ارائه یک مدل ریاضی برای برنامه ریزی عملیات نت پیشگیرانه و مبتنی بر وضعیت خطوط ریلی و حل آن با استفاده از الگوریتم ژنتیک

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 239

فایل این مقاله در 33 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IMJT-17-1_001

تاریخ نمایه سازی: 28 اسفند 1403

چکیده مقاله:

هدف: خطوط ریلی از بخش های بسیار مهم و پرهزینه هر راه آهن به حساب می آید. تخصیص بهینه و بهنگام عملیات نت، ضامن قابلیت اطمینان سیستم است و به استفاده موثر از منابع منجر می شود. در این مقاله به منظور افزایش قابلیت اطمینان خطوط راه آهن، حداقل کردن هزینه های مرتبط با تعویض و نگهداری قطعات و در عین حال، در نظر گرفتن دسترس پذیری، یک مدل ریاضی برای برنامه ریزی عملیات نت پیشگیرانه و مبتنی بر وضعیت خطوط ریلی توسعه داده شده است. هدف این مقاله، ارائه مدلی به منظور حداقل کردن کل هزینه های نگهداری و تعمیرات با در نظر گرفتن محدودیت حداقل دسترس پذیری و قابلیت اطمینان سیستم است. هزینه های درگیر عبارت اند از: هزینه اجرای عملیات تعمیراتی و نوسازی، هزینه مسدودی خط و هزینه اصلاح خرابی های تصادفی در افق برنامه ریزی. برای سادگی محاسبه هزینه ها، ضمن تقسیم شبکه ریلی به قطعاتی از خط، انحراف استاندارد پروفیل طولی، به عنوان شاخص کیفیت خطوط در نظر گرفته می شود. مدل های پیش بینی و بازیابی برای به دست آوردن تغییرات شاخص کیفیت خطوط در طول دوره برنامه ریزی توسعه داده می شود. عملیات پیشگیرانه شامل بازرسی، زیرکوبی و تعویض لایه بالاست با توجه به حد مجاز شاخص و سایر محدودیت ها، به قطعات خط اختصاص داده می شود. متوسط تعداد خرابی های تصادفی با استفاده از توزیع پواسون ناهمگن برآورد می شود و اجرای عملیات پیشگیرانه، بر تعداد خرابی های تصادفی تاثیری کاهنده خواهد داشت. روش: با توجه به پیچیدگی و غیرخطی بودن مدل ریاضی، یک الگوریتم فراابتکاری مبتنی بر الگوریتم ژنتیک در نرم افزار متلب توسعه داده شده است که در آن، جواب های موجه اولیه توسط یک روش ابتکاری تولید می شود. به عنوان یک مطالعه موردی، جمع آوری پارامترهای لازم و مدل سازی، برای یک کیلومتر از راه آهن ناحیه اراک انجام شد. همچنین کارایی الگوریتم ژنتیک پیشنهادی در مقایسه با جواب های حاصل از حل دقیق مسئله بررسی شد. یافته ها: مثال هایی با ابعاد گوناگون با استفاده از داده های جمع آوری شده در مطالعه موردی به کمک هر دو روش فراابتکاری و دقیق با استفاده از نرم افزار گمز حل شد. برای ابعاد کوچک تر جواب های بهینه حاصل با استفاده از نرم افزار گمز با جواب حاصل از الگوریتم ژنتیک منطبق بود. برای ابعاد بزرگ تر، به دلیل پیچیدگی مسئله، نرم افزار گمز یک جواب زیربهینه ارائه داد و جواب حاصل از الگوریتم ژنتیک بهتر بود. در نهایت، در حداکثر بعدی از مسئله که نرم افزار گمز قادر به ارائه جواب است، مقدار تابع هدف جواب حاصل از الگوریتم ژنتیک، ۴۰ درصد بهتر به دست آمد. نتیجه گیری: برنامه ریزی عملیات نت پیشگیرانه خطوط ریلی، در طول افق برنامه ریزی با استفاده از حل مدل ریاضی پیشنهادی به دست می آید. تخصیص عملیات نت، مبتنی بر وضعیت شاخص کیفیت خطوط بوده است و با لحاظ تاثیر کاهنده انجام عملیات پیشگیرانه بر متوسط تعداد خرابی های تصادفی، حفظ حداقل دسترس پذیری و قابلیت اطمینان سیستم را تضمین می کند. پویایی پارامترهای ورودی مدل برای هر قطعه، در هر زمان امکان لحاظ عوامل ناهمگون تاثیرگذار بر زوال خطوط، از قبیل عوامل مبتنی بر خط، ترافیک عبوری و شرایط محیطی و همچنین، تطبیق با شرایط مختلف یا پیاده سازی سیاست های گوناگون را می دهد. همچنین الگوریتم ژنتیک پیشنهادی قابلیت حل کارای مسئله در ابعاد زیاد را دارد.

نویسندگان

علیرضا صدیقی

دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران.

مهسا قندهاری

دانشیار، گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران.

