Распределение еженедельного рабочего времени водителей грузовых автомобилей в городской логистике
- Авторы: Асенов А.1, Пенчева В.1, Георгиев И.1
-
Учреждения:
- Русенский университет имени Ангела Кынчева
- Выпуск: № 4 (2023)
- Страницы: 80-89
- Раздел: ТРАНСПОРТ
- URL: https://journals.rcsi.science/2782-232X/article/view/317537
- DOI: https://doi.org/10.31660/2782-232X-2023-4-80-89
- ID: 317537
Цитировать
Полный текст
Аннотация
Рассматриваются перевозки грузов небольшими партиями в городских условиях. Выявлено, что недельная нагрузка водителей грузовых автомобилей не всегда распределяется равномерно. Это становится причиной неудовлетворенности среди водителей, а также может привести к совершению ошибок или возникновению проблем со здоровьем. Для решения проблемы предлагается частично целочисленная нелинейная математическая модель. Ее применение позволяет сделать разницу между временем, затраченным водителем, проработавшим больше всех, и водителем, проработавшим меньше всех, минимальной, а нагрузку на водителей – равномерной. Предлагается два возможных варианта решения этой задачи (пример основан на реальной ситуации из практики). В первом случае это принцип ротации, при котором трое взаимозаменяемых рабочих в течение трех дней меняют виды работ. Во втором случае семь рабочих выполняют шесть видов работ в течение одной недели, при этом точно определено, кто из рабочих какой вид работ должен выполнять. В результате расчетов было найдено решение, при котором разница между минимальным и максимальным временем составляет 1.7 часа за пять рабочих дней (время работы варьируется от 33.7 до 35.4 ч). Здесь также может быть применен принцип ротации, чтобы рабочие были загружены равномерно. Эти варианты не исключают поиска других решений, удовлетворяющих поставленной задаче.
Ключевые слова
Об авторах
А. Асенов
Русенский университет имени Ангела Кынчева
Email: asasenov@uni-ruse.bg
В. Пенчева
Русенский университет имени Ангела Кынчева
Email: asasenov@uni-ruse.bg
И. Георгиев
Русенский университет имени Ангела Кынчева
Автор, ответственный за переписку.
Email: irgeorgiev@uni-ruse.bg
Список литературы
United Nations. (2012). World Urbanization Prospects. The 2011 Revision. New York, 318 p. Availabe at: https://www.un.org/en/development/desa/population/publications/pdf/urbanization/WUP2011_Report.pdf (accessed 01.02.2022). (In English). Hasle, G., Lie, K.-A., & Quak, E. (2007). Geometric modelling, numerical simulation, and optimization: Applied Mathematics at SINTEF. Springer, 558 p. (In English). ISBN 978-3-540-68783-2. Cirovic, G., Pamucar, D., & Božanić, D. (2014). Green logistic vehicle routing problem: Routing light delivery vehicles in urban areas using a neuro-fuzzy model. Expert Systems with Applications, 41(9), 4245–4258 p. (In English). doi: 10.1016/j.eswa.2014.01.005. Cattaruzza, D., Absi, N., Feillet, D., & Gonzalez-Feliu, J. (2017). Vehicle routing problems for city logistics. EURO Journal on Transportation and Logistics, 6(1), pp. 51-79. (In English). doi: 10.1007/s13676-014-0074-0. Friswell, R., & Williamson, A. (2019). Management of heavy truck driver queuing and waiting for loading and unloading at road transport customers’ depots. Safety Science, (120), pp. 194-205. (In English). DOI 10.1016/j. ssci.2019.06.039. Friswell, R., & Williamson, A. (2010). Work characteristics associated with injury among light/short-haul transport drivers. Accident Analysis & Prevention, 42(6), pp. 2068-2074. (In English). doi: 10.1016/j.aap.2010.06.019. Steinbakk, R. T., Ulleberg, P., Sagberg, F., & Fostervold, K. I. (2017). Analysing the influence of visible roadwork activity on drivers’ speed choice at work zones using a video-based experiment. Transportation Research Part F: Traffic Psychology and Behaviour, 44, pp. 53-62. (In English). doi: 10.1016/j.trf.2016.10.003. Gatta, V., Marcucci, E., Nigro, M., & Serafini, S. (2019). Sustainable urban freight transport adopting public transport-based crowdshipping for B2C deliveries. European Transport Research Review, 11(1), 14 p. (In English). doi: 10.1186/s12544-019-0352-x. Mak, Ho-Yin (2018). Peer-to-peer crowdshipping as an omnichannel retail strategy. Available at: https://www.readcube.com/articles/10.2139/ssrn.3119687. (In English). doi: 10.2139/ssrn.3119687. Simeonov, D., & Pencheva, V. (2001). Interaction between modes of transport. Ruse, Publ. Printing base of "Angel Kanchev" University of Ruse, 308 p. (In Bulgarian). ISBN 954-712145-6. Conn, A. R., Gould, N. I. M., & Toint, Ph. L. (1991). A globally convergent augmented lagrangian algorithm for optimization with general constraints and simple bounds. SIAM Journal on Numerical Analysis, 28(2), pp. 545572. doi: 10.1137/0728030. Conn, A. R., Gould, N., & Toint, Ph. L. (1997). A globally convergent augmented lagrangian barrier algorithm for optimization with general inequality constraints and simple bounds. Mathematics of Computation, 66(217), pp. 261-288. (In English). doi: 10.1090/S0025-5718-97-00777-1. Tonchev, J., & Vitliemov, V. (2013). Optimization with MATLAB. Pragmatic approach. Ruse, Publ. Printing base of "Angel Kanchev" University of Ruse, 250 p. (In Bulgarian). ISBN 978-954-712-593-3. Dimov, I., & Todorov, V. (2016). Error analysis of biased stochastic algorithms for the second kind fredholm integral equation. In: Margenov, S., Angelova, G., Agre, G. (eds.) Innovative Approaches and Solutions in Advanced Intelligent Systems. Studies in Computational Intelligence, Vol. 648. Publ. Springer, pp. 3-16. (In English). doi: 10.1007/978-3-319-32207-0. Dimitrov, Yu., Miryanov, R., & Todorov, V. (2018). Asymptotic expansions and approximations for the Caputo derivative. Computational and Applied Mathematics, 37(5), 5476-5499. (In English). doi: 10.1007/s40314-0180641-3. Pillay, N., & Qu, R. (2018). Hyper-heuristics: theory and applications. Cham, Switzerland, Publ. Springer, 134 p. (In English). doi: 10.1007/978-3-319-96514-7. Thampi, S. M., Piramuthu, S., Li, K., Berretti, S., Wozniak, M., & Singh, D. (2021). Machine learning and metaheuristics algorithms, and applications second symposium, SoMMA 2020, Chennai, India, October 14-17. Revised Selected Papers, 256 p. (In English). doi: 10.1007/978-981-16-0419-5. Web page of the Mathworks. Help for function ga. Availabe at: https://www.mathworks.com/help/gads/ga.html#mw_4a8bfdb9-7c4c-4302-8f47-d260b7a43e26 (accessed 01.02.2022). (In English). Goldberg, D. E. (1989). Genetic algorithms in search, optimization & machine learning. Publ. Addison-Wesley publishing company, Inc., 412 p. (In English). ISBN: 9780201157673. Sivanandam, S. N., & Deepa, S. N. (2008). Introduction to genetic algorithms. Berlin, Heidelberg, Publ. Springer, 442 p. (In English). doi: 10.1007/978-3-540-73190-0.
Дополнительные файлы
