisning sker i dagsläget på flygplatsen och vilka planer som finns för framtiden och då främst gällande avisningen. Kapitel 6 redogör hur bannära avisningsramper är placerade och utformade på flygplatserna i Oslo och Helsingfors. Informationen i detta kapitel har både använts för att svara på den ena frågeställningen samt som vägledning inför simuleringsmodellen.

Kapitel 7 presenterar resultatet av simuleringen, det vill säga hur många avisningsspår som är lämpligt för Arlanda att implementera vid rullbana 3 baserat på väderkategori 1 och 2, och hur antalet spår påverkar väderkategori 3 gällande köer och liknande.

Kapitel 8 analyserar resultatet av simuleringen.

Kapitel 9 visar resultatet av en känslighetsanalys där trafiken har ökats upp.

Kapitel 10 lyfter en diskussion kring utformningen och dimensioneringen på de två studerade flygplatserna i relation till resultatet av simuleringen. Det förs även en diskussion om bannära avisning utifrån ett miljöperspektiv samt kring simuleringsmodellen.

(18)

Teoretisk referensram

Detta kapitel introducerar de teoretiska begrepp som krävs för att förstå arbetets mål, syfte och resultat. Kapitlet tar upp bland annat upp logistik, flygplatsinfrastruktur och avisning av flygplan. Kapitlet inleds med den litteraturstudie som genomförts.

2.1

Litteraturstudie

I det inledande skedet av arbetet utfördes en litteraturstudie, som började med en

litteratursökning. Litteratursökningen syftade till att finna lämplig litteratur att använda i arbetet. En stor del av litteratursökningen genomfördes via biblioteket vid Linköpings Universitet, som tillhandahåller en digital söktjänst. Syftet med litteratursökningen var att erhålla teoretisk kunskap inför arbetet, samt assistans till den simuleringsmodell som byggts. En stor del av den litteratur som använts är tryckt. De digitala källor som använts har valts med omsorg och då främst primärkällor. Exempel på digital primärkälla är Swedavia. Den tryckta litteratur som har använts är huvudsakligen böcker inom metodik, logistik, flygsektorn och modellering.

Simulation with Arena av Kelton, Sadowski och Zupick (2015) samt Simulation Modeling and Arena av Rossetti (2016) beskriver simuleringsprogrammet som används, och har studerats för att få hjälp med tekniska frågor om Arena. Även System och modell – en introduktion till systemanalysen av Gustafsson, Lanshammar och Sandblad (1982) har använts som underlag för simuleringsteorin.

De böcker som legat till grund för logistikteorin är Modern logistik – för ökad lönsamhet av Oskarsson, Aronsson, och Ekdahl (2013), Produktionsekonomi av Olhager (2013), Logistik läran om effektiva materialflöden av Jonsson och Mattsson (2016) samt Logistik – grunder och möjligheter av Storhagen (2011).

The Global Airline Industry av Belobaba, Odoni och Barnhart (2016) har varit till hjälp vad gäller information om bland annat flygsektorn, flygplatsinfrastruktur och avisning.

För att erhålla information om Swedavia och deras verksamhet har flertalet dokument och rapporter studerats, bland annat Teknisk Beskrivning Del I – Flygplats (Rapport D 2011-008000 och Rapport D 2012-007754) och Stockholm Arlanda Airport – Airport Regulation (A-12-2013, 2018-11-01). Andra dokument från Swedavia som studeras är exempelvis bolagsstyrningsrapport, statusrapport och masterplan för Arlanda.

För att samla in information om avisningen vid Oslo Gardermoen och Helsingfors-Vanda har digitala källor i form av Avinors respektive Finavias hemsidor studerats. En stor del av informationen kring dessa flygplatser har dock erhållits genom intervjuer.

2.2

Logistik

Gleissner och Femerling (2013) beskriver logistik som den planering, organisering, koordinering och implementering som sker både vad gäller varor och tjänster, men även aktiviteter, inom en verksamhet. De förklarar fortsatt att logistikens huvuddelar kan delas in i

”de sju R:en” – rätt produkt, i rätt mängd, med rätt kvalitet, till rätt ställe, i rätt tid, till rätt

(19)

Jonsson och Mattsson (2016) berättar att logistik handlar om att förbättra en verksamhet genom att effektivisera processer på ett sådant sätt att lönsamheten ökar. Detta görs genom att planlägga, verkställa och granska förändringar – det vill säga att jämföra alternativ med nuläge (Oskarsson, Aronsson och Ekdahl 2013). Logistikaktiviteter inkluderar exempelvis transportplanering, lagerhållning, orderplanering, produktionsplanering och schemaläggning (CSCMP 2020).

