Πρόκληση
Ένα ανοιχτό ορυχείο περιέχει διαδρομές που συνδέουν πέντε φτυάρια ή τοποθεσίες εξόρυξης μεταλλεύματος και πέντε OPP. Ένας στόλος δέκα φορτηγών μαζεύει μετάλλευμα στις τοποθεσίες φτυαριών και το μεταφέρει στα OPP. Η προσομοίωση παρακολουθεί τη συνολική απόσταση που διανύθηκε, τον μέσο χρόνο κύκλου, το ποσοστό χρήσης του εξοπλισμού, την ποσότητα του μεταλλεύματος που μεταφέρεται και τον ρυθμό μεταφοράς ανά ώρα.
Κατά τη διάρκεια των εργασιών, μπορεί να προκύψουν αστοχίες εξοπλισμού στις θέσεις του φτυαριού και στα OPP. Αυτές οι δυσλειτουργίες πρέπει να ληφθούν υπόψη στη στρατηγική βελτιστοποίησης, καθώς μπορούν να επηρεάσουν σε μεγάλο βαθμό τις καλύτερες επιλογές δρομολόγησης. Μια απλή στρατηγική να στέλνετε πάντα ένα φορτηγό στη συντομότερη γραμμή μπορεί να παράγει καλά αποτελέσματα εάν όλος ο εξοπλισμός λειτουργούσε χωρίς βλάβη, αλλά μια στρατηγική βελτιστοποίησης του πραγματικού κόσμου πρέπει να λαμβάνει υπόψη αυτές τις δυσλειτουργίες.
Γιατί χρειαζόταν το Pathmind
Η μέθοδος βελτιστοποίησης για την επίλυση αυτού του προβλήματος δρομολόγησης έπρεπε να είναι αρκετά έξυπνη για να αντιμετωπίσει τις αστοχίες του εξοπλισμού για να αυξήσει τη συνολική επεξεργασία μεταλλεύματος. Πολλά εργαλεία βελτιστοποίησης δεν μπορούν να ανταποκριθούν στην πρόκληση επειδή δεν μπορούν να μάθουν από νέα δεδομένα και να ανταποκριθούν γρήγορα. Η ενισχυτική μάθηση είναι προσαρμόσιμη, βοηθώντας τόσο στην αλλαγή της διαδρομής των φορτηγών καθώς συμβαίνουν αστοχίες εξοπλισμού, όσο και στην πρόβλεψη εάν κάτι πρόκειται να χαλάσει και στην επαναδρομολόγηση των φορτηγών έλξης πριν συμβεί.
