Mixed-Integer Linear Programming Model for Reducing the Backlog of Service Orders at Electric Power Utilities

Wenn ein Stromversorger mit einem plötzlichen Sturm oder einer Häufung von Geräteausfällen konfrontiert ist, stoppt die Arbeit nicht; sie häuft sich an. Diese Anhäufung unvollständiger Reparaturanfragen wird als Rückstau oder Backlog bezeichnet. Für Versorgungsunternehmen ist das Management dieses Rückstaus ein schwieriger Balanceakt. Sie müssen entscheiden, welcher Techniker zu welchem Haus fährt, wann er dorthin geschickt wird und wie sie die unvermeidlichen Verzögerungen durch schlechtes Wetter oder einen Arbeitskräftemangel bewältigen. Wenn sie dies falsch machen, warten Kunden zu lange auf die Wiederherstellung der Stromversorgung, und das Unternehmen sieht sich mit hohen Geldstrafen und verärgerten Bürgern konfrontiert. Die Herausforderung besteht nicht nur darin, genügend Personal für die Arbeit zu haben, sondern die Arbeit so zu organisieren, dass die kritischsten Reparaturen zuerst erfolgen, während gleichzeitig Fortschritte bei den weniger dringenden Aufgaben erzielt werden. Dies ist ein Problem der Logistik und Priorisierung, bei dem ein kleiner Fehler in der Planung zu einer massiven Verzögerung des Service führen kann.

Ein Team von Forschern aus Brasilien hat einen neuen Weg entwickelt, um dieses Problem zu lösen, indem sie ein hochentwickeltes Computermodell entworfen haben, das Außendienstteams organisiert. Anstatt die Arbeiter einfach in der Reihenfolge der Auftragseingänge auszusenden, betrachtet ihr System die gesamte Liste der Aufträge, die Fähigkeiten der verfügbaren Techniker und die spezifische Dringlichkeit jeder Aufgabe. Die Forscher testeten dieses Modell gegen die traditionelle Methode, die von vielen Unternehmen angewendet wird – nämlich die Liste einfach von oben nach unten abzuarbeiten, eine Methode, die als „First-in, First-out“ bekannt ist. Ihre Ergebnisse zeigen, dass ein Versorgungsunternehmen durch die Verwendung ihres neuen Ansatzes seinen Rückstau viel schneller abbauen, deutlich weniger Geld für Überstunden ausgeben und seine Mitarbeiter vor erschöpfenden, chaotischen Zeitplänen bewahren kann.

Die Forscher entwickelten ein mathematisches Modell, das wie ein hocheffizienter Disponent fungiert. In der realen Welt könnte ein Stromversorger hunderte von Technikern und tausende von Reparaturaufträgen haben, die bearbeitet werden müssen. Einige dieser Aufträge sind Notfälle, wie etwa eine herabhängende Stromleitung, die einen Brand verursachen oder ein Krankenhaus ohne Strom lassen könnte. Andere sind routinemäßige Wartungsaufgaben, die ein paar Tage warten können. Das neue Modell trennt diese Aufgaben sofort. Es garantiert, dass jeder Notfallauftrag noch am Tag seiner Meldung einem Techniker zugewiesen wird, wodurch sichergestellt wird, dass die kritische Infrastruktur niemals warten muss. Soblich diese dringenden Jobs gesichert sind, nutzt das Modell die verbleibende Zeit und Energie der Belegschaft, um den Stapel der älteren, verzögerten Aufträge abzuarbeiten.

Ein wichtiges Merkmal dieses Systems ist die Art und Weise, wie es das Alter einer Anfrage behandelt. In einem Standardmodell könnte eine Reparaturanfrage mit niedriger Priorität wochenlang in der Warteschlange verharren, wenn ständig neue, etwas dringendere Anfragen eingehen. Das neue Modell ändert dies, indem es die Priorität eines Auftrags automatisch erhöht, je länger er wartet. Wenn eine Routine-Reparatur seit mehreren Tagen im Rückstau liegt, erkennt das System, dass sie an Bedeutung gewinnt, und rückt sie auf der Liste nach oben. Dies verhindert die Situation, in der kleinere Jobs unendlich lange vergessen werden, während das Unternehmen ständig neuen Notfällen hinterherläuft. Das Modell berücksichtigt auch die Realität menschlicher Arbeit, wie etwa Krankheitsausfälle, verspätetes Erscheinen oder die Notwendigkeit von Überstunden. Es berechnet die tatsächlich verfügbaren Stunden für jeden Arbeiter an jedem einzelnen Tag und weist die Aufgaben entsprechend zu, um sicherzustellen, dass niemand überlastet wird, während andere untätig sind.

