[论文解读] An Approach to the High-level Maintenance Planning for EMU Trains Based on Simulated Annealing

Boliang Lin, Ruixi Lin|arXiv (Cornell University)|Apr 10, 2017

Assembly Line Balancing Optimization参考文献 17被引用 6

一句话总结

本文提出一种基于模拟退火的优化方法，用于EMU动车组的高层次维修计划，旨在在满足维修能力与动态维修窗口的前提下最小化里程损失。该方法将维修调度建模为带有状态函数的非线性0-1整数规划问题，以追踪处于维修中的列车状态，从而在容量与时间约束下实现高效调度。

ABSTRACT

A high-speed train needs high-level maintenance when its accumulated running mileage or time reaches predefined threshold. The date of delivering an Electric Multiple Unit (EMU) train to maintenance ranges within a time window rather than be a fixed date. Obviously, changing the delivering date always means a different impact on the supply of EMU trains and operation cost. Therefore, the delivering plan has the potential to be optimized. This paper formulates the EMU train high-level maintenance planning problem as a non-linear 0-1 programming model. The model aims at minimizing the mileage loss of all EMU trains with the consideration of the maintenance capacity of the workshop and maintenance ratio at different times. The number of trains under maintenance not only depends on the current maintenance plan, but also influenced by the trains whose maintenance time span from the last planning horizon to current horizon. A state function is established to describe whether a train is under maintenance. By using this function the constraint of restricting the total number of trains that are under maintenance can be formulated reasonably well. Finally, a simulated annealing algorithm is proposed for solving the problem.

研究动机与目标

• 解决在动态交付时间窗口下EMU动车组高层次维修计划优化的挑战。
• 在维修计划期间最小化所有EMU动车组的总里程损失。
• 将维修能力约束和时间依赖的维修比率纳入调度模型。
• 通过状态函数建模列车状态，确保准确追踪处于维修中的列车。
• 为高速铁路运营中的实际维修计划开发一种实用且可扩展的解决方案。

提出的方法

• 将高层次维修计划问题建模为非线性0-1混合整数规划模型。
• 引入状态函数以确定任意时刻某列车是否处于维修状态，捕捉来自先前计划周期的时间重叠。
• 在优化模型中将维修能力限制和随时间变化的维修比率作为约束条件。
• 应用模拟退火算法以高效搜索解空间并避免陷入局部最优。
• 利用状态函数动态约束任意时刻处于维修中的列车总数。
• 采用启发式搜索策略，在解的质量与计算效率之间取得平衡。

实验结果

研究问题

• RQ1 如何在遵守维修能力的前提下，优化EMU动车组的高层次维修计划以最小化里程损失？
• RQ2 动态维修时间窗口对列车可用性和运营成本有何影响？
• RQ3 如何在计划周期内准确建模处于维修中的列车状态？
• RQ4 模拟退火能否有效求解EMU维修调度的非线性0-1规划模型？
• RQ5 维修能力、维修比率与总里程损失之间存在何种权衡关系？

主要发现

• 所提出的模型通过优化EMU车队的维修调度，成功最小化了总里程损失。
• 状态函数实现了对处于维修中列车的准确追踪，确保了对并行维修数量的约束得到遵守。
• 模拟退火能有效探索解空间，并收敛到非线性0-1规划模型的高质量解。
• 该方法考虑了随时间变化的维修比率，提升了调度的现实性与运营效率。
• 模型在动态交付时间窗口下保持可行性，增强了在实际部署中的灵活性。
• 该方法在大规模EMU维修计划中表现出计算上的可行性与可扩展性。