Fleet Management
Utveckling av verktyg för estimering av underhållskostnader
Isac Alenius Marcus Pettersson
Produktionsekonomi, Lunds Universitet, Lunds Tekniska Högskola
Den danska trafikoperatören Arriva DK har en utnyttjandegrad av sin bussflotta som inte är tillfredsställande. För att lösa detta lät företaget ett examensarbete (Alenius &
Pettersson, 2014) undersöka möjligheten att öka denna utnyttjandegrad. Initiativet till projektet togs också för att påbörja arbetet mot att arbeta mer processinriktat med styrningen av bussflottan, kallat Fleet Management. Genom att använda metodiken för en operationsanalytisk studie enligt Hillier & Lierberman (2005) samt att plocka bort
extremvärden i en datamängd via lådagram, kunde en beräkningsmodell utvecklas. Denna modell beräknar underhållskostnader för olika kategorier av bussar i flottan baserat på historisk information om kostnaderna under 1 år. Modellen ligger till grund för ett Excel-‐ verktyg som genererar ett medelvärde och en standardavvikelse över
underhållskostnaderna för en grupp av bussar. Grupperingen bestäms av hur gammal bussen är och om den är en city-‐ eller regionalbuss. Verktyget kan användas av Arriva som beslutsstöd vid planering av bussflottan, Life Cycle Costing-‐analyser, budgetering samt prognostisering av underhållskostnader nästkommande år. Den ökade utnyttjandegraden av företagets resurser har en förhoppning om att bidra till en hållbar utveckling.
Bakgrund
Den danska trafikoperatören Arriva DK befinner sig i en expansionsfas. Detta resulterar i ett behov av att arbeta mer strukturerat i förhållande till tidigare ad-‐ hoc-‐kultur. Företaget har också upplevt en oönskad utnyttjandegrad av sin bussflotta. Ett beslut har därför tagits att skapa en portfölj som innehåller verktyg och processer som skall hantera styrningen av denna flotta.
Uppbyggnaden av portföljen påbörjas genom att låta ett examensarbete (Alenius & Pettersson, 2014) undersöka ett första område som kan förbättra
utnyttjandegraden av busslottan.
Problemidentifiering
För att identifiera ett lämpligt första område för förbättring genomförs
intervjuer med den grupp inom Arriva som är kopplat till styrningen av busslottan, av Alenius & Pettersson (2014) kallat fleet-‐
gruppen. Det område inom denna grupp som väckte störst intresse var supply chain management. Inom detta område
identifierades det ett behov av att skapa en bättre överblick av
underhållskostnader för bussarna. Underhållet genomför Arriva i egna verkstäder och planeringen görs med en tidsplan över ett år. Det diskuterades fram att utveckla ett Excel-‐verktyg som kan beskriva underhållskostnaden för direkt material hos en genomsnittlig buss.
Syfte
Projektets syfte delades upp i tre punkter: • Bestämma vilka parametrar som
signifikant påverkar underhålls-‐ kostnaderna för en buss, och som därmed kan användas för att beskriva utvecklingen av dessa kostnader.
• Skapa ett verktyg i Excel som estimerar underhållskostnaderna för en grupp av bussar, med avseende på de identifierade parametrarna.
• Utvärdera och diskutera
förutsättningar för ett användbart verktyg i framtiden.
Metod
För att uppfylla syftet med projektet genomfördes detta projekt enligt principerna för en operationsanalytisk studie, beskriven t.ex. av Hillier & Lieberman (2005). Data som används är både primär-‐ och sekundär samt kvalitativ och kvantitativ.
Litteraturstudier görs för att skapa en teorigrund. Undersökningen av
parametrar till beräkningsmodellen som
verktyget baseras på görs enligt en univariat samt en multivariat statistisk analys. Efter detta genomförs en analys av rensning av data för att kunna bygga upp ett verktyg som inte innehåller
missvisande extremvärden.
Analys
Genom diskussion med Arriva samt genom litteraturstudier identifieras i Alenius & Pettersson (2014) följande parametrar som kandidater att ingå i
beräkningsmodellen:
• Busstyp (city-‐ eller regionalbuss) • Bussfabrikat
• Bussålder • Körsträcka 2013
• Ackumulerad körsträcka (livstid) Parametrarna undersöks först individuellt för att få en bättre kunskap om hur de påverkar underhållskostnaderna. Baserat på denna undersökning kan antalet parametrar i beräkningsmodellen
reduceras och en enklare modell erhållas. De underhållskostnader som undersöks finns i affärssystem hos Arriva och klassas som antingen ”Planerat underhåll” eller ”Skador & vandalisering”. Totalt finns 1379 bussar som en analys skulle kunna baseras på. Dock är det inte möjligt att basera undersökningen för samtliga enskilda parametrar på detta antal. Brister och avgränsningar i datamaterialet
förekommer vilket medför att
undersökningen baseras på olika antal bussar för varje parameter.
I den uni-‐ och multivariata analysen använder Alenius & Pettersson (2014) histogram samt stapel-‐ och
spridningsdiagram för att undersöka utvecklingen hos underhållskostnaderna. Univariat analys
Parametern busstyp visar på ungefär likartade medelvärden för
underhållskostnader hos city-‐ respektive regionalbuss. Däremot, om parametern undersöks över tiden, kan det ses en tydlig skillnad i underhållskostnaderna.
Parametern anses vara intressant att undersöka vidare i en multivariat analys. Nästa parameter som undersöks är
bussfabrikat. Här görs en kostnadsmässig
jämförelse av fem olika fabrikat i Arrivas bussflotta. P.g.a. brist i datamaterialet är det svårt att dra rättvisa slutsatser från denna parameter. Därför utesluts parametern ur analysen.
