پیوندهای مفید
آمار
| تعداد نشریات | 7 |
| تعداد شماره‌ها | 399 |
| تعداد مقالات | 5,389 |
| تعداد مشاهده مقاله | 5,287,974 |
| تعداد دریافت فایل اصل مقاله | 4,882,721 |
برنامه ریزی عملیات نگهداری و تعمیر روسازی با در نظر گرفتن عدم قطعیت بودجه | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 4، دوره 53، شماره 7، مهر 1400، صفحه 2781-2800 اصل مقاله (1.07 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2020.17502.6583 | ||
| نویسندگان | ||
| امیر گل رو* 1؛ امیرحسین فانی2؛ حامد ناصری3؛ سیدعلی میرحسنی4 | ||
| 1آدرس: تهران, خیابان حافظ, دانشگاه صنعتی امیرکبیر, دانشکده عمران و محیط زیست, اتاق 820 | ||
| 2گروه راه و ترابری، دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران | ||
| 3گروه راه و ترابری، استادیار دانشکده مهندسی عمران و محیط زیست، دانشگاه امیرکبیر، تهران، ایران | ||
| 4دکتری تحقیق در عملیات، استاد دانشکده ریاضی و علوم کامپیوتر، دانشگاه امیرکبیر، تهران | ||
| چکیده | ||
| برنامه‌ریزی عملیات نگهداری و تعمیر روسازی نقش بسزایی در اجرای کارآمد سیستم مدیریت روسازی ایفا می‌کند. این مسأله معمولاً با فرض قطعی بودن تمامی پارامترهای موجود بررسی می‌شود. در حالی که عدم قطعیت زیادی در مسأله دیده می‌شود. به طور مثال، میزان بودجه به عنوان یکی از مهم‌ترین پارامترهای تأثیرگذار به دلایل مختلفی مانند محدودیت منابع و تغییر سیاست‌ها با نوسان همراه است. برنامه‌ریزی عملیات با فرض قطعی بودن بودجه ممکن است به جوابی منجر شود که با جواب بهینه واقعی، فاصله زیادی داشته باشد. هدف این پژوهش، برنامه‌ریزی عملیات نگهداری و تعمیر روسازی در سطح شبکه با در نظر گرفتن عدم قطعیت بودجه با رویکردی جدید و کاربردی می‌باشد. برای این منظور، یک مدل برنامه‌ریزی تصادفی چند مرحله‌ای عدد صحیح خطی که هدف آن یافتن جوابی است که برای تمامی حالات عدم قطعیت امکان‌پذیر و بهینه باشد، ارائه می‌شود. نتایج مدل معرفی شده بر روی یک شبکه موردی با 6 قطعه روسازی نشان داد مدل برنامه‌ریزی تصادفی به خوبی نوسانات بودجه را لحاظ کرده و راه حلی ارائه می‌کند که برای سناریوهای مختلف بهینه باشد. مقایسه نوع عملیات انتخاب شده توسط مدل‌های تصادفی و قطعی نشان داد که تعداد عملیات پیشگیرانه انتخاب شده توسط مدل تصادفی بیشتر از مدل قطعی است؛ به طوری که از 36/67% از کل عملیات انتخابی در مدل قطعی به40/91% در مدل تصادفی می‌رسد. این موضوع مؤید این نکته است که مدل تصادفی سعی دارد بودجه را با توجه به اثرات منفی افت احتمالی آن بین قطعات بیشتری از طریق انتخاب عملیات پیشگیرانه تقسیم کند. | ||
| کلیدواژه‌ها | ||
| سیستم مدیریت روسازی؛ برنامه‌ریزی عملیات نگهداری و تعمیر؛ عدم قطعیت؛ بهینه‌سازی؛ برنامه‌ریزی تصادفی | ||
| موضوعات | ||
| مدیریت روسازی | ||
| عنوان مقاله [English] | ||
| Pavement Maintenance and Rehabilitation Planning Considering Budget Uncertainty | ||
| نویسندگان [English] | ||
| Amir Golroo1؛ Amirhossein Fani2؛ Hamed Naseri3؛ Seyed Ali MirHassani4 | ||
| 1Transportation group, Civil dept, AUT | ||
| 2Transportation Engineering, Department of Civil Engineering, Amirkabir University of Technology, Tehran, Iran | ||
| 3Department of Civil and Environmental Engineering, Amirkabir University of Technology, Tehran, Iran. | ||
| 4Math and computer Science Dept, Amirkabir University of Tech, Tehran | ||
| چکیده [English] | ||
| Maintenance and rehabilitation planning plays a pivotal role in the implementation of an efficient pavement management system. The variables are generally considered deterministic to solve the problem. Nevertheless, this problem tackles with a high level of uncertainty. For instance, the budget, as one of the essential criteria, is fluctuated owing to resource limitation, and policy alteration. If the budget is taken into account as deterministic, the result of the problem may be considerably different from the absolute optimal solution to the problem. This investigation aims to solve a maintenance and rehabilitation problem by consideration of a novel and powerful uncertainty approach. To this end, a multi-stage integer linear uncertainty model is introduced to find a solution, which is feasible and optimal in all of the uncertainty modes. The case study of this paper is a network, including six pavements. The outcomes indicated that the proposed model is competent to consider budget fluctuation, and it introduces a solution that is optimal for all uncertainty scenarios. The comparison of deterministic and uncertainty models revealed that the number of preventative maintenance selected by the uncertainty model is more than that of the deterministic model. The number of preventative maintenance was increased from 36.67% to 40.91% via considering uncertainty in the problem. It can be postulated that the uncertainty model tries to allocate budget to more segments to reduce the likely negative impacts of budget fluctuation on the project. | ||
| کلیدواژه‌ها [English] | ||
| Pavement management, Maintenance, Uncertainty, Optimization, Stochastic programming | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
