挑战
作者：克里斯托弗-杰梅因-贝维尔上尉（美国空军）
在 2016 年冬季模拟大会上发表
在机队管理中，飞机要接受阶段检查，以最大限度地提高飞机的可用性。飞机在达到自上次阶段检查以来累计飞行小时的最大阈值后将被停飞。为了管理这一过程，计划人员使用时间分布索引来跟踪单架飞机的阶段周期，并使飞机分别保持在同一阶段。随着飞机故障和维修线积压，飞机的可用性就会降低；任务的预期效果就会丧失，而不断使用备用飞机又会给未来的调度带来隐患。在这个例子中，计划人员在确定计划时经常面临多种随机因素和风险。这里通过 Simio 展示的模型是一种基于风险的计划和调度模拟，用于识别风险并考虑阶段周期中的随机性。该模型的结果为计划人员提供了将实际计划输入系统、评估车队健康状况和进行假设分析的机会。
导言
一个机队的阶段维护周期在概念上是通过将限制阈值--自上次阶段检查以来累计的最大允许飞行小时数--除以机队中飞机的总数来确定的。例如，一个拥有 20 架飞机、限制时间为 400 小时的机队，其理想目标是每架飞机的阶段性维护间隔为 20 小时。以时间为索引的分布图通常用于显示每架飞机的目标阶段间隔时间。这一概念在图表中作为一种倒计时技术，可帮助计划人员确定下一架飞机的理想分阶段维护计划，以及飞机在其预计阶段窗口中的位置。该图还将叠加每架飞机实际累积飞行小时的散点图。在本文中，该值将被称为 "分阶段德尔塔"（每架飞机与理想分阶段目标的误差）。
飞机被安排执行训练任务（预先计划的节奏）、分阶段维护（1-3 周，取决于工作条件）、例行/计划维护（几小时到几天到几周）、仓库维护（持续几个月）以及与飞行无关的活动（日常）。运行/部署、"硬中断 "导致的计划外维护是随机发生且不常发生的关键事件。计划人员可能会选择 "拆用 "一架飞机，将该飞机的部件拆下，以满足其他故障飞机的需要，从而避免因订购周转时间较长（2-4 周）的部件而造成更长时间的延误。
飞行活动的绝大部分主要是训练任务。单次飞行任务可能持续 1-3 个小时，飞机通常以小组为单位进行安排，小组通常连续飞行。例如，在某一天，计划员将安排 10 架飞机执行一项任务，加油后，同样的 10 架飞机完成另一项任务，然后其中 2 架飞机留在原驻地，剩下的 8 架飞机继续执行另一项任务。飞机连续飞行任务不会超过 5 次。飞机在维修前的短时间内飞行次数越多，发生 "硬中断 "的可能性就越大。在每周飞行的飞机中（通常为 10-14 架），每架飞机执行 5-10 次任务。每周 2 架备用飞机平均加起来可能执行 5-8 次任务。这并不意味着每周都会发生 5-8 次故障。
解决方案
模型描述
在 Simio 中建立了一个模拟模型，以便为要求能够适应不断变化的要求的飞行计划人员开发一种可视化排班工具。为了模拟这种情况，"实体 "被表示为 "任务订单 "或 "请求"，视情况而定。每架飞机都被定义为具有 "工作者 "的特征，但每架飞机都被应用了特殊属性，以跟踪每架飞机进出的不同任务/状态。在模拟开始时，为每架飞机分配了虚构的状态，并描述了标准的阶段流量分布，但误差较小。训练任务、运行、计划内/计划外维护、分阶段维护、仓库维护、拆解、备件和非飞行事件都被表示为 "服务器 "站。
当飞机被不同的任务命令/请求占用时，飞机就会被组织成一个基本的分配问题。这种方法可以方便地收集信息，并将其存储在表格、甘特图、控制图和图表中。每个站点都有详细的选择标准，可根据分阶段 delta、飞行小时或某些选定的状态条件（如受限、可用等）选择哪架飞机。按日期创建的到达表可将真实数据输入模型。
F-16 的可靠性本质上具有 "无记忆 "特性，因此一架飞机可能会在 4 天内执行 20 次任务，并且非常容易发生 "硬故障"（例如故障概率>10%），但同一架飞机也可能在 10 天内执行 20 次任务，并且状态正常（故障概率<3%）。为了模拟这一可靠性概念，我们采用了马尔可夫链，为每架飞机分配一个状态变量向量，不断跟踪每架飞机每天的飞行次数，但只跟踪最近七天的飞行次数，舍弃旧数据。在每次飞行后，使用该可靠性向量（RV）的总和来评估发生 "硬中断 "的概率，该概率取决于在正常条件下发生 "硬中断 "的百分比（例如 RV <20），或飞机每周累积飞行次数的临界值（RV>=20）。
分析
在模型内创建一个数据表，用于：1）建立等效的在制品（WIP），并允许模型在稳态时开始统计每架飞机的状态和位置；2）初始化和实时更新状态变量；3）提供信息，以馈送图表/报告，显示特定情况下阶段周期的风险和影响。
甘特图嵌入在模型的规划功能选项卡中，可从每个平面或每个 "任务分配单 "的角度查看。
时间分布指数（左图）在模型中实时显示。这使计划人员能够评估机队的健康状况，并轻松查看特定假设情景的结果。此外，控制图（右）中还显示了虚构的阈值，以显示阶段误差（当前小时数与阶段目标的差距）。
业务影响
分析
在最初的模型中，计划人员每周都会对可用飞机进行隔离，以便在发生硬中断时进行飞行、不飞行或作为备件。由于可能发生的中断次数较多，分析表明，在某些情况下，备用飞机的使用频率可能与正常计划的飞机一样高。进一步分析将提供在当前条件下所需备用飞机的最佳数量，以便计划人员平衡航班。通过使用加权和归一化表达式来选择最佳飞机，计划人员现在可以量化风险。
该模型中使用的算法允许计划人员优先考虑风险较小或可接受的飞机（即满足航班之间适当的休息时间）。使用这种算法预计可将飞机的可用率提高 10-15%。根据《空军维修指南》的标准，模型中使用的算法可返回机队的 "良好 "分布。
关于非飞行事件，飞机可能会被从可用飞机库中抽出数天。因此，可使用的飞机不能作为备件，似乎减少了飞机平均两次飞行之间的允许休息时间。为非飞行事件选择飞机的标准决不能是随机的，因为这是在飞机超前时平衡相位误差或在飞机接近不可接受的风险时让飞机休息的机会。
最后，持续让未充分休息的飞机飞行的现行政策似乎会不断危及当前系统飞机的可靠性。为了让飞机得到充分的休息，必须对休息时间进行研究和界定。目前，维修线决定了飞机的可用速度。对维修效率和库存进行研究（即减少过长时间拆用飞机的需要）是提高飞机可用性的一种可能手段。
结论
利用美国空军总部-非洲分析局提供的数据，建立了 F-16 阶段维护流程模型。分析工作仍在进行中，以确定政策允许的最佳行动方案。目前，在提出最终建议之前，必须对可靠性逻辑、备用机和休整机进行更多研究。目前的模型代表正常情况，但为了本学术案例研究的目的，使用了虚构的数据。