Optimización del envío de ascensores mediante el uso de algoritmos genéticos en Python

Su autor dice que el lenguaje de programación puede reducir los tiempos de espera y servicio para los pasajeros.

Este artículo presenta una simulación desarrollada del despacho de ascensores mediante el lenguaje de programación Python. Modela el transporte vertical (VT), específicamente los ascensores, en un edificio con respecto a la cantidad de pisos, la cantidad de ascensores y los parámetros relevantes de los ascensores. Se define un algoritmo de sistema de control para seleccionar un ascensor específico para dar servicio a las llamadas de aterrizaje en un sistema de grupo. El sistema de despacho de ascensores se optimiza mediante el método del algoritmo genético (GA). El resultado ofrece una condición idónea para los pasajeros con menores tiempos de espera y atención.

Introducción

La reducción del tiempo de espera en edificios comerciales y de gran altura es uno de los aspectos más importantes en la operación de ascensores. El despacho de ascensores juega un papel fundamental en la satisfacción de las demandas de VT. El control grupal optimizado de los ascensores mejora la calidad de los viajes verticales, ya que no solo minimiza el tiempo de espera, sino que también aumenta la comodidad mental de los pasajeros. Esto significa menos tiempo de espera, lo que conduce a una mayor satisfacción. Por lo tanto, el desarrollo del despacho de ascensores siempre se ha considerado un área importante de investigación. En esta investigación, se estudia un grupo de seis ascensores con parámetros y restricciones realistas para optimizar el despacho del grupo con el objetivo de obtener tiempos de espera y costos de energía mínimos.

En este artículo, se desarrolla una herramienta de simulación VT en Python para evaluar las condiciones de acceso a cualquier piso en edificios de gran altura con un grupo de ascensores. Se utilizan parámetros realistas para animar los movimientos de los ascensores con la mayor precisión posible. [1 y 4] Luego, mediante el uso de GA en Python, se realiza una optimización para crear condiciones VT más convenientes.

Parámetros de simulación

Para aumentar la precisión de la simulación, es importante calcular y considerar parámetros realistas de los movimientos de los ascensores, como el modelo de llegada, el cálculo de la cabina más cercana y la cinemática del ascensor. [1 y 5] Además, otros parámetros importantes de los ascensores, incluida la velocidad , el tiempo y la altura de viaje, se discuten. [6]

Modelo de llegada

Uno de los parámetros más importantes en la simulación de ascensores es el modelo de llegada. Ambos modelos de llegada, la llegada de Poisson individual y por lotes, se analizan en esta investigación.^{[ 7 ]} Como se muestra en la Figura 1, el tráfico en horas punta se considera en la mañana y después de la hora del almuerzo, cuando la tendencia de los pasajeros es ascendente. La distribución de la llegada sigue una llegada por lotes de Poisson, en la que los pasajeros van a almorzar en grupos. Tasa de llegada de lotes

() se calcula mediante la ecuación. (1).^{[ 6 ]}

(1) 

dónde  es la tasa de llegada recogida, y es el valor medio del lote.

Coche más cercano

La selección de qué automóvil debe servir para qué llamada de aterrizaje es otra tarea importante del controlador. De hecho, el análisis del tráfico se ve afectado directamente por esta selección. El sistema de control de cabina más cercana (NC) es uno de los procesos más comunes en la industria de ascensores, utilizado por el controlador para seleccionar el ascensor apropiado para manejar a los pasajeros en el área de espera.^{[ 5 ]}

La posición del ascensor, el destino solicitado por el pasajero y el reconocimiento del viaje ascendente o descendente del ascensor son parámetros considerables que se aplican en este proceso. La cifra de idoneidad (FS) es una función de estos parámetros, y la posición de los ascensores en el grupo se cuantifica para el controlador. Por lo tanto, el controlador selecciona el ascensor con un valor FS más alto para atender la llamada de aterrizaje. Para calcular el valor FS, hay cuatro reglas^{[ 6 ]}.

• Cuando el automóvil se dirige hacia el área de espera con una dirección similar al destino del pasajero, FS = (N + 2) - d.

• Cuando el automóvil se dirige hacia el área de espera con la dirección opuesta al destino del pasajero, FS = (N + 1) - d.

• Cuando el automóvil está parado (inactivo), FS = (N + 1) - d.

1. Cuando el automóvil se aleja del área de espera, FS = 1. donde d es el número de pisos entre el área de espera y la posición actual del automóvil, y N son los pisos del edificio.^{[ 6 ]}

La Figura 2 ilustra el proceso de selección de ascensores con cálculo FS en un edificio de siete pisos y cinco ascensores operativos.

