Оптимизация расписания
и сменно-суточного планирования
Оптимизация расписания транспортной сети. Сменно-суточное планирование
Направления использования
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
- Единая шина данных (publisher/ subscriber): модульная архитектура
- Модули: PhoenixDS AI, PhoenixDS GA, PhoenixDS Hybrid, Nuvola - Аналитика
Масштабируемая система – для высоких нагрузок
Языки разработки
Базы данных
Математические методы оптимизационного алгоритма
Схема работы гибридных алгоритмов
Алгоритм поиска оптимального расписания
- Генерация расписания
- Проверка качества расписания
Сгенерированное расписание
Значение «фитнес»-функции
как критерий оптимальности
Имитационная модель
- Имитация работы системы
- Расчет показателей руды
- Расчет «фитнес»-функции
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
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
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
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