نموذج بديل جديد في بيئة الأرقام شبه المنحرفة الضبابية
محتوى المقالة الرئيسي
الملخص
في عالم اليوم الديناميكي، يعد استبدال الآلات والمرافق مسألة دائمة ومعقدة بسبب النمو التقني السريع والعولمة، وهو اهتمام مشترك في أذهان أصحاب أي عمل تجاري. الصيانة هي إجراء مجدول للتأكد من أن المعدات أو الأنظمة أو المرافق تظل طبيعية لأداء الغرض المقصود منها بشكل صحيح دون المخاطرة بخسارة وقت الخدمة بسبب فشلها. للحفاظ على درجة معينة من الاتساق والحماية، ولا غنى عن أنشطة صيانة الأداء للأنظمة والمرافق في ظروف عمل جيدة. فهو يزيد من تكاليف التشغيل عن طريق تقليل وتحسين فعالية الإنتاج وفوائده. تساعد عملية الإصلاح في الحفاظ على الأداء التشغيلي للآلات والمرافق وزيادته، وبالتالي زيادة الإيرادات. لذلك، إذا احتاج كيان أو شركة إلى مواصلة سوقها التنافسي، فمن المهم التحقق مما إذا كان سيتم تحمل تكاليف التشغيل والإصلاح بالمعدات القديمة أو استبدالها بها. ولهذا السبب، يجب أن تكون معلمات القرار مثل تكلفة الصيانة وقيمة إعادة البيع وتكلفة رأس المال وسعر الفائدة معروفة بدقة. لكن ذلك غير ممكن في الواقع، فالواقع غير مؤكد ومعقد. يتم التحكم في حالة عدم اليقين هذه بكفاءة من خلال نظرية المجموعات الضبابية. يهدف هذا العمل إلى مناقشة استبدال المعدات في بيئة ضبابية. إن التقنية الأساسية للتأكيد على معلمات الضبابية التي تشارك في العديد من مواقف العالم الحقيقي هي نظرية المجموعات الضبابية. في نموذج الاستبدال الضبابي هذا، يتم تمثيل جميع التكاليف غير الدقيقة بأرقام ضبابية شبه منحرفة (TFNs). تجد التقنية المقترحة أفضل وقت استبدال لمشكلة استبدال ضبابي دون التحويل إلى مشكلة واضحة ومدعومة بمثال عددي توضيحي.
Received 26/10/2023
Revised 26/01/2024
Accepted 28/01/2024
Published Online First 20/04/2024
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Zadeh LA. Fuzzy Sets. Inf. control. 1965; 8: 338–353. https://doi.org/10.1016/S0019-9958(65)90241-X
Lotka AJ. A Contribution to the Theory of Self-Renewing Aggregates with Special Reference to Industrial Replacement. Ann. Math. Stat. 1939; 10: 1-25.
Kai-Yuan C, Chuan-Yuan W. Street-Lighting Lamps Replacement: A Fuzzy Viewpoint. Fuzzy Sets Syst. 1990; 37(2): 161-172. https://doi.org/10.1016/0165-0114(90)90039-9
Tolga E, Demircan ML, Kahraman C. Operating System Selection Using Fuzzy Replacement Analysis and Analytic Hierarchy Process. Int. J. Prod. Econ. 2005; 97(1): 89–117. https://doi.org/10.1016/j.ijpe.2004.07.001
Biswas P, Pramanik S. Application of Fuzzy Ranking Method to Determine the Replacement Time for Fuzzy Replacement Problem. Int. J. Comput. Appl. 2011; 25(11): 41–47. https://doi.org/10.5120/3154-4359
El-Kholy AM, Abdelalim AM. A Comparative Study for Fuzzy Ranking Methods in Determining Economic Life of Equipment. Int. J. Constr. Eng. Manag. 2016; 5(2): 42-54. https://doi.org/10.5923/j.ijcem.20160502.02
Balaganesan M, Ganesan K. Fuzzy Approach to Determine Optimum Economic Life of Equipment with Change in Money Value. Adv. Intell. Syst. Comput. 2020; 1040: 647–655. https://doi.org/10.1007/978-981-15-1451-7_66
Balaganesan M, Ganesan K. An Approach to Solve Replacement Problems under Intuitionistic Fuzzy Nature. J. Phys. Conf. Ser. 2018; 1000(1): 012018. https://doi.org/10.1088/1742-6596/1000/1/012018
Mitlif RJ. An Efficient Algorithm for Fuzzy Linear Fractional Programming Problems via Ranking Function. Baghdad Sci. J. 2022 Feb. 1; 19(1): 0071. https://doi.org/10.21123/bsj.2022.19.1.0071
Mitlif RJ, Hussein IH. Ranking Function to Solve a Fuzzy Multiple Objective Function. Baghdad Sci. J. 2021 Mar. 10; 18(1): 144-148. https://doi.org/10.21123/bsj.2021.18.1.0144
Singh RP, Chinta Mani Tiwari. Individual and Group Replacement Policy under Intuitionistic Fuzzy Environment. Telematique. 2022; 21(1): 2703 - 2718.
Singh RP, Chinta Mani Tiwari. A Study on Intuitionistic Fuzzy Replacement Model. Telematique. 2022; 21(1): 2687-2702.
Anees Fathima M, Nandakumar CD, Srinivasan S. Fuzzy Numerous Productive Model with Limited Amount of Replacement Excluding Shortages. Telematique. 2022; 21(1): 7839 - 7845.
Kesemen O, Tiryaki BK, Tezel O, Ozkul E, Naz E . Random Sampling with Fuzzy Replacement. Expert Syst. Appl. 2021; 185: 115602. https://doi.org/10.1016/j.eswa.2021.115602
Hu J, Wang Y, Pang Y, Liu Y. Optimal Maintenance Scheduling under Uncertainties Using Linear Programming-Enhanced Reinforcement Learning. Eng. Appl. Artif. Intel. 2022; 109: 104655. https://doi.org/10.1016/j.engappai.2021.104655.
Dong W, Liu S, Cao Y, Javed SA. Scheduling Optimal Replacement Policies for a Stochastically Deteriorating System Subject to Two Types of Shocks. ISA Trans. 2021; 112: 292-301. https://doi.org/10.1016/j.isatra.2020.12.017
Biswas P, Pramanik S. Fuzzy Approach to Replacement Problem with Value of Money Changes with Time. Int. J. Comput. Appl. 2011; 30(10): 28–33. https://doi.org/10.5120/3676-5151
Cruz-Suárez H, Montes-de-Oca R, Israel Ortega-Gutiérrez R. Deterministic Discounted Markov Decision Processes with Fuzzy Rewards/Costs. Fuzzy Inf. Eng. 2023; 15(3): 274-290. https://doi.org/10.26599/FIE.2023.9270020
Cruz-Suárez H, Montes-de-Oca R, Israel Ortega-Gutiérrez R. An Extended Version of Average Markov Decision Processes on Discrete Spaces under Fuzzy Environment. Kybernetika. 2023; 59(1): 160-178. https://doi.org/10.14736/kyb-2023-1-0160
Ma M, Friedman M, Kandel A. A New Fuzzy Arithmetic, Fuzzy Sets Syst. 1999; 108(1): 83–90. https://doi.org/10.1016/S0165-0114(97)00310-2
Kanti Swarup, Gupta PK, Mohan Man. Operations Research. 13th ed. New Delhi: Chand and company LTD; 2007.