Mathematical modeling of the efficiency indicator of the functioning of the transport and production system in the conditions of the quarry of a metallurgical enterprise
dc.citation.epage | 61 | |
dc.citation.issue | 1 | |
dc.citation.spage | 48 | |
dc.contributor.affiliation | Dniprovsky State Technical University | |
dc.contributor.affiliation | PJSC Zaporozhstal | |
dc.contributor.author | Sereda, Borys | |
dc.contributor.author | Mykovska, Darya | |
dc.coverage.placename | Львів | |
dc.coverage.placename | Lviv | |
dc.date.accessioned | 2023-07-05T07:55:31Z | |
dc.date.available | 2023-07-05T07:55:31Z | |
dc.date.created | 2023-06-30 | |
dc.date.issued | 2023-06-30 | |
dc.description.abstract | Зазначено, що дослідження роботи кар’єрного автотранспорту дало змогу сформувати цільову функцію дослідження з урахуванням критерію ефективності всіх процесів системи, яка передбачає зниження витрат на функціонування транспортно-виробничої системи кар’єру металургійного підприємства, а саме, підсистем: “Надходження сировини”, “Переробка сировини”, “Збут сировини”. У процесі дослідження були виокремленні основні фактори, які впливають на показник витрат на функціонування підсистем. До цих факторів належать: виробничий простій автотранспорту, швидкість автотранспорту з вантажем, швидкість автотранспорту без вантажу, значення яких були отримані в результаті хронометражу роботи автотранспорту на технологічних маршрутах протягом чотирьох діб. Для кожної з підсистем були розраховані рівні інтервалів варіювання та тип їх змін для трьох режимів. Для моделювання витрат був проведений регресійний аналіз досліджуваних факторів. Побудовані поверхні відгуку отриманих математичних моделей, а саме: вплив часу виробничого простою автотранспорту та швидкості руху без вантажу на витрати на функціонування підсистем, вплив часу виробничого простою автотранспорту та швидкості руху з вантажем на витрати на функціонування підсистем, вплив швидкості руху з вантажем та швидкості руху без вантажу на витрати на функціонування підсистем. Оптимальним значенням для зменшення витрати на функціонування підсистеми “Переробка сировини” є: значення виробничого простою 4–5 хв, швидкості руху автотранспорту без вантажу 9 хв, швидкості руху автотранспорту з вантажем 9 км/год. Оптимальним значенням для зменшення витрати на функціонування підсистеми “Збут сировини” є: значення виробничого простою 4–6 хв, швидкості руху автотранспорту без вантажу 14–16 хв, швидкості руху автотранспорту з вантажем 13–15 км/год. Оптимальним значенням для зменшення витрати на функціонування підсистеми “Надходження сировини” є: значення виробничого простою 4–5 хв, швидкості руху автотранспорту без вантажу 7–8 км/год, швидкості руху автотранспорту з вантажем 10 км/год. | |
dc.description.abstract | The study of the operation of quarry vehicles made it possible to form the target function of the study, taking into account the criterion of the efficiency of all processes of the system, which provides for the reduction of costs for the operation of the transport and production system of the quarry of a metallurgical enterprise, namely, the subsystems: “Incoming raw materials”, “Processing of raw materials”, “Sales of raw materials”. Factors influencing the cost indicator are highlighted. These factors include the production downtime of motor vehicles, the speed of motor vehicles with cargo, and the speed of motor vehicles without cargo. The values of these factors were obtained in result of timing the operation of motor vehicles on technological routes for four days. The levels of variation intervals and the nature of their changes for the three regimes were calculated for each of the subsystems. A regression analysis of the investigated factors was carried out to model the costs. The response surfaces of the obtained mathematical models are constructed, namely: the influence of the production downtime of motor vehicles and the speed of movement without cargo on the costs of functioning of subsystems, the influence of production downtime of motor vehicles and the speed of movement with cargo on the costs of the functioning of subsystems, the influence of the speed of movement with cargo and speed of movement without cargo for the costs of functioning of subsystems. The optimal values for reducing the cost of functioning of the “Processing of raw materials” subsystem are the value of production downtime – 4–5 min., the speed of motor vehicles without cargo – 9 min., and the speed of motor vehicles with cargo – 9 km/h. The optimal values for reducing the cost of functioning of the “Sales of raw materials” subsystem are the value of production downtime – 4–6 min., the speed of motor vehicles without cargo – 14–16 min., and the speed of motor vehicles with cargo – 13215 km/h. The optimal values for reducing the cost of functioning of the subsystem “Incoming raw materials” are: the value of production downtime is 4–5 minutes, the speed of motor vehicles without cargo is 7–8 km/h, the speed of motor vehicles with cargo is 10 km/h. | |
dc.format.extent | 48-61 | |
dc.format.pages | 14 | |
dc.identifier.citation | Sereda B. Mathematical modeling of the efficiency indicator of the functioning of the transport and production system in the conditions of the quarry of a metallurgical enterprise / Borys Sereda, Darya Mykovska // Transport Technologies. — Lviv : Lviv Politechnic Publishing House, 2023. — Vol 4. — No 1. — P. 48–61. | |
dc.identifier.citationen | Sereda B., Mykovska D. (2023) Mathematical modeling of the efficiency indicator of the functioning of the transport and production system in the conditions of the quarry of a metallurgical enterprise. Transport Technologies (Lviv), vol. 4, no 1, pp. 48-61. | |
dc.identifier.doi | https://doi.org/10.23939/tt2023.01.048 | |
dc.identifier.uri | https://ena.lpnu.ua/handle/ntb/59385 | |
dc.language.iso | en | |
dc.publisher | Видавництво Львівської політехніки | |
dc.publisher | Lviv Politechnic Publishing House | |
dc.relation.ispartof | Transport Technologies, 1 (4), 2023 | |
dc.relation.references | 1. Chislov, O., Bogachev, V., Zadorozhniy, V., Kravets, A., Bakalov, M., & Bogachev, T. (2021). Mathematical modeling of cargo flow distribution in a regional multimodal transportation system. Transport Problems, 16(2), 153–165. doi: 10.21307/tp-2021-031 (in English). | |
dc.relation.references | 2. Jahed, A., Tavakkoli Moghaddam, R. (2021). Mathematical modeling for a flexible manufacturing scheduling problem in an intelligent transportation system. Iranian Journal of Management Studies, 14(1), 189–208.doi: 10.22059/ijms.2020.261618.673203 (in English). | |
dc.relation.references | 3. Pavlenko, O., Velykodnyi, D., Lavrentieva, O., Filatov, S. (2020). The Procedures of Logistic Transport Systems Simulation in the Petri Nets Environment. In Ceur workshop proceedings, 2732, (pp. 854–68). (in English). | |
dc.relation.references | 4. Barykin, S. Y., Kapustina, I. V., Sergeev, S. M., & Yadykin, V. K. (2020). Algorithmic foundations of economic and mathematical modeling of network logistics processes. Journal of Open Innovation: Technology, Market, and Complexity, 6(4), 189. doi: 10.3390/joitmc6040189 (in English). | |
dc.relation.references | 5. Tavasszy, L. A. (2020). Predicting the effects of logistics innovations on freight systems: Directions for research. Transport Policy, 86, A1-A6. doi: 10.1016/j.tranpol.2019.11.004 (in English). | |
dc.relation.references | 6. de la Torre, R., Corlu, C. G., Faulin, J., Onggo, B. S., & Juan, A. A. (2021). Simulation, optimization, and machine learning in sustainable transportation systems: models and applications. Sustainability, 13(3), 1551. doi: 10.3390/su13031551 (in English). | |
