Academic literature on the topic 'Realtime planning'

Bisher sind die Planungsebenen des Supply Chain Management (SCM) konzeptionell, personell und softwaretechnologisch getrennt und oft hierarchisch organisiert. Geschäftsprozesse definieren die Übergänge von und Rückkopplung zwischen Ebenen grober, strategisch/ taktischer Planung und Ebenen feiner, operationaler Planung. Diese Trennung führt zu konzeptionellen, prozessualen und temporalen sowie zu systemtechnischen Defiziten im Supply Chain Planning (SCP). Kerngedanken des neuen Konzepts sind, alle heute üblichen Planungsebenen vollständig auf das operative Modell zu gründen die neuen Softwaresysteme vollständig im RAM zu verankern sowie mit neuen Nutzeroberflächen auszustatten, die den Aspekt der virtuellen Aggregation und Disaggregation der Daten zur Laufzeit befördern. Durch die Ergebnisse der Arbeit wird das den Stand der Technik darstellende Paradigma der sequenziellen, hierarchischen Planung verändert zu einem Konzept einer jederzeit ausführbaren (Anytime) Planung, welche Planungsergebnisse innerhalb sehr kurzer Antwortzeiten (Real-Time) liefert. Durch die schnellen Antworten können zudem ganz neue interaktive, simulationsbasierte Planungsprozesse anstelle bisheriger batchorientierter Prozesse eingeführt werden. Es werden Vorteile gegenüber dem alten Konzept und die praktische Machbarkeit anhand von Softwarefallstudien bewertet.

International Telemetering Conference Proceedings / October 28-31, 1996 / Town and Country Hotel and Convention Center, San Diego, California<br>This paper discusses the design and development of the EUVE Virtual Environment (EVE) system. The EVE system is being developed as an interactive virtual reality (VR) viewing tool for NASA's Extreme Ultraviolet Explorer (EUVE) satellite. EVE will serve as a predictive tool for forecasting spacecraft constraint violations and will provide a capability for spacecraft problem analysis and resolution in realtime through visualization of the problem components in the spacecraft. EVE will animate, in three-dimensional realtime, the spacecraft dynamics and thermal characteristics of the EUVE spacecraft. EVE will also display the field of view for the science instrument detectors, star trackers, sun sensors, and both the omni and high-gain antennas for NASA's Tracking and Data Relay Satellite System (TDRSS) and for possible ground station contact. EVE will display other vital spacecraft information to support the routine operations of the EUVE spacecraft. The EVE system will provide three quick-look visualization functions: (1) to model in-orbit data for realtime spacecraft problem analysis and resolution, (2) to playback data for post-pass data analysis, and training exercises, and (3) to simulate data in the science planning process for optimum attitude determination and to predict spacecraft and thermal constraint violations. We present our preliminary design for a telemetry server, providing both realtime and post pass data, that uses standard Unix utilities. We also present possibilities for future integration of the EVE system with other software to automate the science planning and command generation functions of the satellite operations.

L'Internet des objets, ou IdO (en anglais Internet of Things, ou IoT) conduit à un changement de paradigme du secteur de la logistique. L'avènement de l'IoT a modifié l'écosystème de la gestion des services logistiques. Les fournisseurs de services logistiques utilisent aujourd'hui des technologies de capteurs telles que le GPS ou la télémétrie pour collecter des données en temps réel pendant la livraison. La collecte en temps réel des données permet aux fournisseurs de services de suivre et de gérer efficacement leur processus d'expédition. Le principal avantage de la collecte de données en temps réel est qu’il permet aux fournisseurs de services logistiques d’agir de manière proactive pour éviter des conséquences telles que des retards de livraison dus à des événements imprévus ou inconnus. De plus, les fournisseurs ont aujourd'hui tendance à utiliser des données provenant de sources externes telles que Twitter, Facebook et Waze, parce que ces sources fournissent des informations critiques sur des événements tels que le trafic, les accidents et les catastrophes naturelles. Les données provenant de ces sources externes enrichissent l'ensemble de données et apportent une valeur ajoutée à l'analyse. De plus, leur collecte en temps réel permet d’utiliser les données pour une analyse en temps réel et de prévenir des résultats inattendus (tels que le délai de livraison, par exemple) au moment de l’exécution. Cependant, les données collectées sont brutes et doivent être traitées pour une analyse efficace. La collecte et le traitement des données en temps réel constituent un énorme défi. La raison principale est que les données proviennent de sources hétérogènes avec une vitesse énorme. La grande vitesse et la variété des données entraînent des défis pour effectuer des opérations de traitement complexes telles que le nettoyage, le filtrage, le traitement de données incorrectes, etc. La diversité des données - structurées, semi-structurées et non structurées - favorise les défis dans le traitement des données à la fois en mode batch et en temps réel. Parce que, différentes techniques peuvent nécessiter des opérations sur différents types de données. Une structure technique permettant de traiter des données hétérogènes est très difficile et n'est pas disponible actuellement. En outre, l'exécution d'opérations de traitement de données en temps réel est très difficile ; des techniques efficaces sont nécessaires pour effectuer les opérations avec des données à haut débit, ce qui ne peut être fait en utilisant des systèmes d'information logistiques conventionnels. Par conséquent, pour exploiter le Big Data dans les processus de services logistiques, une solution efficace pour la collecte et le traitement des données en temps réel et en mode batch est essentielle. Dans cette thèse, nous avons développé et expérimenté deux méthodes pour le traitement des données: SANA et IBRIDIA. SANA est basée sur un classificateur multinomial Naïve Bayes, tandis qu'IBRIDIA s'appuie sur l'algorithme de classification hiérarchique (CLH) de Johnson, qui est une technologie hybride permettant la collecte et le traitement de données par lots et en temps réel. SANA est une solution de service qui traite les données non structurées. Cette méthode sert de système polyvalent pour extraire les événements pertinents, y compris le contexte (tel que le lieu, l'emplacement, l'heure, etc.). En outre, il peut être utilisé pour effectuer une analyse de texte sur les événements ciblés. IBRIDIA a été conçu pour traiter des données inconnues provenant de sources externes et les regrouper en temps réel afin d'acquérir une connaissance / compréhension des données permettant d'extraire des événements pouvant entraîner un retard de livraison. Selon nos expériences, ces deux approches montrent une capacité unique à traiter des données logistiques<br>Internet of Things (IoT) is leading to a paradigm shift within the logistics industry. The advent of IoT has been changing the logistics service management ecosystem. Logistics services providers today use sensor technologies such as GPS or telemetry to collect data in realtime while the delivery is in progress. The realtime collection of data enables the service providers to track and manage their shipment process efficiently. The key advantage of realtime data collection is that it enables logistics service providers to act proactively to prevent outcomes such as delivery delay caused by unexpected/unknown events. Furthermore, the providers today tend to use data stemming from external sources such as Twitter, Facebook, and Waze. Because, these sources provide critical information about events such as traffic, accidents, and natural disasters. Data from such external sources enrich the dataset and add value in analysis. Besides, collecting them in real-time provides an opportunity to use the data for on-the-fly analysis and prevent unexpected outcomes (e.g., such as delivery delay) at run-time. However, data are collected raw which needs to be processed for effective analysis. Collecting and processing data in real-time is an enormous challenge. The main reason is that data are stemming from heterogeneous sources with a huge speed. The high-speed and data variety fosters challenges to perform complex processing operations such as cleansing, filtering, handling incorrect data, etc. The variety of data – structured, semi-structured, and unstructured – promotes challenges in processing data both in batch-style and real-time. Different types of data may require performing operations in different techniques. A technical framework that enables the processing of heterogeneous data is heavily challenging and not currently available. In addition, performing data processing operations in real-time is heavily challenging; efficient techniques are required to carry out the operations with high-speed data, which cannot be done using conventional logistics information systems. Therefore, in order to exploit Big Data in logistics service processes, an efficient solution for collecting and processing data in both realtime and batch style is critically important. In this thesis, we developed and experimented with two data processing solutions: SANA and IBRIDIA. SANA is built on Multinomial Naïve Bayes classifier whereas IBRIDIA relies on Johnson's hierarchical clustering (HCL) algorithm which is hybrid technology that enables data collection and processing in batch style and realtime. SANA is a service-based solution which deals with unstructured data. It serves as a multi-purpose system to extract the relevant events including the context of the event (such as place, location, time, etc.). In addition, it can be used to perform text analysis over the targeted events. IBRIDIA was designed to process unknown data stemming from external sources and cluster them on-the-fly in order to gain knowledge/understanding of data which assists in extracting events that may lead to delivery delay. According to our experiments, both of these approaches show a unique ability to process logistics data. However, SANA is found more promising since the underlying technology (Naïve Bayes classifier) out-performed IBRIDIA from performance measuring perspectives. It is clearly said that SANA was meant to generate a graph knowledge from the events collected immediately in realtime without any need to wait, thus reaching maximum benefit from these events. Whereas, IBRIDIA has an important influence within the logistics domain for identifying the most influential category of events that are affecting the delivery. Unfortunately, in IBRIRDIA, we should wait for a minimum number of events to arrive and always we have a cold start. Due to the fact that we are interested in re-optimizing the route on the fly, we adopted SANA as our data processing framework

Le prochain secteur à être fortement automatisé est sans doute celui du transport routier. D’abord en environnement peu complexe comme c’est déjà le cas sur autoroute, puis à terme dans les scénarios les plus difficiles, comme ceux rencontrés au coeur du trafic urbain. Une étape intermédiaire consiste à introduire des véhicules autonomes en milieu urbain, mais hors du trafic, comme sur des sites fermés. Ces environnements présentent des caractéristiques particulières, comme un encombrement important. Alors, pour être en mesure de naviguer en toute autonomie, les véhicules doivent être à la fois agiles, précis et sûrs, mais aussi efficaces, donc rapides. Ce travail de thèse adresse deux problématiques clés de la navigation autonome en milieu encombré : la planification et le suivi de chemin pour les véhicules à deux trains directeurs (4WS). En effet, la cinématique 4WS est la réponse des constructeurs au besoin d’agilité et nécessite le développement de techniques de commande adaptées. La planification de chemin en temps-réel permet l’évitement d’obstacles, de façon à rendre le service robuste aux aléas de l’environnement. Le contrôle automatique de la direction permet ensuite de suivre ces chemins avec précision. La principale difficulté concernant la planification de chemin est le contraste entre la faible puissance de calcul embarquée sur le véhicule et la forte contrainte temporelle qu’impose le besoin de réactivité. Il s’agit donc de choisir l’approche adéquate et de mettre en place les simplifications algorithmiques les plus efficaces, c’est-à-dire qui réduisent la quantité de calculs nécessaires sans réduire la qualité des chemins générés. De plus, la planification de chemin en milieu encombré pose le problème des impasses dans lesquelles les méthodes les plus réactives restent coincées. De fait, l’approche retenue consiste à construire une fonction de navigation en deux dimensions dont est extrait le chemin. Au sens des critères choisis, il est optimal pour un véhicule circulaire. Des stratégies sont alors mises en place pour adapter cet algorithme aux véhicules 4WS de forme rectangulaire, comme la notion centrale de double-chemin qui permet de représenter la trajectoire d’un mobile à trois degrés de liberté dans un espace en deux dimensions. Enfin, d’autres stratégies et heuristiques sont introduites pour optimiser les performances de l’algorithme de planification et lui permettre de générer des manoeuvres efficaces. Concernant le développement du contrôleur de direction, il s’agit de choisir le modèle d’évolution qui retranscrit au mieux le comportement du véhicule vis-à-vis du double chemin qu’il doit suivre, puis d’en déduire les lois de commande des trains avant et arrière. Ayant été éprouvé par de nombreux travaux, le modèle bicyclette 4WS a été choisi. Ce modèle cinématique permet d’introduire facilement des angles de dérive utiles à la compensation des glissements des pneus sur le sol, qu’ils soient dus à un manque d’adhérence ou à une géométrie imparfaite des trains. Des lois de commande par retour d’état sont ensuite synthétisées et une stratégie de gestion de la saturation des actionneurs est proposée. Enfin, ce