Umeå universitets logga

Osäkerhet i råvaruutbud och efterfrågan utgör betydande utmaningar för skogsindustrins logistiksystem. Ineffektiva beslut om lagerhållning vid terminaler, transporter och terminalstruktur kan leda till ökade kostnader, kapacitetsbrister och högre CO2-utsläpp. Detta examensarbete analyserar osäkerhetens påverkan på lagerdynamik, transportplanering och terminallokalisering i skogsindustrins försörjningskedja. Först modelleras lagerdynamiken över en årscykel under osäkerhet i utbud och efterfrågan. Därefter optimeras lager- och transportbeslut i ett internt logistiksystem utan externa virkesbyten, givet en tidsutjämnad industriefterfrågan. Slutligen optimeras lokaliseringen av en ny terminal med avseende på kostnader och CO2-utsläpp under osäkerhet. Studien kombinerar scenariobaserad simulering, rullande planeringshorisont och stokastisk optimering.

Resultaten visar att lagerdynamiken i hög grad drivs av säsongsvariationer, osäkerhet i råvaruflöden och efterfrågan samt strukturella nätverksbegränsningar. En tydlig asymmetri identifieras där inflöden till terminaler stabiliseras genom aggregering från flera källor, medan utflöden är mer restriktionsstyrda. Detta medför ökad variation i kostnadsoptimala lager- och transportbeslut mellan scenarier. I avsaknad av virkesbyten och tidsmässig leveransflexibilitet framträder terminalkapacitet som en bindande restriktion under vårperioden, vilket begränsar möjligheten att fatta kostnadsoptimala beslut och minskar systemets anpassningsförmåga. Kostnadseffektiviteten i det interna systemet styrs av en säsongsberoende allokering mellan direkta och terminalbaserade transportflöden, där terminaler fungerar som buffertlager vid ett högt råvaruutbud och successivt används för utjämning när utbudet minskar. De kostnadsoptimala besluten uppvisar dessutom relativt stabila säsongsmönster mellan scenarier, vilket möjliggör indikativa referensintervall för terminalutnyttjande och transportplanering under osäkerhet i råvaruutbudet.

För lokaliseringsproblemet identifieras först en kostnadsoptimal kandidatterminal bland järnvägsnätets trafikstationer, där Älvsbyn framstår som det mest kostnadseffektiva alternativet. Skillnaderna i förväntad kostnad mellan de främsta kandidaterna är dock små, vilket indikerar begränsad särskiljningsförmåga i kostnadsdimensionen. När analysen utvidgas till ett flerobjektivt stokastiskt beslutsramverk identifieras Hoting som den mest robusta kandidaten med stabil prestanda över scenarier och målviktningar. Lokaliseringsbeslutet under osäkerhet drivs därmed i högre grad av robusthet och flerobjektiv prestanda än av enbart kostnadsminimering. Resultaten indikerar även potential för effektivisering i det befintliga systemet, främst genom optimering av lastbilsflöden.

Sammantaget visar studien hur scenariobaserad simulering, rullande planeringshorisont och stokastisk optimering kan stödja strategiska och operativa beslut under osäkerhet i komplexa logistiksystem, med relevans för kostnadseffektivitet och hållbarhet inom skogsindustrin.

Uncertainty in raw material supply and demand poses significant challenges for logistics systems in the forest industry. Inefficient decisions regarding inventory management at terminals, transportation and terminal structure can lead to increased costs, capacity shortages and higher CO2 emissions. This thesis analyzes the effects of uncertainty on inventory dynamics, transport planning and terminal location within the forest industry supply chain. First, inventory dynamics are modeled over an annual cycle under uncertainty in raw material supply and demand. Subsequently, inventory and transport decisions are optimized within an internal logistics system without external timber exchanges, assuming uniform industrial demand throughout the year. Finally, the location of a new terminal is optimized with respect to costs and CO2 emissions under uncertainty. Methodologically, the study combines scenario-based simulation, a rolling horizon approach and stochastic optimization.

The results show that inventory dynamics are primarily driven by seasonal variation, uncertainty in raw material flows and demand, and structural network constraints. A clear asymmetry is identified, where inflows to terminals are stabilized through aggregation from multiple sources, while outflows are more constraint-driven. This leads to increased variation in cost-optimal inventory and transport decisions across scenarios. In the absence of timber exchanges and temporal delivery flexibility, terminal capacity emerges as a binding constraint during the spring period, limiting the ability to make cost-optimal decisions and reducing system adaptability. Cost efficiency within the internal system is governed by a seasonal allocation between direct and terminal-based transport flows, where terminals function as buffer storage during periods of high raw material supply and are gradually used for smoothing as supply decreases. The cost-optimal decisions also exhibit relatively stable seasonal patterns across scenarios, enabling indicative reference intervals for terminal utilization and transport planning under uncertainty in raw material supply.

For the location problem, a cost-optimal candidate terminal is first identified among all railway stations in the network, where Älvsbyn emerges as the most cost-efficient alternative. However, differences in expected cost among leading candidates are small, indicating limited discriminative power in the cost dimension. When extended to a multi-objective stochastic decision framework, Hoting emerges as the most robust candidate, with stable performance across scenarios and objective weightings. The location decision under uncertainty is thus driven more by robustness and multi-objective performance than by cost minimization alone. The results also indicate potential for efficiency improvements in the existing system, primarily through optimization of truck flows.

Overall, the study demonstrates how scenario-based simulation, rolling horizon planning and stochastic optimization can support strategic and operational decision-making under uncertainty in complex logistics systems, with relevance to cost efficiency and sustainability in the forest industry.