Applying Pareto frontier to determine control strategy of technical objects operation process

• Autorzy: Migawa K. , Knopik L. , Neubauer A. , Sołtysiak A.

Identyfikatory

DOI

10.1515/jok-2017-0060

Warianty tytułu

PL

Zastosowanie frontu Pareto do wyznaczania strategii sterowania procesem eksploatacji obiektów technicznych

• Języki publikacji: EN PL

Abstrakty

EN

The paper deals with the multi-criteria model of technical objects operation process control in which the choice of control strategy is made with the use of nondeterministic methods. The decisive model was created with the use of decisive theories of semi-Markov processes. The choice of the optimum (quasioptimum) solution is made with the use of simulated annealing algorithm. As a result of numeric calculations for used criteria functions (availability, risk), a set of quasi-optimum solutions in the form of Pareto frontier is obtained.

PL

W artykule przedstawiono wielokryterialny model sterowania procesem eksploatacji obiektów technicznych, w którym wybór strategii sterowania realizowany jest z zastosowaniem metod niedeterministycznych. Model decyzyjny został opracowany z wykorzystaniem teorii decyzyjnych procesów semi-Markowa. Wybór rozwiązania optymalnego (quasi-optymalnego) realizowany jest za pomocą algorytmu symulowanego wyżarzania. W wyniku realizacji obliczeń numerycznych, dla zastosowanych funkcji kryterialnych (gotowość, ryzyko), uzyskuje się zbiór rozwiązań quasi-optymalnych w postaci frontu Pareto.

Słowa kluczowe

EN

control strategy; Pareto front; availability; risk

PL

strategia sterowania; front Pareto; gotowość; ryzyko

• Wydawca: Wydawnictwo Instytutu Technicznego Wojsk Lotniczych
• Czasopismo: Journal of KONBiN
• Rocznik: 2017
• Tom: No. 44
• Strony: 37--58
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Migawa K.

• Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

autor

Knopik L.

• Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

autor

Neubauer A.

• Uniwersytet Mikołaja Kopernika w Toruniu

autor

Sołtysiak A.

• Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy

Bibliografia

• [1] Czyżak P., Jaszkiewicz A.: Pareto simulated annealing - A metaheuristic technique for multiple-objective combinatorial optimization. J. Multi-Criteria Decision Anal., vol. 7, 1998, 34-47.
• [2] Grabski F.: Analiza ryzyka w decyzyjnych semi-markowskich modelach procesu eksploatacji. XXXVIII Zimowa Szkoła Niezawodności, Szczyrk, 2010, 43-52.
• [3] Grabski F.: Semi-Markov processes: Applications in system reliability and maintenance. Elsevier, Amsterdam, 2014.
• [4] Hapke M., Jaszkiewicz A., Słowiński R.: Pareto simulated annealing for fuzzy multi-objective combinatorial optimization. J. Heuristics, vol. 6, no. 3, 2000, 329-345.
• [5] Knopik L., Migawa K., Wdzięczny A.: Profit optimalization in operation systems. Polish Maritime Research, vol. 23, no. 1(89), 2016, 93-98.
• [6] Kulkarni V. G.: Modeling and analysis of stochastic systems. Chapman & Hall, New York, 1995.
• [7] Lee K. W.: Stochastic models for random-request availability. IEEE Trans. Reliability 49, 2000, 80-84.
• [8] Migawa K., Knopik L., Sołtysiak A., Kolber P.: The method of risk assessment in transport system. Engineering Mechanics, Institute of Thermomechanics Academy of Sciences of the Czech Republic, 2017, 658-661.
• [9] Migawa K., Knopik L., Wawrzyniak S.: Application of genetic algorithm to control the availability of technical systems. Engineering Mechanics, Institute of Thermomechanics Academy of Sciences of the Czech Republic, 2016, 386-389.
• [10] Nam D. K., Park C.: Multiobjective simulated annealing: A comparative study to evolutionary algorithms,” Int. J. Fuzzy Syst., vol. 2, no. 2, 2000, 87-97.
• [11] Suman B., Kumar P.: A survey of simulated annealing as a tool for single and multiobjective optimization. Journal of the Operational Research Society, vol. 57, 2006, 1143-1160.
• [12] Suppapitnarm A., Seffen K. A., Parks G. T., Clarkson P.: A simulated annealing algorithm for multiobjective optimization,” Eng. Opt., vol. 33, 2000, 59-85.
• [13] Szubartowski M., Migawa K., Neubauer A., Knopik L.: Method of determining optimal control strategy. 58th International Conference of Machine Design Departments – ICMD 2017, Prague, Czech Republic, 2017, 380-385.
• [14] Ulungu E. L., Teghaem J., Fortemps P., Tuyttens D.: MOSA method: A tool for solving multiobjective combinatorial decision problems,” J. Multi-Criteri Decision Anal., vol. 8, 1999, 221-236.