Планирование системы снабжения строительства в стесненных условиях методом динамического программирования

Обложка

Цитировать

Полный текст

Аннотация

Введение. Применение метода динамического программирования широко используется для решения оптимизационных задач в строительстве. В зависимости от сложности проекта и условий при возведении зданий и сооружений принятие оптимальных решений может потребовать анализа большого количества данных и вариантов. Динамическое программирование позволяет рассмотреть задачу оптимизации как последовательность подзадач, которые могут быть решены по отдельности и затем объединены в общее решение. Это позволяет упростить процесс планирования и управления проектом, что является актуальным для принятия организационно-технологических решений при материально-техническом снабжении строительства в условиях плотной городской застройки, а также для повышения эффективности и конкурентоспособности строительной отрасли в целом.Материалы и методы. В исследовании применяется метод математической формализации условий, эффективного снабжения ресурсами, метод динамического программирования и метод графовой интерпретации результатов.Результаты. Произведена оптимизация системы снабжения строительного производства при многопоточной организации работ, на основе результатов оптимизации было определено оптимальное распределение ресурсов и построен сетевой график движения грузопотоков на протяжении рассматриваемого этапа возведения здания. Разработан алгоритм планирования графика поставок при поточном способе доставки ресурсов на строительную площадку.Выводы. При организации ресурсообеспечения строительно-монтажных работ в стесненных условиях важно учитывать ряд ограничений, вызванных данными условиями. Сокращение складских запасов является критическим условием для поддержания системы снабжения в бездефицитном положении. Кроме того, при поточном методе строительства есть риск повышения складских запасов ввиду динамики спроса на материалы и оборудование в то время, когда работы ведутся параллельно. Применение метода динамического программирования позволяет на этапе планирования избежать возникновения дефицита и превышения максимального запаса материальных ресурсов и выбрать их оптимальное распределение на рассматриваемом этапе строительно-монтажных работ.

Об авторах

Я. Д. Агеева

Новосибирский государственный архитектурно-строительный университет (Сибстрин)

Email: ya.ageyeva@sibstrin.ru
ORCID iD: 0009-0004-5827-0238
SPIN-код: 7587-8474

Ю. А. Чиркунов

Новосибирский государственный архитектурно-строительный университет (Сибстрин)

Email: chr102@yandex.ru
ORCID iD: 0000-0001-7128-0757
SPIN-код: 2688-5663

А. А. Лапидус

Национальный исследовательский университет Московский государственный университет (НИУ МГСУ)

