PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Modelowanie neuronowe systemu eksploatacji pojazdów ciężarowych

Identyfikatory
Warianty tytułu
EN
Neural modeling of the truck vehicle operation system
Języki publikacji
PL
Abstrakty
PL
Celem pracy jest opracowanie modelu systemu eksploatacji pojazdów ciężarowych z wykorzystaniem metod sztucznej inteligencji. Na podstawie gruntownej analizy literatury zdefiniowano kryteria i charakterystyki mające wpływ na proces eksploatowania pojazdów. Badaniom poddane zostały pojazdy ciężarowe o dopuszczalnej masie całkowitej 3,5 tony, które realizują usługi przewozowe na terenie Polski i stanowią tabor firm transportowych z sektora MSP. Poprzez wykorzystanie oprogramowania komputerowego zamodelowano sieci neuronowe MLP (ang. Multi-Layered Perceptron).
EN
The purpose of the work is to develop a model of a truck maintenance system using artificial intelligence methods. Based on a thorough analysis of the literature, criteria and characteristics have been defined that affect the maintenance system of vehicles. Trucks with a permissible total weight of 3.5 tons were tested, which provide transport services in Poland and constitute a fleet of transport companies from the SME sector. MLP (Multi-Layered Perceptron) neural networks were modeled by using computer software.
Rocznik
Tom
Strony
123--135
Opis fizyczny
Bibliogr. 34 poz., rys., tab., wykr.
Twórcy
  • Wojskowa Akademia Techniczna, Wydział Logistyki, Instytut Logistyki
  • Politechnika Warszawska, Wydział Transportu
Bibliografia
  • 1. Andrzejczak K., Młyńczak M., Selech J.: Poisson-distributed failures in the predicting of the cost of corrective maintenance. Eksploatacja i Niezawodność - Maintenance and Reliability 2018; 20 (4): 602-609.
  • 2. Andrzejczak K., Młyńczak M., Selech J.: Assessment model of operational effectiveness related to newly operated public means of transport. Safety and Reliability - Theory and Applications - Cepin & Briš (Eds) (2017): 3455-3460.
  • 3. Borkowski S., Selejdak J., Salomon S.: Efektywność eksploatacji maszyn i urządzeń, Wydawnictwo Wydziału Zarządzania Politechniki Częstochowskiej: Częstochowa. 2006.
  • 4. Brzeziński M., Kijek M., Głodowska K., Owczarek P., Zelkowski J., Bartosiak P.: Aspects of improvement in exploitation process of passenger means of transport, Journal of Advanced Transportation, ISSN: 0197-6729 (Print), ISSN: 2042-3195 (Online), Article ID 5062165, (2018) ss. 335-350.
  • 5. Brzeziński M., Gontarczyk M., Owczarek P.: Modeling of the utilization of trucks based on the strategies according to the exploitation’s potential, 21nd International Scientific Conference. Transport Means 2017. Litwa, s. 152-257.
  • 6. Chłopek Z., Bebkiewicz K.: Model struktury pojazdów samochodowych dla kryterium poziomu technicznego ze względu na emisję zanieczyszczeń. Eksploatacja i Niezawodność - Maintenance and Reliability 2017; 19 (4): 501-507.
  • 7. Cichocki A., Unbehauen R.: Neutral Networks for Optimization and Signal Processing. Wiley 0 Teubner Publication, Chichester, New York, Brisbane, Toronto, Singapore 1993.
  • 8. Czajkowska-Matosiuk K., Halaś J., Herma M., Kaier T., Kowalski B., Lankamer K., Olech M., Prasołek Ł., Skonieczna M., Sobota G., Tusińska E.: 21 wskazówek jak optymalizować koszty w transporcie drogowym. Wiedza i Praktyka. 2016. Warszawa.
  • 9. Drozd K., Weroński A.: Problematyka kształtowania struktury i właściwości materiałów przeznaczonych na resory. Zeszyty Naukowe Politechniki Świętokrzyskiej - Mechanika 72, Kielce, 2000.
  • 10. Drożdziel P.: Wybrane parametry pracy i rozruchu silnika spalinowego jako elementy kryterium oceny systemu transportu samochodowego. Eksploatacja Niezawodność - Maintenance and Reliability 2006; 4 (32): 6-10.
  • 11. Jurczyk K.: Zastosowanie sztucznych sieci neuronowych jako narzędzia wspomagającego zarządzanie zapasami i planowanie popytu na przykładzie przedsiębiorstwa dystrybucyjnego, Logistyka, nr 2, Poznań 2011.
  • 12. Juszczyk M.: Modelowanie kosztów realizacji budynków mieszkalnych z zastosowaniem zespołów sztucznych sieci neuronowych, Budownictwo, Wydawnictwo Politechniki Krakowskiej, nr 2, Kraków 2010.
  • 13. Kaczor G., Lorenc A.: Aplikacja niezawodnościowych struktur fazowych do wyznaczania niezawodności i kosztów eksploatacji technicznej wtryskiwaczy systemu Common Rail. Problemy Eksploatacji 3/2012, 29-38.