dc.relation.references | 7. Zhang, Y., Kou, X., Song, Z., Fan, Y., Usman, M., & Jagota, V. (2022). Research on logistics management layout optimization and real-time application based on nonlinear programming. Nonlinear Engineering, 10(1), 526–534. doi: 10.1515/nleng-2021-0043 (in English). | |
dc.relation.references | 8. Bučková, M., Skokan, R., Fusko, M., & Hodoň, R. (2019). Designing of logistics systems with using of computer simulation and emulation. Transportation Research Procedia, 40, 978–985. doi: 10.1016/j.trpro.2019.07.137 (in English). | |
dc.relation.references | 9. Yazdani, M., Pamucar, D., Chatterjee, P., Chakraborty, S. (2020). Development of a decision support framework for sustainable freight transport system evaluation using rough numbers. International Journal of Production Research, 58(14), 4325–4351. doi: 10.1080/00207543.2019.1651945 (in English). | |
dc.relation.references | 10. Devendra K. P., Lakshman S. Thakur, Shams R. (2019) Performance evaluation framework for sustainable freight transportation systems, International Journal of Production Research, 57(19), 6202–6222. doi: 10.1080/00207543.2019.1602741 (in English). | |
dc.relation.references | 11. Nassim M., Nadia H., Laurent D. (2021) Sustainable Freight Transport Association. Journal of the Society for Operational Research, 72 (10), 2180–2195. (in English). | |
dc.relation.references | 12. Guo, Z., Zhang, Y., Zhao, X., Song, X. (2020). CPS-based self-adaptive collaborative control for smart productionlogistics systems. IEEE Transactions onCybernetics, 51(1), 188–198. doi: 10.1109/TCYB.2020.2964301 (in English). | |
dc.relation.references | 13. Kernychniy, B., & Radynskiy, S. (2021). Metodychnyi instrumentarii otsiniuvannia efektyvnosti upravlinnia transportno-lohistychnym obsluhovuvanniam promyslovoho pidpryiemstva [Methodical tools for evaluating the effectiveness of transport and logistics services management of an industrial enterprise]. Innovative Solution in Modern Science, 7(43), 169–191. doi: 10.26886/2414-634X.7(43)2020.11 (in Ukrainian). | |
dc.relation.references | 14. Shramenko, N., & Muzylyov, D. (2020). Forecasting of overloading volumes in transport systems based on the fuzzy-neural model. In Advances in Design, Simulation and Manufacturing II: Proceedings of the 2nd International Conference on Design, Simulation, Manufacturing: The Innovation Exchange, DSMIE-2019. (pp. 311–320). (in English). | |
dc.relation.referencesen | 1. Chislov, O., Bogachev, V., Zadorozhniy, V., Kravets, A., Bakalov, M., & Bogachev, T. (2021). Mathematical modeling of cargo flow distribution in a regional multimodal transportation system. Transport Problems, 16(2), 153–165. doi: 10.21307/tp-2021-031 (in English). | |
dc.relation.referencesen | 2. Jahed, A., Tavakkoli Moghaddam, R. (2021). Mathematical modeling for a flexible manufacturing scheduling problem in an intelligent transportation system. Iranian Journal of Management Studies, 14(1), 189–208.doi: 10.22059/ijms.2020.261618.673203 (in English). | |
dc.relation.referencesen | 3. Pavlenko, O., Velykodnyi, D., Lavrentieva, O., Filatov, S. (2020). The Procedures of Logistic Transport Systems Simulation in the Petri Nets Environment. In Ceur workshop proceedings, 2732, (pp. 854–68). (in English). | |
dc.relation.referencesen | 4. Barykin, S. Y., Kapustina, I. V., Sergeev, S. M., & Yadykin, V. K. (2020). Algorithmic foundations of economic and mathematical modeling of network logistics processes. Journal of Open Innovation: Technology, Market, and Complexity, 6(4), 189. doi: 10.3390/joitmc6040189 (in English). | |
dc.relation.referencesen | 5. Tavasszy, L. A. (2020). Predicting the effects of logistics innovations on freight systems: Directions for research. Transport Policy, 86, A1-A6. doi: 10.1016/j.tranpol.2019.11.004 (in English). | |
