REUSO DE EXPERIÊNCIAS NA GERAÇÃO AUTOMATIZADA DE POLITICAS DE AÇÕES PARA A CONDUÇÃO DE TRENS

INTRODUÇÃO: A condução assistida de um trem interurbano de carga é um desafio complexo, devido à diversidade de variáveis de controle a serem monitoradas e aos cálculos em tempo real. A seleção da potência ideal para um rebocamento eficiente é complicada, especialmente com diferentes locomotivas distribuídas no trem, resultando em uma força de tração combinada. A complexidade é acentuada pela dificuldade de prever ações diante das condições ambientais. O reuso de políticas de ações passadas é uma solução adequada. OBJETIVOS: Investigar a abordagem raciocínio baseado em casos (CBR) para sistematizar o reuso de experiências passadas na geração automatizada de política de ações. MATERIAIS E MÉTODO: Experimentação. Ela inclui várias etapas: coleta de dados, adaptação dos casos/planos de ações, e análise da eficiência de cada plano de ações em relação ao LTKB (litros por tonelada bruta transportada) e tempo de viagem. RESULTADOS: Planos de ações foram gerados para 8 trens diferentes em 1 trecho via férrea. As adaptações dos planos de condução foram realizadas usando algoritmo genético (AG) e evolução diferencial (DE). Em média, a abordagem AG alcançou uma economia de combustível de 43,63%, enquanto a abordagem DE reduziu o tempo total de viagem em 58,48%. AG gera planos de ações mais especializados que DE, por consequência, os esforços para adaptar um plano gerado pela abordagem AG é mais custosa computacionalmente, quando comparada a abordagem DE. CONSIDERAÇÕES FINAIS: As abordagens estudas para a geração de políticas de ações otimizadas, no modo off-line, foram duas: algoritmo genético e evolução diferencial. Ambas abordagens foram combinadas ao modelo conceitual CBR e elas permitem gerar políticas de ações reaproveitando/adaptando planos de ações e se mostraram satisfatórias. Contudo, deve-se notar que a execução do plano, em tempo real, toma como ponto de partida um plano adaptado/otimizado de forma off-line e ajusta-o em tempo real face a necessidade, por meio de operações simples, de reparação de plano.

PALAVRAS-CHAVE: Inteligência Artificial; Planejamento; Trem de carga; Raciocínio baseado em casos.