Aircraft Maintenance Scheduling with Multi- Objective Simulation- Optimization

Samankaltaiset tiedostot
Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely)

Optimoinnin sovellukset

Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely)

Mat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet

Lineaaristen monitavoiteoptimointitehtävien

Kandidaatintyön esittely: Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen

Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi

Kombinatorinen optimointi

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.

TTY Porin laitoksen optimointipalvelut yrityksille

Algoritmit 2. Luento 13 Ti Timo Männikkö

Harjoitus 4: Matlab - Optimization Toolbox

Kuvioton metsäsuunnittelu Paikkatietomarkkinat, Helsinki Tero Heinonen

Algoritmit 2. Luento 12 To Timo Männikkö

Geneettiset algoritmit

Malliratkaisut Demot

Simulointimalli lentokoneiden käytettävyyden hallintaan. Ville Mattila Systeemianalyysin laboratorio Teknillinen korkeakoulu

Search space traversal using metaheuristics

Arvohäviö Rank Inclusion in Criteria Hierarchies menetelmässä. Jari Mustonen, 47046C,

Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)

Harjoitus 6 ( )

Harjoitus 5 ( )

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

Panosprosessien integroitu hallinta

TIES483 Epälineaarinen optimointi. Syksy 2012

Harjoitus 5 ( )

Harjoitus 6 ( )

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Optimization of Duties in Railway Traffic (valmiin työn esittely)

TIES483 Epälineaarinen optimointi

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

Mat Lineaarinen ohjelmointi

Algoritmit 2. Luento 11 Ti Timo Männikkö

Kokonaislukuoptimointi hissiryhmän ohjauksessa

Malliratkaisut Demot

Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely)

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Monitavoiteoptimointi

Kaksi sovellusta robustien päätössuositusten tuottamisesta

Simulation model to compare opportunistic maintenance policies

TIES483 Epälineaarinen optimointi

Robust portfolio modeling (RPM) epätäydellisellä hintainformaatiolla ja projektiriippuvuuksilla

Tuotannon simulointi. Teknologiademot on the road -hanke

Algoritmit 2. Luento 12 Ke Timo Männikkö

Malliratkaisut Demo 1

Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla

Matemaattinen optimointi I -kurssin johdantoluento Prof. Marko M. Mäkelä Turun yliopisto Matematiikan ja tilastotieteen laitos

Minimilatenssiongelman ratkaisualgoritmeja (valmiin työn esittely)

Katkonnanohjaus evoluutiolaskennan keinoin

Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu

SIMO-seminaari Helsinki

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Kimppu-suodatus-menetelmä

Malliratkaisut Demot

Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus

OPERAATIOTUTKIMUS METSÄTALOUDESSA

Mallinnus taistelun voittamiseksi -

Osakesalkun optimointi

Matematiikan tukikurssi

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

RAKENNUSTEN ENERGIANKÄYTÖN OPTIMOINTI. Kai Sirén Aalto yliopisto

Harjoitus 3 ( )

Verkko-optimointiin perustuva torjuntatasan laskenta mellakkapoliisin resurssien kohdentamisessa (valmiin työn esittely) Paavo Kivistö

Talousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta

Pisteen x lähistö koostuu kaikista ratkaisuista, jotka on saatu x:stä tekemällä siihen yksi siirto:

ILMAILUMÄÄRÄYS OPS M3-15. PL 186, VANTAA, FINLAND, puh. 358 (0) , Faksi 358 (0)

Implementation of Selected Metaheuristics to the Travelling Salesman Problem (valmiin työn esittely)

Inarijärven säännöstelyn toteutuminen vuosina Lapin elinkeino-, liikenne- ja ympäristökeskus

Uskottavuusperusteisten luottamusvälien korjaaminen bootstrap-menetelmällä Pro gradu -esitelmä

3.4 Peruutus (backtracking)

Portfoliolähestymistapa CO2 - kiilapelin analysoinnissa (valmiin työn esittely) Tuomas Lahtinen

Talousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Miten huolletaan 11/30/09. Aki Suokas

HUOLTO-OHJELMA HO-969-0

TIEA382 Lineaarinen ja diskreetti optimointi

Malliratkaisut Demot

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

LCS Elinkaaripalvelut Luotettavuuden ja tuottavuuden parantaminen. April, 2017

Eläkelaitoksen Optimointimallin Rakentaminen

MAT PÄÄTÖKSENTEKO JA ONGELMANRATKAISU

Tehokas ilmaisku. Terminologiaa. Ilmaisku. Tavoitteiden saavuttaminen. Suunnittelun tavoitteet. S ysteemianalyysin Laboratorio Teknillinen korkeakoulu

Luetteloivat ja heuristiset menetelmät. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä

Kon Konepajojen tuotannonohjaus: ILOG CPLEX Studion käyttö

Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016

Tilastotieteellisiä malleja välimatka- ja suhdeasteikollisten preferenssien mittaamiseen. Pekka Leskinen ja Tuomo Kainulainen Metla

Simulointi. Tapahtumapohjainen

Työvuorosuunnittelun optimointi (valmiin työn esittely)

Additiivinen arvofunktio projektiportfolion valinnassa

Optimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely)

MS-E2177 Operaatiotutkimuksen projektityöseminaari 2016

Epälineaarinen hinnoittelu: Diskreetin ja jatkuvan mallin vertailu

SIMO-pilotointi Metsähallituksessa. SIMO-seminaari

Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen

TIMBERLOG OHJEET 1 (12) TimberLOG - Käyttöohje Versio 2.2

Demo 1: Branch & Bound

Transkriptio:

Aircraft Maintenance Scheduling with Multi- Objective Simulation- Optimization 7.5.2011 Ohjaaja: Ville Mattila Valvoja: Raimo Hämäläinen

Tausta Ilmavoimilla tärkeä rooli maanpuolustuksessa Rauhan aikana Ilmatilan valvonta Ilmatilan loukkausten estäminen Sodan aikana Hävittäjätorjunta Kohteiden suojaus Maakohteiden tuhoaminen FiAF: 62 kpl F-18C/D

Tehtävä (1/3) Hävittäjälentokoneiden huoltojen aikataulutus Aikataulu = Huoltojen suunnitellut aloitusajat Tavoitteet Lentokoneiden käytettävyyden maksimointi Huoltojen suunniteltujen ja toteutuneiden aloitusaikojen erojen minimointi Tavoitteiden toteutuminen Monimutkainen, epävarmuutta sisältävä kokonaisuus Estimoitava simuloimalla => Monitavoitteinen simulointi-optimointitehtävä

Tehtävä (2/3) x = Huoltosuunnitelma x i,j = i. lentokoneen j. suunniteltu huolto n i = i. lentokoneelle suunniteltujen huoltojen lukumäärä l = Huoltopäivämäärän alaraja u = Huoltopäivämäärän yläraja M = Lentokoneiden lukumäärä Y A = Lentokoneiden keskimääräinen käytettävyys Y D = Keskimääräinen ero toteutuneiden ja suunniteltujen huoltopäivien välillä ω = Mallin stokastiikka

Tehtävä (3/3) C = Suunnittelujakson pituus vuorokausissa φ(x,ω,t) = Indikaattorifunktio, joka antaa arvon 1 jos lentokone on käytettävissä, 0 jos se ei ole käytettävissä ajanhetkellä t V(x,ω;C) = Niiden indeksien joukko, joita vastaavat huollot toteutuivat C:n aikana. n(v(x,ω;c)) = Toteutuneiden huoltojen lukumäärä C:n aikana τ(x,ω;c) = Toteutuneen huollon päivämäärä C:n aikana

Lähestymistapa Simulointimallin muodostaminen Ei-dominoidun ratkaisujoukon tuottaminen Preferoidun ratkaisun valinta em. joukosta

