Multiobjective Optimization Model for Elevator Call Allocation

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Date
2021-06-15
Department
Major/Subject
Systems and Operations Research
Mcode
SCI3055
Degree programme
Master’s Programme in Mathematics and Operations Research
Language
en
Pages
vi + 50
Series
Abstract
The performance of an elevator system is often perceived through direct metrics of passenger service level, but the climate crisis creates an increasing need to consider energy efficiency as an integral element of performance. The performance of an elevator group is highly dependent on its control method. A central part of elevator group control is the call allocation system that is responsible for determining the best car to serve each call. This thesis develops a multiobjective optimization model for call allocation with three objectives: energy consumption of the elevator group, time to destination of passengers, and waiting time. An achievement scalarizing value function is formulated to transform the multiobjective optimization problem to a single objective problem. Decision maker preferences are included in the value function as a reference point that is adjusted based on traffic intensity. The single objective problem is solved with the same genetic algorithm already used in the production version of the KONE call allocation system. The performance of the new call allocation method is tested with simulations in three different elevator groups. In the simulations, overall energy consumption is reduced 4–20% depending on the elevator group. Waiting time increased in the smallest elevator group by 5% but decreased in the other two groups by 10% and 19%. The reductions in these two objectives came at the cost of a 3–11% increase in time to destination. The behavior of the system follows known preferences on a general level, with most energy consumption reductions, and increases in time to destination, occurring in low traffic. These results are sufficient for a proof of concept, but additional testing and development is recommended before considering deployment. Work on preference elicitation is recommended to improve the possibilities for further development of call allocation methods.

Hissijärjestelmän suorituskyky hahmotetaan usein yksinomaan asiakkaiden palvelutasoon liittyvien mittareiden kautta. Ilmastokriisi kuitenkin luo kasvavan tarpeen sisällyttää energiatehokkuus keskeiseksi osaksi suorituskyvyn mittaristoa. Hissiryhmän suorituskyky riippuu olennaisesti ryhmän ohjauksesta. Keskeinen osa tätä ohjausta on hissikutsujen allokointijärjestelmä, jonka vastuulla on määrittää paras hissikori palvelemaan kutakin kutsua. Tämä diplomityö kehittää kolmen tavoitteen monitavoiteoptimointimallin hissikutsujen allokointitehtävälle. Mallin kolme tavoitetta ovat hissiryhmän energiankulutus sekä matkustajien matkustus- ja odotusajat. Tämä monitavoiteoptimointiongelma muunnetaan yhden tavoitteen ongelmaksi muotoilemalla sille saavutukset skalarisoiva arvofunktio. Päätöksentekijän mieltymykset sisällytetään arvofunktioon vertailupisteenä, jota säädetään liikenneintensiteetin perusteella. Yhden tavoitteen ongelma ratkaistaan geneettisellä algoritmilla, joka on käytössä KONEen hissikutsujen allokointijärjestelmän tuotantoversiossa. Kehitetyn allokointimenetelmän suorituskykyä testataan simuloinneilla kolmessa eri hissiryhmässä. Suoritetuissa simuloinneissa kokonaisenergiankulutus laskee 4–20% hissiryhmästä riippuen. Odotusaika nousee pienimmässä hissiryhmässä 5%, mutta laskee kahdessa muussa ryhmässä 10% ja 19%. Näiden kahden tavoitteen alentamisen kustannus on 3–11% nousu matkustusajassa. Järjestelmän toiminta noudattaa tunnettuja päätöksentekijän mieltymyksiä yleisellä tasolla: suurin osa energiankulutuksen alenemisesta ja matkustusajan noususta tapahtuu hiljaisen liikenteen aikana. Nämä tulokset ovat riittäviä osoittamaan käytettyjen menetelmien toimivuuden, mutta laajempaa testausta ja kehitystyötä suositellaan ennen kehitetyn järjestelmän käyttöönoton harkitsemista. Päätöksentekijän mieltymysten tarkempaa kartoittamista suositellaan edellytysten luomiseksi entistä parempien hissikutsujen allokointimallien kehitystyölle.
Description
Supervisor
Punkka, Antti
Thesis advisor
Ruokokoski, Mirko
Keywords
achievement scalarizing function, multiobjective optimization, energy consumption, call allocation, elevator traffic
Other note
Citation