ТЕХНОЛОГИЧЕСКОЕ ПРОЕКТИРОВАНИЕ СТАНЦИЙ ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ АВТОМОБИЛЕЙ С ИСПОЛЬЗОВАНИЕМ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
Аннотация
В исследовании приведено обоснование использования эволюционных методов или генетических алгоритмов для технологического проектирования вновь сооружаемых или модернизируемых станций технического обслуживания автомобилей. Генетические алгоритмы являются одним из видов моделей машинного обучения и активно используются для решения многофакторных оптимизационных задач. Задачей такого типа является поиск технических параметров предприятия сервиса автомобилей, при которых экономические показатели его деятельности будут соответствовать установленным пользователем ограничениям по прибыли или капитальным затратам. В работе приведены параметры разработанной модели, функции приспособленности, а также приведена оценка эффективности использования метода генетических алгоритмов относительно метода простого перебора разных вариантов сочетаний исходных факторов.
Цель: повышение эффективности управления предприятиями автомобильного транспорта путем использования для задач стратегического планирования метода генетических алгоритмов.
Метод и методология проведения работы. В исследовании используется метод генетических алгоритмов для решения многокритериальной задачи обратной оптимизации при технологическом проектировании станции технического обслуживания автомобилей
Результаты. Обосновано использование метода генетических алгоритмов для проектирования станций технического обслуживания и предприятий по техническому обслуживанию и ремонту автомобилей с учетом установленных в начале проектирования ограничений или целевых показателей.
Область применения результатов. Результаты исследования могут быть использованы руководством предприятий по техническому обслуживанию и ремонту автомобилей при их проектировании, стратегическом планировании деятельности и модернизации.
Скачивания
Литература
Список литературы
Карагодин В.И. Эффект от учета взаимосвязи производственных участков при проектировании станции технического обслуживания автомобилей / В.И. Карагодин, В.О. Малютин // Автотранспортное предприятие. 2015. № 2. С. 21-24.
Козин Е.С. Система поддержки принятия решений по управлению станцией технического обслуживания автомобилей // Транспорт Урала. 2022. № 3 (74). С. 73-77.
Лялин К.В. Технологический расчет и планировка станций технического обслуживания автомобилей: учебное пособие / К. В. Лялин, В. П. Лялин. Екатеринбург: РГППУ, 2019. 124 с.
Соколова А.В. Обоснование мощности дорожной станции технического обслуживания автомобилей / А.В. Соколова, А.В. Маркелов, В.А. Масленников, Д.А. Павлов // Транспорт. Транспортные сооружения. Экология. 2020. № 4. С. 5-14.
Adomavicius G. et al. Workshop on Context-Aware Recommender Systems 2023 // Proceedings of the 17th ACM Conference on Recommender Systems. 2023. P. 1234-1236. https://doi.org/10.1609/aimag.v32i3.2364
Antuori V. et al. Combining Monte Carlo tree search and depth first search methods for a car manufacturing workshop scheduling problem // International Conference on Principles and Practice of Constraint Programming. 2021. https://doi.org/10.4230/LIPIcs.CP.2021.14
Baturu C. et al. Brute force algorithm implementation of dictionary search // Jurnal Info Sains: Informatika dan Sains. 2020. Vol. 10. № 1. С. 24-30. http://ejournal.seaninstitute.or.id/index.php/InfoSains
Chan T. C. Y., Mahmood R., Zhu I. Y. Inverse optimization: Theory and applications // Operations Research. 2023. https://arxiv.org/abs/2109.03920
Fayziyev P. R. et al. Organization of technological processes for maintenance and repair of electric vehicles // International Journal of Advance Scientific Research. 2022. Vol. 2. № 03. С. 37-41. https://doi.org/10.37547/ijasr-02-03-06