Simulointimalli Optimointi Päätösanalyysi

Simulointimalli (1/5) Mallinnetaan laivueen päivittäistä toimintaa Käytettävien lentokoneiden valinta Lentojen suorittaminen Tarkastukset lentojen jälkeen Vikojen havainnointi Huoltotarpeiden toteaminen Huoltoon lähetys ja huollosta vastaanottaminen => Tapahtumapohjainen simulointi

Simulointimalli (2/2)

Simulointimalli Optimointi Päätösanalyysi

Optimointialgoritmi (1/7) Simuloitu jäähdytys (Simulated Annealing) Sopii tehtäviin, joissa on iso ratkaisujoukko ja riittää löytää hyvä ratkaisu Ideana etsiä uusi ratkaisu nykyisen ratkaisun lähiympäristöstä, sekä sallia ylärinteeseen siirtymiset Välttää lokaalit optimit Ei välttämättä löydä globaalia optimia

Optimointialgoritmi (2/7) Uuden ratkaisuehdokkaan muodostus = suurin sallittu muutos nykyisestä päivämäärästä (l,u) = huoltopäivämäärän ala- ja yläraja

Optimointialgoritmi (3/7)

Optimointialgoritmi (4/7)

Optimointialgoritmi (5/7)

Optimointialgoritmi (6/7)

Optimointialgoritmi (7/7)

Simulointimalli Optimointi Päätösanalyysi

Ratkaisun valinta (1/3) Kun ei-dominoitu ratkaisujoukko on laskettu, päätöksentekijän on valittava toteutettava ratkaisu Monitavoitteinen arvoteoria (MAVT) Additiivinen arvofunktio Intervallit yksiattribuuttisille arvoille simuloinnin tuottamien kohdefunktioiden arvojen luottamusväleistä Intervallit attribuuttien painoille päätöksentekijältä Dominanssien lasku, päätössäännöt

Ratkaisun valinta (2/3) Kohdefunktion ala- ja ylärajat

Ratkaisun valinta (3/3) Kohdefunktioiden arvointervallit Kohdefunktioiden painointervallit päätöksentekijältä

Esimerkkitehtävä (1/8) 16 lentokonetta 4 konetta päivittäisessä toiminnassa 4 lentoa/kone, t L ~ norm(45min,15min) Vikaantumisväli, t F ~ exp(12h) 6 eri tyyppistä huoltoa Suunnitteluaika 260 vrk 2000 itetaariota, 50 replikaatiota/iteraatio S = 20 = 20

Esimerkkitehtävä (1/7) Eri huoltotyyppejä ja huoltolaitoksia Huoltovälit Maintenance type Interval (flight hours) Tolerance (hours) Facility Maintenance time (hours) type I 50 ± 5 1 tria(3.88,10,16.12) type II 125 ± 20 2 50 + gamm(12.5,2) type III 250 ± 20 2 125 + gamm(31.25,2) type IV 500 ± 20 3 260 + gamm(60,2) type V 1000 ± 20 3 300 + gama(60,2) type VI 2000 ± 20 3 333,33 + gamm(83.33,2)

Esimerkkitehtävä (2/7) Alkutilanne Satunnainen aikataulu Keskimääräinen käytettävyys: 65,8 % Keskimääräinen huoltopäivan poikkeama suunnitellusta: 80,6 d

Esimerkkitehtävä (3/7) Toteutuneet huollot 50 simulaatiossa

Esimerkkitehtävä (4/7) Ei-dominoitu joukko, kolme optimointiajoa

Esimerkkitehtävä (5/7) Preferoidun ei-dominoidun ratkaisun valinta Esim. maxmin tai maxmax => C

Esimerkkitehtävä (6/7) Keskimääräinen käytettävyys 79,1 %

Esimerkkitehtävä (7/7) Keskimääräinen huoltopäivän poikkeama suunnitellusta 5,0 d

Optimointityökalu (1/4)

Optimointityökalu (2/4)

Optimointityökalu (3/4)

Optimointityökalu (4/4)