Por ejemplo, un pasajero en el quinto piso desea viajar a la planta baja. Los valores de FS en la quinta fila de la Figura 2 se calculan en función de la llamada de aterrizaje descendente para cada ascensor. Como se mencionó anteriormente, en un control de ascensor grupal, se selecciona la cabina con el número máximo de FS para manejar al pasajero en el área de espera. En este ejemplo, se seleccionará el primer ascensor para esta llamada de aterrizaje. Entonces, los valores FS de este ejemplo son:

• Ascensor 1: La regla 1 se usa cuando el automóvil desciende (con una dirección similar) hacia el área de espera:d = 1 piso, entonces, FS = (6 + 2) - 1 = 7.

• Ascensor 2: La regla 4 se usa cuando el automóvil desciende (con una dirección similar) alejándose del área de espera: Por lo tanto, FS = 1.

• Ascensor 3: La regla 3 se usa cuando el automóvil está parado (inactivo):d = 5 pisos, entonces, FS = (6 + 1) - 5 = 2.

• Ascensor 4: La regla 2 se usa cuando el automóvil sube (en dirección opuesta) hacia el área de espera: d = 1 piso, por lo tanto, FS = (6 + 1) - 1 = 6.

• Ascensor 5: La regla 2 se usa cuando el automóvil sube (en dirección opuesta) hacia el área de espera: d = 4 pisos, por lo tanto, FS = (6 + 1) - 4 = 3.

Por tanto, el primer coche tiene el valor máximo de figura de idoneidad, FS = 7. En este sentido, el controlador selecciona el primer coche del grupo de ascensores para atender al pasajero en la zona de espera.

Cinemática del ascensor

Los datos cinemáticos de los ascensores se utilizan para simular el movimiento de ascensores entre pisos y optimizar el despacho de ascensores. La Tabla 1 presenta los símbolos utilizados.^{[ 6 ]}

Tabla 1: Introducción de los símbolos cinemáticos de ascensores

La selección de los valores de aceleración y tirón es un compromiso entre minimizar el tiempo de viaje y maximizar la comodidad. Los valores comúnmente utilizados para la comodidad humana en ascensores son 1 para aceleración, así como sacudidas. Sin embargo, se utilizan valores diferentes: más bajo (alrededor de 0.5 para la aceleración) de los fabricantes japoneses, más alto (alrededor de 1.5 para la aceleración) en América del Norte e intermedio en Europa.^{[ 8 ]} En esta investigación, se consideran tres estados alcanzados por la cabina para la simulación del movimiento del ascensor, de la siguiente manera:

• Máxima velocidad y aceleración (a)

• Aceleración más alta pero no la velocidad más alta (b)

• Ni máxima velocidad ni aceleración (c)

Según estos tres estados, la distancia (d) y tiempo de viaje (t) se calculan como^{[ 8 ]}:

La Figura 3 muestra los tres estados de tirón, aceleración, velocidad y distancia.^{[ 6 ]}

Método

Para comparar el resultado de la presente investigación con la literatura,^{[ 6 ]} Los tres estados del automóvil antes mencionados se investigan con la misma metodología. Por lo tanto:

• En movimiento: el coche está en movimiento.

• Parada: el automóvil se detiene para cargar / descargar pasajeros en cuatro pasos posibles de 1) la puerta se abre; 2) los pasajeros bajan; 3) los pasajeros suben; y 4) la puerta se cierra.

• Inactivo: el automóvil no está en movimiento ni tiene una llamada de aterrizaje para servir.

Se pueden conectar tres estados de ascensores en función de la demanda del pasajero (Figura 4).^{[ 6 ]}

La simulación se ejecuta con pasajeros aleatorios, hora de llegada aleatoria y condiciones de piso de destino aleatorio. Cuando la hora de llegada de los pasajeros es igual a la hora del sistema, el cálculo de FS envía el estado del ascensor al controlador. Luego, el controlador decide si asigna un ascensor para atender la solicitud del pasajero. Posteriormente, el coche FS se cambia en función de la posición actual del coche y el controlador selecciona el siguiente coche para atender a los pasajeros en el área de espera.^{[ 6 ]}

Resultado y discusión

La Tabla 2 presenta el valor de los parámetros de simulación: el sistema de control del grupo de ascensores se simula para un edificio comercial con 20 pisos y seis ascensores. Se investiga el Poisson individual distribuido como tráfico ascendente y el despacho de ascensor simulado durante 1 h. El movimiento animado de los ascensores se muestra en la Figura 5, que muestra una operación similar en la que los automóviles llevan a los pasajeros desde la planta baja hacia arriba de acuerdo con sus pisos de destino. En esta imagen, el cuadro verde indica carros hacia arriba; la caja roja, carros hacia abajo; el recuadro amarillo, posición de parada de los coches; y la caja gris, estado inactivo de los coches.

Tabla 2: Valores de los parámetros de ascensores simulados

El tiempo de espera, el tiempo de servicio y el tiempo total (tiempo de espera + tiempo de servicio) se investigan simulando el sistema de control del grupo de ascensores.

