Please use this identifier to cite or link to this item: http://hdl.handle.net/10216/68517
Author(s): José Pedro Sobreiro Furtado da Silva
Title: Aprender com o Passado: Apoio à Negociação Automática nos Centros de Controlo Operacionais
Issue Date: 2013-07-19
Abstract: The process of planning and scheduling the flights of an airline consists of several steps, some of which are prepared several months in advance. Even though, having a great plan is as important as keeping it, this task can be quite demanding due to unexpected events (disruptions) that can occur close to the day of operation. Such problems can lead to delays and / or cancellation of flights, if nothing is done to prevent it.In the Laboratório de Inteligência Artificial e Ciência da Computação (LIACC) is being developed a project called Multi-Agent System for Disruption Management (MASDIMA), in collabo- ration with TAP Portugal, as part of an automatic negotiation on Cooperative Distributed Problem Solving (CDPS), applied to the scenario of Airlines Operation Control Center (AOCC) through a multi-agent system for disruption management.The aim of this dissertation is to incorporate, in MASDIMA system, an additional software layer, on the set of agents responsible by the generation, analysis and decision regarding new solutions, so they can learn from the past. Therefore, it is being investigated a way of having the system solve current problems based on its knowledge of similar situations occurred in the past and already solved.In order for this to become a reality, it will be used Case-based Reasoning (CBR). Using this methodology, we will be able to resolve problems, learning from the past, on the AOCC.The intention in this dissertation is to show that the introduction of learning from the past in MASDIMA system will maintain the quality of the solutions presented, and, at the same time, decrease the average response time of the system to a new problem and increase its trust. The achievement of these objectives will be analyzed using metrics such as the average response time of the system to a new case, and determining the quality of the proposed solutions, i.e. comparing the results to previously produced solutions by the system MASDIMA and TAP actual AOC.
Description: O processo de planeamento e escalonamento dos voos de uma companhia aérea é composto por várias fases, algumas das quais começam a ser preparadas com vários meses de antecedência. Contudo, é tão importante ter um planeamento ótimo quanto conseguir mantê-lo. Esta é uma tarefa bastante complicada devido a eventos inesperados (roturas) que ocorrem perto do dia da operação. Tais problemas originam quebras no planeamento que podem levar a atrasos e/ou cancelamento de voos, se nada for feito para o prevenir.No Laboratório de Inteligência Artificial e Ciência da Computação (LIACC) está a ser desenvolvido um projeto, denominado Multi-Agent System for Disruption Management (MASDIMA), em colaboração com a TAP Portugal, no âmbito da negociação automática na Resolução Distri- buída de Problemas em ambientes Cooperativos, aplicado ao cenário de Controlo Operacional das Companhias Aéreas, através de um sistema multiagente de gestão de roturas.O objetivo desta dissertação é o de incorporar, no sistema MASDIMA, uma camada de software suplementar, no conjunto de agentes responsáveis pela geração, análise e decisão de novas soluções, para que este sistema possa aprender com o passado. É assim estudada a possibilidade de o sistema gerar novas soluções para os problemas atuais com base no seu conhecimento de situações similares ocorridas anteriormente.Para que esta implementação seja uma realidade, utilizar-se-á a metodologia Case-based Reasoning (CBR), introduzindo desta forma a aprendizagem com o passado no apoio à negociação automática nos Centros de Controlo Operacionais, para obter a solução final para a rotura do plano.Pretende-se, nesta dissertação, que a introdução da aprendizagem com o passado, no sistema MASDIMA, mantenha, aproximadamente, a qualidade das soluções apresentadas pelo sistema ao mesmo tempo que, por um lado, se diminui o tempo médio de resposta do sistema a um novo problema, e, por outro, se aumenta o nível de confiabilidade do mesmo. A concretização destes objetivos será analisada através da utilização de métricas como o tempo médio de resposta do sistema a um novo caso, e a determinação da qualidade das soluções propostas, em comparação com as soluções dadas pelo Centro de Controlo Operacional (CCO) da TAP Portugal, e com as produzidas pelas abordagens pré-existentes no sistema MASDIMA.
Subject: Engenharia electrotécnica, electrónica e informática
Electrical engineering, Electronic engineering, Information engineering
URI: http://hdl.handle.net/10216/68517
Document Type: Dissertação
Rights: openAccess
License: https://creativecommons.org/licenses/by-nc/4.0/
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
26360.pdfAprender com o Passado: Apoio à Negociação Automática nos Centros de Controlo Operacionais1.68 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons