Agentbaserad simulering för tidssättning av spridda atypiska repetitiva projekt med flera resursbegränsningar

Varför planering av spridda projekt är så svårt

När ett telekomföretag sätter upp tiotals nya mobilmaster över ett land, eller ett energibolag uppgraderar spridda transformatorstationer, ser arbetet enkelt ut på papper: upprepa liknande uppgifter på många platser. I verkligheten måste planerare jonglera med team som kör långa sträckor, oförutsägbara förseningar och snäva tidsramar. Traditionella verktyg som kalkylblad och Gantt-scheman har svårt att fånga detta rörliga pussel, vilket ofta leder till onödiga resor, stillastående personal och projekt som tar mycket längre tid än väntat. Den här artikeln presenterar ett nytt datorbaserat planeringssätt som behandlar team och platser som digitala "agenter" som rör sig på en karta, och visar hur smartare ruttsättning och schemaläggning dramatiskt kan förkorta dessa komplexa program.

Många små jobb, stora logistiska huvudvärk

Studien koncentrerar sig på vad författarna kallar spridda atypiska repetitiva projekt: tänk mer än 100 telekomtorn utspridda över städer, öknar och byar, var och en med något olika konstruktion och arbetstider. Utmaningen är inte bara när varje plats ska påbörjas, utan vilken entreprenör som ska ta vilken plats, i vilken ordning, och hur man håller teamen i arbete istället för att de sitter i lastbilar eller väntar på papper. Klassiska planeringsmetoder som Critical Path Method eller Line of Balance fungerar bra för raka motorvägar eller identiska lägenhetsvåningar, men de svajar när platserna ligger långt ifrån varandra, förutsättningarna varierar och oväntade störningar—som tillståndsförseningar eller åtkomstproblem—är vanliga.

Att göra team och platser till digitala aktörer

För att tackla detta bygger författarna en agentbaserad simuleringsmodell knuten till verkliga geografiska data. Varje byggplats är en mjukvaruagent med sin egen plats, typ (till exempel ett nytt torn på öppen mark kontra utrustning tillagd på en befintlig struktur) och beräknad varaktighet. Varje entreprenör är en annan agent, definierad av varifrån deras team utgår, vilka typer av platser de är kvalificerade för och hur många jobb de kan hantera samtidigt. Dessa agenter "lever" i en kartbaserad miljö och följer enkla regler: när ett team är klart på en plats söker det den närmaste ofärdiga platsen som det får arbeta på och förflyttar sig dit. Modellen lägger också in slumpmässiga förseningar för att spegla väder, tillstånd eller leveransproblem, så varje simuleringskörning ger en något annorlunda, men realistisk, projektförlopp.

Lägga smart sökning ovanpå simulering

Eftersom det finns många sätt att tilldela dussintals platser till flera entreprenörer lägger forskarna till ett optimeringslager inspirerat av biologisk evolution. Datorn genererar många alternativa tilldelningsmönster—olika sätt att dela upp platsfloran mellan entreprenörerna—och för vart och ett körs simuleringen upprepade gånger för att se hur lång tid det totala programmet tar. Över många cykler behålls de bättre presterande mönstren och blandas för att skapa nya, vilket gradvis närmar sig team–plats-kombinationer och ruttmönster som blir klara snabbare. Under processen registrerar modellen automatiskt prestationsmått som hur mycket tid varje team tillbringar i resande, hur ofta de är inaktiva och hur intensivt de används.

Testbädd: verklig telekomutbyggnad

Ramen testas på ett stort telekomutbyggnadsprogram i Egypten som omfattar 138 tornplatser i tre huvudsakliga typer: nya Greenfield-torn, takmonterade torn och snabba "delnings"-uppgraderingar på befintliga strukturer. Författarna använder faktiska koordinater för platser, entreprenörers depåer, realistiska kalendrar och förseningsstatistik hämtad från projektloggar. De jämför sedan sina simulerade scheman med företagets ursprungliga Excel-baserade plan, som antog cirka 100 dagar för att slutföra programmet. Med samma entreprenörer och fältbegränsningar slutför den agentbaserade metoden konsekvent arbetet på ungefär 49–56 dagar över tjugo oberoende simuleringskörningar, vilket sänker genomsnittlig tid till cirka 54 dagar—en minskning med 46 procent. Modellen visar också vilka entreprenörer som reser mest, var långdistansuppdrag fortfarande uppstår och hur väl teamen hålls sysselsatta under olika kapacitets- och specialiseringsscenarier.

Vad detta innebär för framtida projekt

Enkelt uttryckt visar studien att genom att behandla team och platser som interagerande aktörer på en karta—och låta en dator utforska många rutt- och tilldelningsalternativ under osäkerhet—kan ett utspritt, spritt program förvandlas till en mycket effektivare operation. Istället för handbyggda kalkylblad som ignorerar geografi och slump kan planerare använda detta ramverk för att testa ”tänk om”-scenarier, se hur resor och förseningar sprider sig genom schemat och välja resursallokeringar som med hög sannolikhet blir klara snabbare. Medan den nuvarande modellen fokuserar på tid och ännu inte optimerar kostnader eller bränsleförbrukning, tyder dess framgång i en verklig telekomutbyggnad på att agentbaserad, kartmedveten simulering i kombination med optimering kan bli ett praktiskt beslutsverktyg för många typer av geografiskt spridda bygg- och infrastruktursprogram.

Citering: Sultan, R.A., Hamdy, K. & Essawy, Y.A.S. Agent-based simulation for multi-resource-constrained scheduling of scattered atypical repetitive projects. Sci Rep 16, 11759 (2026). https://doi.org/10.1038/s41598-026-42832-1

Nyckelord: agentbaserad simulering, byggschemaläggning, geografiskt spridda projekt, personalallokering, telekominfrastruktur