Министерство ВВС США совместно с Массачусетским технологическим институтом разработало для своих пилотов инструмент оптимизации AI Accelerator, который помогает составлять расписание для экипажей грузовых рейсов C-17.
Капитан ВВС США Кайл Макалпин, глава исследовательского отдела искусственного интеллекта в AI Accelerator департамента ВВС МТИ, говорит, что составление графика обычно отнимает много сил и времени. Иногда, по его словам, на это уходит до 12 часов. Расписание составляется для экипажей 52 эскадрилий, эксплуатирующих C-17, военно-грузовые самолеты, которые перевозят войска и грузы по всему миру. В этом году парк из 275 С-17 налетал 4 миллиона часов. В каждом полете участвует экипаж в среднем из шести человек
«Планировка — это дополнительная обязанность летчика помимо основной работы», — говорит капитан Рониша Картер, офицер по операциям в киберпространстве и главный летчик исследовательской группы в департаменте ВВС.
Команда разработала плагин с поддержкой ИИ для существующего инструмента планирования C-17. Он автоматизирует составление графика работы экипажей C-17 и оптимизирует их ресурсы.
Технологию запустят этим летом. Ее будут использовать около 7600 летчиков. AI Accelerator интегрируется в программное обеспечение для составления расписаний Puckboard, которое летчики C-17 уже используют, чтобы сформировать график на две недели вперед. До внедрения Puckboard в 2019 году экипажи работали с виртуальными досками и электронными таблицами для ручного планирования расписаний. По словам Майкла Снайдера, инженера-программиста и руководителя группы AI Software, несмотря на то, что Puckboard был серьезным улучшением, у него не было «умных алгоритмов оптимизации».
При составлении расписания летчикам нужно учитывать множество факторов: доступность воздушного пространства, отпуска и больничные пилотов, квалификацию членов экипажа (некоторые могут не иметь сертификатов для ночных полетов или дозаправки в воздухе). Планировщик также должен бронировать тренировочные полеты, чтобы пилоты получали квалификацию в этих областях.
Подход команды к решению этой проблемы планирования объединяет два метода. Первый — это целочисленное программирование. Алгоритм решает проблему оптимизации, используя двоичные решения. Оптимальное решение максимизирует значения, присвоенные желаемым характеристикам «хорошего» расписания. Среди желаемых характеристик — увеличение скорости, с которой пилоты продвигаются к выполнению требований к квалификации и отказ от лишних миссий для летного персонала, чьи навыки значительно превышают необходимый уровень квалификации.
Готовые графики затем изучает пилот, который может принять или отклонить данное расписание. Каждый раз, когда оно одобряется, алгоритм вознаграждается за свой выбор. Это позволяет ему распознавать успешные модели и со временем улучшать свои решения. Таким образом, в работе системы используется обучение с подкреплением.
Первичное обучение модели потребовало ввода большого количества старых данных о летном составе и полетах C-17. Доступ к этим данным был одной из самых больших проблем, поскольку наборы данных были либо уничтожены, либо помещены в устаревшие и плохо совместимые системы.
С пилотами обсудили нюансы различных результатов планирования — что им нравится и не нравится и что они хотят изменить в решениях, принятых алгоритмом. «Мы выясняем, какие кнопки или диаграммы можно добавить в интерфейс, чтобы наши алгоритмы не были черными ящиками», — отмечают исследователи. Они заявляют о важности справедливости и беспристрастности алгоритма. Возможным способом обеспечить равенство для всех пилотов разработчики видят составление сразу нескольких расписаний, из которых летчик может выбрать то, которое подходит ему больше. При этом понимание того, почему пользователь делает этот выбор, позволит исследователям улучшить их модель.
Эта технология может быть особенно полезна в условиях срыва графика и предотвратить эффект снежного кома, когда приходится менять весь двухнедельный график. Алгоритм учитывает внезапные изменения и может планировать полеты на шесть месяцев вперед.
