Das Forschungsprojekt "Robuste Personaleinsatzplanung im Flugverkehr und im öffentlichen Personenverkehr"beschäftigte sich mit der Dienstplanung von Piloten und Kabinenbesatzun­gen in Linienfluggesellschaften sowie Fahrern von Bussen im öffentlichen Personennahver­kehr. Bei der Generierung von Dienstplänen wurden in beiden Fällen Optimierungsmethoden des Operations Research eingesetzt, wodurch in den letzten Jahrzehnten Kostenersparnisse nicht selten in Millionenhöhe erzielt wurden. Diese gingen bisher jedoch teilweise dadurch verloren, dass während der Ausführung aufgrund von Störungen kostenintensive Änderungen und Modifikationen der optimierten Dienstpläne notwendig wurden.

Das Ziel des Forschungsprojektes bestand daher darin, Planungsmethoden und -algorithmen für die ro­buste Planung zu entwickeln, so dass die generierten Dienstpläne bei Störungen und kurzfris­tigen Änderungen weniger betroffen sind.

Zunächst wurde der Begriff Robustheit für Zwecke des Forschungsprojekts definiert und messbar gemacht. Es wurden verschiedene Maße für die Robustheit der Pläne entwickelt, wie z.B. Anzahl und Schweregrad sekundärer Verspätungen, Anzahl der Ressourcenbelegungs­konflikte oder verletzter Dienstregeln. Diese Maße haben sich als wertvoll für eine Abschätzung der er­warteten Kosten des tatsächlichen Ressourceneinsatzes herausgestellt, die es bei der Robusten Planung zu minimieren gilt.

Die entwickelte stochastische Optimierungskomponente ist ein neuer Beitrag in der wissenschaftlichen Literatur. Zuvor veröffentlichte Forschungsergebnisse berücksichtigen vereinfachte Modelle, die u.a. wegen des hohen Rechen- und Datenauf­wands viele praxisrelevante Aspekte ignorieren. In diesem Projekt wurden diese Modelle in technischer Hinsicht erweitert, um dem realen Komplexitätsgrad aus der Praxis zu begegnen. Zudem wurden die Modelle auf europäische Verhältnisse angepasst.

Als Ausgangspunkt für das Projekt diente das am Lehrstuhl entwickelte Crew-Scheduling-System für den ÖPNV, wobei die Pairing-Optimierung auf einem Set-Partitioning-Modell und Column-Generation basiert. Es wurde eine neuer Ansatz zur stochastischen Column-Gene­ration entwickelt, der es ermöglicht, große praxisrelevante Modelle zu lösen. Die Aufgaben­stellung wird alternativ als ein duales Lagrange-Problem formuliert und mit einem Subgra­dientenverfahren gelöst oder als ein lineares Optimierungsmodell formuliert und mit Stan­dardsoftware für Lineare Programmierung gelöst. Für das MIP-Modell wurde ein spezieller mehrkriterieller Branch&Price&Cut-Algorithmus angewandt. Weiterhin wurden mehr­kriterielle Metaheuristiken, insbesondere SANE und MOEA für den Einsatz in der ÖPNV-Planung implementiert und bewertet.

Zur Evaluierung der Robustheit der generierten Dienstpläne wurde ein diskreter ereignis­orientierter Simulator konzipiert und entwickelt. Die Simulationssoftware besitzt neben einem Event-Prozessor, der den Zeitfortschritt simuliert und Ereignisse aus der Warteschlange ver­arbeitet, eine Störungsgenerierungs- und eine Störungsmanagementkomponente.Die Archi­tektur des Simulationssystems ist generisch, so dass die beiden letzteren Komponenten in un­terschiedlicher Genauigkeit und Komplexität eingesetzt werden können. Je nach Verwen­dungszweck des Simulators -- einmalig zur Evaluation fertiger Einsatzpläne oder mehrfach - in jeder Iteration eines stochastischen Optimierungsverfahrens -ist ein anderer Detaillierungsgrad der beiden Komponenten erforderlich.

Zukünftige Arbeiten können sich insbesondere darauf konzentrieren die Flexibilität als zweiten Einflussfaktor der Robustheit zu berücksichtigen. Dabei stehen Überlegungen im Vordergrund, wie stabile Einsatzpläne gleichzeitig auch ein hohes Maß an Flexibilität aufweisen können, um Störungen während Ausführung durch kostengünstige und einfache Eingriffe abzufedern. Eine Untersuchung des Zusammenspiels von Stabilität und Flexibilität greift dabei die Frage auf, ob eine Gegenläufigkeit dieser beiden Aspekte herrscht.

Zusätzlich ist die Verfeinerung des Verspätungsgenerators sinnvoll, um den Methoden zur robusten Ressourcen-Einsatzplanung eine realistische Grundlage zu verleihen. Durch die Analyse historischer Verspätungsdaten können Verspätungsrisiken an unterschiedlichen Orten und zu unterschiedlichen Zeiten bestimmt werden. Erkenntnisse, wie auch resultierende statistische Verteilungen, können anschließend in der langfristigen Planung berücksichtigt werden.