Um zu sehen, ob diese Idee in der Praxis funktioniert, ließen die Forscher eine Simulation unter Verwendung von Realdaten eines Versorgungsunternehmens laufen. Sie speisten das Modell mit 2.847 Serviceaufträgen, die sich über einen Zeitraum von 30 Tagen erstreckten – ein Volumen, das einen geschäftigen Monat für eine mittelgroße Stadt widerspiegelt. Sie verglichen die Ergebnisse ihres neuen Systems mit der alten „First-in, First-out“-Methode. Der Unterschied war eklatant. Unter dem neuen System sank die durchschnittliche Wartezeit eines Kunden auf eine Reparatur um fast 43 Prozent. Während die alte Methode die Aufträge im Durchschnitt 14,3 Tage warten ließ, reduzierte das neue Modell diese Wartezeit auf nur 8,2 Tage. Diese Verbesserung gelang selbst dadurch, dass das neue System 51 Prozent weniger Überstunden verbrauchte als das alte. Die Forscher fanden heraus, dass die alte Methode ineffizient war; sie zwang die Arbeiter dazu, spät am Abend an Aufgaben mit niedriger Priorität zu arbeiten, während kritische Rückstau-Aufträge unberührt blieben. Das neue System lenkte diese zusätzliche Zeit dorthin, wo sie am wichtigsten war.

Die finanziellen Auswirkungen dieser Effizienz waren ebenfalls erheblich. Durch die Reduzierung der notwendigen übermäßigen Überstunden und die Vermeidung von Bußgeldern wegen langsamer Serviceleistungen zeigte die Simulation eine potenzielle Ersparnis von 754.000 Dollar im Laufe dieses einzigen Monats. Die Forscher berechneten, dass die Kosten für die Implementierung des Systems in weniger als neun Tagen amortisiert wären. Über das Geld hinaus verbesserte das System die Stabilität der Belegschaft. Die alte Methode schuf ein chaotisches Umfeld, in dem die täglichen Überstunden schwankten, was die Planung von Schichten oder die Vorhersage der Verfügbarkeit der Arbeiter erschwerte. Das neue System glättete diese Spitzen und Täler und schuf einen berechenbareren Zeitplan, der den Stress für die Techniker reduzierte und das Risiko von Fehlern durch Ermüdung senkte.

Die Forscher testeten auch, wie gut ihr Modell unter extremem Druck standhalten würde, indem sie Szenarien simulierten, in denen die Nachfrage sich verdreifachte oder die Hälfte der Belegschaft aufgrund einer Krise nicht verfügbar war. Selbst in diesen Worst-Case-Szenarien behielt das Modell seine Fähigkeit bei, Notfallreparaturen ohne Fehl zu bewältigen. Während die alte Methode unter einem solchen Stress zusammenbrach und kritische Aufgaben unbeachtet ließ, passte sich das neue System an, indem es die lebenswichtigsten Aufgaben priorisierte und den Rückstau so verwaltete, dass ein totaler Stillstand verhindert wurde. Diese Resilienz deutet darauf hin, dass das Modell nicht nur ein Werkzeug für normale Tage ist, sondern ein robustes Sicherheitsnetz für die unvorhersehbare Natur der Stromnetzverwaltung.

Die Studie kommt zu dem Schluss, dass das Geheimnis der Reduzierung von Rückständen nicht nur darin besteht, mehr Menschen einzustellen, sondern die vorhandene Arbeit intelligenter zu organisieren. Durch den Einsatz eines Systems, das Prioritäten dynamisch basierend auf der Wartezeit anpasst und Notfälle strikt von Routinearbeiten trennt, können Versorgungsunternehmen ihre Kunden schneller und zuverlässiger bedienen. Die Forscher schlagen vor, dass dieser Ansatz auch auf andere Branchen anwendbar sein könnte, in denen Teams eine Mischung aus dringenden und routinemäßigen Aufgaben verwalten, von der Telekommunikation bis hin zu Wassersystemen. Für den Moment ist die Evidenz aus der Simulation eindeutig: Eine intelligentere Art der Arbeitsplanung kann einen chaotischen Rückstau in einen kontrollierbaren Fluss verwandeln, damit das Licht an bleibt und die Kunden zufrieden sind.