PCS5869 Seminários Sessão II Engineering Works Scheduling for Hong Kong s Rail Network Alexandre S. Pupo
CONTEXTO A MTR Corporation Limited é uma empresa de Hong Kong que opera dez linhas ferroviárias desde 2007. Malha da MTR 152 estações 5 mi pass./dia 218,2 km de linhas 10º sistema mundial em pass. On-time de 99,9% Malha do Metrô - SP 3,8 mi pass./dia 61 estações 68,5 km de linhas Malha da CPTM - SP 2,8 mi pass./dia 92 estações 257,5 km de linhas 2
PROBLEMA A MTR tinha: 2.600+ atividades semanais de manutenção que; demandavam 10.000+ trabalhadores e; precisavam ser feitas em janelas diárias de 5 horas; envolvendo segurança, recursos e operação; As atividades eram: planejadas manualmente; por um grupo de especialistas; em uma reunião semanal. A MTR percebeu a necessidade de adotar uma ferramenta para suportar tais atividades de manutenção. 3
SOLUÇÕES Em 2002 desenvolveram o Engineering Works and Traffic Information Management System (ETMS); Em 2004 desenvolveram uma AI Engine em parceria com a City University of Hong Kong para melhorar o ETMS; Em 2010 unificaram os três diferentes sistemas de controle de atividades de manutenção que possuíam; Em 2013 desenvolveram uma nova versão da AI Engine que é usada atualmente junto com o sistema ETMS. 4
DESAFIOS DO PROJETO Desenvolver uma AI Engine capaz de: alocar os recursos físicos necessários para as atividades de manutenção; verificar as regras e as normas a serem respeitadas; avaliar como gerenciar as linhas de transmissão de energia durante os períodos de manutenção; definir os trajetos dos trens de manutenção; escolher onde estacionar os trens de passageiros durante o período não operacional do sistema; ter uma arquitetura adaptável para ser aplicável em outros contextos. 5
ARQUITETURA DO SISTEMA Local/Intranet (Java) Cloud (.NET) Arquitetura AaaS 6
ARQUITETURA DO SISTEMA 7
FUNÇÕES DA AI NO SISTEMA Verificar possíveis conflitos entre as atividades de manutenção existentes e as novas inseridas pelos usuários (fase de Planejamento); Gerar as agendas de atividades de manutenção das semanas (fase de Agendamento); Tenta acomodar novas atividades de manutenção nas agendas previamente criadas (fase de Reagendamento Interativo). 8
TÉCNICA USADA A AI Engine usa Constraint Satisfaction Problem (CSP) no planejamento das atividades de manutenção; A CSP consiste em: (i) um conjunto de variáveis que pode assumir valores dentro de um domínio; (ii) um conjunto de valores que as variáveis podem assumir (restrições); O algoritmo do sistema é executado em duas etapas e: na primeira tenta agendar cada uma das atividades satisfazendo o máximo de restrições possíveis; na segunda tenta acomodar as atividades remanescentes da forma mais otimizada possível; Um passo adicional pós-algoritmo define a localização dos trens de passageiros para otimizar as operações. 9
RESULTADOS A AI Engine: foi colocada no ar em maio de 2013 (validação); tornou-se totalmente funcional em julho de 2013. A AI Engine trouxe como resultados: a retenção do conhecimento; o Compliance com regulamentos e restrições; o planejamento eficiente da manutenção; a redução de custos (otimização de recursos); a simplificação da tomada de decisões. A MTR planeja implantar o sistema em Beijing, Hangzhou, Shenzhen, Londres, Melbourne e Estocolmo. 10
CONSIDERAÇÕES Mesmo não sendo um artigo extenso, é possível compreender como o sistema foi desenvolvido; Por se tratar de uma ferramenta comercial, o artigo não detalha profundamente o sistema; É possível perceber que o sistema resolve muito bem o problema em questão; O artigo tem algumas falhas em termos de amarração temporal dos fatos; Não é possível criticar o artigo: por conta da não comparação das técnicas usadas no sistema com outras técnicas adequadas para os mesmos fins; Pelo fato de não comparar o sistema com outros que tenham a mesma finalidade. 11
REFERÊNCIAS Engineering Works Scheduling for Hong Kong s Rail Network - Andy Hon Wai Chun and Ted Yiu Tat Suen, Proceedings of the Twenty-Sixth Annual Conference on Innovative Applications of Artificial Intelligence, (2014) pp. 2890-2897 SICHMAN, J. M.; COSTA, A. H. R. Satisfação de Restrições, PCS 2428 / PCS 2059 Inteligência Artificial, 2013. Russel, S. J.; Norvig, P. (1995). Artificial Intelligence: A Modern Approach, Prentice- Hall, 2a. Edição, 2003. 12
Obrigado! Perguntas? 13