När bussålder undersöks kan det ses att den nuvarande bussflottan är relativt ojämnt fördelad åldersmässigt. Det flesta bussar är 1, 3 och 4 år gamla.
Kostnadsmässigt kan det ses att underhållskostnaderna ökar med ökad ålder fram till dess att bussen är ungefär 6 år. Mellan 5-‐9 år sker en ganska liten förändring. Efter detta avtar kostnaderna. Detta anses av Arriva bero på det faktum att bussarna genomgår omfattande renoveringar vid 5-‐8 års ålder, vilket visar sig först efter år 9. Se Figur 1.
Figur 1 -‐ Medelkostnad (uppdelat per kostnadsbärare), visat mot bussålder.
Parameterns intressanta utseende gör att den kommer att undersökas i en
multivariat analys.
Analysen av Körsträcka 2013 visar att inga tydliga skillnader kan ses i underhålls-‐ kostnader för bussarna beroende på hur långt de kört under året. Parametern är dock intressant att ta med i en multivariat analys för att se samspelet med andra parametrar.
Analysen av Ackumulerad körsträcka visar att kostnadsutveckligen för denna
parameter liknar den för parametern
bussålder. Av denna anledning analyseras
denna parameter vidare i den multivariata analysen, med förhoppning om att kunna förenkla verktyget genom att utesluta någon av dessa två parametrar. Multivariat analys
Körsträcka 2013 är intressant att
undersöka i kombination med andra parameterar. I kombination med busstyp och bussålder ges följande
Figur 2 -‐ Spridningsdiagram över hur långt citybussar, av olika åldrar, har kört under år 2013.
Figur 3 -‐ Spridningsdiagram över hur långt
regionalbussar, av olika åldrar, har kört under år 2013. I Figur 2 kan inget tydligt samband ses och i Figur 3 kan ett svagt avtagande samband uttydas. Därför utesluts parametern
körsträcka 2013 från en framtida
beräkningsmodell.
När istället ackumulerad körsträcka undersöks i kombination med busstyp och
bussålder fås följande spridningsdiagram i
Figur 4 och Figur 5:
Figur 4 -‐ Spridningsdiagram över hur långt citybussar, av olika åldrar, har kört ackumulerat under sin livstid.
Figur 5 -‐ Spridningsdiagram över hur långt
regionalbussar, av olika åldrar, har kört ackumulerat under sin livstid.
I dessa diagram kan ett tydligare samband ses. Ackumulerad körsträcka tycks
korrelera väl med bussålder. Därför bör åtminstone någon av dessa parametrar ingå i beräkningsmodellen som Excel-‐ verktyget kommer att baseras på. Med tanke på att Arriva i nuläget baserar sin underhållsplanering på en tidsparameter rekommenderar Alenius & Pettersson (2014) i sin rapport att parametern
busstyp används i kombination med bussålder som grund i
beräkningsmodellen.
Beräkningsmodell och verktygsuppbyggnad
Då en underhållskostnad skall estimeras för en genomsnittlig buss är det av stor vikt att undersöka eventuella
extremvärden. Dessa kan annars orsaka en missvisande underhållskostnad hos en genomsnittlig buss. Det är därför intressant att undersöka orsaken till extremvärdena. Beror extremvärdet t.ex. på en krock anses detta värde inte vara representativt för en genomsnittlig buss, och bör därför tas bort.
För att ta bort dessa extremvärden används metoden för lådagram, efter en idé av Tukey (1977). Nedan ses det
lådagram som Alenius & Pettersson (2014) använde i uppbyggandet av sitt verktyg:
Figur 6 -‐ Lådagram över underhållskostnader för citybussar, visat mot ålder.
Till det slutliga Excel-‐verktyget används indata i form av underhållskostnader kopplat till direkt material, samt parametrarna busstyp och bussålder. Utdatan som sedan genereras består av ett medelvärde och en standardavvikelse för underhållskostnaden. Verktyget kan också beräkna vad den totala estimerade underhållskostnaden för bussflottan. Det finns även möjlighet att beräkna en komponent till en LCC-‐analys (Life Cycle Costing) i form av den totala kostnaden för direkt material under en buss livstid.
Slutsatser och diskussion
Ett Excel-‐verktyg har skapats som baseras på en beräkningsmodell.
Beräkningsmodellen estimerar
underhållskostnadernas medelvärde och standardavvikelse för olika kategorier av bussar baserat på historisk information under ett givet år. Indata till
beräkningsmodellen beror på
parametrarna busstyp och bussålder och genom metoden för ett lådagram
genereras sedan utdata i form av ett
medelvärde och en standardavvikelse för underhållskostnaden.
Av de fem parametrarna som undersöktes används bara två i verktyget. Parametern
bussfabrikat hade otillräcklig datamängd
och parametern körsträcka 2013 visade ingen variation i storlek på
underhållskostnaden, oavsett hur långt en buss kört år 2013.
Det rekommenderas att samma analys genomförs när kostnadsmaterial för år 2014 finns tillgängligt. Detta för att ha uppdaterade underhållskostnader och för att Arriva planerar sitt underhåll över 1 år. Det är värt att notera att Alenius &
Pettersson (2014) har antagit att korrekt data har erhållits från Arriva.
Referenser
ALENIUS, I. & PETTERSSON, M. (2014).
Fleet Management – Utveckling av verktyg för estimering av underhållskostnader.
Lund: Lunds Tekniska Högskola, Lunds Universitet.
HILLIER, F. S. & LIEBERMAN, G. J. (2005).
Introduction to Operations Research.
Boston: McGraw-‐Hill.
TUKEY, J. W. (1977). Exploratory Data
Analysis. Princeton: Addison-‐Wesley
Publishing Company.
