Upload
truongthuan
View
212
Download
0
Embed Size (px)
Citation preview
LA R.O. à MONTRÉAL Succès en planification
Nouveaux défis en temps réel
François Soumis
GERAD
1 Journées de la recherche 2013
SUCCÈS EN PLANIFICATION
• Trois entreprises issues de l’université
– INRO
– AD OPT
– GIRO
• Les problèmes, la science, les marchés
2 Journées de la recherche 2013
INRO – LE PROBLÈME
• Planification de réseaux routiers et de
transport en commun
Demande estimée
Réseaux de transport
Modèles de flot de passagers
- Utilisation du réseau - Qualité de service
Modification du scénario
3 Journées de la recherche 2013
INRO – LES SYSTÈMES
• Optimiseurs puissants déterminant les flots de voitures et/ou de passagers dans les réseaux • Interfaces graphiques
- Visualiser les flots
- Modifier le réseau
• Implanté dans 80 pays
4 Journées de la recherche 2013
LES OPTIMISEURS • Multi-flots à coûts convexes
LIMITE DE CAPACITÉ
SUR UN ARC
TEMPS QUI AUGMENTE
AVEC LA CONGESTION
Temps de parcours
Flot Capacité ?
5 Journées de la recherche 2013
AUTRES APPLICATIONS
• Flot de passagers aériens
Espérance clients refusés
Demande moyenne
Capacité
Capacité d’un avion Demande
6 Journées de la recherche 2013
AUTRES APPLICATIONS • Flot de passagers aériens
Espérance clients refusés
Demande moyenne
Capacité
Capacité d’un avion Demande
7 Journées de la recherche 2013
AUTRES APPLICATIONS
• Flot de passagers aériens
• Acheminement du trafic en télécom
- Espérance du trafic perdu (lignes)
- Espérance de l’attente (paquets)
• Transport des marchandises: camion, trains,…
Espérance clients refusés
Demande moyenne
Capacité
Capacité d’un avion Demande
8 Journées de la recherche 2013
AUTRES APPLICATIONS • Flot de passagers aériens
• Acheminement du trafic en télécom - Espérance du trafic perdu (lignes) - Espérance de l’attente (paquets)
• Transport des marchandises: camion, trains,…
• École de Montréal Remplacer les contraintes de capacités par des coûts N-L - Représente mieux la réalité - Plus facile à résoudre
Espérance clients refusés
Demande moyenne
Capacité
Capacité d’un avion Demande
9
AD OPT –LES PROBLÈMES
TRANSPORT AÉRIEN
1 2 3 4 5 ... 31 1 2 . .
HORAIRE
DE VOLS
AVIONS
BLOCS
MENSUELS
ROTATIONS
D’ÉQUIPAGES
PLANIFICATION
A 320
DC-9
PERSONNES
BASE
VOL
JOURS
CONGÉ ROTATION
MTL TOR 7:00 8:00 8:00 9:00
... SDV SDV
PÉRIODE
DE REPOS SERVICE DE VOL
VOL
10 Journées de la recherche 2013
PROBLÈME GÉNÉRIQUE
COUVRIR À COÛT MINIMUM UN ENSEMBLE DE TÂCHES
AVEC DES CHEMINS RÉALISABLES
COMMODITÉ
TÂCHE
TÂCHE
11 Journées de la recherche 2013
AD OPT – LA SCIENCE 1980- …
GÉNÉRATION DE COLONNES
= 1
BASE COLONNES INCONNUES
PROBLÈME
RÉDUIT SOUS-
PROBLÈME
COÛT RÉDUIT
NOUVELLES
COLONNES
VARIABLES
DUALES
COÛT
RÉDUIT = 0 OPTIMAL
AJOUTER LES
COLONNES
NON OUI
1- RÉSOUDRE LE PROBLÈME RÉDUIT
2- GÉNÉRER DE NOUVELLES COLONNES EN RÉSOLVANT LE
SOUS-PROBLÈME (MINIMISER LE COÛT RÉDUIT)
12 Journées de la recherche 2013
AD OPT – LES SYSTÈMES
• Optimiseurs
• Interfaces graphiques
– Valider les donnés
– Visualiser les solutions, les modifier
• Implantés dans une vingtaine de compagnies
– Plusieurs systèmes par compagnies
• (Pilotes, Copilotes, Agents de bord) X (Rotations, Blocs),
Avions
Journées de la recherche 2013 13
ROTATIONS
BLOCS
MENSUELS
OPTIMISATION
INTÉGRÉE
COUVRIR LES VOLS AVEC DES ROTATIONS
COUVRIR LES ROTATIONS AVEC DES BLOCS
NOUVEAUX PROBLÈMES: OPTIMISATION INTÉGRÉE
COUVRIR LES VOLS AVEC DES BLOCS
- 10 000 À 30 000 VOLS / MOIS
- UN BLOC CONTIENT JUSQU’À 100 VOLS
- LE PROBLÈME DE PARTITIONNEMENT
EST TRÈS DÉGÉNÉRÉ
14 Journées de la recherche 2013
Journées de la recherche 2013 15
AD OPT – LA SCIENCE 2005-…
AGREGATION DES TACHES
• AGGRÉGER LES VOLS EN CLUSTERS
vol Rotation
Journées de la recherche 2013 16
AD OPT – LA SCIENCE 2000-…
AGREGATION DES TACHES
• AGGRÉGER LES VOLS EN CLUSTERS (ex: équipage suit l’avion)
• REOPTIMISER
- OPTIMISATION RAPIDE SUR LES CLUSTERS (arcs bleus seulement)
• Petits problèmes (une contrainte par cluster)
vol Rotation
Journées de la recherche 2013 17
AD OPT – LA SCIENCE 2000-…
AGREGATION DES TACHES
• AGGRÉGER LES VOLS EN CLUSTERS (ex: équipage suit l’avion)
• REOPTIMISER
- OPTIMISATION RAPIDE SUR LES CLUSTERS (arcs bleus seulement)
• Petits problèmes (une contrainte par cluster)
- MODIFIER LES CLUSTERS POUR ATTEINDRE L’OPTIMALITÉ
• Ajouter des arcs rouges (choisit avec les coûts réduits)
vol Rotation
AGRÉGATION DES TÂCHES • PROBLÈME MAÎTRE
• PROBLÈME AGRÉGÉ
1100
1100 0011
0011 1010
1010
… …..
0 0
=1
=1
=1
=1
=1
=1
TÂCHES
BASE HORS BASE
1100
1100 0011
0011 1010
1010
… ….. TÂCHES
1100
0011
1010
COLONNES
HORS BASE
COMPATIBLES
COLONNES
INCOMPATI
-BLES
PIVOTS
RAPIDES
PIVOTS NÉCESSITANT UNE
MODIFICATION DE L’AGRÉGATION 18
OPTIMISATION INTÉGRÉE AVEC
L’AGRÉGATION DE CONTRAINTES
1100
0011
1010
COLONNES
HORS BASE
COMPATIBLES
COLONNES
INCOMPATIBLES
• RÉSOUDRE LE PROBLÈME DES ROTATIONS
• AGRÉGER LES VOLS D’UNE MÊME ROTATION
• OPTIMISER LES BLOCS SANS DÉSAGRÉGATION
PROBLÈME CLASIQUE DE BLOCS
• RÉOPTIMISER LES BLOCS EN MODIFIANT L’AGRÉGATION
• (ATTEINT LA SOLUTION OPTIMALE EN RÉSOLVANT SEULEMENT DE
PETITS PROBLÈMES)
19
AGRÉGATION DES TÂCHES
et GÉNÉRATION de COLONNES
• PROBLÈME AGRÉGÉ
• FAVORISER LES COLONNES COMPATIBLES
1100
0011
1010
COLONNES
HORS BASE
COMPATIBLES
COLONNES
INCOMPATI
-BLES
PIVOTS
RAPIDES
PIVOTS NÉCESSITANT UNE
MODIFICATION DE L’AGRÉGATION
20
SOUS
PROBLÈME
GÉNÉRANT
DES
COLONNES
DANS UN
RÉSEAU
Journées de la recherche 2013
GÉN. DE COL. + AGRÉGATION
MILLIONS DE MILLIONS DE VARIABLES
30 000
CONTRAINTES
• ON RÉSOUD SEULEMENT LE NOYAU DU PROBLÈME PLUSIEURS FOIS
• RÉDUIT LE NOMBRE DE VARIABLES AVEC LA GÉNÉRATION DE COLONNES
• RÉDUIT LE NOMBRE DE CONTRAINTES AVEC L’AGRÉGATION
• LE NOYAU EST AJUSTÉ DYNAMIQUEMENT POUR ATTEINDRE L’OPTIMALITÉ
NOYAU
ON PEUT RÉSOUDRE DES PROBLÈMES IMMENSES
21 Journées de la recherche 2013
1 2 3 4 ... 31 1 ─ ─ ─ ─ 2 ─ ─ ─ ─ . . .
