תפקידה של Integer Programming בתכנון הנדסי אסטרטגי

תכנות Integer (IP) הוא אבן הפינה של מחקר ואופטימיזציה תפעוליים, המאפשר מהנדסים ומנהלי פרויקטים לקבל החלטות אופטימליות כאשר בחירות הן דיסקרטיות מטבען. בהקשר של תכנון אסטרטגי לפרויקטים הנדסיים בקנה מידה גדול, מודלים IP משמשים להקצות משאבים, משימות לוח זמנים, ציוד בחירה ומערכות עיצוב תוך שמירה על מספר רב של מגבלות.

תכנון אסטרטגי בהנדסה כרוך בהחלטות שיש להן השלכות ארוכות טווח, כגון הרחבה של קיבולת, עיצוב תשתיות ובחירת טכנולוגיה.החלטות אלה נעשות לעתים קרובות תחת אי ודאות משמעותית לגבי הביקוש, עלויות, שינויים רגולטוריים וגורמים סביבתיים.אופטימיזציה דוטריסטית מסורתית מניחה ידע מושלם, המוביל פתרונות שעלולים להיכשל כאשר תנאים מתפוגגים בציפיות.

המונחים: Integer Programming

בעיה תכנות integer היא בעיה אופטימיזציה מתמטית שבה כמה או כל משתנה ההחלטה מוגבל לערכים integer. זה אינטגרטיבית של מודלים של מצבים בעולם האמיתי שבו החלטות כרוכות יחידות שלמות - לדוגמה, מספר הגנרטורים להתקין במפעל כוח, מספר צוותי הבנייה להקצות, או הבחירה בינארית של אם להשקיע בטכנולוגיה מסוימת.

(ב) ויקרא י"ד): "ה' (ב) ויקרא י"ד): "ה' (ב"ה) ויקרא י"ד): "וַיָּבְהִיאֶת עַל עַל עַל עַל עַמֶּה עַל עַל עַל עַל עַכְתִּים עַם עַם עַל עַבְתִּים עַבְתִּים עַבְתִּים עַבְתִּים עַבְתּבְתִּים עַל עַל עַל עַדְתִּים עַבְתִּים עַל עַל עַל עַבְתִּבְּבְתִּים עַבְבְבְתּבְתִּים עַבְהַבְּבְּבְּבְּבְּבְתּבְּבְּבְּבְּבְּבְּבְּבְּבְּבְּבְָּבְּבְ

האופי המשולב של תכנות integer עושה את הבעיות האלה מאתגרות מבחינה חישובית.עם זאת, התקדמות באלגוריתמים (למשל, סניף-וקודש, קיצוץ מטוסים, פיזור) ופתרונות מסחריים (למשל, גורובי, CPLEX, Xpress) איפשרו לפתור מודלים גדולים של IP בקנה מידה יעיל. בתכנון הנדסי, מודלים IP לעתים קרובות מעורבים אלפי במשתנים וייצוג, החלטות מורכבות בין מגבלות בין .

כאשר אי הוודאות מוצגת, יש להעשיר את המסגרת הבסיסית של IP: הגישות הנפוצות ביותר הן (FLT:0stochastic integer ProgrammingveFLT:1 ו-FLT:2robust OptimizationFLT 3: 3), כל אחת עם מאפיינים פילוסופיים חישוביים נפרדים.

מקורות בלתי בטוחים בפרויקטים הנדסיים

הבנת האופי של אי הוודאות היא חיונית לבניית מודלים יעילים.לא בטוח בפרויקטים הנדסיים ניתן לסווג לכמה סוגים:

  • (FLT:0)Demandische אי הוודאותFLT:1 - הביקוש לעתיד למוצרים, אנרגיה או שירותים ידוע לעתים רחוקות בוודאות.
  • (FLT:0) אי הוודאות של FLT:1 - מחירים חומריים, שיעורי עבודה וציוד עולה להשתנות עקב תנאי שוק, אינפלציה ושיבושים שרשרת אספקה. - תקציב בנייה יכול להיות מושפע קשות על ידי עלייה בלתי צפויה במחירי פלדה.
  • (FLT:0) שינוי אי הוודאותFLT:1 - משך משימות הפרויקט מושפע מזג אוויר, פריון עבודה, פיזור ציוד, תנאי אתר בלתי צפויים.
  • (FLT:0) רגולציה וחוסר ודאות פוליטית 1FLT) שינויים בתקנות סביבתיות, עריכת חוקים או תמריצים במס יכולים לשנות את יכולת הכדאיות או הרווחיות של פרויקט.
  • (FLT:0Technologicalib אי הוודאותFLT:1) - הביצועים והאמינות של טכנולוגיות חדשות, כגון מערכות אנרגיה מתחדשות או תהליכי ייצור מתקדמים, עשויים להיות לא בטוחים.

