Оптимизация расписания
и сменно-суточного планирования

Оптимизация расписания транспортной сети. Сменно-суточное планирование

Направления использования

Оптимизация расписания транспортной сети и сменно-суточного планирования позволяет достичь максимальной эффективности логистических процессов. Вот ключевые направления использования этой технологии:

Увеличение объема перевозимой продукции без изменения количества используемых транспортных средств

Фиксация действий всех участников транспортного процесса, контроль за скоростью, месторасположением и направлением движения состава, фактическое использование движущихся и неподвижных частей локомотивов и ж/д вагонов и др.

Планирование и диспетчеризация поездной и маневровой работы

Организация и контроль перевозок: поддержка принятия решений, управление сменными заданиями, онлайн-мониторинг отклонений от заданного плана

Технологии

Математические методы оптимизационного алгоритма

Для достижения максимальной эффективности применяется комбинация проверенных математических подходов и современных технологий:

Оптимизация расписания: схема работы гибридных алгоритмов

Алгоритм поиска оптимального расписания

Сгенерированное расписание

Значение «фитнес»-функции

как критерий оптимальности

Имитационная модель

Алгоритм поиска оптимального расписания
и имитационная модель в масштабе реального времени

Загрузка расписания и инициализация системы

Пока не закончилось время симуляции: имитация перемещения руды агентами системы с расчетом ее количества и концентрации на каждом узле системы

Расчет итоговых параметров руды на выходе из модели

Сравнение фактических и плановых параметров руды, расчет «фитнес»-функции

Инструментарий математической библиотеки Phoenix AI

Для решения задач применяется мощный аналитический инструментарий, включающий:

Методы поиска и анализа аномалий расхода топлива

Методы кластеризации

DBSCAN, K-Means, вероятностные методы и др.

Методы машинного обучения

SVM, Boosting и др.

Детекция на основе порогов

Фильтр Калмана и его модификации

Методы оптимизации маршрутов транспортных средств

Генетический алгоритм

Методы линейного программирования

Нелинейные программирование

Муравьиные алгоритмы и др.

Оптимизация расписания при помощи генетического алгоритма

Генетический алгоритм позволяет находить эффективные решения для сложных задач планирования, адаптируясь к множеству ограничений. Рассмотрим, как это работает на практике:

Диаграмма Ганта

Эволюция популяций

Поставленная задача

Построить оптимальное расписание движения транспортных средств на 12-часовую смену для 42 транспортных средств (ТС)

Результат

С помощью оптимизационного алгоритма удалось распределить задачи реализации плана в 11.85 ч.

и сократить число задействованных ТС на 5%

Эффект

Сокращение эксплуатационных издержек на транспортные средства

Работа системы

Уведомления и запись в отчеты

Переход на рабочий стол
с показателями выбранного объекта

Отображение текущего положения в GIS

Эффекты

Применение данного решения приводит к значимым изменениям в работе транспортной сети:

Повышение объема и ритмичности грузоперевозок

Экономия на эксплуатационных расходах и перерасходах горючего

Сокращение простоев транспортной и погрузочно-разгрузочной техники

Сокращение времени оборота транспортной техники и увеличение производительности

Минимизация влияния субъективного фактора

Повышение дисциплины локомотивных бригад: снижение количества инцидентов и перегруза транспортных средств

Формирование отчетов для оценки эффективности работы транспортной сети в режиме реального времени

Информирование о возникновении конфликтов в логистической сети и помощь в принятии решения для разрешения конфликтов

Оптимизация расписания и сменно-суточного планирования