Fu C. et al. A two-stage robust approach to integrated station location and rebalancing vehicle service design in bike-sharing systems // European Journal of Operational Research. 2022. Vol. 298. № 3. С. 915-938. https://doi.org/10.1016/j.ejor.2021.06.014
Gössling S., Kees J., Litman T. The lifetime cost of driving a car // Ecological Economics. 2022. Vol. 194. P. 107335. https://doi.org/10.1016/j.ecolecon.2021.107335
Hong J., Kim B., Oh S. The relationship benefits of auto maintenance and repair service: A case study of Korea // Behavioral Sciences. 2020. Vol. 10. № 7. P. 115. https://doi.org/10.3390/bs10070115
Ikromov I. A., Abduraximov A. A., Fayzullayev H. Experience and prospects for the development of car service in the field of car maintenance //ISJ Theoretical & Applied Science. 2021. Vol. 11. № 103. P. 344-346. https://doi.org/10.15863/TAS.2021.11.103.25
Jain N. K., Singh A. K., Kaushik K. Evaluating service quality in automobile maintenance and repair industry // Asia Pacific Journal of Marketing and Logistics. 2020. Vol. 32. № 1. P. 117-134. https://doi.org/10.1108/APJML-07-2018-0277
Katoch S., Chauhan S. S., Kumar V. A review on genetic algorithm: past, present, and future // Multimedia tools and applications. 2021. Vol. 80. P. 8091-8126. https://doi.org/10.1007/s11042-020-10139-6
Lambora A., Gupta K., Chopra K. Genetic algorithm-A literature review // 2019 international conference on machine learning, big data, cloud and parallel computing (COMITCon). IEEE, 2019. P. 380-384. https://doi.org/10.1109/COMITCon.2019.8862255
Liu P., Wang G., Su P. Optimal maintenance strategies for warranty products with limited repair time and limited repair number // Reliability Engineering & System Safety. 2021. Vol. 210. P. 107554. https://doi.org/10.1016/j.ress.2021.107554
Papadimitriou D., Li J. Constraint Inference in Control Tasks from Expert Demonstrations via Inverse Optimization // 2023 62nd IEEE Conference on Decision and Control (CDC). IEEE, 2023. P. 1762-1769. https://arxiv.org/abs/2304.03367
Turoń K., Kubik A. Economic aspects of driving various types of vehicles in intelligent urban transport systems, including car-sharing services and autonomous vehicles // Applied Sciences. 2020. Vol. 10. № 16. P. 5580. https://doi.org/10.3390/app10165580
Wang Z. Z., Sobey A. A comparative review between Genetic Algorithm use in composite optimisation and the state-of-the-art in evolutionary computation // Composite Structures. 2020. Vol. 233. P. 111739. https://doi.org/10.1016/j.compstruct.2019.111739
Wuttikun K. et al. Service Station Modelling Through Enterprise Architecture: Business Intelligence and Customer Engagement of Top Service Stations in Thailand // 2021 5th National Conference on Advances in Enterprise Architecture (NCAEA). https://doi.org/10.1109/NCAEA54556.2021.9690506
References
Karagodin V.I. Effekt ot ucheta vzaimosvyazi proizvodstvennykh uchastkov pri proektirovanii stantsii tekhnicheskogo obsluzhivaniya avtomobiley [The effect of taking into account the relationship of production areas when designing a car service station]. Avtotransportnoe predpriyatie, 2015, no. 2, pp. 21-24.
Kozin E.S. Sistema podderzhki prinyatiya resheniy po upravleniyu stantsiey tekhnicheskogo obsluzhivaniya avtomobiley [Decision support system for car service station management]. Transport Urala, 2022, no. 3 (74), pp. 73-77.
Lyalin, K.V. Tekhnologicheskiy raschet i planirovka stantsiy tekhnicheskogo obsluzhivaniya avtomobiley: uchebnoe posobie [Technological calculation and planning of car service stations]. Ekaterinburg: RGPPU, 2019, 124 p.
Sokolova, A.V. Obosnovanie moshchnosti dorozhnoy stantsii tekhnicheskogo obsluzhivaniya avtomobiley [Justification of the capacity of a road vehicle maintenance station]. Transport. Transportnye sooruzheniya. Ekologiya, 2020, no. 4, pp. 5-14.