PARCOURS
ROUTES
D’AUTOBUS
BLOCS
MENSUELS
JOURNÉES DE
CHAUFFEURS
STATIONS
GARAGE
GARAGE ?
CHAUFFEURS
PARCOURS PARCOURS ...
PARCOURS
POINT DE RELÈVE
ROUTE 1
JOURS
CONGÉ JOURNÉE
ROUTE 2
1 2 3 ... 1 7:00 7:30 7:40 2 7:05 7:35 7:45 . . .
GIRO – LES PROBLÈMES
GESTION DES AUTOBUS
CRÉATION D’HORAIRES DIVISÉE EN 3 ÉTAPES
22 Journées de la recherche 2013
TRANSPORT EN COMMUN
• Défis semblables
• Implanté dans 300 villes: New York, Chicago,
Los Angeles, Tokyo, Singapore, Sydney, ….
Journées de la recherche 2013 23
DES DÉFIS DE DÉCISION EN TEMPS RÉEL
• Système d’opération en temps réel
– Processus de décision léger et rapide ???
– Algorithmes d’optimisation
• (1% d’erreur peut coûter 10 millions par an)
• Planifier en tenant compte de l’incertitude
– Créer des situations plus favorables à l’opération
• Coupler la planification et l’opération
– La planification augmente fortement l’efficacité
– L’opération ne doit pas trop la réduire
Journées de la recherche 2013 24
SYSTÈME D’OPÉRATION EN TRANSPORT AÉRIEN
• Mise à jour du plan suite aux perturbations: météo,
pannes, absences, …
• Décisions intégrés et rapides
– Rotations + Blocs (pour réalisabilité )
– Intégrer avions (pour les coûts)
• Interconnexion avec les autres systèmes
– Détecter les perturbations
– Identifier les ressources disponibles
– Interaction avec les décideurs
– Implantation des décisions: avions, personnels,
passagers services au sol,…
Journées de la recherche 2013 25
AVIONS
ÉQUIPAGES
Rotations + Blocs
COUPLER LA PLANIFICATION ET L’OPÉRATION
• La planification optimise avec une vue d’ensemble du système dans l’espace et le temps
• L’opération doit décider rapidement
– Décision avec vue locale
– Tenir compte du plan pour profiter de la vue d’ensemble
• Identifier quand le plan est hors cible et le mettre à jour
Journées de la recherche 2013 26
DISPATCHING DE CAMIONS MINIERS
Communication
Balise camion ordinateur
Décisions • Prévision de l’heure à laquelle chaque pelle sera libre
(positions des camions, temps de trajets et de chargements, ...)
• Affectation des camions
Objectifs • Qualité de mélange
• Productivité
position
affectation
ordinateur
Concentrateur ?
?
LE SYSTÈME DÉVELOPPÉ Planification d’équipements • Équilibre : nb. camions – nb. pelles – obj. production
• Localisation des pelles (qualité de mélange)
Programmation linéaire + système interactif
Plan d’opération • Débit par pelle
• Itinéraires des camions
• Équilibre : qualité – quantité (temps d’attente)
Lagrangiens + Flot à coûts convexes (10 sec.)
Affectation des camions • Suit le plan (reproduit les attentes du plan et non les flots)
• Considère 10-15 prochains camions
Problème d’affectation
Implanté dans 6 mines (Canada, U.S.A., Brésil, Inde)