Oskarsson, Aronsson och Ekdahl (2013) nämner att logistik bör ses som en helhetssyn där verksamhetens alla delar hänger ihop. Detta för att undvika exempelvis suboptimering (Storhagen 2011). Ett exempel på en helhetssyn är att identifiera flaskhalsar i ett större flöde (ibid.). Storhagen (2011) beskriver något som inom logistikens värld kallas för OPT,

Optimization Production Technology. OPT innebär att ett flödes kapacitet endast beror på flaskhalsens kapacitet – det är med andra ord av intresse att öka flaskhalsens beläggningsgrad för att på så sätt öka produktiviteten i hela flödet (ibid.). Om ett flygplan ses som en produkt, där flödeskedjan inkluderar flera aktiviteter från gate till start, så skulle med andra ord någon av dessa aktiviteter kunna vara en flaskhals som påverkar kapaciteten för hela kedjan. Då spelar det alltså ingen roll hur stor rullbanans kapacitet är, om avisningsmomentets kapacitet är mycket lägre. I ett OPT-perspektiv kan den totala kapaciteten aldrig vara högre än den lägsta resursens (Storhagen 2011).

Enligt Olhager (2013) uppnås en låg tillverkningskostnad till följd av högt resursnyttjande. Eftersom en flaskhals hämmar den totala produkten är det speciellt intressant att använda resurserna i just flaskhalsen så effektivt som möjligt (ibid.). Helst vill man att

resursutnyttjandet ska vara 100 % i och med att man då tar tillvara på resursens fulla kapacitet (ibid.).

Effektiviteten inom en verksamhet kan formuleras genom effektivitetsvariabler (Jonsson och Mattsson 2016). Eftersom effektiviteten kan förbättras på flera olika sätt, används dessa effektivitetsvariabler för att beskriva effektiviteten i en specifik aspekt (ibid.). Exempel på effektivitetsvariabler är tid, flexibilitet och miljö (ibid.). Tid i detta sammanhang är en inre effektivitet, även kallat verkningsförmåga (Olhager 2013). Verkningsförmågan syftar till att

”göra saker rätt” inom en verksamhet, till skillnad från yttre effektivitet som syftar till att ”göra rätt saker” – exempelvis att producera produkter som faktiskt har en efterfrågan (ibid.).

Tid påverkar alla andra effektivitetsvariabler, och det är därför önskvärt att ha ett tidseffektivt logistiksystem (Jonsson och Mattsson 2016). Det är därför av intresse att minska

genomloppstiden för en produkt, då en lång genomloppstid kan leda till leveransförsening (ibid.).

2.3

Flygplatslogistik

Detta kapitel beskriver infrastrukturen på en flygplats samt ger exempel på olika flygplanstyper och varför detta är av intresse framgent i rapporten.

Inom flygbranschen finns flera aktörer, bland annat flygplatser och flygbolag (Belobaba, Odoni och Barnhart 2016). För ett flygbolag kan logistik handla om exempelvis fleet

assignment och revenue management2. En logistisk aktivitet för en flygplats är exempelvis att effektivisera avisningsmomentet. Flygplanet skulle kunna ses som en produkt, där

genomloppstiden i det studerade systemet avser den tid det tar från det att flygplanet taxar ut

(20)

tills att det lyfter från rullbanan. Det är av intresse att reducera denna genomloppstid för att exempelvis undvika att avisningsvätskans effekt avtar.

2.3.1 Flygplatsinfrastruktur

En flygplats är uppdelad i landside och airside (Swedavia 2011). Landside omfattar området utanför flygplatsen där passagerare anländer med exempelvis bil eller buss (ibid.). Även terminalbyggnaden tillhör landside, dock endast de delar som går att nå utan att ta sig igenom säkerhetskontrollen (ibid.). De faciliteter som är placerade innan säkerhetskontrollen ingår alltså också i landside, såsom incheckning samt restauranger och affärer (Belobaba, Odoni och Barnhart 2016).

Airside omfattar terminalbyggnaden efter säkerhetskontrollen samt all inhägnad mark som nyttjas av flygplan och servicefordon (Swedavia 2011), det vill säga rampyta, taxibanor och rullbanor (Belobaba, Odoni och Barnhart 2016). Avisningsmomentet utförs med andra ord på airside.

Figur 5 nedan illustrerar vilka komponenter som ingår i landside respektive airside.

2.3.2 Flygplanstyper

Det finns flertalet flygplanstillverkare i världen, bland annat Airbus, Boeing och Bombardier (Huber 2019). Varje flygplanstillverkare producerar i sin tur flera olika modeller, eller så kallade flygplanstyper (Belobaba, Odoni och Barnhart 2016). Varje flygplanstyp har unika tekniska specifikationer, varav en av de viktigaste enligt Belobaba, Odoni och Barnhart (2016) är flygplanets förmåga att transportera nyttolast en viss distans (kallat range på

engelska). Andra specifikationer som skiljer flygplanstyperna åt är exempelvis vingspann och

(21)

passagerarkapacitet (Norin 2008). Dessutom skiljer sig bland annat längd och motorer (Boeing 2020; Airbus 2020 a).

