基于智能算法的維修生產任務排程研究

蔣陵平 楊陽 王洛鋒 郭政

摘要：目前，我國通用航空產業呈現“爆炸式”增長，“大、中、小”型通航企業數量快速增長，各種通航機型快速引進。與日益激增的飛行器、從業人員以及飛行作業量相比，反觀各通用航空企事業單位，目前依然完全依靠人工統計飛行時間來進行第二日飛行計劃及近期維修計劃的安排。由于人為因素而出現嚴重的飛行安全隱患。這種簡單的生產計劃管理方式耗時、耗力且受人為因素和環境因素影響巨大。不但不能滿足高速發展的通航航空的需要，更給航空安全埋下了巨大的安全隱患。運用遺傳算法對生產運行計劃的相關數據進行分析處理，輔助生產運行計劃制定人員合理的進行生產排程，獲得最大化的飛行安全和飛行效益。

關鍵詞：維修 排程 遺傳算法

中圖分類號：V328.2 文獻標識碼：A 文章編號：1007-9416（2016）05-0000-00

Abstract： At present， China's general aviation industry "exploding"， "large， medium and small shipping companies" rapid growth in the number of various models， the rapid introduction of navigation. Compared with the soaring aircraft， practitioners and flight operations amount， in contrast， the general aviation enterprises and institutions， currently still rely entirely on artificial statistical flight time for the second day of the flight plan and recent maintenance plan arrangement. Flight serious security risks caused by human factors. Production planning management in this simple way of time-consuming， and affected by human factors and environmental factors is huge. Not only can not meet the rapid development of the aviation navigation needs to aviation safety planted a huge security risk. The relevant data is processed by using the genetic algorithm to the production operation plan， operation of auxiliary production planner in reasonable production scheduling， maximize the flight safety and efficiency.

Keywords： maintenance； scheduling； genetic algorithm；

2011年3月《中華人民共和國國民經濟和社會發展十二五規劃綱要》將通用航空列為具有長期發展前景的成長性帶動性行業。目前，我國通用航空產業呈現“爆炸式”增長。“大、中、小”型通航企業數量快速增長，各種通航機型快速引進。截止2012年低，全行業完成通用航空生產作業飛行51.7萬小時，獲得通航經營許可證的通用航空企業146家，在冊航空器總數達到1320架，從業人員過萬名[1]。

與日益激增的飛行器、從業人員以及飛行作業量相比，反觀各通用航空企事業單位，目前依然完全依靠人工統計飛行時間來進行第二日飛行計劃及近期維修計劃的安排。人工統計是基于固定的"飛行計劃和維修計劃"提前預計安排，根據設定好的固定提前期計算飛行計劃和維修計劃時間，但是在天氣、飛機故障、訓練需求、空域流控等不確定因素的干擾下，計劃出機與實際出機經常不一致，這在一定程度上增加了制定后續飛行和維修計劃的難度，如果不能合理、科學的進行生產調配，就會產生工作沖突。還可能由于人為因素而出現飛機時控件、時控維修項目超壽飛行的嚴重安全隱患。這種簡單的生產計劃管理方式耗時、耗力且受人為因素和環境因素影響巨大。不但不能滿足高速發展的通航航空的需要，更給航空安全埋下了巨大的安全隱患[2]。

本項目擬在深入調研各通航企業生產運行計劃制定方法的基礎上，以中國民航飛行學院生產運行計劃為核心，運用遺傳算法對生產運行計劃的相關數據進行分析處理，對整個生產過程進行統一計劃，輔助生產運行計劃制定人員更加科學的生產運行規劃。通過最優的飛行計劃和維護計劃，獲得最大化的飛行安全和飛行效益。

1國內外研究現狀及發展動態

20世紀70年代，國外先進發達國家的航空公司就已經開始了建設運行控制系統的前期理論分析和客戶需求分析，同時進行實踐建設，陸續開發出了自己的飛行簽派運行控制系統。美國西北航空公司是最早開始開發、建設并投入使用簽派運行控制系統的航空公司，簽派運行控制系統投入使用后大大提高了該公司的運行安全管理水平，提升了自身的效益水平。在成本方面，運行控制系統每年可降低大約1500多萬美元的直接生產運營成本。在國外軍事領域，尤其是美國，各種PHM系統已經逐步得到應用。

歐洲各航空公司于20世紀90年代中期起，開始紛紛建立了自己運行控制中心（OCC）以指揮其航班整體運行。同時至20世紀90年代末，歐洲各大機場被邀請加入航空公司的運行控制體系，或者聯合建立獨立的地面運行控制體系：建成了樞紐運行控制中心（HCC）。運行控制系統可以完成公司內、外部的信息共享和共同處置和決策；各項航班保障資源的優化；進行有效航班運行控制質量的監控；最大限度的控制運行成本等。

法國航空（Air France）和新加坡航空公司（Singapore Airlines）以及歐美眾多航空公司也都擁有非常相似的運行管理系統[3]。運行控制管理系統對航空公司所有航班的預先準備、計劃實施、動態監控、以及終止運行和講評行使控制權。同時對整個航空公司的運行狀態進行監控，并進行統一的協調和指揮。

全日空航空公司在位于日本東京的東京國際機場成立了運行飛行控制中心FCC （Flight Contro1 Center），該中心每天對170多個分子公司進行全面協調，對每天600多個航班進行統一協調、控制[4]。FCC主要功能在于監控和協調全日空航空的所有國內、國際航班，確保航班運行正點，在航班出現不正常時，進行迅速、有效地調整和更改飛行計劃，滿足旅客和自身的需求。該系統有許多的外部系統對其進行支持，其中包括航行情況系統、氣象情報和圖表顯示系統、空管信息系統、飛行運行系統、訂座系統、飛行監視系統、航班監控系統、國際通信系統等[5]。