dc.relation.referencesen | 6. de la Torre, R., Corlu, C. G., Faulin, J., Onggo, B. S., & Juan, A. A. (2021). Simulation, optimization, and machine learning in sustainable transportation systems: models and applications. Sustainability, 13(3), 1551. doi: 10.3390/su13031551 (in English). | |
dc.relation.referencesen | 7. Zhang, Y., Kou, X., Song, Z., Fan, Y., Usman, M., & Jagota, V. (2022). Research on logistics management layout optimization and real-time application based on nonlinear programming. Nonlinear Engineering, 10(1), 526–534. doi: 10.1515/nleng-2021-0043 (in English). | |
dc.relation.referencesen | 8. Bučková, M., Skokan, R., Fusko, M., & Hodoň, R. (2019). Designing of logistics systems with using of computer simulation and emulation. Transportation Research Procedia, 40, 978–985. doi: 10.1016/j.trpro.2019.07.137 (in English). | |
dc.relation.referencesen | 9. Yazdani, M., Pamucar, D., Chatterjee, P., Chakraborty, S. (2020). Development of a decision support framework for sustainable freight transport system evaluation using rough numbers. International Journal of Production Research, 58(14), 4325–4351. doi: 10.1080/00207543.2019.1651945 (in English). | |
dc.relation.referencesen | 10. Devendra K. P., Lakshman S. Thakur, Shams R. (2019) Performance evaluation framework for sustainable freight transportation systems, International Journal of Production Research, 57(19), 6202–6222. doi: 10.1080/00207543.2019.1602741 (in English). | |
dc.relation.referencesen | 11. Nassim M., Nadia H., Laurent D. (2021) Sustainable Freight Transport Association. Journal of the Society for Operational Research, 72 (10), 2180–2195. (in English). | |
dc.relation.referencesen | 12. Guo, Z., Zhang, Y., Zhao, X., Song, X. (2020). CPS-based self-adaptive collaborative control for smart productionlogistics systems. IEEE Transactions onCybernetics, 51(1), 188–198. doi: 10.1109/TCYB.2020.2964301 (in English). | |
dc.relation.referencesen | 13. Kernychniy, B., & Radynskiy, S. (2021). Metodychnyi instrumentarii otsiniuvannia efektyvnosti upravlinnia transportno-lohistychnym obsluhovuvanniam promyslovoho pidpryiemstva [Methodical tools for evaluating the effectiveness of transport and logistics services management of an industrial enterprise]. Innovative Solution in Modern Science, 7(43), 169–191. doi: 10.26886/2414-634X.7(43)2020.11 (in Ukrainian). | |
dc.relation.referencesen | 14. Shramenko, N., & Muzylyov, D. (2020). Forecasting of overloading volumes in transport systems based on the fuzzy-neural model. In Advances in Design, Simulation and Manufacturing II: Proceedings of the 2nd International Conference on Design, Simulation, Manufacturing: The Innovation Exchange, DSMIE-2019. (pp. 311–320). (in English). | |
dc.rights.holder | © Національний університет „Львівська політехніка“, 2023 | |
dc.rights.holder | © В. Sereda, D. Mykovska, 2023 | |
dc.subject | математична модель | |
dc.subject | функція відгуку | |
dc.subject | поверхні відгуку | |
dc.subject | швидкість руху | |
dc.subject | простій автотранспорту | |
dc.subject | коефіцієнти регресії | |
dc.subject | транспортно-виробнича система | |
dc.subject | інтервали варіювання | |
dc.subject | mathematical model | |
dc.subject | response function | |
dc.subject | response surfaces | |
dc.subject | speed of movement | |
dc.subject | downtime motor vehicle | |
dc.subject | regression coefficients | |
dc.subject | transport and production system | |
dc.subject | variation intervals | |
dc.title | Mathematical modeling of the efficiency indicator of the functioning of the transport and production system in the conditions of the quarry of a metallurgical enterprise | |
dc.title.alternative | Математичне моделювання показника ефективності функціонування транспортно-виробничої системи в умовах кар’єру металургійного підприємства | |
dc.type | Article |