استفاده از داده کاوی برای برنامه ریزی پرواز شرکت هواپیمایی

استفاده از داده کاوی برای برنامه ریزی پرواز شرکت هواپیمایی

 

چکیده

در کشور جمهوري اسلامي ايران نيز چندين فرودگاه بین المللی وجود دارد که مهمترين آنها فرودگاه امام خمینی است. در حال حاضر سيستم حمل و نقل در اين ترمينال به صورت غير خودکار مي باشد. به استناد اخبار منتشره از صدا و سيماي جمهوري اسلامي ايران،به دليل غير خودکار بودن اين فرودگاه ظرفيت ترمينال افت بسياري پيدا کرده و بيش از ۳۰ درصد مسافر ها اين ترمينال در فرودگاه دوبي خروج و ورود مي شوند. چنين مسأله اي زنگ خطر براي عقب نيفتادن ايران از قافله پيشرفت به صدا در آورده است. سيستم هاي رفت امد درون ترمينال داراي انواع مختلفي مي باشد بهینه سازی عملیات ترمینال مسافربری یک زمینه بسیار مهم مطالعه است. برخی از مشکلات رایج شامل تخصیص فرودگاه ، تعیین گیت فرودگاه و زمانبندی گیت فرودگاه است. در اینجا ما در حال بررسی یک مدل یکپارچه از هر دو مشکل تعیین گیت فرودگاه و زمانبندی هستیم. یک مدل ریاضی اولیه در نظر گرفته شده است که برای به حداقل رساندن فاصله زمانی استفاده می شود. بر اساس مدل ریاضی و با فرض های خاص ، یک الگوریتم پیشنهادی دیتا کاوی مطالعه شده است. در قسمت آخر ، روش اصلاح شده دیتا کاوی مشخص شده است.

 

کلمات کلیدی: بهینه‌سازی-دیتا کاوی-گیت- فرودگاه- هواپیما

 

۱-۱- مقدمه

در دهه های اخیر ، به دلیل جهانی شدن ، افزایش تعداد مسافر پروازی حمل و نقل مشخص شده است. از پایانه های فرودگاهی برای پاسخگویی به چالش استقرار هواپیما های بسیار بزرگ که توانایی حمل ۵۰۰ تا ۱۰۰۰ نفر معادل بیست فوت (TEU) را دارند ، خواسته می شود. بنابراین یک رویکرد سیستماتیک برای بهینه سازی ترمینال مسافربری برای غلبه بر این چالش ضروری می شود از آنجا که گیت های Quay (QC) گرانترین تجهیزات مورد استفاده در پایانه های مسافربری هستند ، عملکرد آنها تا حد زیادی بر کارایی حمل و نقل تأثیر می گذارد. QC ها در یک مسیر ریلی در کنار فرودگاه حرکت می کنند. به محض قرارگیری یک هواپیما در فرودگاه ، QC ها مسئول حمل مسافر به هواپیما هستند. برنامه ریزی عملیات QC بخشی از عملیات فرودگاه یک ترمینال پروازی است و از QCAP و QCSP تشکیل شده است. این مشکلات به طور مکرر ادغام می شوند ، زیرا با هم ارتباط دارند.

QCAP اساساً یک مشکل واگذاری است که پارامترهای دیگری مانند توافق نامه های خدمات منعقد شده با اپراتورهای هواپیما ، تعیین حداقل یا حداکثر تعداد گیت قابل اختصاص به هواپیما ، QC های موجود در فرودگاه ، تعداد هواپیما های حمل شده در داخل را در نظر می گیرد. یک افق برنامه ریزی شده مشخص ، حجم ورودی در هر هواپیما ، و اینکه آیا گیت ها مجاز به انجام عملیات جابجایی در بیش از یک هواپیما در یک افق برنامه ریزی هستند یا نه.

QCSP یک مشکل برنامه ریزی است ، پیچیده تر از QCAP ، زیرا در تعیین توالی وظایف مربوط به QC و نقاط زمانی که اینها انجام می شود تصمیم می گیرد. یک جنبه مهم QCSP این واقعیت است که شرایط موقعیت یابی باید همیشه اعمال شود. به طور دقیق تر ، از آنجا که گیت ها با یک ریل حرکت می کنند ، اجازه عبور از یکدیگر را ندارند. اینها به عنوان محدودیتهای عبور از مسیر شناخته می شوند. بعلاوه ، با فرض این که گیت ها بر اساس موقعیت آنها نمایه می شوند ، گیت های دارای نمایه متوسط نمی توانند در قسمت های انتهایی خدمت کنند ، زیرا باز هم این امر باعث نقض شرایط عدم عبور می شود. برای جلوگیری از قرارگیری گیت های مجاور در نزدیکی یکدیگر ، در چندین مدل شرایط ترخیص نیز در نظر گرفته شده است. محدودیت های ازدحام حیاط نیز در موارد خاص در نظر گرفته می شوند ، در صورتی که اطمینان از عدم وجود ترافیک در مناطق ذخیره سازی حیاط در هر برهه از زمان مهم است.

