Mathematical‐neural model for assessing productivity of earthmoving machinery
Many construction processes are carried out by machines working together and forming technological systems, eg earthmoving machinery made up of excavators and haulers (trucks). Productivity (W(N) ) is a key to valuate the process design purposes. The paper presents the results obtained by applying a...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Vilnius Gediminas Technical University
2007-03-01
|
| Series: | Journal of Civil Engineering and Management |
| Subjects: | |
| Online Access: | https://journals.vgtu.lt/index.php/JCEM/article/view/7662 |
| _version_ | 1818570187312463872 |
|---|---|
| author | Krzysztof Schabowicz Bozena Hola |
| author_facet | Krzysztof Schabowicz Bozena Hola |
| author_sort | Krzysztof Schabowicz |
| collection | DOAJ |
| description | Many construction processes are carried out by machines working together and forming technological systems, eg earthmoving machinery made up of excavators and haulers (trucks). Productivity (W(N) ) is a key to valuate the process design purposes. The paper presents the results obtained by applying artificial neural networks to predict productivity (W(N),S ) for earthmoving machinery systems, consisting of c excavators and N haulers. Experimentally determined productivity values can form a standard basis for designing construction earthworks. Possessing the data set consisting of the technical parameters of earthmoving machinery systems and the corresponding productivities for different output hauling distances, one can train artificial neural networks and use subsequently for the reliable prediction of W(N),S .
Matematinis-neuroninis modelis žemės darbų mašinų našumui vertinti
Santrauka
Daugelyje statybos procesų naudojamos tarpusavyje susijusios statybinės mašinos, suformuojančios technologines sistemas. Pavyzdžiui, žemės darbams vienu metu taikomi ekskavatoriai ir savivarčiai. Pagrindinis statybinių mašinų rodiklis yra našumas. Straipsnyje pateikiamos žemės darbų mašinų sistemos, sudarytos iš c ekskavatorių ir N savivarčių, našumo vertinimo rezultatai. Našumas vertintas, taikant dirbtinius neuroninius tinklus. Eksperimentiškai apskaičiuotos našumo reikšmės gali būti panaudotos sudarant žemės darbų projektus. Turint žemės darbų mašinų sistemos techninių parametrų duomenų bazę bei tam tikrus našumus, esant skirtingiems grunto vežimo atstumams, iš pradžių mokomi dirbtiniai neuroniniai tinklai, o vėliau jie naudojami patikimam darbo našumui prognozuoti.
First Published Online: 14 Oct 2010
Reikšminiai žodžiai: žemės darbai, neuroniniai tinklai, aptarnavimo teorija, statybos mašinų sistemos, statybos pramonė. |
| first_indexed | 2024-12-14T06:57:22Z |
| format | Article |
| id | doaj.art-13ac36e1f5fc42bcb26227c37b244ca4 |
| institution | Directory Open Access Journal |
| issn | 1392-3730 1822-3605 |
| language | English |
| last_indexed | 2024-12-14T06:57:22Z |
| publishDate | 2007-03-01 |
| publisher | Vilnius Gediminas Technical University |
| record_format | Article |
| series | Journal of Civil Engineering and Management |
| spelling | doaj.art-13ac36e1f5fc42bcb26227c37b244ca42022-12-21T23:12:35ZengVilnius Gediminas Technical UniversityJournal of Civil Engineering and Management1392-37301822-36052007-03-0113110.3846/13923730.2007.9636418Mathematical‐neural model for assessing productivity of earthmoving machineryKrzysztof Schabowicz0Bozena Hola1Institute of Building Engineering, Wrocław University of Technology, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław, PolandInstitute of Building Engineering, Wrocław University of Technology, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław, PolandMany construction processes are carried out by machines working together and forming technological systems, eg earthmoving machinery made up of excavators and haulers (trucks). Productivity (W(N) ) is a key to valuate the process design purposes. The paper presents the results obtained by applying artificial neural networks to predict productivity (W(N),S ) for earthmoving machinery systems, consisting of c excavators and N haulers. Experimentally determined productivity values can form a standard basis for designing construction earthworks. Possessing the data set consisting of the technical parameters of earthmoving machinery systems and the corresponding productivities for different output hauling distances, one can train artificial neural networks and use subsequently for the reliable prediction of W(N),S . Matematinis-neuroninis modelis žemės darbų mašinų našumui vertinti Santrauka Daugelyje statybos procesų naudojamos tarpusavyje susijusios statybinės mašinos, suformuojančios technologines sistemas. Pavyzdžiui, žemės darbams vienu metu taikomi ekskavatoriai ir savivarčiai. Pagrindinis statybinių mašinų rodiklis yra našumas. Straipsnyje pateikiamos žemės darbų mašinų sistemos, sudarytos iš c ekskavatorių ir N savivarčių, našumo vertinimo rezultatai. Našumas vertintas, taikant dirbtinius neuroninius tinklus. Eksperimentiškai apskaičiuotos našumo reikšmės gali būti panaudotos sudarant žemės darbų projektus. Turint žemės darbų mašinų sistemos techninių parametrų duomenų bazę bei tam tikrus našumus, esant skirtingiems grunto vežimo atstumams, iš pradžių mokomi dirbtiniai neuroniniai tinklai, o vėliau jie naudojami patikimam darbo našumui prognozuoti. First Published Online: 14 Oct 2010 Reikšminiai žodžiai: žemės darbai, neuroniniai tinklai, aptarnavimo teorija, statybos mašinų sistemos, statybos pramonė.https://journals.vgtu.lt/index.php/JCEM/article/view/7662earthworkproductivityneural networksqueuing theorysystems of collaborating construction machinesconstruction industry |
| spellingShingle | Krzysztof Schabowicz Bozena Hola Mathematical‐neural model for assessing productivity of earthmoving machinery Journal of Civil Engineering and Management earthwork productivity neural networks queuing theory systems of collaborating construction machines construction industry |
| title | Mathematical‐neural model for assessing productivity of earthmoving machinery |
| title_full | Mathematical‐neural model for assessing productivity of earthmoving machinery |
| title_fullStr | Mathematical‐neural model for assessing productivity of earthmoving machinery |
| title_full_unstemmed | Mathematical‐neural model for assessing productivity of earthmoving machinery |
| title_short | Mathematical‐neural model for assessing productivity of earthmoving machinery |
| title_sort | mathematical neural model for assessing productivity of earthmoving machinery |
| topic | earthwork productivity neural networks queuing theory systems of collaborating construction machines construction industry |
| url | https://journals.vgtu.lt/index.php/JCEM/article/view/7662 |
| work_keys_str_mv | AT krzysztofschabowicz mathematicalneuralmodelforassessingproductivityofearthmovingmachinery AT bozenahola mathematicalneuralmodelforassessingproductivityofearthmovingmachinery |