我國國內最早開始引進并使用系統運行控制（SOC）的是中國南方航空公司（以下簡稱“南航”），南航于1997年經過公司高層研究決定，采用引進國外先進核心技術，同時建立自身研發團隊，進行自我開發配套的方式建設國內第一套運行控制系統。

2005年9月20日，我國三大航空之一的中國東方航空公司（以下簡稱“東航”）的AOC（Airlines operations Control航空公司運行控制系統）在上海虹橋運行基地正式開始投入使用。

2008年10月中國國際航空公司完成自身運行控制系統的開發和建設，正式投入使用。國航認為SOC系統的使用使機組、飛機、航班這三大航空公司最重要的資源得到了集中管控、調配與最佳整合，業務流程得到優化，航班運行計劃得到更加高效地設計與安排，為國航大運行、大保障戰略目標的全面實現奠定了堅實基礎。 [6、7]。

2基于遺傳算法的維修生產任務排程

遺傳算法是解決搜索問題的一種通用方法，對于各種通用問題都可以使用。[8、9]在使用遺傳算法時，首先組成一組候選解，依據某些適應性條件測量這些候選解的適應度，根據適應度保留某些候選解，放棄其他候選解，然后對保留的候選解進行某些操作，生成新的候選解。

2.1 遺傳算法的一般算法

首先建立初始狀態：首先根據實際問題，將問題參數進行編碼，并將編碼進行排列為基因串，組成初始種群。

計算群體上每個個體的適應度值：根據實際問題，創建適應度函數，計算群體上每個個體的適應度值。

運算：按照適應度高低對其種群內基因進行選擇；按照交叉概率，進行交叉操作；按照變異概率，進行變異操作。

群體繁衍：將經過運算處理過的基因串進行繁衍，復制，將其繁衍結果進行判定，如果滿足初始要求，則保留；如果不滿足要求，則將其繁衍結果傳送回去，重新進行適應度計算，對其進行選擇、交叉、變異，直至其滿足要求，保留結果。

解碼、改善實際問題：將經過判定保留下來的結果進行解碼，獲得與實際問題相關的數據，帶入實際問題當中，獲得最優解。遺傳算法流程圖如圖1所示。

2.2遺傳算法進行排程

設172飛機為1類共10架；PA44飛機為2類共8架；獎狀飛機為3類共6架；1中隊維修172和PA44飛機，2中隊維修172和獎狀飛機，數據輸入如圖2所示：

其中由于1、2中隊中維修人員的文化水平和工作經驗不同，導致各中隊維修能力不同，故各中隊維修172飛機相同的任務所需工時不同；[120，130]代表172第一架飛機維修相同任務1中需要120分鐘，2中隊需要130分鐘。

運算結果如圖3所示：

圖3、4中綠色表示172飛機，每一個小的長方形表示其中某一架飛機的維修任務的全部工時，紫色為獎狀飛機，灰色為PA44飛機。由圖3可以看出： 1中隊維修編號為3、6、7、8的172飛機和PA44的全部飛機，2中隊維修剩余的172飛機和獎狀飛機。兩隊完成分配的任務的時間非常接近，而從圖4中可以看出，1中隊分配的任務比2中隊的多很多，當2中隊完成了他們的任務時，1中隊還有3架飛機沒有進行維修。由此可見，運用遺傳算法進行生產任務排程之后，能夠充分利用各隊的維修能力，避免造成不必要的人力浪費提高了生產效率！

3 結語

通過以上對基于智能算法的維修生產任務排程研究的研究討論，可以得到如下結論：

（1）根據維修生產任務排程在航空公司中的地位，在降低維修成本的過程中，應該堅持以可靠性為中心的原則，從合理制定維修生產計劃入手，優化維修過程細節，用強有效的執行力執行維修計劃，便可達到最大的經濟效益。

（2）制定維修生產任務排程計劃的時候要采取科學合理的手段，利用智能算法的功能特點，制定最高效、簡潔的維修排程計劃，最大限度的降低維修成本。

（3）智能算法所制定的維修生產任務排程是從宏觀上面對維修任務進行排序，在微觀工作中，還需對實際工作進行分析，采用合理地技巧、方法對工作進一步優化，才可更大限度降低維修成本。

正如前言所說，中國民航事業發展迅猛，民航維修市場的競爭也日益激烈，對于各個航空公司的維修部門和獨立的維修企業而言，這既是挑戰也是機遇。只要我們能抓住機遇，用正確的態度去正視問題、認清民航大環境、充分利用新技術和科學的管理方法，尋找一條適合自己的維修排程，便可在競爭激烈的民航維修市場中站穩腳跟，并獲得巨大的經濟效益。

參考文獻

[1] 2012年民航行業發展統計公報.中國民用航空局，2012.

[2] 汪波.航空公司運行控制的研究[D].西南交通大學，2005.

[3] 吳國華， 邢建民.航空公司運行管理系統建設初探[J].中國民航學院學報，2003.

[4] 張軍，朱衍波.中國民航飛行運行綜合業務系統[J].國際航空，2008.

[5] 陳永春，孫春林.飛機維修計劃技術[J].中國民航學院院報，2004，（81）.

[6] 楊楠.國航SOC系統平臺建設實錄.民航資源.

[7] 中國東方航空股份有限公司.百度.

[8] 馮紅娟.基于遺傳算法的車間作業調度問題研究[D].長春理工大學，2008.

[9] 王凌.車間調度及其遺傳算法[M]. 清華大學出版社，2003.