Adomavicius G. et al. Workshop on Context-Aware Recommender Systems 2023. Proceedings of the 17th ACM Conference on Recommender Systems, 2023, pp. 1234-1236. https://doi.org/10.1609/aimag.v32i3.2364
Antuori V. et al. Combining Monte Carlo tree search and depth first search methods for a car manufacturing workshop scheduling problem. International Conference on Principles and Practice of Constraint Programming, 2021. https://doi.org/10.4230/LIPIcs.CP.2021.14
Baturu C. et al. Brute force algorithm implementation of dictionary search. Jurnal Info Sains: Informatika dan Sains, 2020, vol. 10, no. 1, pp. 24-30. http://ejournal.seaninstitute.or.id/index.php/InfoSains
Chan T. C. Y., Mahmood R., Zhu I. Y. Inverse optimization: Theory and applications. Operations Research, 2023. https://arxiv.org/abs/2109.03920
Fayziyev P. R. et al. Organization of technological processes for maintenance and repair of electric vehicles. International Journal of Advance Scientific Research, 2022, vol. 2, no. 03, pp. 37-41. https://doi.org/10.37547/ijasr-02-03-06
Fu C. et al. A two-stage robust approach to integrated station location and rebalancing vehicle service design in bike-sharing systems. European Journal of Operational Research, 2022, vol. 298, no. 3, pp. 915-938. https://doi.org/10.1016/j.ejor.2021.06.014
Gössling S., Kees J., Litman T. The lifetime cost of driving a car. Ecological Economics, 2022, vol. 194, pp. 107335. https://doi.org/10.1016/j.ecolecon.2021.107335
Hong J., Kim B., Oh S. The relationship benefits of auto maintenance and repair service: A case study of Korea. Behavioral Sciences, 2020, vol. 10, no. 7, pp. 115. https://doi.org/10.3390/bs10070115
Ikromov I. A., Abduraximov A. A., Fayzullayev H. Experience and prospects for the development of car service in the field of car maintenance. ISJ Theoretical & Applied Science, 2021, vol. 11, no. 103, pp. 344-346. https://doi.org/10.15863/TAS.2021.11.103.25
Jain N. K., Singh A. K., Kaushik K. Evaluating service quality in automobile maintenance and repair industry. Asia Pacific Journal of Marketing and Logistics, 2020, vol. 32, no. 1, pp. 117-134. https://doi.org/10.1108/APJML-07-2018-0277
Katoch S., Chauhan S. S., Kumar V. A review on genetic algorithm: past, present, and future. Multimedia tools and applications, 2021, vol. 80, pp. 8091-8126. https://doi.org/10.1007/s11042-020-10139-6
Lambora A., Gupta K., Chopra K. Genetic algorithm-A literature review. 2019 international conference on machine learning, big data, cloud and parallel computing (COMITCon). IEEE, 2019, pp. 380-384. https://doi.org/10.1109/COMITCon.2019.8862255
Liu P., Wang G., Su P. Optimal maintenance strategies for warranty products with limited repair time and limited repair number. Reliability Engineering & System Safety, 2021, vol. 210, pp. 107554. https://doi.org/10.1016/j.ress.2021.107554
Papadimitriou D., Li J. Constraint Inference in Control Tasks from Expert Demonstrations via Inverse Optimization. 2023 62nd IEEE Conference on Decision and Control (CDC). IEEE, 2023, pp. 1762-1769. https://arxiv.org/abs/2304.03367
Turoń K., Kubik A. Economic aspects of driving various types of vehicles in intelligent urban transport systems, including car-sharing services and autonomous vehicles. Applied Sciences, 2020, vol. 10, no. 16, pp. 5580. https://doi.org/10.3390/app10165580
Wang Z. Z., Sobey A. A comparative review between Genetic Algorithm use in composite optimisation and the state-of-the-art in evolutionary computation. Composite Structures, 2020, vol. 233, pp. 11173. https://doi.org/10.1016/j.compstruct.2019.111739
Wuttikun K. et al. Service Station Modelling Through Enterprise Architecture: Business Intelligence and Customer Engagement of Top Service Stations in Thailand. 2021 5th National Conference on Advances in Enterprise Architecture (NCAEA). 2021. https://doi.org/10.1109/NCAEA54556.2021.9690506
Просмотров аннотации: 16 Загрузок PDF: 7
Copyright (c) 2024 Nikolay S. Zakharov, Evgeniy S. Kozin
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
