Designing a multi-agent system for monitoring and operations recovery for an airline operations control centre
António J. M. Castro · Open Repository of the University of Porto (University of Porto) · 2007
A operação de uma companhia área raramente acontece como planeado. São comuns os problemas relacionados com os aviões, com as tripulações e com os passageiros. As acções que têm como objectivo resolver estes problemas são conhecidas como Gestão das Irregularidades Operacionais. O Centro de Controlo Operacional da Companhia Aérea (CCO) tenta resolver estes problemas com o mínimo de impacto na operação, com o mínimo custo e, ao mesmo tempo, satisfazendo todas as regras de segurança requeridas. Normalmente, cada problema é tratado separadamente e algumas ferramentas têm sido propostas para ajudar no processo de tomada de decisão pelos coordenadores destes centros de controlo. Observamos o CCO da TAP Portugal, a maior companhia aérea Portuguesa, e, destas observações, várias hipóteses foram identificadas e algumas experimentadas. Acreditamos, e esta é uma das nossas principais hipóteses, que o paradigma do Sistema Multi-Agente (SMA) é mais adequado para representar a organização hierárquica de vários níveis e as várias funções (roles) existentes no CCO. Nesta tese, propomos o desenho e a implementação parcial de um SMA Distribuído que represente as várias funções existentes no CCO. Admitimos a hipótese de que, tirando partido do facto de que cada base operacional tem recursos específicos (quer aviões quer tripulantes) e juntando informações que digam respeito aos custos envolvidos (por exemplo, informação sobre vencimentos dos tripulantes, custos dos hotéis, entre outros), as soluções para os problemas detectados serão encontradas mais rapidamente e serão menos caras. Também admitimos a hipótese de que se utilizarmos agentes de software especializados que implementam diferentes soluções (heurísticas e outras soluções baseadas em modelos de investigação operacional e algoritmos de inteligência artificial) aplicadas ao mesmo problema, a robustez do sistema irá aumentar. Finalmente, acreditamos que a inclusão de um mecanismo de aprendizagem, que aprenda com a utilização anterior dos tripulantes, irá aumentar a qualidade das soluções. Estendendo esse mecanismo de forma a aprender o perfil de cada tripulante e aplicando esse conhecimento na geração de planeamentos (escalas) futuros, a gestão deste recurso tão caro será muito mais eficiente e o nível de satisfação de cada tripulante irá aumentar. Apresentamos um caso de estudo real, obtido no CCO da TAP, onde um problema relacionado com tripulantes é resolvido usando o SMA proposto. Apresentamos resultados computacionais, usando uma operação real da companhia aérea, incluindo a comparação com uma solução para o mesmo problema encontrada pelo operador humano do CCO. Mostramos que, mesmo para problemas simples e quando comparado com soluções encontradas por operadores humanos, no caso específico desta companhia aérea, é possível encontrar soluções válidas, em menos tempo e com menos custos. Nesta tese também mostramos como completamos a metodologia GAIA de forma a melhor analisar e desenhar o SMA proposto para o CCO. Para além de mostrarmos o rationale que está por trás da análise, desenho e implementação do nosso sistema, também mostramos como mapeamos as abstracções usadas no desenho orientado a agentes para código específico em JADE. As vantagens da utilização de uma análise de requisitos orientada a objectivos e a sua influência nas fases seguintes da análise e do desenho, também são apresentadas. Finalmente, propomos diagramas UML 2.0 para representação de vários deliverables da GAIA, tais como, estrutura organizacional, modelos de funções (role) e de interacções e modelos de agentes e de serviços.