Ανάπτυξη αλγορίθμων βελτιστοποίησης χωματουργικών εργασιών

Abstract

Η παρούσα διατριβή αφορά στην εφαρμογή της Λειτουργικής Ανάλυσης στις χωματουργικές εργασίες και επικεντρώνεται στη διαχείριση του μηχανικού εξοπλισμού κατά τη μετακίνηση εδαφικού υλικού. Ειδικότερα, στοχεύει στον εντοπισμό και τη διερεύνηση ανεπαρκώς τεκμηριωμένων θεωρήσεων της βιβλιογραφίας και τη συμπλήρωση των υφιστάμενων μεθοδολογιών με νέους αλγορίθμους, ώστε να επιτυγχάνεται οικονομικά βέλτιστη διαχείριση του επιλεγόμενου εξοπλισμού. Η χρησιμότητα της υπόψη έρευνας προκύπτει άμεσα από το γεγονός ότι οι χωματουργικές εργασίες αποτελούν βασικό προκαταρκτικό στάδιο της υλοποίησης των περισσότερων έργων πολιτικού μηχανικού και απορροφούν σημαντικό μέρος του προϋπολογισμού τους, λόγω του σημαντικού κόστους κτήσης και λειτουργίας του σχετικού εξοπλισμού. Όσον αφορά στη δομή της Διατριβής, προηγείται εισαγωγή στο υπόβαθρο της έρευνας με σύντομη παρουσίαση του χρησιμοποιούμενου μηχανικού εξοπλισμού και των βασικών χαρακτηριστικών του και αναφορά στους βασικούς συντελεστές / έννοιες της ντετερμινιστικής (προσδιοριστικής) Λειτουργικής Ανάλυσης χωματουργικών εργασιών και στην υπολογιστική διαδικασία διαστασιολόγησης του απαιτούμενου στόλου μηχανημάτων. Ακολούθως, τίθεται το πρόβλημα της εκδήλωσης βλαβών στα οχήματα και επιχειρείται η ανάπτυξη μοντέλου διάγνωσης της λειτουργικής κατάστασης χωματουργικού οχήματος με βάση ευχερώς προσδιοριζόμενα χαρακτηριστικά ηλικίας και χρήσης. Η σχετική έρευνα βασίζεται στην επεξεργασία στοιχείων από 126 χωματουργικά οχήματα με τη στατιστική μέθοδο της Διαχωριστικής Ανάλυσης και με τη χρήση νευρωνικών δικτύων. Στη συνέχεια, διερευνάται η πρόληψη των συνεπειών των βλαβών με την τοποθέτηση πρόσθετων οχημάτων ως εφεδρικών. Προς αυτή την κατεύθυνση αναπτύσσεται πιθανοτικό μοντέλο πρόβλεψης του αριθμού των βλαβών με βάση τη διαθεσιμότητα του κάθε οχήματος και αναπτύσσεται αλγόριθμος προσδιορισμού του βέλτιστου πλήθους εφεδρικών οχημάτων. Επίσης παρουσιάζονται τα αποτελέσματα σχετικής αριθμητικής διερεύνησης και σύγκρισης της προτεινόμενης μεθόδου με τους υφιστάμενους εμπειρικούς κανόνες. Ακολούθως, η έρευνα επικεντρώνεται στη βελτιστοποίηση της φόρτωσης του χωματουργικού οχήματος με αντικείμενο διερεύνησης τη σκοπιμότητα εκτέλεσης της μερικής φόρτωσης που απαιτείται για την πλήρωση του οχήματος όταν η χωρητικότητά του δεν αποτελεί ακριβές πολλαπλάσιο της χωρητικότητας του φορτωτικού μέσου. Αναγνωρίζονται οι δύο εναλλακτικές μέθοδοι φόρτωσης και στη συνέχεια καθορίζονται και επιβεβαιώνονται οι παραδοχές σύγκρισης της επίδρασής τους στην τιμή μονάδας της εργασίας. Αναπτύσσονται σχετικοί αλγόριθμοι προσδιορισμού της μεθόδου φόρτωσης για την οποία επιτυγχάνεται η ελάχιστη τιμή μονάδας και παρουσιάζονται τα αποτελέσματα εκτεταμένης αριθμητικής εφαρμογής τους σε εργασίες μεταφοράς διαφορετικών χαρακτηριστικών. Τέλος, η έρευνα επικεντρώνεται στο αποξεστικό όχημα με σκοπό την ανάπτυξη αλγοριθμικής μεθόδου για τη βελτιστοποίηση του χρόνου φόρτωσής του. Αρχικά διαπιστώνεται η θεωρητική αστοχία της υφιστάμενης γραφικής μεθόδου βελτιστοποίησης και στη συνέχεια παρουσιάζεται η προτεινόμενη μέθοδος. Η μέθοδος βασίζεται στον αλγόριθμο της Χρυσής Τομής για την περίπτωση αυτοδύναμου αποξεστικού οχήματος και συμπληρωματικά στον αλγόριθμο της Διχοτόμησης για την περίπτωση στόλου αποξεστικών οχημάτων σε συνεργασία με προωθητή-ταύρο. Παρουσιάζονται τα αποτελέσματα εκτεταμένης συγκριτικής αριθμητικής διερεύνησης υφιστάμενης και προτεινόμενης μεθόδου.

