PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Approach modelling of constant interfailure process of renewal multi-unit fleet

Treść / Zawartość
Identyfikatory
Warianty tytułu
PL
Podejście do modelowania stałego procesu międzyawaryjnego odnowy wieloelementowej floty pasażerskiej
Języki publikacji
EN
Abstrakty
EN
While railway companies operate rolling-stock, a substantial part of its expenses goes to maintenance and repair. However, the amount of repair works is directly proportional to the average age of a rolling-stock fleet or its reliability. When renewal an existing fleet of a few dozen rolling-stocks, the installation of the new vehicles reduces the overall failure amount of the fleet proportionally to the number of acquired vehicles. This article provides a concept for creating the model of a passenger rollingstock's failure intensity according to the mileage. According to this model, a vehicle fleet renewal algorithm can be created and used in order to limit the fluctuation of the fleet's average failure intensity as much as possible and to achieve the most accurate correlation between the number of failures and the fleet's average mileage. Thus a railway company has an opportunity to avoid the unplanned expenses for repairing the vehicles during the unforeseen failure peaks. The SPLINE method is proposed in order to indicate the vehicle failure flow's dependency on the vehicle mileage. After using this method to indicate the variation of the fleet's constant interfailure according to the mileage, the fleet's failure intensity can be modelled according to the algorithm of installing the acquired vehicles for operation.
PL
Znaczna część wydatków ponoszonych przez przedsiębiorstwo kolejowe z tytułu eksploatacji taboru kolejowego, to wydatki na konserwację i naprawy. Jednakże, należy pamiętać, że liczba prac remontowych jest wprost proporcjonalna do średniego wieku floty taboru lub jej niezawodności. Przy odnawianiu istniejącej floty kilkudziesięciu pojazdów kolejowych, wprowadzenie nowych pojazdów zmniejsza ogólną ilość awarii floty proporcjonalnie do liczby nowo nabytych pojazdów. W artykule przedstawiono koncepcję stworzenia modelu intensywności uszkodzeń taboru pasażerskiego w funkcji przebiegu kilometrowego. Zgodnie z tym modelem, można stworzyć algorytm odnowy floty pojazdów, z wykorzystaniem którego można maksymalnie ograniczyć wahania średniej intensywności uszkodzeń floty oraz osiągnąć najbardziej dokładną korelację między liczbą uszkodzeń a średnim przebiegiem pojazdów floty. W ten sposób przedsiębiorstwo kolejowe ma szansę uniknąć nieplanowanych wydatków na naprawy pojazdów podczas nieprzewidzianych okresów wzmożonej awaryjności. Zaproponowano metodę SPLINE, za pomocą której można określić zależność awaryjności pojazdu od jego przebiegu kilometrowego. Zastosowanie tej metody pozwala ustalić zmiany w stałym procesie międzyawaryjnym zależne od przebiegu, co z kolei pozwala na modelowanie intensywności uszkodzeń floty według algorytmu wprowadzania nowo nabytych pojazdów do eksploatacji.
Rocznik
Strony
415--421
Opis fizyczny
Bibliogr. 19 poz., rys., tab.
Twórcy
  • Department of Railway Transport Vilnius Gediminas Technical University J. Basanavičiaus str.28, LT-03224 Vilnius, Lithuania
autor
  • Department of Railway Transport Vilnius Gediminas Technical University J. Basanavičiaus str.28, LT-03224 Vilnius, Lithuania
Bibliografia
  • 1. Al-Najjara B, Alsyouf I. Selecting the most efficient maintenance approach using fuzzy multiple criteria decision making. Int. J. Production Economics 2003; 84: 85-100.
  • 2. Bashiri M, Badri H, Hejazi T H. Selecting optimum maintenance strategy by fuzzy interactive linear assignment method. Applied Mathematical Modelling 2011; 35: 152-16.
  • 3. Bureika G. Multicriteria evaluation of operational effectiveness of freight diesel locomotives on Lithuanian Railways. Transport 2011; 26(1): 61-68.
  • 4. H L. Rolling stock maintenance strategy selection spares parts’ estimation, and replacements’ interval calculation. Int. J. Production Economics 2010; 128: 404-412.
  • 5. Cherry C R. Development of duration models to determine rolling stock fleet size. Journal of Public Transportation 2005; 8 (3): 57-72.
  • 6. Falco P J H, MIMechE M C, Dongen L A M. Application of remote condition monitoring in different rolling stock life cycle phases. Proceedings of the 2nd International Through-Life Engineering. ProcediaCIRP 2013; 11. p. 135-138.
  • 7. Gelumbickas G, Vaičiūnas G. Analysis of passenger rolling stock faults and its statistics in Lithuania. Transport 2011; 26 (3): 315-319.
  • 8. Jafari A, Jafarian M, Zareei A, Zaerpour F. Using fuzzy Delphi method in maintenance strategy selection problem. Journal of Uncertain Systems 2008; 2(4): 289-298.
  • 9. Kabo E, Ekber A. Material defects in rolling contact fatigue of railway wheels – the influence of defect size. Wear 2005; 258: 1194-1200.
  • 10. Karlaftis M, Sinha K. Modelling approach for transit rolling-stock deterioration prediction. J. Transp. Eng. 1997; 123(3): 223–228.
  • 11. Kazopoulo M, Kaysi I, El Fadel M A. stated-preference approach towards assessing a vehicle inspection and maintenance program. Transportation Research Part D 2007; 12 (5): 358-370.
  • 12. Lyche T, Morken K. Spline methods draft. University of Oslo. 2008. 226 p.
  • 13. Sawicki P, Zak J. Technical diagnostic of a fleet of vehicles using rough set theory. European Journal of Operational Research 2009; 193 (3): 891-903.
  • 14. Sivilevičius H, Maskeliūnaitė L. The criteria for identifying the quality of passengers’ transportation by railway and their ranking using AHP method. Transport 2010; 25(4): 368-381.
  • 15. Stavropoulos Ch N, Fassois S D. Non-stationary functional series modelling and analysis of hardware reliability series: a comparative study using rail vehicle interfailure times. Reliability Engineering and System Safety 2000; 68: 169-183.
  • 16. Sun K, Li H. Scheduling problems with multiple maintenance activities and non-pre-emptive jobs on two identical parallel machines. International Journal of Production Economics 2010; 124 (1): 151-158.
  • 17. Vaičiūnas G, Lingaitis L P. Investigating the dynamics of passenger rolling stock deterioration. Transport 2008; 23(1): 51-54.
  • 18. Wang L, Chu J, Wu J. Selection of optimum maintenance strategies based on a fuzzy analytic hierarchy process. Production Economics 2007; 107 (51): 151-163.
  • 19. Wang W, Chen H, Bell M C. Vehicle breakdown duration modelling. Journal of Transportation and Statistics 2005; 8 (1): 75-84.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-5677f5e3-8439-439c-a539-0fb3987ad7e1
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.