در 21 دسامبر 2022 ، دقیقاً با شروع فصل تعطیلات اوج ، هواپیمایی Southwest Airlines در برنامه ریزی خود یک سری از شکست های آبشار را پشت سر گذاشت که در ابتدا ناشی از زمستان سخت در منطقه دنور بود. اما این مشکلات از طریق شبکه آنها گسترش یافته و طی 10 روز آینده این بحران بیش از 2 میلیون مسافر به پایان رسیده و منجر به ضرر 750 میلیون دلار برای شرکت هواپیمایی شده است.
چگونه سیستم هواشناسی موضعی در نهایت بر چنین گسترده ای تأثیر می گذارد؟ محققان MIT این عدم موفقیت را به عنوان نمونه ای از مواردی که سیستم هایی که بیشتر اوقات به طور هموار اجرا می شوند ناگهان تجزیه می کنند و باعث ایجاد اثر دومینو می شوند. آنها اکنون یک سیستم محاسباتی برای استفاده از ترکیب داده های پراکنده برای یک رویداد نادر ، در ترکیب با داده های بسیار متراکم در مورد عملیات عادی ، برای کار به عقب و تلاش برای تعیین علل اصلی عدم موفقیت ، و امید به یافتن راه هایی برای تصحیح سیستم ها برای جلوگیری از چنین خسارت در آینده ایجاد کرده اند.
این یافته ها در کنفرانس کنفرانس بین المللی آموزش (ICLR) که در تاریخ 24 تا 28 آوریل توسط دکترا MIT ، استاد هوانوردی و فضانوردان و دانشگاه هاروارد و دانشگاه میشیگان در سنگاپور برگزار شد ، ارائه شد.
داوسون می گوید: “انگیزه این کار این است که وقتی باید با این سیستم های پیچیده ارتباط برقرار کنیم ، واقعاً ناامید کننده است که درک آنچه در پشت صحنه اتفاق می افتد که این مشکلات یا شکست هایی را که می بینیم ایجاد می کند ، واقعاً دشوار است.”
او می گوید ، کار جدید مبتنی بر مطالعات قبلی طرفداران است ، جایی که آنها مشکلات مربوط به مشکلات مربوط به نارسایی فرضی را در نظر گرفته اند ، مانند گروه هایی از روبات هایی که روی یک کار با هم کار می کنند ، یا سیستم های پیچیده ای مانند منبع تغذیه ، به دنبال راه هایی برای پیش بینی چگونگی شکست چنین سیستم ها هستند. یک فن می گوید: “هدف از این پروژه ،” واقعاً این بود که این را به یک ابزار تشخیصی تبدیل کنیم که می توانستیم در سیستم های موجود در سیستم های واقعی از آن استفاده کنیم. “
داوسون می گوید ، ایده این بود که راهی برای “داده ها به ما داده باشد که این سیستم در دنیای واقعی مشکل یا خرابی داشته باشد ،” و ما می توانیم سعی کنیم علل ریشه را تشخیص دهیم و در این پیچیدگی کمی به پشت پرده نگاه کنیم. “
او می گوید ، هدف روش هایی است که آنها “برای کار برای یک طبقه نسبتاً متداول از مشکلات سایبری-فیزیکی” ایجاد کرده اند. این مشکلاتی است که در آن “شما یک مؤلفه تصمیم گیری خودکار دارید که با ظروف سرباز یا مسافر دنیای واقعی در تعامل است.” ابزارهای قابل دسترسی برای آزمایش سیستم های نرم افزاری که به طور مستقل کار می کنند وجود دارد ، اما پیچیدگی زمانی بوجود می آید که این نرم افزار باید با اشخاص فیزیکی که با فعالیت های خود در یک محیط فیزیکی واقعی سروکار دارند ، چه برنامه ریزی ساده ، حرکات وسایل نقلیه خودمختار ، تعامل تیمی از روبات ها یا کنترل ورودی ها در تعامل باشد. در چنین سیستمهایی ، آنچه که اغلب به گفته وی اتفاق می افتد این است که “این نرم افزار می تواند تصمیمی بگیرد که در ابتدا خوب به نظر برسد ، اما پس از آن همه این دومینوها را دارد ، اثرات آن را می کوبید که باعث نرم تر و بسیار نامشخص می شود.”
