Norfolk Southern planifie ses locomotives pour un vaste réseau ferroviaire et souhaitait disposer d'un modèle pour l'aider à décider de la taille de sa flotte.
Les modèles exacts de programmation en nombres entiers dépassaient les capacités des solveurs et nécessitaient des hypothèses qui faisaient paraître la flotte plus petite qu'elle ne devait l'être.
Des chercheurs ont construit un modèle de programmation dynamique approchée qui combine simulation et optimisation avec un apprentissage par rétroaction, en le calibrant sur des indicateurs historiques afin de pouvoir planifier la taille et la composition de la flotte et tester de nombreux scénarios d'exploitation.
Utiliser la simulation et l'apprentissage pour dimensionner une flotte, plutôt qu'un programme linéaire rigide
Le dimensionnement de la flotte exigeait un modèle très détaillé
La programmation en nombres entiers imposait des simplifications qui sous-estimaient la flotte
La simulation et l'apprentissage ont permis au modèle de correspondre à l'historique réel
Le résultat planifie la taille et la composition de la flotte dans de nombreux scénarios
Lorsqu'un problème réel est trop vaste ou trop détaillé pour un modèle exact, la programmation dynamique approchée peut apprendre à partir de la simulation pour dimensionner avec précision des actifs coûteux.
Suites
Le modèle est devenu le moyen par lequel Norfolk Southern étudie la taille et la composition de sa flotte de locomotives et teste des changements d'exploitation, un usage notable de la programmation dynamique approchée dans le transport ferroviaire de marchandises.
VÉRIFIEZ LES SOURCES
Les sources
- 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