[論文レビュー] Framework for Modeling and Optimization of On-Orbit Servicing Operations under Demand Uncertainties

Tristan Sarton du Jonchay, Hao Chen+2 more|arXiv (Cornell University)|Jun 16, 2022

Advanced Manufacturing and Logistics Optimization参考文献 22被引用数 27

ひとこと要約

本稿は、需要の不確実性を考慮した地球静止軌道衛星の在軌道サービス（OOS）運用を最適化するため、ローリングホライズン（RH）意思決定と統合された混合整数線形プログラミング（MILP）フレームワークを提案する。複数のサービサーと複数の軌道ドローンを備えたアーキテクチャをモデル化し、動的市場条件下での短期的なスケジューリングと長期的な戦略的設計を可能にする。事例研究により、コスト効率の高いミッション計画とアーキテクチャのトレードオフ分析における優れた性能が示された。

ABSTRACT

This paper develops a framework that models and optimizes the operations of complex on-orbit servicing infrastructures involving one or more servicers and orbital depots to provide multiple types of services to a fleet of geostationary satellites. The proposed method extends the state-of-the-art space logistics technique by addressing the unique challenges in on-orbit servicing applications and integrates it with the Rolling Horizon decision-making approach. The space logistics technique enables modeling of the on-orbit servicing logistical operations as a Mixed-Integer Linear Program whose optimal solutions can efficiently be found. The Rolling Horizon approach enables the assessment of the long-term value of an on-orbit servicing infrastructure by accounting for the uncertain service needs that arise over time among the geostationary satellites. Two case studies successfully demonstrate the effectiveness of the framework for 1) short-term operational scheduling and 2) long-term strategic decision making for on-orbit servicing architectures under diverse market conditions.

研究の動機と目的

• 持続可能な多数対多数の在軌道サービス（OOS）インfra構築のための体系的最適化フレームワークの不足に対処すること。
• 複数のサービサー、軌道ドローン、多様なサービスタイプを含む複雑なOOS運用を物流ネットワークとしてモデル化すること。
• ローリングホライズン（RH）意思決定アプローチを用いて、時間的変動するサービス需要の不確実性を統合すること。
• 変動する市場条件下で、短期的な運用スケジューリングと長期的なOOSアーキテクチャ戦略的設計の両方を可能にすること。
• 位相制御運動、推进剤消費、サービスツールマッピングなどの現実的な制約を組み込んだ、従来の宇宙物流モデリングの拡張

提案手法

• 商品フロー、サービス割り当て、出荷変数を備えた混合整数線形計画（MILP）としてOOS運用を定式化する。
• インパulse推力を伴う位相制御運動を用いて軌道移動をモデル化し、時間拡張ネットワーク表現を可能にする。
• ロケット方程式を適用して必要なΔvに基づき推進剤質量を計算し、推力と車体質量・ペイロード容量を関連付ける。
• サービサーの出荷とサービス割り当てを結びつけるバイナリパラメータ（𝛽𝑠𝜏𝑡）を導入し、時間的・空間的整合性を確保する。
• 需要の不確実性を扱うために、各時刻で更新された予測に基づき再最適化を行うローリングホライズン（RH）アプローチを適用する。
• 打ち上げコスト、ドローン運用コスト、サービサー運用コスト、遅延ペナルティ、サービス収益を統合した目的関数に組み込む。

実験結果

リサーチクエスチョン

• RQ1 複数のサービサー、ドローン、サービスタイプを考慮した物流ネットワークとして、在軌道サービス運用をどのようにモデル化できるか？
• RQ2 需要の不確実性が長期的なOOSインfra構築のパフォーマンスに与える影響は何か。また、どのように効果的に管理できるか？
• RQ3 単一の汎用的サービサー（モノリシック）と複数の専用サービサー（分散型）のアーキテクチャの選択が、運用効率と収益性に与える影響は何か？
• RQ4 動的市場条件下でスケーラブルなOOSアーキテクチャを設計する際の主なコストドライバーとトレードオフは何か？
• RQ5 提案されたフレームワークは、OOSシステムの短期的スケジューリングと長期的戦略的計画の両方を効率的に支援できるか？

主な発見

• フレームワークは、単一の計画期間にわたり、既存のOOSインfraの短期的スケジューリングを効率的かつ実行可能に最適化した。
• 長期シミュレーションにおいて、高需要条件下では4台の専用サービサーを備えた分散型アーキテクチャが、モノリシック設計を上回り、より高い収益性と優れたサービスカバレッジを達成した。
• 低需要状況下では、運用の複雑さが低く、車両数も少ないため、モノリシックアーキテクチャがよりコスト効率的であった。
• 感度解析から、需要の不確実性が最適インフラ構築に顕著な影響を及ぼすことが判明し、ローリングホライズンが変化する市場状況に適応可能な対応を可能にした。
• 位相制御運動のモデル化とロケット方程式による推進剤質量計算の統合により、MILP定式化においてミッションの質量とΔv制約を正確に表現できた。
• フレームワークは、車両の汎用性、ドローンの展開、サービス遅延ペナルティの間のトレードオフを定量的に評価可能にし、データドリブンな意思決定を支援した。