항공기 함대의 상태 기반 유지보수 일정 계획을 위한 최적화 모델 비교 연구

상태 기반 유지보수(CBM) 항공기 함대의 일정 계획은 건강 예측을 고려하면서 파괴적인 환경에서 수행해야 하는 복잡한 조합 문제이며, 건강 예측에 포함된 불확실성을 고려할 때 점점 더 도전적이 되고 있습니다. 이러한 유형의 문제는 불확실한 자원 제약 일정 문제의 광범위한 범주에 속하며, 종종 혼합 정수 선형 프로그래밍(MILP) 공식화 방법을 사용하여 해결됩니다. MILP 프레임워크는 매우 유망하지만, 문제 크기는 고려된 항공기 수와 작업 수에 따라 기하급수적으로 증가할 수 있어 매우 높은 컴퓨팅 비용을 초래합니다. 최근 인공지능의 발전은 딥 강화 학습(DRL) 알고리즘이 차원의 저주를 완화할 수 있는 능력을 보여주었으며, DRL 에이전트가 훈련된 후에는 유지보수 일정의 실시간 최적화를 달성할 수 있습니다. 그러나 최적성 보장은 없습니다. 항공기 함대 유지보수 일정 문제에 대한 MILP와 DRL 공식화의 비교 장점은 문헌에서 논의되지 않았습니다. 이 연구는 이러한 연구 공백에 대한 응답입니다. 우리는 다양한 크기의 항공기 함대와 다양한 유지보수 시나리오에 대해 최적의 유지보수 일정을 도출하기 위해 사용되는 MILP 및 DRL 일정 모델을 비교합니다. 이때 건강 예측 및 각 작업 실행을 위한 가용 자원을 고려합니다. 솔루션의 품질은 실제 항공사 관행에 따라 정의된 네 가지 계획 목표를 기반으로 평가됩니다. 결과는 DRL 접근 방식이 예측 기반 작업의 일정 계획에 대해 더 좋은 결과를 달성하고 적은 컴퓨팅 시간만 필요로 하는 반면, MILP 모델은 더 안정적인 유지보수 일정을 생성하고 유지보수 지상 시간을 감소시킨다는 것을 보여줍니다. 전반적으로 이 비교는 항공사 유지보수 관행에 건강 예측을 통합하는 데 귀중한 통찰력을 제공합니다.