La Figura 6 muestra que el tiempo de espera y el tiempo de servicio tienen una conexión directa con la tasa de llegada. Sin embargo, el tiempo de servicio se estabiliza después de un rango específico de tarifas de llegada. Un tiempo medio de espera de menos de 25 s conduce a un servicio de ascensor adecuado.^{[ 9 ]} Por lo tanto, la tasa de llegada adecuada es de 0.2 pasajeros / s (720 pasajeros / hora).^{[ 6 ]} El tiempo total con una tasa de llegada de 0.2 pasajeros / s es de alrededor de 70 s.

Optimización mediante el uso del método GA en Python

Para obtener un mejor servicio de los ascensores grupales y reducir el tiempo total (tiempo de espera más tiempo de servicio), se desarrolla un método de optimización mediante el uso de un GA en Python. Se define un proceso de control y luego se calcula FS en base a las cuatro reglas para determinar qué ascensor debe seleccionarse en un control de grupo para atender a los pasajeros en el área de espera. Para optimizar los valores de FS, los coeficientes desconocidos se asignan a través de las cuatro reglas, como se ve en la Ec. (3):

• Regla 1: FS = a1 N + c1 - b1 d.

• Regla 2: FS = a2 N + c2 - b2 d. (3)

• Regla 3: FS = a3 N + c3 - b3 d.

• Regla 4: FS = a4 N + c4 - b4 d.

Luego, mediante el método de selección de torneos en GA, los coeficientes optimizados se identifican como:

Por lo tanto, al utilizar los coeficientes identificados, los valores de FS se optimizan para seleccionar una mejor opción para atender las llamadas de aterrizaje mediante sistemas de control de grupo de ascensores. Este método de optimización da como resultado una reducción significativa en el tiempo total de viaje del ascensor (Figura 7). Este es un principio importante en la industria de los ascensores.

En la Figura 8, se muestra el tiempo total calculado a partir de la simulación de Python aumentando la tasa de llegada utilizando FS convencional y FS optimizado. Por lo tanto, para comparar la tasa de llegada de 0.5 pasajeros / s, el tiempo total relacionado con el servicio fijo convencional y el servicio fijo optimizado es de alrededor de 114.69 y 52.38 s, respectivamente. Como se muestra, este resultado es una reducción considerable del tiempo total.

Conclusión

En este artículo se investiga el desarrollo de un método de optimización mediante el uso de GA en Python para el despacho de ascensores grupales. Se simula un sistema de control de un grupo de ascensores en un edificio de gran altura con parámetros realistas de ascensores, incluida la tasa de llegada, la selección de la cabina más cercana y la cinemática del ascensor para obtener resultados precisos. Además, el despacho de ascensores está animado para proporcionar una mejor investigación visual.

Los resultados muestran que la aplicación de los coeficientes optimizados en el cálculo de FS conduce a una reducción considerable en el tiempo total, que es una combinación de tiempo de espera y tiempo de servicio. Por lo tanto, los pasajeros que llegan experimentan viajes verticales más convenientes.

AGRADECIMIENTOS

Su autor agradece a ASCEND Co. y a la Universidad de Islandia por compartir los datos técnicos necesarios para este proyecto de investigación y agradece a los expertos en tecnología de la información que ofrecieron orientación para volver a codificar la simulación en Python.

Referencias

[1] JR Fernandez y P. Cortes. “Una encuesta sobre los sistemas de control del grupo de ascensores para el transporte vertical, IEEE Control Systems, vol. 35, núm. 4, pág. 38-55, 2015.

[2] VC Galpin y ST Rock. "Un prototipo de simulación de elevación", Wiley Online Library, 1995.

[3] R. Braun. "¿Necesito un aventón? Un problema de cola de ascensor ”, United Technologies Research Center, 14 de agosto de 2003, pág. 1-28.

[4] N. Pariyatdulapak. “Desarrollo de una simulación para sistemas de transporte vertical, informe de proyecto senior”, Universidad de Chulalongkorn, 2016.

[5] GC Barney. Manual de tráfico en ascensores: teoría y práctica, Taylor Francis, 2003.

[6] N. Chaosangket, P. Sasithong, S. Wijayasekara, W. Asdornwised, L. Wuttisittikulkij, P. Vanichchanunt, M. Saadi. “Una herramienta de simulación para sistemas de transporte vertical usando Python”, 5ta Conferencia Internacional sobre Investigación Empresarial e Industrial, Bangkok, Tailandia 2018.

[7] J. Dallas. “Una metodología sistemática para la generación de pasajeros de ascensor bajo un proceso de llegada por lotes de Poisson” (peters-research.com), 2017.

[8] R. Peters. “Cinemática de elevación ideal” (peters-research.com/index.php/support/articles-and-papers/53-ideal-lift-kinematics), 1995.

[9] Adsimulo.com. “Criterios de rendimiento de ascensores” (adsimulo.com/support/adsimulo-university/lift-performance-criteria).