כל סוג של אי ודאות יכול להיות מיוצג במסגרת תכנות integer באמצעות התפלגות הסתברות, נתונים היסטוריים או שיפוט מומחה.הבחירה של השפעות ייצוגיות אשר מודלים גישה מתאימה ביותר.

שיטות לשילוב אי-ודאות

תוכנית Integer

תכנות סטוצ'י מניח כי אי-וודאויות ניתן לתאר על ידי התפלגות הסתברות ידועה.הנוסה הנפוצה ביותר לתכנון אסטרטגי היא תוכנית סטוצ'י של 2 שלבים עם RecourseFLT:1 בשלב הראשון, החלטות מתקבלות לפני אי הוודאות נפתרה (למשל, בניית מפעל, בחירת ציוד) לאחר אי הוודאות נצפתה, שתי החלטות (course) נדרשים כדי להתאים את הערך השני של העובדים.

מבחינה מתמטית, ניתן לכתוב את תוכנית ה- 2 שלבים של Integer כמו:

(ב) ויקרא י"ד:2x + EentiFLT 3:0; ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

(ב) ויקרא י"ד): "וַיְּהִיא נָאֶת עַמְתָּבְהִיתִי עַדְהִיתִי" (בראשית כ"ד, כ"ד)

ניסוח זה מתאים באופן טבעי לבעיות תכנון יכולת הנדסיות.לדוגמה, בתכנון מערכת האנרגיה, ההחלטה בשלב הראשון עשויה להיות מספר טורבינות רוח ופאנלים סולאריים מותקנים, בעוד החלטות שלב שני להתאים את כוח המשלוח מבוסס על מזג אוויר בפועל וביקוש.הציפייה בדרך כלל משוערת על ידי קבוצה סופית של תרחישים, המוביל ל- IP שווה ערך גדול לקבוע באמצעות טכניקות דהוגנטיות כמו בנדרס דה קומפלקס או שיטת ה-ל-ל-ל-ל-קו-ל-ל-ל-ל-הצורה.

אופטימיזציה של Robust Optimization

אופטימיזציה של Robust לוקחת גישה שונה, בהנחה כי פרמטרים לא בטוחים שייכים להגדרה ידועה של אי ודאות (למשל, קופסה, אליפסואיד או פולימדרון) ולא יש התפלגות הסתברות.המטרה היא למצוא פתרון שניתן לכל מימושים בתוך אותה מערכת, ובכך חיסון את התוכנית נגד התרחיש הגרוע ביותר.

(ב) נוסחת תכנות אינטגר כוללת בדרך כלל מעצמה למחצה: (FLT:0Ax( ⁇ ) ⁇ bcioFLT:1 עבור כל ⁇ U, שבו U הוא מצב אי הוודאות. עבור מגבלות ליניאריות עם מבנים מיוחדים (למשל, אי ודאות מרווח), הבעיה יכולה לעתים קרובות להיות מלוכדת כמו טכניקות IP ⁇ באמצעות מקבילה, כגון: LT2 LT) ו-N.

אופטימיזציה של רובוסט משמשת בהנדסה לבעיות שבהן ערבויות הגרועות ביותר הן חשובות, כגון תכנון גשר לעמוד בפני מזג אוויר קיצוני, תכנון שרשרת אספקה עם ספקים גיבוי, או תזמון פרויקט בנייה תחת מגבלות זמן חמורות.

תכנות: Chance-Consated Programming

תכנות בלתי מוגבל של הזדמנות (CCP) הוא גישה סטוכיסטית נוספת שבה נדרשים מגבלות להחזיק בהסתברות מוגדרת.לדוגמה, מעצורים עשויים לקבוע כי תקציב הפרויקט לא צריך להיות עלה עם לפחות 95% הסתברות.מק"ס יכול להשתלב עם משתנים integer, אם כי לעתים קרובות מוביל למגבלות פרובינציאליות קשות הדורשות רפורמות באמצעות תרחיש decomposition או תכנות מעורבב.

ממוצע Approximation

לדוגמה, ממוצע Approximation (SAA) הוא שיטה מעשית לפתרון תוכניות סטוצ'סטיות סטוגר כאשר ההפצה הבסיסית מורכבת.זה מחליף את הציפייה האמיתית עם ממוצע של מדגם מקבוצה של תרחישים שנוצרו באופן אקראי, ולאחר מכן פותר את ה- IP הדטרמיוניסט המתקבל. SAA הוא עקבי כמו סימפוניה אוטומטית שיכול להיות משולב עם אימות סטטיסטי כדי להעריך את הפתרון האיכותי במיוחד.