Email: Lapidusaa@mgsu.ru
ORCID iD: 0000-0001-7846-5770
SPIN-код: 8192-2653

Список литературы

  1. Болодурина И.П., Спешилов Е.А. Математические и инструментальные средства обеспечения интеллектуальной системы поддержки принятия решений по управлению грузопотоками // Прикладная математика и вопросы управления. 2023. № 2. С. 93–107. doi: 10.15593/2499-9873/2023.2.09. EDN HILJFN.
  2. Lamekhov V., Chervotenko E. Usage of dynamic programming method in transport and logistics centers construction and development projects // Advances in Intelligent Systems and Computing. In book: VIII International Scientific Siberian Transport Forum. 2020. Vol. 1115. Рр. 357–366. doi: 10.1007/978-3-030-37916-2_35
  3. Дюкова О.М. Логистика строительства: современное понимание и тенденции // Вестник УРАО. 2017. № 4. С. 69–73. EDN OAGRQH.
  4. Карпушкин И.Д. Актуальные вопросы логистики строительства на современном этапе // Основы ЭУП. 2023. № 2 (37). С. 95–99. doi: 10.51608/23058641_2023_2_95. EDN RQMEEP.
  5. Седов Д.С. Факторы стесненности в условиях плотной городской застройки // Вестник МГСУ. 2010. № 4 (1). С. 171–174. EDN NEJDSH
  6. Putz D., Schwabeneder D., Auer H., Fina B. A comparison between mixed-integer linear programming and dynamic programming with state prediction as novelty for solving unit commitment // International Journal of Electrical Power & Energy Systems. 2021. Vol. 125. Рр. 3–12. doi: 10.1016/j.ijepes.2020.106426
  7. Mizutania E., Dreyfus S. A tutorial on the art of dynamic programming for some issues concerning Bellman’s principle of optimality // ICT Express. 2023. Vol. 9. Рр. 1144–1161. doi: 10.1016/j.icte.2023.07.001
  8. Sun J., Apornak A., Ma G. Presenting a mathematical model for reduction of delays in construction projects considering quality management criteria in uncertainty condition // Journal of Engineering Research. 2023. doi: 10.1016/j.jer.2023.08.021
  9. Kedir F., Hall M.D. Resource efficiency in industrialized housing construction : a systematic review of current performance and future opрortunities // Journal of Cleaner Production. 2021. Vol. 286. P. 15. doi: 10.1016/j.jclepro.2020.125443
  10. Zhang Y. A survey of dynamic programming algorithms // Apрlied and Computational Engineering. 2024. Vol. 35 (1). Рр. 183–189. doi: 10.54254/2755-2721/35/20230392
  11. Khaled E., Hisham S. Dynamic site layout planning using apрroximate dynamic programming // Journal of Computing in Civil Engineering. 2009. Vol. 23 (2). Рр. 119–127. doi: 10.1061/(ASCE)0887-3801(2009)23:2(119)
  12. Шрамко А.П. Оптимизация транспортно-технологических процессов методом динамического программирования // Морские интеллектуальные технологии. 2021. № 4 (1). С. 184–194. doi: 10.37220/MIT.2021.54.4.050. EDN UGPEGW.
  13. Басараб А. Применение динамического программирования в задачах управления профессиональными рисками в строительстве // Безопасность в техносфере. 2017. № 6 (6). С. 47–53. doi: 10.12737/article_5af024e4e17da6.63463049. EDN XNBWQP.
  14. Пименов С.И. Строительная информационная модель // Вестник ПНИПУ. Строительство и архитектура. 2022. № 3 (13). С. 72–84. doi: 10.15593/2224-9826/2022.3.07
  15. Taghaddos M., Mousaei A., Taghaddos H., Hermann U., Mohamed Y., AbouRizk S. Optimized variable resource allocation framework for scheduling of fast-track industrial construction projects // Automation in Construction. 2024. Vol. 158. P. 24. doi: 10.1016/j.autcon.2023.105208
  16. Essien J. Apрlication of branch and bound and dynamic Programming in demand forecasting for supрly chain optimization // International Journal of Science and Research. 2023. Vol. 12 (5). Рр. 2617–2623. doi: 10.21275/SR23528175430
  17. Шепелев В.Д., Альметова З.В., Шепелева Е.В., Алферова И.Д. Использование маневровых транспортных средств для сокращения простоев в пункте оборота // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. 2018. № 3. С. 169–175. doi: 10.14529/em180320. EDN YBJWQX.
  18. Ran Y. Optimizing operations management and business analytics strategies under uncertainty: dynamic programming // Advances in Economics Management and Political Sciences. 2023. Vol. 49 (1). Рр. 150–156. doi: 10.54254/2754-1169/49/20230507
  19. Louadj K., Aidene M. Direct method for resolution of optimal control problem with free initial condition // International Journal of Differential Equations. 2012. Vol. 6. P. 18. doi: 10.1155/2012/173634
  20. Мамонтова Е.В., Воейко О.А. Применение бережливого производства при оценке качества управления отходами // Компетентность. 2024. № 1. С. 51–56. doi: 10.24412/1993-8780-2024-1-51-57
  21. Ильюк В.В., Кузнецов О.А. Повышение эффективности управления логистическими потоками // Вестник РМАТ. 2023. № 2. C. 21–26. EDN WDCNDI.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».