26318

ارائه مدل بهينه‌سازي برنامه‌ريزي نگهداري و تعمير خطوط بالاستي با رويكرد خرابي‌هاي هندسي

دكتري

مهندسي راه آهن

1393

08/08/1400

دكتر جبارعلي ذاكري-دكتر سعيد محمدزاده

مهندسي راه آهن

امروزه حمل‌ونقل ريلي به‌عنوان يكي از شريان‌هاي اصلي حمل‌ونقل و محوري براي توسعه موردتوجه بيشتر دولت‌ها و مردم قرارگرفته است. در سال‌هاي اخير مديران زيرساخت ريلي به‌منظور استفاده از حداكثر ظرفيت خطوط و امكانات موجود، برنامه‌ريزي در حمل‌ونقل ريلي را به‌عنوان يكي از مهم‌ترين موضوعات مديريتي مدنظر قرار داده‌اند. با مروري بر تحقيقات انجام‌شده در حوزه نگهداري و تعميرات ريلي مي‌توان دريافت كه مسائل برنامه‌ريزي عمليات نگهداري و تعميرات به‌عنوان يكي از مهم‌ترين مسائل برنامه‌ريزي در حمل‌ونقل ريلي محسوب مي‌شود چراكه ميزان هزينه‌هاي نگهداري و تعميرات تا 35 درصد از هزينه‌هاي مربوط به بهره‌برداري از خطوط را شامل مي‌شود. در ‌اين راستا برنامه ريزي نگهداري و تعميرات خطوط ريلي از جايگاه ويژه‌اي برخوردار است. هدف از مسائل برنامه‌ريزي نگهداري و تعميرات خطوط راه‌آهن تعيين زمان و مكان انجام عمليات نگهداري و تعميرات به نحوي است كه در حين بهره‌برداري از خط، كيفيت هندسي آن در حد قابل قبولي باقي بماند. در ‌اين پژوهش يك مدل بهينه‌سازي برنامه‌ريزي نگهداري و تعميرات خطوط بالاستي با در‌نظر گرفتن يك سياست نگهداري و تعميرات فرصت‌طلبانه ابتكاري ارائه مي‌شود. در ‌اين مدل تابع هزينه تركيبي از هزينه‌هاي مختلف مربوط به انجام عمليات زيركوبي خط (شامل هزينه زيركوبي، هزينه آماده‌سازي ماشين زيركوبي و هزينه مسدودي خط و هزينه ثابت) است كه با استفاده از الگوريتم ژنتيك كد نويسي و حل خواهد‌شد. نتايج به‌كارگيري اين سياست نوآورانه نشان مي‌دهد كه در صورت استفاده از آستانه نگهداري و تعميرات فرصت‌طلبانه، مقدار هزينه كل عمليات زيركوبي به ميزان % 7/4 كاهش خواهد يافت. در بخش ديگري از ‌اين تحقيق ميزان اثربخشي عمليات زيركوبي و تأثير آن بر كيفيت خط و هزينه‌هاي جاري عمليات زيركوبي توسط دو سناريوي اثربخشي پايين و بالاي ماشين زيركوبي موردبررسي قرارگرفته است. نتايج خروجي‌هاي مدل نشان مي‌دهد كه در سناريوي اثربخشي پايين ماشين زيركوبي با تغيير درصد اثربخشي منفي عمليات زيركوبي از ميزان % 5 به ميزان % 10 و نيز % 10 به ميزان % 15، كل هزينه‌هاي مربوط به عمليات زيركوبي به‌ترتيب % 55/2 و % 3/18 افزايش پيدا خواهد كرد. اين در حالي است كه با تغيير درصد اثربخشي مثبت عمليات زيركوبي از مقدار % 5 به ميزان % 10 و نيز از مقدار % 10 به مقدار % 15، هزينه‌هاي مربوط به عمليات زيركوبي به‌ترتيب % 13 و % 85/3 كاهش خواهد يافت. نتايج تحليل اثر بخشي ماشين زيركوبي نشان مي‌دهد كه اثر منفي سناريوي اثربخشي پايين ماشين زيركوبي بر كيفيت خط تقريباً 38/1 برابر اثر مثبت سناريوي اثربخشي بالاي ماشين زيركوبي است. در بخش پاياني تحقيق، با افزودن مفهوم عمر مفيد باقيمانده ازدست‌رفته، مدل ارائه‌شده توسعه مي‌يابد و مسئله بهينه‌سازي چندهدفه ارائه‌شده با استفاده از الگوريتم‌هاي SPEA-II و MOPSO حل خواهد شد. جهت پيش پردازش داده‌هاي جمع آوري شده از راه‌آهن ايران و سوئد به منظور پياده‌سازي مدل‌هاي ارائه‌شده، از روش‌هاي يادگيري ماشيني استفاده شده‌است. نتايج نشان مي‌دهد كه الگوريتم SPEA-II داراي كارايي بيشتري در يافتن جواب‌هاي بهينه پارتو نسبت به الگوريتم MOPSO است.