با این حال ، یکی از تفاوت های مهم این است که در سیستم هایی مانند تیم های ربات ، بر خلاف برنامه ریزی هواپیما ، “ما به یک مدل در دنیای روباتیک دسترسی داریم” ، می گوید: فن ، که یک محقق اصلی در آزمایشگاه MIT برای اطلاعات و راه حل ها (LIDS) است. “ما درک خوبی از فیزیک در پشت روباتیک داریم و راه هایی برای ایجاد یک مدل داریم” ، که نشان دهنده فعالیت های آنها با دقت معقول است. اما برنامه ریزی خطوط هوایی شامل فرآیندها و سیستم هایی است که اطلاعات تجاری خودشان هستند ، بنابراین محققان مجبور بودند راه هایی برای نتیجه گیری در مورد تصمیم گیری ها پیدا کنند ، فقط با استفاده از اطلاعات نسبتاً کمیاب در دسترس ، که اساساً شامل زمان واقعی ورود و عزیمت هر هواپیما است.
فن می گوید: “ما تمام این داده های پرواز را به دست آورده ایم ، اما یک سیستم کامل از سیستم برنامه ریزی در پشت آن وجود دارد و نمی دانیم سیستم چگونه کار می کند.” و میزان داده های مربوط به امتناع واقعی تنها چند روز است ، در مقایسه با سالهای داده های طبیعی پرواز.
تأثیر وقایع هواشناسی در دنور در بحران برنامه ریزی جنوب غربی به وضوح در داده های پرواز ظاهر شد ، تنها از زمان طولانی تر از زمان عادی چرخش بین فرود و عزیمت در فرودگاه دنور. اما نحوه تأثیر آن ، مانند سیستم ، کمتر آشکار بود و نیاز به تجزیه و تحلیل بیشتر داشت. معلوم شد که این کلید مربوط به مفهوم هواپیماهای یدکی است.
خطوط هوایی معمولاً برخی از هواپیماها را در فرودگاه های مختلف در یک ذخیره نگه می دارند ، بنابراین اگر مشکلات با پرواز که برای پرواز برنامه ریزی شده است پیدا شود ، می توان هواپیمای دیگری را به سرعت جایگزین کرد. جنوب غربی فقط از یک نوع هواپیما استفاده می کند ، بنابراین همه آنها قابل تعویض هستند و این باعث می شود چنین جایگزینی ها آسانتر شوند. اما بیشتر شرکتهای هواپیمایی در یک سیستم توپی و سخنگوی کار می کنند ، با چندین فرودگاه توپی تعیین شده که بیشتر این هواپیماهای یدکی تا زمان استفاده از مراکز جنوب غربی می توانند ذخیره شوند ، بنابراین هواپیماهای یدکی آنها در شبکه خود پراکنده تر است. و نحوه قرار گرفتن این هواپیماها نقش عمده ای در بحران آشکار شده است.
داوسون می گوید: “چالش این است که هیچ اطلاعات عمومی در مورد محل قرار گرفتن هواپیما در سراسر شبکه جنوب غربی وجود ندارد.” “آنچه ما می توانیم با کمک روش خود پیدا کنیم این است که با نگاهی به ورود عمومی ، عزیمت و تأخیرها ، می توانیم از روش خود استفاده کنیم تا از آنچه پارامترهای پنهان این هواپیماها می تواند برای توضیح مشاهداتی که دیده ایم ، کنار بگذاریم.”
آنچه که آنها پیدا کردند این بود که راه ذخایر واقع شده است “شاخص پیشرو” از مشکلاتی که در یک بحران ملی آبشار داشت. برخی از قسمت های شبکه ، که از زمان مستقیماً تحت تأثیر قرار می گرفتند ، توانستند به سرعت بهبود یابند و به برنامه بازگردند. “اما وقتی به مناطق دیگر در وب نگاه کردیم ، دیدیم که این ذخایر به سادگی در دسترس نیست و همه چیز بدتر می شود.”