This research concerns the implementation of Operational Analysis in earthmoving, focusing on the optimal management of equipment in earth hauling activities. It particularly aims to complement the existing computational processes with new algorithms that contribute towards the minimization of earthmoving unit cost. The utility of this research directly stems from the fact that earthmoving activities not only constitute a major preliminary phase of most civil engineering projects but also represent a significant part of their total cost, due to the high acquisition and operational expenses that the relevant equipment entails. As far as the structure of the Thesis is concerned, Chapter 2 is an introduction to the research background, Chapters 3 and 4 are dedicated to the alleviation of equipment failures’ consequences and Chapters 5 and 6 concern the optimization of the loading phase of the earthmoving truck and scraper, respectively. More specifically, Chapter 2 includes a brief presentation of earthmoving machinery (excavators, loaders, trucks, scrapers) and its characteristics, as well as the basic concepts and computational processes of the deterministic Operational Analysis in earthmoving. Chapter 3 concerns the diagnosis of the earthmoving trucks’ operational condition through predictors related to the age, the size and other usage parameters of the vehicle, in line with relevant research in the field of transportation. A data set containing the characteristics of capacity, age, kilometers traveled to date, maintenance class and condition level of 126 earthmoving trucks was collected in cooperation with two large Greek Construction Companies. Discriminant Analysis and Artificial Neural Networks were used for the development of models enabling the assessment of each characteristic’s connection with the condition level as well as the diagnosis of the condition level of other trucks. A very high level of predictive efficiency was ascertained for both models. Chapter 4 concerns the practice of appointing stand–by trucks for immediate treatment of failures and particularly focuses on the determination of the spare trucks’ number. The literature survey reveals certain empirical rules (either associated with the basic truck fleet’s size or with both its size and availability) which are not accompanied by an economically sound justification. To correct this, an algorithm for the economical evaluation of different stand-by fleets and the determination of the optimal one was introduced. This required the development of a probabilistic model yielding the expected number of failures at a specific fleet of trucks and the connection of its output to the cost corresponding to the states of operation, failure and reserve. The comparison between the proposed methods’ and the existing rules’ results demonstrated that the availability of the basic fleet cannot be ignored as well as that the existing availability-based rules tend to underestimate the required number of stand-by trucks. Chapter 5 concerns the truck and loader combination. In a random combination, most probably the truck’s capacity (either gravimetric or volumetric) is not a whole multiple of the loader’s bucket volume. As a result, the truck’s maximum exploitation requires a partially filled pass, which inevitably prevents the loader from achieving its maximum performance. The cost implications that the above loading and hauling trade-off involves have not been sufficiently investigated. For this purpose, two alternative loading practices (depending on the execution of the partial pass) were considered and the assumptions required for the evaluation of their impact on earthmoving cost were investigated and verified. Based on the above findings, two distinct algorithmic processes were developed. One yielding the percentage unit cost variation that the partial pass’ execution entails at a specific hauling activity and another indicating the minimum required volume of the partial pass, so that the additional pass is worth-executing. An extensive numerical investigation was held to demonstrate that despite the dominant opposite notion, the execution of the partial pass may be a worth considering option, depending on the percentage volume of the partial pass and the hauling distance. Chapter 6 concerns the development of a new algorithmic method for scraper’s loading time optimization given that the existing graphical method is founded on the invalid assumption that the hauling time is independent of the load time. The proposed method uses the Golden Section Search to detect the maximum of the function between the scraper’s hourly production and the load time. The computational process was also expanded to address the case that the scraper is assisted by a pusher. This required the combined implementation of the Golden Section Search and the Bisection Algorithm. The comparison of the results deriving from the proposed and the existing method demonstrated that the latter entails the systematic needless prolongation of the loading stage, thus resulting in reduced hourly production and increased cost.