1401/01/22

Providing an optimization model for maintenance scheduling of ballasted railway track with the approach of geometry failures

10/30/2022 12:00:00 AM

Today, rail transportation is considered as one of the main arteries of transportation and the axis for development of more governments and people. In recent years, in order to use the maximum capacity of existing railway track and facilities, rail infrastructure managers have considered rail transportation scheduling as one of the most important management issues. A review of research conducted in the field of rail maintenance can be found that maintenance scheduling issues are considered as one of the most important scheduling issues in rail transportation because maintenance costs up to 35% of the costs associated with the operation of the lines. In this regard, the maintenance scheduling of railway rack has a special position. The purpose of maintenance scheduling issues of railway tracks is to determine the time and place of maintenance operations in such a way that during the operation of the line, its geometric quality remains at an acceptable level. In this research, an optimization model of ballasted railway track maintenance scheduling is presented by considering an innovative opportunistic maintenance policy. In this model, the cost function is a combination of different costs related to tamping operation (including tamping cost, tamping machine preparation cost and track blocking cost and fixed cost) which will be coded and solved using genetic algorithm. The results of applying this innovative policy show that if an opportunistic maintenance threshold is used, the total cost of the tamping operation will be reduced by 4.7%. In another part of this research, the effectiveness of the tamping operation and its effect on the quality of the track and the current costs of the tamping operation have been studied by two scenarios of low and high effectiveness of the tamping machine. The results of the model outputs show that in the low effectiveness scenario of the tamping machine by changing the percentage of negative effectiveness of the tamping operation from 5% to 10% and also 10% to 15%, the total costs related to the tamping operation will be increased 2.55% and 18.3% respectively. However, by changing the percentage of positive effectiveness of tamping operations from 5% to 10% and also from 10% to 15%, the costs related to tamping operations will be reduced by 13% and 3.85%, respectively. The results of the analysis of the effectiveness of the tamping machine show that the negative effect of the low effectiveness scenario of the tamping machine on the track quality is approximately 1.38 times the positive effect of the high effectiveness scenario of the tamping machine. In the final part of the research, by adding the concept of loss of remaining useful life, the proposed model is developed, and the proposed multi-objective optimization problem will be solved using SPEA-II and MOPSO algorithms. In order to preprocess the data collected by Iran-Sweden railway in order to implement the proposed models, machine learning methods have been used. The results show that SPEA-II algorithm is more efficient in finding Pareto optimal solutions than MOPSO algorithm.

خطوط بالاستي راه آهن , برنامه‌ريزي نگهداري و تعميرات راه‌آهن , يادگيري ماشيني , زيركوبي , خرابي‌هاي هندسي , الگوريتم‌هاي فرا ابتكاري

Ballasted railway track , Railway track scheduling , Machine learning , Tamping , Track geometry fault , Metaheuristic algorithms

arash bakhtiary

jabar ali zakeri-saeed mohammadzadeh