Några exempel på flygplansfamiljer som förekommer i kommersiell trafik idag är Boeing 787 Dreamliner, Boeing 777, Airbus A220 och Airbus A320 (Boeing 2020; Airbus 2020 b). Inom dessa flygplansfamiljer kan det finnas flera flygplanstyper – exempelvis ingår Airbus A318, A319, A320 and A321 i familjen Airbus A320 (Airbus 2020 c). Dessa flygplanstyper skiljer sig i passagerarantal – från 100 till 240 – samt i storlek (ibid.), som synes i Figur 6.

Figur 6: Comparative drawings of the A320 family, from side view (Scavini 2012).

Vilken slags flygplanstyp som efterfrågas beror på vilka behov som finns (FAA 2008). Ett flygplan som exempelvis ska frakta gods behöver kunna hantera den vikt som uppstår, medan ett passagerarflygplan istället behöver vara designat för bland annat att kunna flyga önskad distans samt för att minska ljudnivån inuti flygplanet (ibid.). Vid avisning av flygplan är det nödvändigt att anpassa avisningen efter vilken flygplanstyp som ska avisas, eftersom deras design varierar (ibid.).

Flygplanstyper kategoriseras som kod A, B, C, D, E eller F beroende på vingspann och yttre hjuls spännvidd (Skybrary 2017). Ett exempel på flygplan kod C är Boeing 737–700 och Airbus A320 (ibid.). Flygplan kod D inkluderar exempelvis Boeing 767-familjen (ibid.).

2.4

Avisning av flygplan

I avisningsproceduren, som sker inför start, ingår det att först ta bort befintlig isbildning (avisa) på ett flygplan samt att därefter förebygga att ny isbildning sker (anti-is) när flygplanet

(22)

taxar mot rullbanan samt lyfter (Transportstyrelsen 2009). Det som innefattas i begreppet

”isbildning” är all slags beläggning av vatten i solid form (Andersson 1988).

2.4.1 Avisningens betydelse

Ett flygplan ska vara helt fritt från olika typer av snö, is och frost innan start

(Transportstyrelsen 2009). Om flygplanet har täckts av någon typ av isbildning vid flygning eller parkering behöver det avisas (ibid.). Om det finns risk för isbeläggning på flygplanet när det befinner sig på marken och/eller vid den initiala flygningen bland moln behöver även en anti-is-vätska appliceras, för att förhindra att ny beläggning skapas (FAA 2015). Vid kallt väder finns underkylda vattendroppar i moln som ger isbildning på flygplanet (Andersson 1988), varför det är viktigt att anti-is-vätskan skyddar flygplanet även genom stigningen. Under stigningen är flygplanet, med tanke på flygplanets vinkel, extra utsatt för isbildning på vingarna och undersidan av flygplanet (FAA 2015). Detta kan leda till att flygplanet tappar sin flygkraft och riskerar att överstegra (även kallat stall på engelska) (ibid.). Överstegring innebär förenklat att vinkeln mellan flygplanet och den mötande luften blir för stor, dvs flygplanets nos pekar uppåt (FAA 2020).

Ett flygplan är beroende av dess aerodynamik för att kunna flyga stabilt (FAA 2008). Vid isbildning på exempelvis vingar och roder påverkas möjligheten att kunna manövrera, någonting som kan leda till att piloten inte längre kan kontrollera flygplanet (ibid). Överlag kan isbildning på flygplanet leda till att vikten och luftmotståndet ökar, lyftkraften minskar och det blir då en påverkan på dragkraften (Andersson 1988).

2.4.2 Avisningsvätska

Avisningsvätskan som används för att ta bort snö och is är en blandning av

monopropylenglykol och varmt vatten (Norin 2008). Syftet med denna vätska är att få flygplanet helt ren från all slags beläggning (ibid.). Anti-is-vätskan som används för att förhindra isbildning är även den en blandning av monopropylenglykol och vatten

(Naturvårdsverket 2008), det tillsätts dock ytterligare tillsatser i vätskan så att den ska fungera som tänkt3. Denna vätska är endast effektiv inom en viss tid, och det är därför det är att

föredra att anti-is-vätskan används nära rullbanan (Belobaba, Odoni och Barnhart 2016). Hur länge vätskan verkar beror på väderlek, typ av vätska samt dess blandningsförhållande (ibid.). Det finns alltså en risk att ett flygplan behöver avisas igen, om det tar för lång tid mellan avisningen och till dess att det får lyfta (Norin 2008). Behovet att avisa om uppstår främst vid extremt snöfall3. När flygplanet är i luften har piloten möjlighet att avisa med flygplanets inbyggda avisningssystem (FAA 2015).

2.4.3 Uppsamling av glykol

Vid avisning rinner majoriteten av vätskan av flygplanet, varav resterande vätska (ca 10 %) försvinner när flygplanet startat (Naturvårdsverket 2008). Efter att ett flygplan avisats behöver därför avisningsvätskan som hamnar på rampytan tas om hand (Swedavia 2011). Detta kan göras med hjälp av fordon som samlar in vätskan och som sedan transporterar denna till lämplig facilitet (till exempel reningsverk) (ibid.). Då fordonet inte kan absorbera upp all avisningsvätska leds det kvarvarande oftast bort via rännor vid rampytan (Naturvårdsverket 2008).

