Технологическое проектирование станций технического обслуживания автомобилей с использованием генетических алгоритмов
- Авторы: Захаров Н.С.1, Козин Е.С.1
-
Учреждения:
- Тюменский индустриальный университет
- Выпуск: Том 14, № 2 (2024)
- Страницы: 104-122
- Раздел: Статьи
- Статья опубликована: 30.06.2024
- URL: https://bakhtiniada.ru/2328-1391/article/view/299631
- DOI: https://doi.org/10.12731/2227-930X-2024-14-2-296
- EDN: https://elibrary.ru/BPCUNW
- ID: 299631
Цитировать
Полный текст
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.
Ключевые слова
Об авторах
Николай Степанович Захаров
Тюменский индустриальный университет
Email: zakharovns@tyuiu.ru
заведующий кафедрой сервиса автомобилей и технологических машин, доктор технических наук, профессор
Россия, ул. Володарского, 38, г. Тюмень, 625000, Российская ФедерацияЕвгений Сергеевич Козин
Тюменский индустриальный университет
Автор, ответственный за переписку.
Email: kozines@tyuiu.ru
доцент кафедры сервиса автомобилей и технологических машин, кандидат технических наук, доцент
Россия, ул. Володарского, 38, г. Тюмень, 625000, Российская ФедерацияСписок 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
Дополнительные файлы
