Norfolk Southern planifica locomotoras para una gran red ferroviaria y quería un modelo que ayudara a decidir cuál debería ser el tamaño de su flota.
Los modelos exactos de programación entera estaban fuera del alcance de los solucionadores y requerían supuestos que hacían que la flota pareciera más pequeña de lo necesario.
Los investigadores construyeron un modelo de programación dinámica aproximada que combina simulación y optimización con aprendizaje por retroalimentación, calibrado con métricas históricas para poder planificar el tamaño y la composición de la flota y probar muchos escenarios operativos.
Usar simulación más aprendizaje para dimensionar una flota, no un LP rígido
El dimensionamiento de la flota requería un modelo muy detallado
La programación entera obligaba a simplificaciones que subestimaban la flota
La simulación más el aprendizaje permitieron que el modelo coincidiera con la historia real
El resultado planifica el tamaño y la composición de la flota bajo muchos escenarios
Cuando un problema real es demasiado grande o demasiado detallado para un modelo exacto, la programación dinámica aproximada puede aprender de la simulación para dimensionar con precisión activos costosos.
El modelo se convirtió en la forma en que Norfolk Southern estudia el tamaño y la composición de su flota de locomotoras y prueba cambios operativos, un uso notable de la programación dinámica aproximada en el transporte ferroviario de mercancías.
CONSULTA LAS PRUEBAS
Las fuentes
- Locomotive Planning at Norfolk Southern: An Optimizing Simulator Using Approximate Dynamic Programming Research with NJ / INFORMS Interfaces · researchwithnj.com
- Operations Research at Norfolk Southern Railway Company Springer / Operations Research Forum · link.springer.com