Det är viktigt att samla in avisningsvätskan eftersom den står för en stor del av de utsläpp som sker till omkringliggande mark samt yt- och grundvatten (Naturvårdsverket 2008). Utsläppen

(23)

kan leda till bland annat syrebrist i recipienterna, vilket kan ha en negativ påverkan på djur och växtlighet (ibid.).

2.4.4 Avisningsfordon

En genomsnittlig avisning tar några minuter och utförs oftast av två avisningsfordon – en på vardera sida av flygplanet3. Hur många fordon som kan användas vid gate begränsas av omkringliggande byggnader och liknande3. Vid bannära avisning på en rampyta finns inte

samma fysiska begräsningar3. Avisningen behöver utföras inom en viss tidsrymd innan start på grund av, som tidigare nämnts, avisningsvätskans tidsbegränsande effektivitet (Norin 2008). Då det ingår ett antal olika moment i att göra ett flygplan redo inför start, där bland annat avisning kan ingå, är det svårt att planera när ett flygplan ska avisas och därmed även när ett avisningsfordon behövs (ibid.). Eftersom det är kaptenen som avgör om ett flygplan ska avisas, samt avisas om, och detta är ett beslut grundat på bland annat vädret – något som kan vara nyckfullt – så innebär detta enligt Norin (2008) att det är svårare att planera hur avisningsfordonen ska nyttjas.

(24)

Metod

Detta kapitel beskriver den metod som använts i arbetet. Metoden som använts är främst simulering, och en beskrivning av det simuleringsprogram som använts presenteras. Det har även genomförts intervjuer, vilka presenteras längre fram i rapporten.

3.1

Simulering

Simulering betyder att experiment utförs i en modellerad miljö (Gustafsson, Lanshammar och Sandblad 1982). Jogréus (2009) beskriver simulering som ett experiment där man genom matematiska formler förenklar ett verkligt system och programmerar detta med hjälp av exempelvis en dator. Själva simuleringen utförs vanligtvis i en mjukvara för detta ändamål, exempelvis Arena Simulation Software (Kelton, Sadowski och Zupick 2015).

Anledningen till att simulering är lämpligt som vetenskapligt verktyg är på grund av att vissa system är så pass komplicerade att det inte går att studera på något annat sätt (Gustafsson, Lanshammar och Sandblad 1982). Exempelvis kan en lång kedja av händelser få plats i samma modell (Rossetti 2016). Rossetti (2016) tar upp en patients resa genom en

akutvårdsavdelning som exempel. Patienter anländer till akutvårdsavdelningen slumpmässigt, vilket kan bero på veckodag och tidpunkt (ibid.). Patienten anmäler att hen är där för att därefter antingen få sitta kvar i väntrummet, eller skickas direkt till läkare för vård (ibid.). Därtill behöver patienten kanske slussas vidare till en annan avdelning, exempelvis röntgen (ibid.). Ytterligare ett antal liknande steg kommer ske innan patienten till sist skrivs ut från sjukhuset (ibid.). Hur lång tid har patienten totalt spenderat på sjukhuset? Rossetti (2016) menar att detta är ett bra exempel på ett händelseförlopp som rimligen bör simuleras.

Någonting annat som gör att simulering är det enda rimliga alternativet är tid – ett scenario på dagar, veckor eller månader kan snabbas upp och simuleras på betydligt kortare tid

(Gustafsson, Lanshammar och Sandblad 1982).

Ett annat exempel på ett scenario som kan simuleras är en kö (Jogréus 2009). Genom att modellera en simuleringsmodell är det möjligt att få fram information om hur många personer som stått i en viss kö vid bestämda ögonblick (ibid.). Ytterligare ett system som kan simuleras är en flygplats, där man skulle kunna få information om passagerare som står i kö till

incheckning, säkerhetskontroll och ombordstigning (Kelton, Sadowski och Zupick 2015). Gemensamt för simuleringar är att man önskar mäta och/eller förbättra systemet på något sätt, exempelvis genom att designa om delar av systemet eller öka/minska resurser (ibid.).

För att bygga en simuleringsmodell krävs indata (Kelton, Sadowski och Zupick 2015). Indata är den data som behövs för att modellen ska fungera (Gustafsson, Lanshammar och Sandblad 1982). Exempel på indata är när och med vilket intervall passagerare anländer till en flygplats, och hur lång tid incheckningsmomentet tar. Utdata är den data som simuleringsmodellen återger som resultat, till exempel kötider och beläggningsgrad på resurser. Rossetti (2016) förklarar att simuleringsmodellens output inte är ett resultat i sig – däremot utgör modellens output en grund för att erhålla ett resultat. Modellens output behöver utvärderas för att man ska kunna svara på den frågeställning man studerar (Rossetti 2016). Detta till skillnad från exempelvis optimeringsmodeller som ju ger ett resultat i lösaren som används (Lundgren, Rönnqvist och Värbrand 2003). Förenklat kan sägas att en lösare som använder en

(25)

Det finns olika typer av simuleringsmodeller (Gustafsson, Lanshammar och Sandblad 1982). Kelton, Sadowski och Zupick (2015) menar att de olika modelltyperna främst delas in i tre kategorier enligt Figur 7 nedan.

