Planification tactique du cargo aérien : comparaison entre deux formulations en programmation linéaire
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".