سید مهدی ابطحی

دانشیار، گروه راه و ترابری، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • احمدی، سیدحسین و گروسی مختارزاده، نیما (۱۳۹۲). بررسی و اولویت ...
  • اسماعیلیان، مجید و بکران، هاجر (۱۳۹۳). زمان‎بندی تعمیرات پیشگیرانه (PM) ...
  • ارائه روشهای ابتکاری جدید برای زمانبندی تعمیرات پیشگیرانه [مقاله ژورنالی]
  • ارائه مدل مفهومی نگهداری و تعمیرات با تمرکز بر هزینه های آن با استفاده از رویکرد پویایی های سیستم [مقاله کنفرانسی]
  • پیش بینی زوال هندسی خطوط راه آهن با استفاده از الگوریتمهای یادگیری ماشین [مقاله کنفرانسی]
  • فهرست بهای واحد پایه رشته راه، راه آهن و باند ...
  • قاسمی، روح اله؛ محقر، علی؛ صفری، حسین و اکبری جوکار، ...
  • کریمی، تورج؛ آذر، عادل؛ محبان، بهاره و قاسمی، روح اله ...
  • مشخصات فنی عمومی روسازی راه آهن (بازنگری اول) نشریه شماره ...
  • نجات نیا، مهدیس؛ ماکوئی، احمد و جبارزاده، آرمین (۱۴۰۲). رتبهبندی ...
  • یونس پور، مریم؛ اسماعیلیان، مجید و کیانفر، کامران (۱۴۰۲). ارائه ...
  • ReferencesAhmadi, S. & Mokhtarzadeh, N. (۲۰۱۳). Checking and Prioritizing the ...
  • Binder, M., Mezhuyev, V. & Tschandl, M. (۲۰۲۳). Predictive Maintenance ...
  • Budai, G., Dekker, R. & Kaymak, U. (۲۰۰۹). Genetic and ...
  • Budai, G., Huisman, D. & Dekker, R. (۲۰۰۶). Scheduling Preventive ...
  • Canto, S. (۲۰۰۸). Application of Benders Decomposition to Power Plant ...
  • Daddow, M., Zhang, X., Qiu, H., Zhang, Z. & Liu, ...
  • Esmaelian, M. & Bakran, H. (۲۰۱۴). Preventive maintenance scheduling with ...
  • Federal Railroad Administration Office of Safety Analysis. (۲۰۲۴). FRA AccidentCauses. ...
  • Guo, Y., Liu, G., Jing, G., Qu, J., Wang, Sh. ...
  • Gustavsson, E. (۲۰۱۵). Scheduling Tamping Operations on Railway Tracks Using ...
  • Gustavsson, E., Patriksson, M., Strömberg, A., Wojciechowski, A. & Önnheim, ...
  • Huang, Y., Fang, Ch. & Wijaya, S. (۲۰۲۲). Condition-based preventive ...
  • Izadi Yazdan Abadi, E., Khadem Sameni, M. & Yaghini, M. ...
  • Jafarnejad, A., Jashirenejadi, A., Safai, B. & Hafezinia, A. (۲۰۱۵). ...
  • Kasraei, A. & Zakeri, J.A. (۲۰۲۲). Maintenance Decision Support Model ...
  • Khosravi, M., Ahmadi, A., Kasraei, A. & Nissen, A. (۲۰۲۴). ...
  • Liu, G., Long, X., Tong, S., Zhang, R. & Chen, ...
  • Matsumoto, M., Miwa, M. & Oyama, T. (۲۰۲۲). Multivariate Analyses ...
  • Moghaddam, K. & Usher, J. (۲۰۱۱). A New Multi-Objective Optimization ...
  • Nejatnia, M., Makui, A. & Jabbarzadeh, A. (۲۰۲۳). Ranking Iran’s ...
  • Office for Research and Experiments. (۱۹۸۸). Dynamic Vehicle/Track Interaction Phenomena, ...
  • Oyama, T. & Miwa, M. (۲۰۰۶). Mathematical Modeling Analyses for ...
  • Peng, F., Kang, S., Li, X. & Ouyang, Y. (۲۰۱۱). ...
  • Pinciroli, L., Baraldi, P. & Zio, E. (۲۰۲۳). Maintenance optimization ...
  • Prabhakaran, P., Subbaiyan, A., Gopalakrishnan, D., Balaji. M, H. V., ...
  • Rodrigues, P. & Teixeira, P. (۲۰۲۲). Modelling degradation rates of ...
  • Sadeghi, J., Heydari, H. & Doloei, E. (۲۰۱۷). Improvement of ...
  • Sedighi, A., Shafahi, Y. (۲۰۱۹). Prediction of Railway Track Geometry ...
  • Sivanandam, S. N. & Deepa, S. N. (۲۰۰۸). Genetic Algorithms. ...
  • Soleimanimeigouni, I., Ahmadi, A. & Kumar, U. (۲۰۱۸). Track geometry ...
  • Track Geometry Degradation and Maintenance Modelling: A Review. Proceedings of ...
  • Vale, C. & Ribeiro, I. (۲۰۱۴). Railway Condition-Based Maintenance Model ...
  • Vale, C., Ribeiro, I. & Calçada, R. (۲۰۱۲). Integer Programming ...
  • Wang, H. (۲۰۰۲). A survey of maintenance policies of deteriorating ...
  • Wen, M., Li, R. & Salling, K. (۲۰۱۶). Optimization of ...
  • Xie, J., Huang, J., Zeng, C., Jiang, S. H., & ...
  • Younespour, M., Esmaelian, M. & Kianfar, K. (۲۰۲۳). Proposing a ...
  • (in Persian)Zhang, T., Andrews, J. & Wang, R. (۲۰۱۳). Optimal ...
  • نمایش کامل مراجع