Figur 7: Tre olika indelningar av simuleringsmodeller.

En statisk modell är mer eller mindre en matematisk beräkning, vilket gör att simulering som verktyg egentligen inte krävs (Gustafsson, Lanshammar och Sandblad 1982). En statisk modell tar inte hänsyn till tid, till skillnad från en dynamisk modell (Kelton, Sadowski och Zupick 2015). En dynamisk modell kan i sin tur vara kontinuerlig eller diskret (Rossetti 2016). En diskret modell förändras vid specifika tidpunkter, medan en kontinuerlig modell förändras konstant över tid (ibid.). Kelton, Sadowski och Zupick (2015) exemplifierar detta genom att beskriva vattennivån i en vattenreservoar som kontinuerlig. Nederbörd och avdunstning gör att vattennivån hela tiden kommer förändras (ibid.). En diskret modell förändras däremot i samband med att enskilda händelser sker, exempelvis när en produkt anländer till en maskin eller när en resurs tar rast (ibid.).

Skillnaden mellan en deterministisk och stokastisk modell är att modellens indata är given respektive slumpmässig (Kelton, Sadowski och Zupick 2015). Kelton, Sadowski och Zupick (2015) exemplifierar en deterministisk modell som inbokade möten som sker precis vid korrekt klockslag, och en stokastisk modell som en plats dit kunder kommer helt slumpartat. En simuleringsmodell kan dock ha en blandning av både deterministiska och stokastiska indata (ibid.). Eftersom system i verkligheten oftast har någon typ av slumpmässighet leder det till att även vissa indata i simuleringsmodeller behöver fördelas på ett sätt som gör dem stokastiska (ibid.).

3.2

Arena Simulation

En av de ledande kommersiella simuleringsmjukvarorna är Arena, vilken är uppbyggd på simuleringsspråket SIMAN (Rockwell Automation 2020; Rossetti 2016). Detta kapitel beskriver några centrala delar av Arena.

3.2.1 Entiteter och resurser

Entiteter är självgående objekt som rör sig genom simuleringsmodellen (Kelton, Sadowski och Zupick 2015). Kelton, Sadowski och Zupick (2015) kallar dessa för spelpjäser, och de

representerar exempelvis produkter eller andra ”verkliga ting”. Entiteternas rörelser och

handlingar påverkar simuleringsmodellen och dess output (Kelton, Sadowski och Zupick 2015; Rossetti 2016). Olika entiteter kan tilldelas unika attribut som gäller för just den entiteten, exempelvis en viss storlek (Rossetti 2016). En entitet skulle kunna vara en flygplanstyp, och dess attribut skulle kunna vara avisningstid.

(26)

Entiteterna interagerar med resurser, som avser exempelvis personal, maskiner eller annat som ger eller utför en service (Kelton, Sadowski och Zupick 2015; Rossetti 2016). Kelton,

Sadowski och Zupick (2015) beskriver att entiteter tävlar med varandra om att få tag i modellens resurser. Det är alltså inte maskinerna som tar en produkt och bearbetar den, utan snarare produkten som får tag i en maskin för att bearbetas (ibid.). En resurs skulle

exempelvis kunna vara en receptdisk på ett apotek (Rossetti 2016), eller avisningsfordon på en flygplats. Det är möjligt att modellera enstaka resurser, men de kan också modelleras i set med flera identiska resurser (Kelton, Sadowski och Zupick 2015). För att återspegla

verkligheten så bra som möjligt går det även att låta resurserna ”gå sönder” eller stanna av, för att imitera att exempelvis en maskin går sönder eller att en medarbetare går på rast (ibid.).

3.2.2 Moduler

Användaren bygger sin simuleringsmodell genom att dra moduler från en verktygspanel till modelleringsfönstret (Rossetti 2016). Kelton, Sadowski och Zupick (2015) beskriver att

modulerna kan delas in i ”flowchart modules” respektive ”data modules”.

Flowchart-modulerna syftar till punkter där entiteterna skapas, passerar och till sist försvinner, och det är dessa användaren drar in i modelleringsfönstret (ibid.). Datamodulerna anger istället attribut till exempelvis entiteter och resurser, och dessa moduler dras inte in i fönstret (ibid.).

Flowchart-modulerna och datamodulerna är ihopkopplade genom bland annat deras gemensamma variabler (ibid.). Kelton, Sadowski och Zupick (2015) exemplifierar detta genom att beskriva en kö. Själva kön dras in i modelleringsfönstret som en flowchart-modul, men köns egenskaper definieras i datamodulen för köer (ibid.). Användaren har även

möjlighet att särskilja olika köer genom att själv döpa dem till lämpligt namn (ibid.). Detta gäller även för exempelvis entiteter och resurser (ibid.).

