مدل‌سازی عامل مبنا برای مکان‌یابی محل استقرار هواپیماهای پشتیبان با هدف کاهش زمان تاخیر در پروازهای هوایی (مطالعه موردی: شرکت هواپیمایی قشم‌ایر)

در دنیای امروز تاخیر در پروازهای هوایی یکی از مشکلات مهم و فراگیر در صنعت حمل و نقل هوایی می‌باشد. یکی از راه‌های کاهش زمان تاخیر، استفاده از هواپیماهای پشتیبان است. در تحقیقات پیشین، به مبحث هواپیماهای پشتیبان و مخصوصاً مکان یابی محل استقرار آن ها در جهت کاهش هر چه بیشتر تاخیر در پروازهای هوایی کمتر توجه شده است. بنابراین در این تحقیق تصمیم گرفته شد یک مدل سازی و شبیه سازی عامل مبنا برای مکان یابی محل استقرار هواپیماهای پشتیبان انجام شود. اهداف اصلی این تحقیق بررسی تاثیر مکان یابی هواپیماهای پشتیبان و همین طور بررسی تاثیر افزایش تعداد آن ها در کاهش میانگین زمان تاخیر در پروازهای هوایی بوده است. در مدل سازی سه سناریو بر اساس تعداد هواپیماهای پشتیبان بررسی شد. سناریوی اول شامل یک هواپیمای پشتیبان، سناریوی دوم شامل دو هواپیمای پشتیبان و سناریوی سوم شامل سه هواپیمای پشتیبان بود. نتایج به دست آمده، تاثیر 26 و 29 درصدی افزایش تعداد هواپیماهای پشتیبان از یک به دو هواپیما و از دو به سه هواپیما را در کاهش میانگین زمان تاخیر در پروازهای هوایی نشان داده است. همچنین، در هر کدام از سناریو‌ها، تفاوت بدترین و بهترین مکان های یافت شده برای استقرار هواپیماهای پشتیبان و تاثیر آن در زمانهای تاخیر بررسی شد. این تاثیر در سناریوهای اول، دوم و سوم به ترتیب 70، 77 و 84 درصد بود. این تفاوت های فاحش نشان دهنده تاثیر زیاد مکان یابی بهینه این مراکز استقرار در کاهش زمان های تاخیر است.

agent- based modelling for backup aircraft site selection to decrease flight delay time (case study: qeshm airlines)

flight delays are one of the most important and pervasive problems in the aviation industry. one way to reduce flight delays is to use backup planes. in previous research, less attention has been paid to the issue of backup aircraft and especially the location of their deployment in order to reduce air traffic delays. therefore, in this research, an agent based modelling and simulation is used to find the optimum deployment location of backup aircrafts. the main objectives of this study were to investigate the effect of locating backup aircraft as well as the effect of increasing their number in reducing the average delay time of air flights. in modeling, three scenarios were examined based on the number of backup aircraft. the first, second and third scenario consisted of one, two and three backup aircrafts, respectively. the results showed 26% and 29% increase in the number of backup aircraft from one to two aircrafts and from two to three aircrafts in reducing the average delay time. in addition, in each of the scenarios, the difference between the worst and best locations found for the deployment of backup aircrafts and its impact on latency was examined. this effect was 70%, 77% and 84% in the first, second and third scenarios, respectively. these huge differences showed the great impact of optimal location of the deployment centers in reducing the flight delays.