Robust Fleet Sizing for Multi-UAV Inspection Missions under Synchronized Replacement Demand

Título: Dimensionamento Robusto de Frotas para Missões de Inspeção Multi-UAV sob Demanda de Substituição Sincronizada

Autores: Vishal Ramesh e Antony Thomas (Centro de Pesquisa em Robótica, IIIT Hyderabad, Índia)

1. Problema Identificado

O artigo aborda um gargalo fundamental em missões de inspeção com múltiplos Veículos Aéreos Não Tripulados (UAVs): a determinação do número mínimo de drones de reserva (espares) necessário para garantir a continuidade da missão.

• Contexto: Em missões de inspeção de horizonte finito (onde cada local é visitado uma única vez), os UAVs ativos precisam retornar à base para recarga e são substituídos por drones de reserva.
• Falha das Abordagens Atuais:
  1. Modelos de Estado Estacionário: Assumem que a demanda se estabiliza em um padrão cíclico infinito, o que não se aplica a missões com duração limitada.
  2. Modelos Estatísticos (Erlang-B): Tratam as solicitações de substituição como eventos independentes. Embora garantam uma baixa probabilidade de bloqueio por solicitação (ex: 1%), essa garantia não se traduz em confiabilidade nível missão. Se houver dezenas de trocas, a probabilidade de pelo menos uma falha torna-se alta.
• Causa Raiz (O "Modo de Falha Estrutural"): O roteamento consciente de energia tende a atribuir cargas de trabalho semelhantes a UAVs lançados simultaneamente. Isso leva a um esgotamento sincronizado das baterias. Consequentemente, as solicitações de substituição ocorrem em "rajadas" (bursts) temporais, e não de forma uniforme. Mesmo que a capacidade média seja suficiente, essas rajadas podem esgotar o pool de reservas instantaneamente, causando a falha da missão.

2. Metodologia e Formulação

Os autores propõem uma abordagem determinística baseada na análise do pior caso, em vez de depender de suposições probabilísticas.

• Modelo do Sistema:
  • $m$: Número de UAVs ativos.
  • $k$: Número de UAVs de reserva.
  • $T_{active}$: Tempo máximo de voo ativo.
  • $T_{recovery}$: Tempo total de recuperação (retorno, troca de bateria, re-lançamento).
  • $R = T_{recovery} / T_{active}$: Razão de recuperação.
• Análise de Sincronização:
  • Os autores definem o "alinhamento de fase" como o grau em que as baterias dos UAVs se esgotam simultaneamente.
  • Pior Cenário: Todos os $m$ UAVs ativos esgotam a bateria ao mesmo tempo, gerando uma onda de substituição.
  • Mecanismo de Explosão de Fronteira (Boundary-Burst): Em um ciclo de recuperação, o sistema pode acumular até $m \lceil R \rceil$ UAVs em recuperação simultaneamente. No momento exato em que o próximo grupo de $m$ UAVs ativos precisa de substituição, se não houver reservas extras além das que estão em recuperação, o pool fica vazio.

3. Contribuições Principais

O artigo apresenta três contribuições fundamentais:

1. Identificação do Modo de Falha: Demonstra que a sincronização induzida pelo roteamento eficiente é a causa primária de falhas em missões de horizonte finito, invalidando modelos de independência estatística.
2. Regra de Dimensionamento Fechada (Closed-Form): Deriva uma regra suficiente e simples para calcular o número de reservas:
   $$k = m(\lceil R \rceil + 1)$$
   • Onde $\lceil R \rceil$ é o teto da razão de recuperação.
   • O termo $+1$ adiciona um "buffer" de $m$ drones extras. Esses $m$ drones extras permanecem prontos para voo e absorvem a onda de substituição sincronizada, enquanto o pipeline de recuperação opera na capacidade máxima.
   • A regra não requer simulação, suposições de distribuição ou computação iterativa.
3. Validação Empírica Rigorosa: Confirmação através de simulações de Monte Carlo em cinco cenários variados, comparando a regra proposta com métodos "Naive", "Duty-Cycle" e "Erlang-B".

4. Resultados Experimentais

A validação foi realizada em 5 cenários (S1 a S5) variando o número de UAVs ativos ($m \in [2, 10]$) e a razão de recuperação ($R \in [0.87, 3.39]$), com 1000 tentativas por cenário.

• Desempenho do Erlang-B (Padrão da Indústria):
  • Em cenários de alta demanda (ex: S5 com $R=3.39$), o dimensionamento Erlang-B (com alvo de bloqueio de 1% por pedido) caiu para uma taxa de sucesso de missão de apenas 69,9%.
  • Isso ocorre porque a probabilidade de falha se acumula ao longo das múltiplas trocas necessárias (efeito composto).
• Desempenho da Regra Proposta:
  • Mantém uma taxa de sucesso de 99,8% (com limite inferior de confiança de 99,3%) em todos os cenários, incluindo variabilidade de vento ($CV = 0.30$).
  • Custo Marginal: No cenário mais exigente (S5), a regra proposta exige apenas 4 drones a mais (50 vs 46 do Erlang-B) para garantir essa confiabilidade quase perfeita.
• Concentração de Falhas: A análise mostrou que 95% a 100% das falhas nos métodos concorrentes ocorreram dentro de janelas de 5 minutos de alta demanda (rajadas sincronizadas), confirmando a teoria do "boundary-burst".

5. Significado e Implicações

• Mudança de Paradigma: O trabalho desafia a prática comum de usar modelos de filas (Erlang-B) para dimensionamento de frotas de UAVs em missões finitas, mostrando que a independência estatística é uma suposição perigosa neste domínio.
• Robustez Operacional: A regra proposta oferece garantias de confiabilidade no nível da missão, não apenas no nível da solicitação. É particularmente valiosa para missões críticas onde a falha de uma única troca pode comprometer todo o objetivo.
• Eficiência Computacional: Como a solução é uma fórmula fechada baseada em parâmetros conhecidos ($m$ e $R$), ela é ideal para planejamento em tempo real ou pré-missão, sem a necessidade de simulações complexas.
• Custo da Robustez: O artigo ilustra que um pequeno aumento no tamanho da frota (cerca de 7% no pior caso) pode elevar a confiabilidade de um risco inaceitável (30% de falha) para um nível operacional seguro (>99%), caracterizando um "preço da robustez" extremamente favorável.

Em resumo, o artigo fornece uma solução teórica e prática para um problema de alocação de recursos que foi anteriormente mal compreendido, garantindo que frotas de inspeção multi-UAV não falhem devido a picos de demanda sincronizados.