Metoda rozwiązywania problemów związanych z doborem maszyn górniczych na podstawie teorii szarych systemów

• Autorzy: Milisavljevic V. , Martinetti A. , Cvjetic A.
• Języki publikacji: PL

Abstrakty

PL

Wybór maszyn górniczych to złożony problem, wymagający rozważenia wielu różnych parametrów. Jednym z najważniejszych zadań w przemyśle górniczym jest wybór najlepszych spośród kilkunastu dostępnych maszyn, które często opisywane są zarówno za pomocą zmiennych numerycznych, jak i zmiennych lingwistycznych. Zmienne numeryczne zwykle są związane z charakterystyką techniczną maszyn, która w większości przypadków jest dostępna w szczegółach. Z drugiej strony niektóre równie ważne parametry, takie jak cena, niezawodność, serwis i części zamienne, koszty operacyjne itd., z wielu przyczyn nie są dostępne na wymaganym poziomie, stąd należy je uważać za informacje niepewne. Dlatego też informacje te opisywane są za pomocą zmiennych lingwistycznych. Niniejszy artykuł przedstawia badania mające na celu przezwyciężenie tego problemu z wykorzystaniem teorii szarych systemów do wyboru odpowiednich maszyn górniczych. Teoria szarych systemów to dobrze znana metoda stosowana w przypadku problemów wyboru wielokryteriowego, gdzie część informacji jest znana, a część pozostaje nieznana.

Słowa kluczowe

PL

wybór maszyn; teoria szarych systemów; wielokryteriowy; informacje niepewne; przemysł wydobywczy

• Wydawca: Wydawnictwa AGH
• Czasopismo: Mining – Informatics, Automation and Electrical Engineering
• Rocznik: 2018
• Tom: R. 56, nr 3
• Strony: 65--70
• Opis fizyczny: Bibliogr. 15 poz., tab.

Twórcy

autor

Milisavljevic V.

• Faculty of Mining and Geology University of Belgrade Ðušina 7, 11000 Belgrade, Serbia

autor

Martinetti A.

• Faculty of Engineering Technology University of Twente PO BOX 217, 7500 AE Enschede, the Netherlands

autor

Cvjetic A.

• Faculty of Mining and Geology University of Belgrade Ðušina 7, 11000 Belgrade, Serbia

Bibliografia

• [1] Dagdeviren M.: Decision making in equipment selection: an integrated approach with AHP and PROMETHEE, “Journal of Intelligent Manufacturing” 2008, 19: 397–406.
• [2] Lin Z.C., Yang C.B.: Evaluation of machine selection by the AHP method, “Journal of Materials Processing Technology” 1996, 57: 253–258.
• [3] Paramasivam V. et al.: Decision making in equipment selection: an integrated approach with digraph and matrix approach, AHP and ANP, “International Journal of Advanced Manufacturing Technology” 2011, 54: 1233–1244.
• [4] Bascetin A.: A decision support system for optimal equipment selection in open pit mining: analytical hierarchy process, “Istanbul Üniversitesi, Mühendislik Fakültesi Yer Bilimleri Dergisi” 2003, 16, 2: 1–11.
• [5] Mohamadabadi H.S. et al.: Development of a multi-criteria assessment model for ranking of renewable and non-renewable transportation fuel vehicles, “Energy” 2009, 24, 1: 112–125.
• [6] Cebesoy T.: Hydraulic Excavator Selection Using Improved Quality Comparison Method, “Journal of Engineering Sciences (Mühendislik Bilimleri Dergisi)” 1999, 5, 1: 1001–1008.
• [7] Hadi-Vencheha A., Mohamadghasemi A.: A new hybrid fuzzy multi-criteria decision-making model for solving the material handling equipment selection problem, “International Journal of Computer Integrated Manufacturing” 2015, 28, 5: 534–550.
• [8] Basu A.S., Lineberry G.T.: Selection of Mobile Equipment for Underground Coal Mining: An Expert System Approach, “Mineral Resources Engineering” 1995, 4, 1: 71–88.
• [9] Delgado M., Verdegay J.L., Vila M.A.: Linguistic decisionmaking models, “International Journal of Intelligent Systems” 1992, 7: 479–492.
• [10] Hwang C.L., Yoon K.P.: Multiple Attributes Decision Making: Methods and Applications, Springer, Berlin – Heidelberg 1981.
• [11] Kaufmann A., Gupta M.M.: Introduction to Fuzzy Arithmetic, Theory and Applications, Van Nostrand Reinhold, New York 1991.
• [12] Liu S., Lin Y.: Grey systems Theory and Applications, Springer, Berlin – Heidelberg 2010.
• [13] Bhattacharyya R.: A Grey Theory Based Multiple Attribute Approach for R&D Project Portfolio Selection, “Fuzzy Information and Engineering” 2015, 7: 211–225.
• [14] Li G-D. et al.: A grey-based decision-making approach to the supplier selection problem, “Mathematical and Computer Modelling” 2007, 46: 573–581.
• [15] Milisavljević V., Medenica D., Čokorilo V., Ristović I.: New Approach to Equipment Quality Evaluation Method with Distinct Function, “Thermal Science” 2015, 20, 2: 743–752.