premier contrôleur est décliné en une version prédictive qui apporte un suivi de chemin d’une grande stabilité sur les véhicules réels. Les contributions ont toutes été évaluées en simulation et lors d’expérimentations en vraie grandeur sur l’EZ10, une navette électrique 4WS industrielle. Enfin, il se trouve que les performances obtenues dépassent les attentes initiales<br>The next sector to be highly automated is probably road transport. First in an uncomplicated environment as is already the case on highway, then eventually in the most difficult scenarios, such as those encountered at the heart of the urban traffic. An intermediate step is to introduce autonomous vehicles in urban areas, but outside traffic, as on closed sites. These environments have particular characteristics, they can be very cluttered. So to be able to navigate autonomously, the vehicles have to be agile, precise and safe, but also efficient, i.e. fast. This thesis addresses two key issues of autonomous navigation in cluttered environments: path planning and tracking for bi-steerable (4WS) vehicles. Indeed, the 4WS kinematics is the response of the manufacturers to the need for agility and requires the development of adapted control techniques. Real-time path planning allows the avoidance of obstacles in order to make the service robust to the vagaries of the environment. The automatic control of the direction then makes it possible to follow these paths with precision. The main difficulty about path planning is the contrast between the low onboard computing power and the high temporal constraints imposed by the need for reactivity. It is thus necessary to choose the appropriate approach and to implement the most efficient algorithmic simplifications, i.e. reducing the amount of calculations without reducing the quality of the generated paths. In addition, path planning in cluttered environment raises the problem of dead-ends in which the most reactive methods remain stuck. Then, the adopted approach consists in constructing a navigation function in two dimensions from which the path is extracted. In the sense of the chosen criteria, it is optimal for a circular vehicle. Strategies are then put in place to adapt this algorithm to 4WS vehicles of rectangular shape, such as the central dual-path concept which allows to represent the trajectory of a mobile with three degrees of freedom in a two-dimensional space. Finally, other strategies and heuristics are introduced to optimize the performance of the planning algorithm and allow it to generate efficient maneuvers. Concerning the development of the controller, it is about choosing the evolution model which best reflects the behavior of the vehicle with respect to the dual-path that it must follow and then deducing the front and rear control laws. The 4WS bicycle model has shown itself to be very effective. This kinematic model makes it possible to easily introduce useful side-slip angles allowing to compensate the slippage of the tires on the ground, whether due to a lack of grip or an imperfect geometry of the axles. State feedback control laws are then synthesized and a strategy for managing the saturation of the actuators is proposed. Finally, this first controller is declined in a predictive version that provides a very stable tracking on real vehicles.The contributions were all evaluated in simulation and in full-scale experiments on the EZ10, an industrial 4WS electric shuttle. Finally, it turns out that the performances exceed initial expectations

This report presents optimal control methods integrated with hierarchical control framework to realize real-time collision-free optimal trajectories for motion control in kinematic chain manipulator (KCM) robot systems under dynamic environments. Recently, they have been increasingly used in applications where manipulators are required to interact with random objects and humans. As a result, more complex trajectory planning schemes are required. The main objective of this research is to develop new motion control strategies that can enable such robots to operate efficiently and optimally in such unknown and dynamic environments. Two direct optimal control methods: The direct collocation method and discrete mechanics for optimal control methods are investigated for solving the related constrained optimal control problem and the results are compared. Using the receding horizon control structure, open-loop sub-optimal trajectories are generated as real-time input to the controller as opposed to the predefined trajectory over the entire time duration. This, in essence, captures the dynamic nature of the obstacles. The closed-loop position controller is then engaged to span the robot end-effector along this desired optimal path by computing appropriate torque commands for the joint actuators. Employing a two-degree of freedom technique, collision-free trajectories and robot environment information are transmitted in real-time by the aid of a bidirectional connectionless datagram transfer. A hierarchical network control platform is designed to condition triggering of precedent activities between a dedicated machine computing the optimal trajectory and the real-time computer running a low-level controller. Experimental results on a 2-link planar robot are presented to validate the main ideas. Real-time implementation of collision-free workspace trajectory control is achieved for cases where obstacles are arbitrarily changing in the robot workspace.