20012

۲۰۰۱۲

كاربرد داده كاوي در مديريت حمل و نقل مواد زائد در ايستگاه هاي جمع آوري و حمل زباله شهر تهران (مطالعه موردي يك ايستگاه انتقال مياني پسماند)

كارشناسي ارشد

مديريت سيستم و بهره وري

۱۳۹۷

۱۳۹۷/۰۷/۲۸

دكتر عبدالرحمن حائري

دكتر مصطفي جعفري

صنايع

چكيده افزايش روز افزون جمعيت شهر تهران و در پي آن توليد انواع زباله، نوع سيستم هاي به كار گرفته شده، جهت جمع آوري پسماند توليد شده را بسيار پر اهميت نموده است. ﺍﻫﻤﻴﺖ ﺍﻳﻦ ﻣﻮﺿﻮﻉ ﺍﺯ ﺁﻥ ﺟﻬﺖ ﺍﺳﺖ ﻛﻪ ﺑﻬﺒﻮﺩ ﺍﻧﺪﻛﻲ ﺩﺭ ﻋﻤﻠﻴﺎﺕ ﺟﻤﻊ ﺁﻭﺭﻱ و انتقال زباله ﻣﻲﺗﻮﺍﻧﺪ تأثير ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪ ﺍﻱ در كاهش تأخيرات زماني بوجود آمده در سيستم حمل زباله ﺩﺍﺷﺘﻪ ﺑﺎﺷﺪ. لذا در اين پژوهش به كاربرد داده كاوي در مديريت حمل و نقل مواد زائد در ايستگاه هاي جمع آوري و حمل زباله شهر تهران پرداخته شده است. هدف اين تحقيق كه از نوع ميداني و كاربردي مي باشد، شناخت عوامل اثرگذار و درجه اهميت آن ها بر ميزان زمان تأخير پيش بيني شده به هنگام فرآيند تخليه و بارگيري سمي تريلرها در داخل ايستگاه انقال مياني پسماند به كمك كاربرد تكنيك داده كاوي و با استفاده از روش متدولوژي CRISP-DM، بوده كه محاسبات لازم در آن توسط نرم افزار IBM SPSS Modeler 12 انجام شده است. يافته ها نشان مي هد در بررسي اطلاعات مربوط به حمل و نقل پسماند، عواملي چون زمان رساندن زباله توسط خودروهاي مكانيزه به ايستگاه هاي انتقال مياني، فصول سال، سوابق حرفه اي رانندگان، گروه سني آن ها، سوابق تخلفات و حوادث، قدمت خودرو حمل، ميزان تعميرات و ميزان تحصيلات راننده وجود دارد. نتايج حاصل از اين پژوهش نشان مي دهد كه عامل اصلي از شاخص هاي شناسايي شده در بروز زمان تأخير، زمان رساندن زباله توسط خودروهاي كوچكتر به ايستگاه انتقال مياني پسماند بوده است. همچنين پس از انجام كليه محاسبات مدل مشخص گرديد كه عواملي نظير فصول سال در درﺟﮥ دوم ﺗﺄﺛﯿﺮﮔﺬاري ﺑﺮ ايجاد اﯾﻦ نوع از تأخيرات قرار دارد. در مقايسه فصول سال نتايج، پيش بيني بهتري را براي بارگيري در فصل بهار نسبت به فصول ديگر سال نشان داده است. ﺑﺮ اﺳﺎس نتايج حاصل شده بهترين زمان بارگيري به منظور كاهش زمان تأخير در داخل ايستگاه انتقال در فصل بهار و در زمان روز است. واژگان كليدي: داده كاوي ـ حمل و نقل ـ مديريت مواد زائد

1397/11/09

(Data mining application in the management of waste transportation At the stations of collecting and transporting waste in Tehran (Case study: of an intermediate transfer station

10/20/2018 12:00:00 AM

The increasing number of Tehran's population and the consequent production of various types of waste, the type of systems used, is very important for the collection of waste generated. The importance of this is because a little improvement in waste collection and transfer operations can have a significant effect on reducing the time lag generated in the waste transportation system. Therefore, in this research, the use of data mining in waste management management at the stations of collection and transportation of waste in Tehran has been addressed. The purpose of this research, which is field-oriented and applied, is to identify the effective factors and their degree of importance on the predicted delay time during the drainage and reloading process of trailer trailers inside the intermediate waste station using the application of the data mining technique. Using the CRISP-DM methodology, the computations were performed using IBM SPSS Modeler 12 software. The findings show that in the investigation of information on waste transportation, factors such as the time of garbage delivery by mechanized vehicles to intermediate transmissions, seasons, professional records of drivers, their age group, records of violations and accidents, the age of car transportation , The amount of repairs and the degree of driver education. The results of this study indicate that the main factor of the indicators identified in the delay time was the arrival of waste by smaller vehicles to the intermediate waste transmission station. After all the calculations of the model, it was determined that factors such as the seasons of the year affect the generation of these types of delays. Compared to the seasons of the year, the results show a better forecast for spring load than the other seasons. Based on the results, the best loading time is to reduce the delay time inside the transfer station during the spring and at the time of the day. Key Words: Data Mining- Transportation- Waste Management