فایل ورد و پی دی اف مقاله

منابع

  • Ambrosino, D., Bramardi, A., Pucciano, M., Sacone, S., Siri, S. (2011). Modeling and solving the train load planning problem in seaport container terminals. In: of the 7th annual IEEE Conference on Automation Science and Engineering, pp. 208–۲۱۳٫
  • Ambrosino, D., Caballini, C., Siri, S., (2013). A mathematical model to evaluate different train loading and stacking policies in a container terminal. Maritime Economic & Logistics, 15, 292–۳۰۸٫
  • Ambrosino, D. and Siri, S. (2015). Comparison of solution approaches for the train load planning problem in seaport terminals, Transportation Research Part E, 79, 65–۸۲٫
  • Anghinolfi, D., Paolucci, M., (2014). A general purpose Lagrangian heuristic applied to the train loading problem. Procedia – Social Behaviour Science, 108, 37–۴۶٫
  • Bertsekas, D. P. (1976). Dynamic programming and stochastic control. New York: Academic Press.
  • Bierwirth, C. and Meisel, F. (2010). A survey of berth allocation and quay crane scheduling problems in container terminals, European Journal of Operational Research, 202, 615–۶۲۷٫
  • Bruns, F. and Knust, S. (2012). Optimized load planning of trains in intermodal transportation. OR Spectrum, 34(3), 511–۵۳۳
  • Caballini, C., Pasquale, C., Sacone, S. and Siri, S. (2014). An event-triggered receding-horizon scheme for planning rail operations in maritime terminals, IEEE Transactions on Intelligent Transportation Systems, 15(1), 365-375.
  • Caballini, C., Fioribello, S., Sacone, S. and Siri, S. (2016). An MILP optimization problem for sizing port rail networks and planning shunting operations in container terminals, IEEE Transactions on Automation Science and Engineering, 13(4), 1492-1503.
  • Carlo, H.J., Vis, I.F.A. and Roodbergen, K.J., (2014). Transport operations in container terminals: literature overview, trends, research directions and classification scheme. European Journal of Operational Research, 236, 1–۱۳٫
  • Corry, P. and Kozan, E. (2008). Optimised loading patterns for intermodal trains. OR Spectrum, 30(4), 721–۷۵۰٫
  • Dobos, I., & Richter, K. (2004). An extended production/recycling model with stationary demand and return rates. International Journal of Production Economics, 90(3), 311–۳۲۳٫
  • Dobos, I., & Richter, K. (2006). A production/recycling model with quality considerations. International Journal of Production Economics, 104(2), 571–۵۷۹٫
  • Evans L.C. (2010), An Introduction to Mathematical Optimal Control Theory, University of California, Berkeley.
  • Gillen D. and Hasheminia H. (2018), Empirical Analysis and Simulation Modeling of a Canadian Seaport Transportation Network, Journal of Supply Chain and Operations Management, 16(1), 17-35.
  • Gunther, H.O. and Kim, K.H. (2006), Container terminals and terminal operations, OR Spectrum, 28(4), 437–۴۴۵٫
  • Han X., Lu Z. and Xi L. (2010), A proactive approach for simultaneous berth and quay crane scheduling problem with stochastic arrival and handling time, European Journal of Operational Research, 207(3), 1327-1340.
  • Heggen, H., Braekers, K. and Caris, A. (2016). Optimizing Train Load Planning: Review and Decision Support for Train Planners, International Conference on Computational Logistics, Lecture Notes in Computer Science (LNCS), 9855, 19208.
  • Kim, K.H. and Lee, H. (2015). Container Terminal Operation: Current Trends and Future Challenges, In Lee, C.-Y. and Q. Meng (ed), Handbook of Ocean Container Transport Logistics– Making Global Supply Chain Effective, Springer, New York, 474.
  • Murty, K.G., Wan, Y.W., and Liu, J. (2005). Hongkong International Terminals gains elastic capacity using a data-intensive decision-support system. Interfaces, 35(1), 61-75.
محصولات مرتبط

دیدگاهی بنویسید.

0