ارائه یک مدل ریاضی برای برنامه‌ریزی عملیات نت پیشگیرانه و مبتنی بر وضعیت خطوط ریلی و حل آن با استفاده از الگوریتم ژنتیک

هدف: خطوط ریلی از بخش‌های بسیار مهم و پُرهزینۀ هر راه‌آهن به حساب می‌آید. تخصیص بهینه و بهنگام عملیات نت، ضامن قابلیت اطمینان سیستم است و به استفادۀ موثر از منابع منجر می‌شود. در این مقاله به‌منظور افزایش قابلیت اطمینان خطوط راه‌آهن، حداقل کردن هزینه‌های مرتبط با تعویض و نگهداری قطعات و در عین حال، در نظر گرفتن دسترس‌پذیری، یک مدل ریاضی برای برنامه‌ریزی عملیات نت پیشگیرانه و مبتنی بر وضعیت خطوط ریلی توسعه داده شده است. هدف این مقاله، ارائۀ مدلی به‌منظور حداقل کردن کل هزینه‌های نگهداری و تعمیرات با در نظر گرفتن محدودیت حداقل دسترس‌پذیری و قابلیت اطمینان سیستم است. هزینه‌های درگیر عبارت‌اند از: هزینۀ اجرای عملیات تعمیراتی و نوسازی، هزینۀ مسدودی خط و هزینۀ اصلاح خرابی‌های تصادفی در افق برنامه‌ریزی. برای سادگی محاسبۀ هزینه‌ها، ضمن تقسیم شبکۀ ریلی به قطعاتی از خط، انحراف استاندارد پروفیل طولی، به‌عنوان شاخص کیفیت خطوط در نظر گرفته می‌شود. مدل‌های پیش‌بینی و بازیابی برای به‌دست آوردن تغییرات شاخص کیفیت خطوط در طول دورۀ برنامه‌ریزی توسعه داده می‌شود. عملیات پیشگیرانه شامل بازرسی، زیرکوبی و تعویض لایه بالاست با توجه به حد مجاز شاخص و سایر محدودیت‌ها، به قطعات خط اختصاص داده می‌شود. متوسط تعداد خرابی‌های تصادفی با استفاده از توزیع پواسون ناهمگن برآورد می‌شود و اجرای عملیات پیشگیرانه، بر تعداد خرابی‌های تصادفی تاثیری کاهنده خواهد داشت.روش: با توجه به پیچیدگی و غیرخطی بودن مدل ریاضی، یک الگوریتم فراابتکاری مبتنی بر الگوریتم ژنتیک در نرم‌افزار متلب توسعه داده شده است که در آن، جواب‌های موجه اولیه توسط یک روش ابتکاری تولید می‌شود. به‌عنوان یک مطالعه موردی، جمع‌آوری پارامترهای لازم و مدل‌سازی، برای یک کیلومتر از راه‌آهن ناحیۀ اراک انجام شد. همچنین کارایی الگوریتم ژنتیک پیشنهادی در مقایسه با جواب‌های حاصل از حل دقیق مسئله بررسی شد.یافته‌ها: مثال‌هایی با ابعاد گوناگون با استفاده از داده‌های جمع‌آوری‌شده در مطالعه موردی به‌کمک هر دو روش فراابتکاری و دقیق با استفاده از نرم‌افزار گمز حل شد. برای ابعاد کوچک‌تر جواب‌های بهینۀ حاصل با استفاده از نرم‌افزار گمز با جواب حاصل از الگوریتم ژنتیک منطبق بود. برای ابعاد بزرگ‌تر، به‌دلیل پیچیدگی مسئله، نرم‌افزار گمز یک جواب زیربهینه ارائه داد و جواب حاصل از الگوریتم ژنتیک بهتر بود. در نهایت، در حداکثر بعدی از مسئله که نرم‌افزار گمز قادر به ارائۀ جواب است، مقدار تابع هدف جواب حاصل از الگوریتم ژنتیک، 40 درصد بهتر به‌دست آمد.نتیجه‌گیری: برنامه‌ریزی عملیات نت پیشگیرانۀ خطوط ریلی، در طول افق برنامه‌ریزی با استفاده از حل مدل ریاضی پیشنهادی به‌دست می‌آید. تخصیص عملیات نت، مبتنی بر وضعیت شاخص کیفیت خطوط بوده است و با لحاظ تاثیر کاهنده انجام عملیات پیشگیرانه بر متوسط تعداد خرابی‌های تصادفی، حفظ حداقل دسترس‌پذیری و قابلیت اطمینان سیستم را تضمین می‌کند. پویایی پارامترهای ورودی مدل برای هر قطعه، در هر زمان امکان لحاظ عوامل ناهمگون تاثیرگذار بر زوال خطوط، از قبیل عوامل مبتنی بر خط، ترافیک عبوری و شرایط محیطی و همچنین، تطبیق با شرایط مختلف یا پیاده‌سازی سیاست‌های گوناگون را می‌دهد. همچنین الگوریتم ژنتیک پیشنهادی قابلیت حل کارای مسئله در ابعاد زیاد را دارد.

condition-based preventive maintenance planning of railway tracks: a genetic algorithm-based mathematical model

objectiverailway tracks are among the most critical and costly components of any railroad. optimal and timely maintenance allocation ensures system reliability and effective resource utilization. this article presents a mathematical model designed for condition-based preventive maintenance of railway tracks. the objective is to minimize total maintenance costs while maintaining system availability and reliability. the cost function considers maintenance and renewal expenses, track possession costs, and unplanned failure costs during the planning horizon. the network is divided into segments, with the standard deviation of the longitudinal level calculated as the track quality index. prediction and recovery models are developed to assess variations in the track quality index over the planning period. preventive operations, including inspections, tamping, and ballast replacement, are assigned to track segments based on the allowable index limits and other constraints. the expected number of random failures is estimated using the non-homogeneous poisson process, and preventive operations aim to reduce the incidence of such failures. methodsgiven the complexity and non-linearity of the mathematical model, a meta-heuristic method based on a genetic algorithm was developed in matlab software. initial random solutions were generated using a heuristic method. as a case study, input parameters were collected and modeled for one kilometer of railway in the arak region. the efficiency of the proposed genetic algorithm was then compared with the results obtained using gams software. resultsfor the case study, the mathematical model was solved for various problem dimensions using both methods. when gams software was able to achieve the optimal solution, both methods produced identical results. when gams could only report a feasible solution, the genetic algorithm outperformed it. for higher dimensions where gams provided a solution, the genetic algorithm produced results with objective function values that were 40% better. conclusionthe planning of preventive maintenance operations for railway tracks during the project period is achieved through solving the proposed mathematical model. this allocation is based on the quality index of the tracks and considers the reducing effect of preventive operations on the expected number of random failures, ensuring the required minimum availability and reliability of the system. the variability of the model’s input parameters allows for consideration of influencing heterogeneous factors based on the tracks, traffic, and environment, enabling adaptation to different conditions or the implementation of various strategies. additionally, the proposed genetic algorithm can efficiently solve different dimensions of problem instances.