  • 14. Karczewski M., Szczęch L.: Influence of the F-34 unified battlefield fuel with bio components on usable parameters of the IC engine. Eksploatacja i Niezawodność - Maintenance and Reliability 2016; 18 (3): 358-366.
  • 15. Kosobudzki M.: Wykorzystanie sygnału przyśpieszenia do modelowania obciążenia elementu ustroju nośnego pojazdu kołowego wysokiej mobilności. Eksploatacja i Niezawodność - Maintenance and Reliability 2014; 16(4): 595-599.
  • 16. Kowalski M. Magott J., Nowakowski T., Werbińska-Wojciechowska T.: Analiza systemu transportowego z wykorzystaniem sieci Petriego. Eksploatacja i Niezawodność - Maintenance and Reliability 2011; 1 (49): 48-62.
  • 17. Manerowski J., Stycunów A.: Sztuczne sieci neuronowe w zastosowaniu do modelowania fazy zniżania samolotu, Logistyka, nr 4, Poznań 2012.
  • 18. Mazurkiewicz D.: Computer-aided maintenance and reliability management systems for conveyor belts. Eksploatacja i Niezawodność - Maintenance and Reliability 2014; 16 (3): 377-382.
  • 19. Misztal A.: Quality planning in various sectors companies, Book of Proceedings of International May Conference on Strategic Management, Wydawca University of Belgrad 2013.
  • 20. Młynarski S., Sowa A., Żmuda W.: System eksploatacji pojazdów w dużym przedsiębiorstwie komunikacji miejskiej. Logistyka 2014; 4: 881-898.
  • 21. Niewczas A., Rymarz L, Dębicka E.: Etapy użytkowania pojazdów ze względu na efektywność eksploatacyjną na przykładzie autobusów miejskich. Eksploatacja i Niezawodność - Maintenance and Reliability 2019; 21 (1): 21-27.
  • 22. Niziński S., Kolator B.: Ocena efektywności funkcjonowania systemów eksploatacji pojazdów i maszyn z wykorzystaniem procesów Markowa. Motoryzacja i Energetyka Rolnictwa, Metrol 2006; 8: 156-168.
  • 23. Prochowski L.: Ocena procesu narastania przebiegu podczas eksploatacji samochodów ciężarowych w kilku kategoriach pojemności silnika. Eksploatacja i Niezawodność - Maintenance and Reliability 2018; 20 (3): 359-370.
  • 24. Śląski P.: Zastosowanie metody pięciu sił do analizy sektora działalności firmy dystrybucyjnej. Gospodarka Materiałowa i Logistyka. 2016; 11: 268-280.
  • 25. Świderski A., Jóźwiak A., Dębicka E., Mitkow S.: Modelowanie neuronowego zastosowaniu do oceny ryzyka w eksploatacji środków transportu. Prace Naukowe Politechniki Warszawskiej. Transport 2018; z. XX.
  • 26. Świderski A., Jóźwiak A., Jachimowski R.: Eksploatacyjne miary jakości pojazdów w zastosowaniu do oceny usług transportowych z wykorzystaniem sztucznych sieci neuronowych. Eksploatacja i Niezawodność - Maintenance and Reliability 2018; 20 (2): 292-299.
  • 27. Świderski A.: Modelowanie oceny jakości usług transportowych, Oficyna Wydawnicza Politechniki Warszawskiej, Transport 81, Warszawa 2011.
  • 28. Świderski A.: Neural modelling of process risk estimation in quality management. Polish Journal of Commodity Science nr 4(17), Radom 2008.
  • 29. Świderski A.: Studies and quality assurance neural modelling of the technical transport means. Archive of Transport. Polish Academy of Sciences Committee of Transport, Volume 21, issue 3-4, Warsaw 2009.
  • 30. Tadeusiewicz R., Szaleniec M.: Leksykon sieci neuronowych, Wydawnictwo Fundacji „Projekt nauka”, Wrocław 2015.
  • 31. Werner K., Mierzwiak R., Pochmara J.: Zastosowanie sztucznej inteligencji w logistyce miejskiej, Logistyka, nr 2, Poznań 2008.
  • 32. Woropay M.: Podstawy racjonalnej eksploatacji maszyn, Akademia Techniczno-Rolnicza, Bydgoszcz-Radom, 1996, str. 55
  • 33. Woropay M., Landowski B., Jaskuski Z.: Wybrane problemy eksploatacji i zarządzania systemami technicznymi, Akademia Techniczno-Rolnicza, Bydgoszcz. 2004.
  • 34. Yonghuai Z., Junhua L.: Improvement of Sensor's Performance by Using BP Neutral Network and It's New Algorithms, Journal of Transduction Technology, Xi'an Jiaotong University, China 2002.
Uwagi
PL
Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-1791abf3-f99d-463d-915d-9f83b7913bff
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.