Optimización de las asignaciones de colas de las aerolíneas para cielos más limpios

Optimización de las asignaciones de colas de las aerolíneas para cielos más limpios


Las aerolíneas de todo el mundo están explorando varias tácticas para contrarrestar el CO agresivo2 Compromisos de la Organización de Aviación Civil Internacional (OACI). Estos esfuerzos se han destacado en Europa, donde la aviación es responsable del 13,9% de las emisiones de CO2 de la industria del transporte. El mayor impulso proviene del Acuerdo Verde Europeo, que tiene como objetivo reducir las emisiones de carbono del transporte en un 90% para 2051. El Grupo Lufthansa ha ido aún más lejos, comprometiéndose a reducir las emisiones en un 50 % para 2030 en comparación con 2019 y lograr emisiones netas cero para 2050.

Un enfoque inesperado que las aerolíneas pueden tomar para reducir las emisiones de carbono es optimizar las suyas. asignación de cola, es decir, cómo las aeronaves (identificadas por el registro de la aeronave pintado en sus colas) se asignan a las rutas de una manera que minimiza el costo total de propiedad, del cual el combustible es un contribuyente importante. Más combustible necesario para operar la aeronave significa mayores costos operativos y más carbono emitido a la atmósfera. Por ejemplo, un vuelo típico de larga distancia (más de ~4100 km o ~2500 millas) emite alrededor de una tonelada de CO2.

La cantidad de combustible necesaria para volar entre el origen y el destino puede variar ampliamente; por ejemplo, las aeronaves más grandes pesan más y, por lo tanto, requieren más combustible, mientras que las aeronaves modernas y más jóvenes tienden a ser más eficientes en combustible porque utilizan tecnología más nueva. La masa del combustible en sí también es importante. Los aviones son menos eficientes en combustible al principio de sus vuelos cuando sus tanques de combustible están llenos que más tarde cuando se reduce el volumen de combustible. Otro factor importante en la asignación de popa es el número de pasajeros a bordo; Si cambia el número de reservas, es posible que se requiera un avión más pequeño o más grande. Otros factores pueden afectar la economía de combustible, tanto negativamente (p. ej., viento en contra o edad del motor) como positivamente (p. ej., viento de cola, tiburones pequeños, piel).

Durante el año pasado, el equipo de investigación de operaciones de Google trabajó con Lufthansa Group para optimizar su mapeo de cola para reducir las emisiones de carbono y los costos operativos de sus vuelos. Como parte de esta colaboración, desarrollamos e implementamos un solucionador matemático de asignación de cola completamente integrado para optimizar el plan de flota de SWISS International Air Lines (una subsidiaria de Lufthansa Group), que creemos que dará como resultado una reducción significativa en las emisiones de CO2. Este solucionador es el primer paso en un proyecto de varias fases que comenzó en SWISS.

Un modelo matemático para la asignación de cola

Estructuramos la tarea de optimización de asignación de cola como un problema de flujo de red, que es esencialmente un gráfico dirigido caracterizado por un conjunto de nodos y un conjunto de arcos, con restricciones adicionales relacionadas con el problema en cuestión. Los nodos pueden tener una oferta o una demanda de un haría, mientras que los arcos tienen capacidad de flujo y costo por unidad de flujo. El objetivo es determinar los flujos para cada arco que minimicen el costo total del flujo de cada producto mientras se mantiene el equilibrio del flujo en la red.

Elegimos usar una red de flujo porque es la forma más común de modelar este problema en la literatura y los bienes, arcos y nodos de la red de flujo tienen una correspondencia uno a uno simple con colas, piernas y aeropuertos en el verdadero problema En este caso, los arcos de la red corresponden a cada tramo del plan de vuelo, y cada cola individual es una única instancia de una mercancía que «fluye» a lo largo de la red. Cada par de patas y colas en la red tiene un costo de asignación asociado, y el objetivo del modelo es seleccionar pares de patas y colas válidos de una manera que minimice este costo de asignación.

Un ejemplo simple del problema de asignación de cola. Hay cuatro secciones en este horario y cuatro colas posibles para asignar a esas secciones. Cada par de colas y patas tiene un costo operativo asociado. Ejemplo: Para la pata 1, cuesta $50 asignar la cola 1, pero cuesta $100 asignar la cola 2. La solución óptima con un costo mínimo es asignar la cola 4 a las patas 3 y 2 y la cola 1 a las patas 1 y 4.

Además de las restricciones de flujo de red estándar, el modelo tiene en cuenta restricciones adicionales específicas de las aerolíneas, de modo que la solución se adapta a las aerolíneas del Grupo Lufthansa. Por ejemplo, los tiempos de respuesta de las aeronaves, es decir, el tiempo que una aeronave pasa en tierra entre dos vuelos consecutivos, son específicos de la aerolínea y pueden variar por varias razones. El catering se puede cargar en el centro de una aerolínea, lo que reduce el tiempo de respuesta requerido en las estaciones remotas, o una ruta podría tener un mayor volumen de viajeros de ocio que a menudo tardan más en embarcar y desembarcar que los viajeros de negocios. Otra limitación es que cada aeronave debe estar en tierra para una revisión nocturna en el centro de mantenimiento de un aeropuerto determinado para recibir el mantenimiento o la limpieza obligatorios. Además, cada aerolínea tiene su propio programa de mantenimiento, lo que puede resultar en que las aeronaves se sometan a controles de mantenimiento de rutina cada pocas noches, en parte para mantener la eficiencia de combustible de la aeronave.

Resultados preliminares y próximos pasos

Después de usar nuestro solucionador para optimizar su plan de flota en Europa, SWISS Airlines estima un ahorro anual de más de 3,5 millones de francos suizos y una reducción de CO de 6500 toneladas2 enviado. Esperamos que estos ahorros se multipliquen a medida que el modelo se implemente en el resto de las aerolíneas del Grupo Lufthansa y que el tráfico vuelva a los niveles anteriores a la COVID. El trabajo futuro incluye garantizar que este modelo se pueda usar con conjuntos de datos más grandes y agregar asignaciones de tripulación y pasajeros al sistema de optimización para mejorar los planes de vuelo tanto para los pasajeros como para la tripulación de vuelo.

Si está interesado en experimentar con sus propios modelos de flujo de red, consulte OR-Tools, nuestro paquete de software de código abierto que se puede usar para crear soluciones de optimización similares al solucionador que se presenta en esta publicación. Consulte la documentación de las herramientas OR para obtener más información.

Gracias

Gracias a Jon Orwant por la extensa colaboración en esta publicación de blog y por construir la asociación con Lufthansa y SWISS, junto con Alejandra Estanislao. Gracias al equipo de investigación de operaciones y al personal de SWISS, este trabajo no sería posible sin su arduo trabajo y contribución.

Related post

El «efecto boomerang» en las gotas podría ayudar a limpiar superficies sensibles (con video)

El «efecto boomerang» en las gotas podría ayudar a…

21 de mayo de 2022 (Noticias de Nanowerk) Un grupo de científicos dirigido por Nate Cira de la Universidad de Harvard…
El diseño de referencia de las gafas Qualcomm AR deja caer la atadura

El diseño de referencia de las gafas Qualcomm AR…

Qualcomm ha presentado su último diseño de referencia para gafas AR, que ofrece como modelo para que otras empresas construyan…
TD moderniza el entorno de datos con Databricks para aumentar el valor para sus clientes

TD moderniza el entorno de datos con Databricks para…

Desde 1955, la misión de TD Bank Group ha sido brindarles a los clientes y las comunidades la confianza para prosperar…

Leave a Reply

Tu dirección de correo electrónico no será publicada.