יישומים בתכנון אסטרטגי הנדסה

פרויקט בנייה

פרויקטים בנייה הם ידועים לשמצה אי הוודאות בתקופות משימה, זמינות משאבים ומזג אוויר. מודלים תכנות אינסטלגרס עבור תזמון בנייה לעתים קרובות כרוך משתנים בינאריים עבור הקצאת משימות (למשל, מערכות יחסים טרום-חשיבות) ומשתנים integer עבור הקצאת משאבים.תחת אי ודאות, שני שלבים סט ניסוחים IP סטוגיים בשלב יכול לשלב על פני החלטות או תת-התתתתתתתת-פעולה כמו פעולות recourseus.

לדוגמה, בפרויקט תשתיות גדול כמו גשר או מנהרה, ההחלטה בשלב הראשון עשויה להיות הקצאת צוותים וציוד מרכזי לפעילות נתיב קריטית.לאחר שמשך הזמןים מובנות, החלטות שלב שני מתואמים את משמרות העבודה או להאיץ משימות באמצעות התרסקות. IP סטבוצי עוזר לקבוע את האיזון האופטימלי בין תכנון שמרני לבין עלות של התכופים.

תכנון מערכת אנרגיה ותכנון יכולות

מערכות אנרגיה - מרשתות חשמל למיקרו-צמחונים - דורשות החלטות אסטרטגיות לגבי הסוג, הגודל והמיקום של נכסים בדור.החלטות אלה נעשות תחת אי ודאות משמעותית במחירי הדלק העתידיים, גידול הביקוש, זמינות משאבים מתחדשים ותקנות פחמן.התכנות סטוצ'סטיות בשימוש נרחב לבעיות הרחבה.לדוגמה, שירות עשוי להחליט להתקין תערובת של טורבינות גז, חוות רוח, אחסון סוללות כדי לענות עלות מינימליות בכל שעה, עם החלטות קבועות.

אופטימיזציה של Robust מוחלת גם, במיוחד על מנת להבטיח אמינות מערכת בתנאים קיצוניים כגון גלי חום או הפרעות אספקת דלק. חוקרים ב-MIT פיתחו מודלים חזקים לתכנון מערכת חשמל שמגן מפני דפוסי מזג האוויר החמורים ביותר (ראה FLT:0example אופטימיזציה נייר ההרחבה חזק ,FLT:1).

תהליכי ייצור אופטימיזציה

בייצור, תכנון אסטרטגי כרוך בהחלטות על מיקומים במפעל, קווי ייצור ומדיניות מלאי. Unquity בביקוש, זמני להוביל, וכישלונות מכונה עושים תכנות עם אי ודאות התאמה טבעית.מודלים IP סטוצ'סטיים של רב-שלב יכולים ללכוד החלטות דינמיות לאורך תקופות זמן, כגון הרחבה קיבולת או אימוץ טכנולוגיה.לדוגמה, יצרנית רכב עשויה להחליט לבנות צמח חדש באזור עם עלויות לא ברורות וביקוש עכשיו יכול להיות בעיה קלאסית או תכנות.

שרשרת אספקה ועיצוב לוגיסטי

פרויקטים הנדסיים לעתים קרובות כרוכים שרשרת אספקה מורכבת עבור חומרים ורכיבים.עיצוב רשת אסטרטגי - שבו לאתר מחסנים, אשר ספקים לבחור, אשר מצבי תחבורה להשתמש - הוא יישום קלאסי של תכנות integer. Unquity בביקוש, עלויות תחבורה, ואמינות הספקית מחייבת אופטימיזציה הספקית או נוסחאות אינטנסיבי.שני שלבים קידוד מתקדם IP משמש בדרך כלל, שבו החלטות ראשונות להגדיר מבנה ושלישית - השני - להקצות החלטות שרשרת האספקה אפילו אופטימיזציה של שירות.

המונחים

Solving integer מודלים תכנות תחת אי ודאות דורש חישוביות.המקבילה הדטרמיניסטית של IP סטוצ'י הופכת לינארית עם מספר התרחישים, במהירות מעל ליכולת של פותרים סטנדרטיים.

  • (FLT:0) שיטות ייצוגיות (FLT:1) - בנדרס דה-קופוזיציה (נקרא גם שיטת בצורת L לתכנות סטיגמטית) מתפצלת הבעיה לבעיה מאסטרית (שלב ראשון) ו subproblems (שלב שני לתריש).
  • (FLT:0) הפחתה של צנזורה 1 (השתמש באיור או בדגימה חשובה, קבוצה גדולה של תרחישים ניתן להפחית לייצוג משנה תוך שמירה על תכונות סטטיסטיות.
  • (FLT:0) אלגוריתם תוקפנות של אלגוריתם 1 (A heistation:0) אשר מתאים באופן עקבי לפתרונות תרחיש לקראת קונצנזוס, מתאים ל- IPs סטוכאיים בקנה מידה גדול.
  • (ב) ⁇ :0 (החלים המודרניים) , כגון גורבי ו-CPLEX כוללים יכולות מיוחדות לתכנות סטוצ'סטיות, כגון התרחיש האוטומטית decomposition ומקבילות בנדרס, ראו את ה-FLT:2Gurobiststrchastic Applications designFLT 3 לפרטים נוספים.

