请升级浏览器版本

你正在使用旧版本浏览器。请升级浏览器以获得更好的体验。

-帮助学生掌握大型航空公司航班紧急恢复决策全流程中多种管理决策的核心技能和全局观,培养高水平管理决策人员

-帮助学生基于商业实践运用和研发机器学习算法,实现产学研结合,帮助学生在校园直接参与产业实践(航空调度决策优化场景来源于教师与东航的实际产学研项目)

知识点:共 4 个

1)供应链调度问题的整数规划和动态规划方法

2)供应链模拟仿真方法

3)航班紧急恢复的决策过程

4)基于机器学习算法的风险决策

随着我国经济的继续增长及国内外交流从深度到广度层面的快速发展,航空运输需求日益增长,现阶段我国的航空运输总周转量连年保持15%以上的高速增长。在此环境下,相应的航线网络规划设计愈发复杂,某些航线的航班密集程度也日益增加,这导致突发事件对于公司整个航班任务的执行带来极大的影响,进而机场大面积延误的情况时有发生。

现阶段,为了缓解这种波及效应,各大航空公司运控中心通过飞机重新调配来实现航班的恢复。在航班调度作业过程中,由于天气、空中流量控制、飞机机械故障等原因导致不正常航班,对航班的原有计划具有很大的波及效应,大量航班因此晚点甚至被取消,乘客对此抱怨不断,不仅影响航空公司的短期经济效益,而且不利于航空公司在乘客群体内良好口碑的建立。而且不同航班对机组、飞机的不同要求,以及所载旅客数量、等级的不同,航班恢复调配是一件及其复杂的任务,需要熟练的调配员,通常需要数百人通过三班轮值的方式,随时在线工作,依据航班甘特图凭经验完成。这种依赖经验的航班调配,具有两方面的不足:一是受限于调配员人工搜索,无法统筹考虑对整个排班系统的影响,所产生的调配方案不够优化;另一方面是对新调配员的培训时间很长,熟练调配员的经验不能被快速传授。

同时,随着大数据的兴起与发展,国家提出了数据强企、数据强国的战略号召,航空公司面临着新的发展挑战和机遇。近年来,航空公司积极布局,投入了大量的精力在数字化升级,已经积累了大量的数据。针对如何将这些航空大数据应用于实际生产过程,尽量减少不正常航班对于航空公司带来的影响,学术界及业界已经进行了多种尝试。现在阶段,普遍应用的手段为将航班恢复问题转化为某些形式下的规划问题,并在此基础上选择不同的方法进行求解。但在实际应用中的效果并不理想,主要原因有两个方面:1.由于航班恢复问题有其自身的特殊性,不同于初始航班排班表的制定,它与实际应用场景结合更为紧密,受到更多外部环境的影响,很难将实际运营过程中的所有细节都考虑其中,并以数学语言的形式表达出来,从而导致了与实际情形的脱节,应用效果差;2.航班恢复具有极高的时间约束性。在实际运行过程中,往往只有几个小时甚至几十分钟的时间窗口可供调配员使用,而大规模的线性规划求解问题往往存在求解速度慢甚至无解的情况存在。可见,传统的数据处理方法并不能满足实际运行场景的要求。

而通过仿真算法,实现对航班恢复过程模拟重现,可以有效找出运行安全隐患,对症下药,做出最科学的决策。通过大数据分析及仿真程序测算出优良结果,为运行专家提供合理有效的决策支持,规避安全风险;当遇到特情应急时,依托运行大数据仿真实验室模拟实际生产环境进行各类情境演算。通过切实科学的数据帮助运行人员在最快的时间内做出正确的判断,在最短的时间内提出合理的决策方案、立即决策、果断执行,减小公司损失率,增加安全冗余度。在保证安全运营的同时,尽可能节本增效。同时通过航班优化模拟仿真,对于新入职运控人员可以实现多情景下的仿真模拟推演,从而可以更快地完成新入职调配员相应的培训。

因此,本项目基于场景式教学方式,汇集管理全流程数据,指导学生用实际数据模拟企业智能化运营决策,掌握借助机器学习算法从数据里发掘商业问题和检验商业假设的技能,并能正确对机器学习算法在具体场景中的价值进行评估。更进一步,借助虚拟现实设备,模拟还原企业实际运营环境,使得学生无需再去企业实习,就能快速重复练习,从而掌握其运营特征和规则。具体来说,以上海某大型航空公司机场调度管理为例的供应链管理运营场景,模拟出整个业务流程,采用合理的机器学习算法进行优化决策和实施,实时模拟天气、流量控制、航班故障等因素对运营效率的影响,由学生采用恰当的学习算法建模求出优化方案,并由服务器给出基于深度增强学习得到的辅助建议,与学生进行互动,帮助同学对比观察不同规划方案带来的不同,并由此展开相关供应链调度优化相关的知识教学。并借助虚拟现实设备,能让同学切实感受到企业运营现场的实际操作、团队协作,以及感受模型无法实时解决问题的困惑。相比传统模型讲解,帮助同学快速完成现实中需要3-5年才能熟练的技能。

(1)实验方法描述:

-以航班恢复的模拟仿真为例的设计思路如下。平台建成后为虚拟仿真实现。

a.背景介绍(课前介绍)

b.问题描述

c.知识引导(课前介绍)

(2)学生交互性操作步骤说明:

a.问题分析(多步)

b.数据分析(多步: 通过聚类分类多种算法尝试掌握状态特征和可能发生事件)

c.算法设计和优化目标分析(多步:结合优化、仿真知识尝试各种可能方案,并尝试借助机器学习算法从历史方案中找出规律)

d.学习和掌握后台模拟仿真算法逻辑

e.模拟方案效果评估和对比(多步,甘特图方式展示航班串调度结果)

(1)是否记录每步实验结果:是

(2)实验结果与结论要求:仿真实验报告

-设计并仿真测试多个管理策略,完成决策效果和优化评估;

-根据实际测试集,检验精准营销和风险决策模型建立的准确性

-基于数据池,独立设计和完成一个具有管理决策应用价值的数据课题项目,撰写分析报告或论文;

客户端到服务器的带宽要求:带宽要求为大于10M

能够支持的同时在线人数:30

(1)计算机硬件配置要求

- CPU:英特尔移动版Core i5 /显卡:Intel HD Graphics 620(GT2)集成显卡/内存:8GB /硬盘:100GB以上的SSD/HDD

(2)计算机特殊外置硬件要求

- VR外设

(1)计算机操作系统和版本要求

- WindowsXP及以上操作系统,Chrome(或兼容)浏览器版本70及以上

(2)其他计算终端操作系统和版本要求 无

(3)支持移动端:是

相关实验
团队成员
张诚|教授/博导
负责人

电话:021-25011227

Email:zhangche@fudan.edu.cn

研究方向:信息技术商业价值,商业人工智能,平台创新,电子商务

个人主页:https://www.fdsm.fudan.edu.cn/aboutus/preview.html?uid=012012