آرشیو

آرشیو شماره‌ها:
۵۶

چکیده

هدف: خطوط ریلی از بخش های بسیار مهم و پُرهزینه هر راه آهن به حساب می آید. تخصیص بهینه و بهنگام عملیات نت، ضامن قابلیت اطمینان سیستم است و به استفاده مؤثر 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 تأثیری 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 تأثیر 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 تأثیرگذار 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.

A Mathematical Model for Condition-Based Preventive Maintenance Planning of Railway Tracks

ObjectiveRailway tracks are among the most critical and costly components of any railroad. Optimal and timely maintenance allocation ensures system reliability and effective resource utilization. This article presents a mathematical model designed for condition-based preventive maintenance of railway tracks. The objective is to minimize total maintenance costs while maintaining system availability and reliability. The cost function considers maintenance and renewal expenses, track possession costs, and unplanned failure costs during the planning horizon. The network is divided into segments, with the standard deviation of the longitudinal level calculated as the track quality index. Prediction and recovery models are developed to assess variations in the track quality index over the planning period. Preventive operations, including inspections, tamping, and ballast replacement, are assigned to track segments based on the allowable index limits and other constraints. The expected number of random failures is estimated using the non-homogeneous Poisson process, and preventive operations aim to reduce the incidence of such failures. MethodsGiven the complexity and non-linearity of the mathematical model, a meta-heuristic method based on a genetic algorithm was developed in MATLAB software. Initial random solutions were generated using a heuristic method. As a case study, input parameters were collected and modeled for one kilometer of railway in the Arak region. The efficiency of the proposed genetic algorithm was then compared with the results obtained using GAMS software. ResultsFor the case study, the mathematical model was solved for various problem dimensions using both methods. When GAMS software was able to achieve the optimal solution, both methods produced identical results. When GAMS could only report a feasible solution, the genetic algorithm outperformed it. For higher dimensions where GAMS provided a solution, the genetic algorithm produced results with objective function values that were 40% better. ConclusionThe planning of preventive maintenance operations for railway tracks during the project period is achieved through solving the proposed mathematical model. This allocation is based on the quality index of the tracks and considers the reducing effect of preventive operations on the expected number of random failures, ensuring the required minimum availability and reliability of the system. The variability of the model's input parameters allows for consideration of influencing heterogeneous factors based on the tracks, traffic, and environment, enabling adaptation to different conditions or the implementation of various strategies. Additionally, the proposed genetic algorithm can efficiently solve different dimensions of problem instances.

تبلیغات