[1] ORM (Office of Road Maintenance), Iran's Road Maintenance and Transportation Organization (RMTO), Tehran, Iran (In Persian). 2019. [2] K. Golabi, R.B. Kulkarni, G.B. Way, A Statewide Pavement Management System, Interfaces, 12 (1982) 5-21. [3] J.M. de la Garza, S. Akyildiz, D.R. Bish, D.A. Krueger, Network-level optimization of pavement maintenance renewal strategies, Advanced Engineering Informatics, 25 (2011) 699-712. [4] J.R. Mbwana, M.A. Turnquist, Optimization modeling for enhanced network-level pavement management system, Transportation Research Record, (1996). [5] F. Guignier, S. Madanat, Optimization of infrastructure systems maintenance and improvement policies, Journal of Infrastructure Systems, 5 (1999) 124-134. [6] Z. Wu, G.W. Flintsch, Pavement Preservation Optimization Considering Multiple Objectives and Budget Variability, Journal of Transportation Engineering, 135 (2009) 305-315. [7] R. Denysiuk, A.V. Moreira, J.C. Matos, J.R.M. Oliveira, A. Santos, Two-stage multiobjective optimization of maintenance scheduling for pavements, Journal of Infrastructure Systems, 23 (2017). [8] N. Li, R. Haas, W.-C. Xie, Investigation of Relationship Between Deterministic and Probabilistic Prediction, Transportation Research Record, 1592 (1997) 70-79. [9] F. Wang, Z. Zhang, R. Machemehl, Decision-Making Problem for Managing Pavement Maintenance and Rehabilitation Projects, Transportation Research Record: Journal of the Transportation Research Board, 1853 (2003) 21-28. [10] Y. Ouyang, S. Madanat, Optimal scheduling of rehabilitation activities for multiple pavement facilities: Exact and approximate solutions, Transportation Research Part A: Policy and Practice, 38 (2004) 347-365. [11] P. Chakroborty, P.K. Agarwal, A. Das, Comprehensive pavement maintenance strategies for road networks through optimal allocation of resources, Transportation Planning and Technology, 35 (2012) 317-339. [12] J. France-Mensah, J. O’Brien William, Budget Allocation Models for Pavement Maintenance and Rehabilitation: Comparative Case Study, Journal of Management in Engineering, 34 (2018) 5018002. [13] M. Al-Amin, Impact of budget uncertainty on network-level pavement condition : a robust optimization approach, in, 2013. [14] K.D. Kuhn, S.M. Madanat, Model uncertainty and the management of a system of infrastructure facilities, Transportation Research Part C: Emerging Technologies, 13 (2005). [15] L. Gao, Z. Zhang, Robust Optimization for Managing Pavement Maintenance and Rehabilitation, Transportation Research Record: Journal of the Transportation Research Board, 2084 (2009) 55-61. [16] S.R. Seyedshohadaie, I. Damnjanovic, S. Butenko, Risk-based maintenance and rehabilitation decisions for transportation infrastructure networks, Transportation Research Part A: Policy and Practice, 44 (2010) 236-248. [17] M. Ng, Z. Zhang, S. Travis Waller, The price of uncertainty in pavement infrastructure management planning: An integer programming approach, Transportation Research Part C: Emerging Technologies, 19 (2011) 1326-1338. [18] L. Gao, R. Guo, Z. Zhang, An augmented Lagrangian decomposition approach for infrastructure maintenance and rehabilitation decisions under budget uncertainty, Structure and Infrastructure Engineering, (2011). [19] M. Fakhri, M. Alaleh, A. Edrisi, Maintenance and rehabilitation model for pavement considering user cost, Transporation Engineering Journal, 7 (2015) 523-540. [20] T. Watanatada, C.G. Harral, W.D.D.D. Paterson, A.M., A. Bhandari, K. Tsunokawa, The Model., Highway Design and Maintenance Standard Model (1): Description of the HDM-III, (1988). [21] K. Tsunokawa, J.L. Schofer, Trend curve optimal control model for highway pavement maintenance: Case study and evaluation, Transportation Research Part A: Policy and Practice, 28 (1994) 151-166. [22] Y. Li, S. Madanat, A steady-state solution for the optimal pavement resurfacing problem, Transportation Research Part A: Policy and Practice, 36 (2002) 525-535. [23] Y. Ouyang, S. Madanat, An analytical solution for the finite-horizon pavement resurfacing planning problem, Transportation Research Part B: Methodological, 40 (2006) 767-778. [24] L. Samuel, C. Sinha Kumares, Effectiveness of Highway Pavement Seal Coating Treatments, Journal of Transportation Engineering, 130 (2004) 14-23. [25] S. Labi, K.C. Sinha, Measures of short-term effectiveness of highway pavement maintenance, Journal of Transportation Engineering, 129 (2003) 673-683. [26] P. Lu, D. Tolliver, Pavement treatment short-term effectiveness in IRI change using long-term pavement program data, Journal of Transportation Engineering, 138 (2012) 1297-1302. [27] W.D.O. Paterson, Quantifying the effectiveness of pavement maintenance and rehabilitation, in: Proceedings at the 6th REAAA Conference, Kuala Lumpur, Malaysia, 1990. [28] M.W. Sayers, T.D. Gillespie, W.D.O. Paterson, Sayers, M. W., Gillespie, T. D. and Paterson, W. D. O. (1986) Guidelines for conducting and calibrating road roughness measurements. Washington, D.C., U.S.A.: World Bank.Guidelines for conducting and calibrating road roughness measurements, (1986). | ||
|
آمار تعداد مشاهده مقاله: 792 تعداد دریافت فایل اصل مقاله: 1,017 |
||