Kelton, Sadowski och Zupick (2015) samt Rossetti (2016) exemplifierar några moduler som används i Arena enligt Tabell 2 nedan.

Tabell 2: Exempel på några moduler och deras syften i Arena.

Modul Syfte

Create Skapar entiteter.

Assign Tilldelar värden till variabler.

Process Definierar en process med exempelvis tillhörande kö och bearbetningstid. Decide Väljer vad som ska hända med entiteten, exempelvis att 50 % ska anses

defekta och 50 % felfria.

Dispose Låter entiteter försvinna ut ur modellen.

3.2.3 Terminerande och icke-terminerande modell

En simuleringsmodell kan vara terminerande eller icke-terminerande (Kelton, Sadowski och Zupick 2015). En terminerande modell har naturliga start och stopp (ibid.). Det kan

exempelvis handla om en butik som har specifika öppettider (ibid.), eller en flygplats som har specifika avgångar. En sådan simuleringsmodell har ett tydligt avslut (Rossetti 2016) och kan därför köras en viss längd som motsvarar exempelvis butikens öppettider.

En icke-terminerande modell har inga naturliga start och stopp på samma sätt, utan

simuleringen behöver genomföras löpande över en längre tidsperiod (Kelton, Sadowski och Zupick 2015). Denna modell behöver ha villkor som stoppar simuleringen eftersom den

(27)

annars skulle kunna fortsätta i princip för evigt (ibid.). Ett exempel på en icke-terminerande modell är ett sjukhus som är öppet dygnet runt (Rossetti 2016). Ett villkor som stoppar simuleringen skulle kunna vara att det inte finns fler entiteter att hantera, men det förutsätter också att ett begränsat antal entiteter kan skapas, vilket även det måste modelleras (ibid.).

3.2.4 Replikationer

En simuleringsmodell kan, och bör, köras mer än en gång (Robinson 2014). Om stokastiska data används kommer även resultatet bli stokastiskt, vilket innebär att resultatet inte heller är tillförlitligt vid en enda replikation (Kelton, Sadowski och Zupick 2015). I terminerande simuleringsmodeller är det av intresse att bestämma ett lämpligt antal replikationer för att därmed erhålla ett mer tillförlitligt resultat, i och med att ett genomsnitt eller medelvärde kommer erhållas (Robinson 2014).

Enligt Robinson (2014) kan antalet replikationer bestämmas enligt tre olika sätt. Det första sättet är att som tumregel utföra cirka tre till fem replikationer (ibid.). Denna tumregel baseras på Law och McComas (1991). Det andra sättet är att genomföra en grafisk illustration över det kumulativa medelvärdet (Robinson 2014). Vid punkten där grafens linje planar ut återfinns ett lämpligt antal replikationer (ibid.).

Det tredje sättet att bestämma antal replikationer är, enligt Robinson (2014), att beräkna antalet replikationer utifrån det konfidensintervall som önskas. Både detta sätt, samt föregående metod med grafisk illustration, baseras på modellens output (ibid.).

3.2.5 Animering

I Arena är det möjligt att animera exempelvis resurser (Kelton, Sadowski och Zupick 2015; Rossetti 2016). Resurserna kan då ha olika bilder beroende på vilken status de har (ibid.). Om ett avisningsspår (resurs) är upptaget har den med andra ord en annan bild än om den är ledig (ibid.). Det finns ett urval av bilder i ett bibliotek där lämplig bild väljs.

Det är även möjligt att animera hela simuleringsmodellen när den är färdig (Rossetti 2016). Entiteter kan tilldelas bild efter typ, och de kommer även röra sig genom modellen på

exempelvis vägar (ibid.). Detaljer såsom vägräcken eller inredning kan läggas till för att göra animeringen mer verklighetstrogen och trevlig att titta på.

(28)

Tillvägagångssätt

Detta kapitel beskriver tillvägagångssättet för arbetet. De steg som arbetet har följt illustreras i Figur 8. Kapitlet beskriver arbetets tillvägagångssätt och hur datainsamlingen utförts.

Datainsamling syftar till insamling av litterära referenser, möte med Swedavia, intervjuer samt data i form av input till simuleringsmodellen.

Figur 8: Examensarbetets tillvägagångssätt.

4.1.1 Möte med Swedavia

För att få en primärkälla med god insikt i avisningsproceduren hölls ett möte med Swedavia. Syftet med detta möte var att få mer information om avisning än det som möjligen kunde finnas i litteraturen. Mötet strukturerades upp som en kort föreläsning, där masterplanerare gick igenom avisning. Detta möte utfördes innan intervju, då intervjun sedan agerade som komplement till det korta föredraget med kompletterande frågor.

4.1.2 Intervjuer

Intervjuer har genomförts för att få utökad kunskap om saker som möjligen inte återfinns i litteraturen. En intervju med Swedavia genomfördes relativt tidigt i arbetet då dessa svar var ämnade att användas i den teoretiska bakgrunden. Denna intervju hade strukturerade frågor då specifika funderingar uppstått gällande avisningsproceduren, och intervjun genomfördes på plats hos Swedavia. Primär respondent i denna intervju var en masterplanerare med god kunskap om just avisning, men ytterligare en masterplanerare samt chef för Swedavia Master Planning deltog. Intervjun har sammanställts i Bilaga A.

