مدیریت پروژه های تعمیر و نگهداری کف سازی تحت عدم اطمینان بودجه

قیمت: 42,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مدیریت پروژه های تعمیر و نگهداری کف سازی تحت عدم اطمینان بودجه

عنوان لاتین

Managing Pavement Maintenance and Rehabilitation Projects under Budget Uncertainties

سیستم مدیریت کف سازی به خوبی ایجاد شده و نگهداری شده (PMS) تصمیم گیرنده را قادر به انتخاب بهترین برنامه نگهداری می کند ، یعنی ، کدام درمان نگهداری استفاده شود و در کجا و چه زمانی از آن استفاده کنیم ، به گونه ای که حداکثر کاربری منابع موجود را بتوان بدست آورد . این مقاله، مسئله تصمیم گیری را برای مدیریت پروژه های تعمیر و نگهداری کف سازی تحت عدم اطمینان بودجه بررسی می کند (MPMRPBU) . یک مدل برنامه نویسی خطی تصادفی ایجاد شده و برای MPMRPBU به گونه ای حل شده است که مجموعه ای از پروزه های داوطلب را بتوان به صورت بهینه از شبکه بزرگراهی روی بازه برنامه ریزی انتخاب کرد . نتایج عددی بر مبنای مطالعه موردی آزمایشی بحث شده است . راه حلهای بهینه سازی متفاوت بر مبنای بهینه سازی قطعی و شیوه های برنامه نویسی تصادفی بحث و مقایسه شده اند . تاثیر محدودیت بودجه روی راه حلهای بهینه بررسی شده است . نتیجه محاسباتی نشان دهنده راه حل با کیفیت MPMRPBU با استفاده از شیوه برنامه ریزی تصادفی است ، که نشان می دهد این پتاسیل وجود دارد که الگوریتم را بتوان برای کاربری های دنیای واقعی استفاده کرد.

A well-developed and maintained pavement management system (PMS) empowers a decision maker to select the best maintenance program, i.e., which maintenance treatment to use and where and when to apply it, so that a maximum utilization of available resources can be achieved. This paper addresses a decision making problem for managing pavement maintenance and rehabilitation projects under budget uncertainty (MPMRPBU). A stochastic linear programming model is formulated and solved for the MPMRPBU so that a set of candidate projects can be optimally selected from the highway network over a planning horizon. Numerical results are discussed based upon a pilot case study. Different optimization solutions based on deterministic optimization and stochastic programming approaches are discussed and compared. The effect of the budget constraint on the optimized solutions is investigated. The computational result indicates a high quality MPMRPBU solution using stochastic programming approach, suggesting that there is a potential that the algorithm can be used for real world applications.