Planification tactique du cargo aérien : comparaison entre deux formulations en programmation linéaire
Notice bibliographique
Résumé
L'étude menée durant cette maîtrise porte sur la planification à moyen terme, aussi appelée planification tactique, de la filiale cargo de la compagnie aérienne Air Canada.Le but de cette étude est de tester la capacité à répondre à la demande du marché cargo, et ce, en utilisant le réseau de vols d'Air Canada, mais aussi de déterminer un plan d'acheminement des marchandises à travers ce même réseau.En effet, l'une des hypothèses clés dans ce projet est que toute la demande cargo se doit de transiter à travers la capacité résiduelle des vols commerciaux de transport de passagers.À ce niveau de planification, la demande est agrégée de façon dans le but de voir l'impact de larges variations de la demande globale du marché.En effet, cette agrégation se fait pour deux raisons majeures.La première étant que la taille des données brutes est colossale, et nécessite d'être réduite pour avoir des temps de résolution raisonnables.Concernant la deuxième raison, elle est en rapport avec l'aspect prévisionnel de la demande.Les résultats expérimentaux des travaux de recherche menés ont démontrés que le regroupement des paires Origine-Destination de la demande diminuait leurs variations.Pour ce faire, l'agrégation se fait dans un processus en deux étapes durant lequel il s'agit de regrouper des terminaux dans des hubs logistiques, et ce, à l'aide d'un modèle mathématique de groupement de terminaux, implémenté à travers un programme linéaire en nombres entiers, pour ensuite regrouper les paires Origine-Destination ensembles.Dans la première phase de recherche qui porte sur l'agrégation des demandes, il a été remarqué que le regroupement de paires Origine-Destination introduisait de l'erreur, car de façon générale, le coût de transport de deux différentes paire Origine-Destination n'est pas forcément le même.En considérant cette erreur sur le coût, ceci a mené vers la recherche d'un bon compromis entre le coût et la variation de la demande.L'agrégation de la demande étant faite, il a été temps d'étudier le problème d'acheminement de la demande cargo à travers le réseau de la compagnie.Deux modèles mathématiques de programmation linéaire ont été développés afin de résoudre ce problème, le but est de les confronter aux mêmes tests, et analyser les résultats obtenus pour chaque modèle afin de conclure sur leurs efficacités.Dans la première formulation, les variables de flot sont définies sur des arcs, tandis que dans la deuxième, elles sont définies sur des chemins.Il est ressorti de cette comparaison que le modèle à base de chemin était plus prometteur sur plusieurs aspects dont la génération à priori des chemins qui permet de modéliser des contraintes compliquées, les temps de résolution, ainsi que l'espace mémoire nécessaire à la résolution.De plus, pour l'application éventuelle de cet outil d'aide à la décision, Air Canada Cargo dispose déjà d'un générateur de chemins qui prend en compte toutes les contraintes du problème.iv
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».