En kompletterande intervju med Swedavia utfördes en tid senare för att få svar på frågor som dykt upp under arbetets gång. Denna intervju utfördes i mailform, och har sammanställts i Bilaga E.

En bit in i arbetet kontaktades Finavia och Avinor. Detta då en av arbetets frågeställningar handlar om hur övriga nordiska länders bannära avisningsmoment är utformade. Det upptäcktes att den information som fanns att tillgå på respektive aktörs hemsida inte var tillräcklig för att kunna svara på frågeställningen. Intervjuerna med dessa genomfördes i mailform, och därmed var frågorna strukturerade. Intervjuerna har sammanställts i Bilaga B och C.

Den första intervjun som genomfördes med Finavia ansågs inte ge tillräcklig information. Finavia kontaktades därför igen för en kompletterande intervju, där flygplatschefen kontaktades istället för deras kundtjänst. Denna intervju gav bättre svar på de frågor som ställdes. Den kompletterande intervjun har sammanställts i Bilaga D.

(29)

Innan simuleringsmodellen påbörjades hölls även en intervju med SAS Ground Handling (SGH). SGH är ett av bolagen som utför avisning på Arlanda. Respondent under denna intervju var De-icing Instructor, och intervjun hölls fysiskt på plats hos Swedavia och två personer från Swedavia medverkade också (Flygplatsplanerare Projekt & Uppdrag samt Projektledare Masterplan Arlanda). Intervjun hölls som en öppen diskussion, där De-icing Instructor med egna ord fick berätta om avisningsproceduren och dela med sig av kunskap och detaljer som ej återfunnits i litteraturen. Efter den öppna diskussionen ställdes ett antal frågor i intervjuform. Några frågor var förberedda, och några frågor dök upp under

diskussionen. Intervjun med SGH har sammanställts i Bilaga F. Genomförda intervjuer har sammanställts i Tabell 3 nedan.

Tabell 3: Genomförda intervjuer.

Datum Respondent Bilaga

2020-04-08 Representanter Swedavia

• Projektledare Masterplan Arlanda Swedavia Master Planning

• Projekt & Uppdrag Flygplatsplanering

• Chef Master Planning Affärsstöd & Säkerhetsstöd

A

2020-04-16 Finavia

• Kundtjänst Finavia

B

2020-04-20 Avinor

• Sektionschef VA-system, avdelning VA-hantering

C 2020-04-23 Finavia

• Duty Manager Apron Control

D

2020-04-23 Swedavia

• Projekt & Uppdrag Flygplatsplanering

E

2020-04-29 SAS Ground Handling

• De-icing Instructor

F

Intervjuerna har bidragit till arbetet genom att bredda kunskaper och få större inblick i

respektive verksamhet. Intervjuerna med Finavia och Avinor har speciellt visat vilka fördelar flygplatserna själva ser med bannära avisning. Intervjun med SGH bidrog till att kunna planera simuleringsmodellen bättre, eftersom respondenten kunde svara på frågor om

exempelvis vilka begränsningar modellen bör innehålla, och vad som är rimligt att ta hänsyn till i modellen. Eftersom respondenten själv arbetar med avisning var denne en viktig källa för denna information.

(30)

4.1.3 Datainsamling

Den numeriska data som agerat input i simuleringsmodellen delgavs från Swedavia. Den data som använts är en blandning av historiska och prognostiserade data. Historiska data består av avisningstid per flygplanstyp och väderlek. Avisningstiden har en uniform fördelning. En uniform fördelning innebär att sannolikheten är lika stor för samtliga utfall (Chen 2020). Prognostiserade data inkluderar framtida trafikprogram, vilket innehåller framtida flighter och deras flygplanstyper och slottider. Sekretessbelagda uppgifter såsom flygbolag och

destinationer har utelämnats av Swedavia innan informationen har delgetts. Det framtida trafikprogrammet avser prognostiserad avgående trafik på rullbana 3 ett godtyckligt dygn år 2070 – se Diagram 1.

Diagram 1: Visualisering av trafikprogrammets avgångar.

I och med att data har funnits tillgänglig via Swedavia har ingen datainsamling i form av mätningar och observationer skett. Däremot har den mottagna datan sorterats och

kontrollerats, i syfte att säkerställa att alla data är i samma format. Trafikprogrammet var utformat i Microsoft Excel, med samtliga avgångstider, flygplanskoder, flygplanstyper och bankoder. Först och främst sorterades onödiga kolumner bort, dvs kolumner med data som var irrelevanta för simuleringsmodellen. Den data som behölls var endast flygplanskod och avgångstid. När detta gjorts skapades en ny Excelfil där varje flygplanskod delades upp i egna flikar, för att få en bättre översikt. Avgångstiderna var angivna som klockslag, vilket behövde korrigeras då Arena inte är uppbyggt på klockslag utan snarare löpande tid.