به عنوان مثال ، داده ها نشان می دهد که ذخایر دنور به دلیل کند شدن آب و هوا به سرعت در حال کاهش است ، اما پس از آن همچنین به ما این امکان را داد که این شکست را از دنور به لاس وگاس دنبال کنیم. “اگرچه در آنجا کار سختی وجود نداشت ،” هنوز روش ما به ما نشان می داد که تعداد هواپیماها را که موفق به انجام پروازها از لاس وگاس شد ، نشان می داد. “
او می گوید: “آنچه ما پیدا کردیم این است که این گردشگاه ها در شبکه جنوب غربی وجود دارد که هواپیما می تواند روز را در کالیفرنیا شروع کند و سپس به دنور پرواز کند و سپس روز را در لاس وگاس پایان دهد.” اتفاقی که در مورد این طوفان افتاد این بود که چرخه قطع شد. در نتیجه ، “این طوفان دنور چرخه را می شکند و ناگهان ذخایر در لاس وگاس ، که تحت تأثیر زمان قرار نمی گیرد ، شروع به وخامت می کنند.”
در پایان ، جنوب غربی مجبور شد برای حل این مشکل اقدامی جدی انجام دهد: آنها مجبور بودند “تنظیم مجدد” را به کل سیستم خود بسازند ، تمام پروازها و پرواز هواپیماهای خالی در سراسر کشور را لغو کنند تا ذخایر خود را متعادل کنند.
محققان با همکاری با کارشناسان در سیستم های حمل و نقل هوایی ، الگویی را در مورد نحوه عملکرد سیستم برنامه ریزی تهیه کرده اند. سپس “آنچه باعث می شود روش ما در واقع تلاش برای شروع مدل است.” با توجه به نتایج مشاهده شده ، این مدل به آنها اجازه می دهد تا دوباره کار کنند تا ببینند چه نوع شرایط اولیه می تواند منجر به این نتایج شود.
در حالی که داده های مربوط به خرابی های واقعی کمیاب بود ، داده های گسترده ای در مورد عملیات معمولی به آموزش مدل محاسبات “آنچه ممکن است ، چه چیزی ممکن است ، در اینجا می گوید که زمینه توانایی فیزیکی چیست؟” “این به ما دانش دامنه می دهد تا بگوییم که در این رویداد نهایی ، با توجه به فضای آنچه ممکن است ، محتمل ترین توضیحات” شکست است.
به گفته وی ، این می تواند به سیستم نظارت بر زمان واقعی منجر شود ، هنگامی که عملیات عادی به طور مداوم با داده های فعلی مقایسه می شود و تعیین می کند که این روند چگونه است. “آیا ما به سمت عادی یا تلاش برای وقایع شدید حرکت کرده ایم؟” دیدن علائم مشکلات آینده می تواند اقدامات پیشگیرانه مانند توزیع مجدد هواپیماهای ذخیره را از قبل در زمینه های مشکلات مورد انتظار فراهم کند.
فن می گوید ، کار در زمینه توسعه چنین سیستم هایی در آزمایشگاه وی ادامه دارد. در این میان ، آنها یک کد باز برای تجزیه و تحلیل سیستم های امتناع به نام CALNF تولید کرده اند که برای هر کسی که بتواند از آن استفاده کند قابل دسترسی است. در همین حال ، داوسون ، که سال گذشته دکترای خود را کسب کرد ، به عنوان یک پست پس از کار برای استفاده از روشهای توسعه یافته در این کار برای درک خرابی در شبکه های انرژی کار می کند.
تیم تحقیقاتی همچنین شامل مکس لی در دانشگاه میشیگان و ون ترن از دانشگاه هاروارد بود. این کار توسط ناسا ، سرویس تحقیقات نیروی هوایی و برنامه MIT-DSTA پشتیبانی شد.
