چکیده:
مسائل برنامه ریزی پرواز به طور کلی شامل چهار مسئله ( طراحی برنامه پرواز ، تخصیص ناوگان، مسیریابی هواپیماها و زمانبندی خدمه ) می باشد. در این پژوهش مدلی برای یکپارچه سازی مسیریابی هواپیماها و زمانبندی خدمه برای خطوط هوایی با تنوع ناوگان و هاب تعمیرات ارائه شده است. هدف اصلی مدل ارائه شده تعیین زنجیرهی پروازی برای هواپیماها و تخصیص خدمه ( تیم پرواز) به تمام پروازهای هواپیماها با توجه به قوانین و مقررات در نظرگرفته شده توسط خطوط هوایی برای هواپیماها و خدمه به نحوی است، که هزینههای کل خطوط هوایی کمینه شود. بر خلاف مدلهای پکپارچه سازی شده که توسط پژوهشگران پیشین در این حوزه ارائه شده است، نوع ناوگان و هاب نگهداری و تعمیرات در این پژوهش متنوع در نظر گرفته شده است. همچنین بحث کمینه کردن پروازهای بدون بلیت برای خدمه و هواپیما که می تواند هزینههای سنگینی را بر خطوط هوایی تحمیل کند به عنوان بخشی از تابع هدف در مدل ارائه شده، آورده شده است. برای حل مسئله در ابعاد کوچک از نرم افزار گمز و در ابعاد بزرگتر با توجه به پیچیده بودن مسئله و پیچیدگی محاسباتی آن، از روش فراابتکاری ژنتیک استفاده شده است. با توجه به آزمایشهای انجام شده، الگوریتم ژنتیک پیشنهادی می تواند جوابی بهینه و یا نزدیک به بهینه را در زمانی قابل قبولی ارائه دهد.
The problem of Airline planning has totally been divided into four sub-problems.These problems include Flight Scheduling, Fleet Assignment, Aircraft Routing, Maintenance, and Crew Scheduling. In this research, firstly, we defined basic concepts and common terminology about Airline Planning then early models and previous researchers were presenting investigated articles. Moreover, by identifying existing research gaps, an Integrated Mathematical model presented for Aircraft Routing and Crew Scheduling for Airlines with Multi Fleet and Multi Maintenance hub with considering the rules of the Airlines. The main purpose of the proposed model is to determine the flight chains for each aircraft and crew assignments to all aircrafts with the attention to the airlines rules and regulations for aircrafts and crew. In the integrated models by previous researcher in this field, usually the type of fleet is considered the same while in the model presented in this research, the type of fleet is considered different. Other innovations of this research consider several maintenance units for an airline. In addition, the minimizations of deadheading flights for crew and aircraft that can impose heavy costs to the airline is presented as a part of the objective function in the model presented. Finally, the problem has been solved into small dimensions by GAMS software and in order to solve it in the larger dimensions a meta-heuristic method is being used, such as genetics algorithm. At the end, we have presented the results, which came from meta-heuristic Algorithm and GAMS Software.
خلاصه ماشینی:
همچنین بحث کمینه کردن پروازهای بدون بلیت برای خدمه و هواپیما که میتواند هزینه های سنگینی را بر خطوط هوایی تحمیل کند به عنوان بخشی از تابع هدف در مدل ارائه شده ، آورده شده است .
عنوان اصلی مسائلی که در برنامه ریزی پرواز مطرح میشود به شرح زیر است : I-طراحی زمانبندی پرواز، II-تخصیص ناوگان ، III-مسیریابی، نگهداری و تعمیرات هواپیماها، IV- برنامه ریزی خدمه پرواز این فرآیند تصمیم گیری میتواند هم به صورت روش های سلسله مراتبی صورت گیرد و هم به صورت استفاده از مدل های یکپارچه سازی شده .
مسئله ی در نظر گرفته شده در این تحقیق شامل مدل سازی یکپارچه و همزمان مسیریابی هواپیماها و زمانبندی خدمه برای خطوط هوایی با تنوع ناوگان وهاب های نگهداری و تعمیرات به نحوی است که علاوه بر کمینه کردن هزینه های شرکت هوایی، تمامی محدودیت های در نظر گرفته شده برای هواپیماها و خدمه را ارضا کند.
این خطوط هوایی در پی آن هستند که در طی یک افق زمانی کوتاه مدت با توجه به قوانین و سیاست های در نظر گرفته شده برای خلبانان و هواپیماها، تصمیم گیری پیرامون مسیریابی هواپیماها و زمانبندی خدمه را به گونه ای انجام دهند که علاوه بر پوشش تمام پروازهای برنامه ریزی شده ، هزینه کل نیز مینیمم شود.
همانگونه که مشخص است مسئله مورد نظر یک مسئله ی ترکیبی از مسیریابی هواپیماها با توجه به محدودیت های نگهداری و تعمیرات آنها و همچنین زمانبندی خدمه پرواز ( تخصیص خدمه پرواز به پروازهای هواپیماها) با هدف ، کمینه کردن هزینه کل انجام پروازها توسط خدمه و هواپیماها و هزینه انجام پروازهای بدون بلیت میباشد.