Математические модели и алгоритмы планирования замены вышедшего из строя оборудования
DOI:
https://doi.org/10.22213/2410-9304-2024-4-73-80Ключевые слова:
алгоритмы, теория массового обслуживания, нечеткая логика, запасы, оптимизация, математическая модель, отказы оборудованияАннотация
Для работоспособности установок глубинных насосов в условиях аренды нефтегазопромыслового оборудования требуется планирование необходимых ресурсов. Вышедшее из строя оборудование необходимо заменять новым. При возможности ремонта изделий они направляются в ремонтные пункты обслуживания. Приводится обзор литературных источников по тематике исследования, постановка задачи. Большое количество точек применения оборудования и реальные условия эксплуатации вносят большую неопределенность в планирование замены отказавшего оборудования. Величина интенсивности отказов является случайной величиной. Разработана математическая модель управления процессом замены вышедшего из строя оборудования. Для учета неопределенности применены методы нечеткой логики. На основе имеющейся информации по отказам определены характеристики нечеткого потока отказов. Для проведения вычислительных операций разработаны алгоритмы работы с нечеткими переменными на основе в общем случае несимметричных, параболических функций принадлежности. Операции сложения, вычитания, умножения, деления, возведения в степень нечетких чисел определяются с применением интервальной арифметики и -метода. Величина запаса оборудования определяется нечетким числом. Применение гибридного генетического алгоритма позволило получить оптимальное решение оптимизационной задачи управления процессом замены оборудования. Приводятся результаты расчетов. При решении задачи нечеткой оптимизации в сравнительных операциях рассчитан ранг нечеткого числа. Для определения величины ранга используется понятие центроидной дефаззификации нечеткого числа. Построены график функции принадлежности нечеткого числа, график целевой функции задачи оптимизации: суммарные затраты. По сравнению с четкой постановкой задачи оптимизации суммарные затраты в нечеткой постановке оказались выше и определена величина страховочного запаса.Библиографические ссылки
Тененев В. А., Шаура А. С. Решение задач нелинейного программирования общего вида генетическим алгоритмом // Интеллектуальные системы в производстве. 2019. Т. 17, № 4. С. 137-142. DOI: 10.22213/2410-9304-2019-4-137-142.
Тененев В. А., Якимович Б. А. Генетические алгоритмы в моделировании систем. Ижевск : Изд-во ИжГТУ, 2010. 308 с. IBSN 978-5-7526-0472-0.
Amit Nalvade, Ashok Mhaske, Sagar Waghmare, Smt. ShilpaTodmal. Solving Fuzzy Game Theory Problem using Pentagonal Fuzzy Numbers and Hexagonal Fuzzy Number // International Journal of Mathematics Trends and Technology.2023. Vol. 69 (2). Pp. 74-79. DOI10.14445/22315373/IJMTT-V69I2P510.
Hamed Fazlollahtabar, Hadi Gholizadeh. Economic Analysis of the M/M/1/N Queuing System Cost Model in a Vague Environment // International Journal of Fuzzy Logic and Intelligent Systems. 2019. Vol. 19, no. 3.Pp. 192-203. DOI 10.5391/IJFIS.2019.19.3.192.
S. Adilakshmi, N. Ravi Shankar. A New Ranking in Hexagonal Fuzzy number by Centroid of Centroids and Application in Fuzzy Critical Path / RT&A. 2021. Vol. 16,no. 2 (62). Pр.124-135.DOI 10.24412/1932-2321-2021-262-124-135.
V. Lakshmana Gomathi Nayagam, Jagadeeswari Murugan.Hexagonal fuzzy approximation of fuzzy numbers and its applications in MCDM /Complex & Intelligent Systems. 2021. Vol. 7. Pp. 1459-1487. DOI 10.1007/s40747-020-00242-4.
Kirtiwant P. Ghadle, Priyanka A. Pathade. Solving Transportation Problem with Generalized Hexagonal and Generalized Octagonal Fuzzy Numbers by Ranking Method // Global Journal of Pure and Applied Mathematics.2017. Vol. 13, no. 9. Pp. 6367-6376.
Shrivastava Bhavana, Agrawal Dr, KumarSanjeet. Fuzzy linear programming problem with -cut and roubast ranking methods // International Journal of Statistics and Applied Mathematics.2022. No. 7 (2). Pp. 57-62. DOI 10.13140/RG.2.2.29698.96962.
Ziqan Abdelhalim, Ibrahim Sabreen, Marabeh Mohammad, Qarariyah Ammar. Fully fuzzy linear systems with trapezoidal and hexagonal fuzzy numbers // Granular Computing. 2022. Vol. 7. Pp. 229-238. DOI 10.1007/s41066-021-00262-6.
Mukherjee Asesh, Gazi Kamal Hossain, Salahshour Soheil, Ghosh Arijit, Mondal Sankar. A Brief Analysis and Interpretation on Arithmetic Operations of Fuzzy Numbers // Results in Control and Optimization.2023. Vol. 13. 100312. DOI 10.1016/j.rico.2023. 100312.
Chutia Rituparna. Ranking interval type-2 fuzzy number based on a novel value-ambiguity ranking index and its application in risk analysis // Soft Computing.2021. Vol. 25. Pp. 8177-8196. DOI 10.1007/s00500-021-05743-z.
Jana Chiranjibe, Pal Madhumangal, Muhiuddin G., Liu Peide. Fuzzy Optimization, Decision-making and Operations Research: Theory and Applications. 2023. DOI 10.1007/978-3-031-35668-1.
Dutta Putul, Sikdar Karabi. A Reviewon Impact of Shape function on Fuzzy Queueing Systemusing DSW Algorithm // International Journal of Aviation Technology Engineering and Management. 2022. Vol. 3, no. 3. Pp. 1-7.
Вилков В. Б., Кальницкий В. С., Молоков И. Е. Нечеткие системы массового обслуживания : монография. СПб. : Астерион, 2022. 184 с.
Захарычев М. Ю., Тененев В. А., Вологдин С. В. Модель динамического управления запасами для замены оборудования при вероятностном распределении отказов // Интеллектуальные системы в производстве. 2023. Т. 21, № 4. С. 95-100. DOI 10.22213/2410-9304-2023-4-95-100.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Михаил Юрьевич Захарычев, Валентин Алексеевич Тененев, Сергей Валентинович Вологдин
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.