دانلود ترجمه مقاله بهینه ‌سازی زمانبندی تعمیر و نگهداری چرخه عمر در شبکه ‌متعادل

1. مقدمه 2. فرمولاسیون مدل 3. روش مجموعه فعال 4. مثال های عددی 5. نتیجه گیری

چکیده – مطالعه حاضر برای حفظ و نگهداری روسازی ها و به منظور کاهش مصرف سوخت در شبکه‌های متعادل شده، یک چارچوب برنامه‌ریزی ریاضی دو سطحی را ارائه می دهد. همچنین مدل پیشنهادی پژوهش هایی را در این حوزه از طریق ایجاد تعامل بین تعادل شبکه و فعالیت ‌های مختلف تعمیر و نگهداری توسعه می‌دهد. لازم به ذکر است که در طراحی پروژه روسازی به مواردی نظیر حجم ترافیک، طول عمر روسازی، شرایط اولیه و تداخل ناشی از تعمیر و نگهداری نیز توجه می شود. همچنین در فرآیند بهینه‌سازی، مصرف سوخت ناشی از ناهمواری و اختلال در ترافیک و رفت و آمد نیز مورد توجه و بررسی قرار می گیرد. علاوه بر این در مطالعه حاضر، برای دستیابی به راه‌حل‌های دقیق، یک الگوریتم مجموعه فعال اصلاح شده با زیر برنامه‌ریزی تو در تو نیز ارائه شده است. همچنین، عملکرد مدل پیشنهادی در مقایسه با دو راهبرد اصلی دیگر یعنی بدترین کنترل اول و کنترل آستانه مورد آزمایش قرار گرفته است. نتایج بدست آمده حاکی از آن است که روش مبتنی بر محیط زیست از مدل های متداول با کاهش 20% مصرف سوخت اضافی پیشی گرفته است. به این ترتیب می توان عنوان کرد که برنامه ‌ریزی بهینه مبتنی بر محیط ‌زیست در زمینه تصمیم‌گیری ‌های بلند ‌مدت تعمیر و نگهداری و کاهش هزینه انرژی از پتانسیل لازم برخوردار می باشد.

This paper proposes a bi-level mathematical programming framework for pavement maintenance to minimize fuel consumption in equilibrated networks. The proposed model extends research in the area by formulating the interaction between network equilibrium and various maintenance activities. The volume of traffic, age of the pavement, initial conditions, and interference due to maintenance are considered in developing this long-term deterioration model. The fuel consumption induced by roughness and traffic disruption is further investigated in the optimization process. A modified active set algorithm with nested sub-programming is developed to generate the detailed solutions. The performance of the proposed model was tested by comparing it with two other mainstream strategies: worst first and threshold control. The results show that eco-based method outperformed prevalent models by reducing extra fuel consumption by 20%. They thus show that eco-based optimal scheduling has the potential to aid in long-term maintenance decisions and reduce the energy cost.