A Norfolk Southern planeja locomotivas para uma grande rede ferroviária e queria um modelo para ajudar a decidir qual deveria ser o tamanho de sua frota.
Modelos exatos de programação inteira estavam além do alcance dos solucionadores e exigiam premissas que faziam a frota parecer menor do que precisava ser.
Pesquisadores construíram um modelo de programação dinâmica aproximada que combina simulação e otimização com aprendizado por retroalimentação, calibrando-se com métricas históricas para poder planejar o tamanho e a composição da frota e testar muitos cenários operacionais.
Usar simulação mais aprendizado para dimensionar uma frota, não um PL rígido
O dimensionamento da frota exigia um modelo altamente detalhado
A programação inteira forçava simplificações que subestimavam a frota
A simulação mais o aprendizado permitiram que o modelo correspondesse ao histórico real
O resultado planeja o tamanho e a composição da frota em muitos cenários
Quando um problema real é grande ou detalhado demais para um modelo exato, a programação dinâmica aproximada pode aprender a partir da simulação para dimensionar ativos caros com precisão.
O modelo tornou-se a forma como a Norfolk Southern estuda o tamanho e a composição da frota de locomotivas e testa mudanças operacionais, um uso notável da programação dinâmica aproximada no transporte ferroviário de carga.
CONFIRA AS EVIDÊNCIAS
As fontes
- 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