עבור אופטימיזציה חזקה, האתגר העיקרי הוא הגודל של אי הוודאות להגדיר.הטענות התקציב לעתים קרובות לגרום תוכניות מחשוב מעורבב מעורבב תוכניות, בעוד מערכות מורכבות יותר (למשל, אלפסיה) עשוי לדרוש תכנות teger conic integer או אופטימיזציה חיצונית approximation. Software Tools ו- Solrs עכשיו לתמוך ניסוחים חזקים ילידים; לדוגמה, LTF:0IMLEXrL.

חשוב גם לאמת את המודל באמצעות בדיקות מחוץ ל-Semple. A נפוצה היא לפתור את ה- IP עם מערכת אימונים של תרחישים, ולאחר מכן להעריך את הביצועים של הפתרון על סט בדיקה נפרד (או באמצעות סימולציה) זה עוזר להבטיח כי המודל אינו מתאים יתר על המידה לתריש מסוים, וכי ייצוג אי הוודאות הוא הולם.

כיוונים עתידיים והתקדמות

תחום תכנות תוך אינטגרטיבי תחת אי הוודאות ממשיך להתפתח.התפתחויות חדשות כוללות:

  • (FLT:0Risk-averse תכנות סטוכסטי של LT:1) - שילוב של אמצעי סיכון כמו ערך תנאי-ב-Risk (CVaR) אל המטרה או המגבלות, ומאפשר למקבלי ההחלטות לשלוט בסיכוני זנב.
  • (FLT:0) אופטימיזציה חזקים של אופטימיזציה חד-משמעית של 1 (FLT) - שילוב אלמנטים של אופטימיזציה סטוכיסטית וחזקה על ידי ההנחה שהפצה האמיתית היא בתוך עמימות המוגדרת על ידי מידע רגעי או מרחק Wasserstein.
  • (FLT:0) Machine LearningאינטגרציהFLT:1 - באמצעות למידת מכונה כדי ליצור עצי תרחיש טובים יותר, לחזות פרמטרים של אי ודאות, או אפילו ללמוד מדיניות שדומה לפתרונות אופטימליים של IP סטוצ'יסטיות.
  • (FLT:0) Mixed-integer non לינארית תכנותFLT:1 - בעיות הנדסיות רבות כרוכות בלינאריות (למשל, עלויות quadratic, משוואות זרימת חשמל לא לינאריות) טיפול באי ודאות מתמשך תוכניות לא-לא-ליגר מעורב נשאר תחום פעיל של מחקר.

התקדמות זו מבטיחה להפוך את תכנות האינטגרטיבי אפילו יותר חזק עבור תכנון אסטרטגי בפרויקטים הנדסיים, המאפשרים מקבלי ההחלטות לקחת בחשבון צורות עמוקות יותר של אי ודאות ולאזן מטרות מרובות.

מסקנה

תכנות Integer הוא כלי חיוני לתכנון אסטרטגי בפרויקטים הנדסיים, מתן מסגרת קפדנית לקבלת החלטות דיסקרטיות תחת מגבלות. כאשר סביבות הפרויקט אינן בטוחות - כפי שהם כמעט תמיד - הרחבת מודלים IP עם שיטות סטוצ'סטיות, חזקות או מוגבלות הזדמנות מניבות תוכניות שהם אופטימליות וגמישות.מתזמון בנייה לעיצוב מערכת אנרגיה, מודלים אלה מסייעים לנווט עלויות שליטה, להבטיח הצלחה.

היישום המעשי של מודלים אלה דורש מודלים זהירים של אי ודאות, בחירת טכניקות פתרון מתאימות, ואימות באמצעות ניתוח תרחיש.עם המשך התקדמות באלגוריתמים, כוח מחשוב וכלים תוכנה, תכנות תוך אי ודאות ישחק תפקיד מרכזי יותר בעיצוב תשתיות, אנרגיה ומערכות ייצור של העתיד.

לקריאה נוספת על תכנות סטוצ'סטי ויישומים שלה, The UL:0INFORMS משאבים PageFLT:1 מציע הדרכות מעולות ומחקרי מקרה.בנוסף, הספר "החדירה לתכנות סטוצרית" על ידי בירג' ולובו מספק טיפול מקיף של התיאוריה והאלגוריתמים.