Första flighterna i trafikprogrammet avgår kl 06:40, och sista flighten avgår kl 23:30. Det bestämdes att kl 06:40 är simuleringens starttid. Med andra ord skapas morgonens första flighter 0 minuter in i simuleringen. Kvällens sista flight skapas 16 h 50 minuter in i simuleringen. Klockslagen gjordes alltså om till passerade minuter med start kl 06:40. Därefter beräknades ankomstintervallen mellan flighterna, dvs med hur många minuters mellanrum varje flight avgår. Denna information används i simuleringsmodellen för att entiteterna ska skapas med korrekta intervall.

0 5 10 15 20 25 30 35 40 45 50 A v g ån g ar Klockslag

(31)

Den data som erhållits är sammanställd i Tabell 4 nedan tillsammans med vilket syfte datan har i form av input till simuleringsmodellen.

Tabell 4: Data som delgetts från Swedavia samt dess syfte i simuleringsmodellen.

Data Syfte

Prognostiserade avgående flighter från rullbana 3 inklusive slottid och flygplanskod

Flygplanen som lyfter från rullbana 3 är entiteter i simuleringsmodellen. Slottiden är viktig då denna avgör ankomstintervall i simuleringen. Flygplanskod är viktig då avisningstiden skiljer sig mellan dessa.

Avisningstid per flygplanstyp

Används i avisningsmomentet i simuleringsmodellen så att entiteterna avisas i korrekt tid.

Taxninghastighet Används i modellen så att entiteterna rör sig med en rimlig hastighet.

Antal tillgängliga avisningsfordon

Används som en begränsning i modellen. Antal avisningsfordon

som används per flygplanskod och väder

Antalet avisningsfordon varierar beroende på flygplanskod och väder.

Separationstid Används i modellen för att säkerställa att rullbanan är fri innan entiteten får lyfta och därmed lämna simuleringen.

Övrig tid Flygplanen står stilla en viss tid innan och efter avisningen. Används i modellen för att simulera att flygplanen faktiskt dröjer sig kvar vid avisningsmomentet. Denna tid är viktig att ha med eftersom det påverkar entiteternas totala tid i

simuleringen.

4.2

Simuleringsmodellen

Simuleringsmodellen skapades i etapper. Anledningen till detta är att modellen då

kontinuerligt kunde verifieras. Genom att bygga på modellen ansågs det enklare att säkerställa att modellen fungerade korrekt, eftersom källan till eventuella problem kunde hittas snabbare. Inledningsvis skapades en modell vars syfte var att entiteterna skulle anlända med korrekt intervall. Därefter byggdes modellen på med avisningsmomentet. När detta fungerade byggdes modellen på med separationstiden mellan avgångarna samt moduler som såg till att entiteternas totala tid i systemet simulerades korrekt. Hur dessa etapper modellerades

specificeras längre fram i detta kapitel.

4.2.1 Kriterier och avgränsningar

I samråd med Swedavia och SGH byggs simuleringsmodellen enligt kriterierna nedan.

• Antalet erforderliga spår ska uttryckas i antal C-kod platser som behövs.

• Uppställningsplatserna ska modelleras enligt figuren nedan, där ytterspåren är för kod C-flygplan och det i mitten är för kod E- och F-flygplan. Då mittenspåret används blockeras de två C-kodspåren ut och kan inte användas. I modellen simuleras detta genom att flygplan större än kod C tar två spår i anspråk.

References

Related documents

När ett djur (hund, katt eller iller) anländer med sin ägare till Arlanda kontrollerar Tullverket om djuret uppfyller.. Jordbruksverkets regler för införsel genom att granska djurpass

Det är viktigt att var och en som vistas på airside tar sitt ansvar och proaktivt arbetar för att inte flygplan ska skadas av fordon eller utrustning eller av oss människor..

Terminal 5 är den största terminalen av de terminaler som finns på Stockholm Arlanda Airport vilket innebär att det kan bli långt för vissa resenärer som checkar in i ena delen

Den 2 maj 2011 lämnade Swedavia in en ansökan till mark- och miljödomstolen om ett nytt miljötillstånd för hela verksamheten vid Stockholm Arlanda Airport.. Swedavia anser att

Terminal 5 (Pir F) Säkerhetskontroll hålls öppen för Central Godsmottagning Arlanda, personal, vissa typer av leveranser (se punkt 1.3) samt verksamhet av särskilt slag (se

Då vi använde enkät som metod kunde vi formulera frågor som passade in till det vi ville undersöka inom ämnet matematiksvårigheter. En del frågor anpassade vi

Take the Airport Coaches (Flygbussarna) to Centralstation/T-centralen (The Central Railway Station) in Stockholm, the trip takes approximately 20 minutes and costs about SEK 80

11 § PBL om detaljplanen innebär att ett riksintresse inte tillgodoses eller att en bebyggelse blir olämplig med hänsyn till människors hälsa och säkerhet eller risken för