Современные проблемы транспортного комплекса России

Для повышения эффективности транспортировки и складирования грузов в настоящее время используется комплекс транспортных и погрузочно-разгрузочных средств и устройств. Ключевую роль в автоматизации складов играет особый вид транспортных средств – автоматически управляемые транспортные средства (AGV – Automatic Guided Vehicles). Основными преимуществами использования AGV являются: снижение затрат на оплату труда складских рабочих; повышение надёжности, безопасности и производительности погрузочно-разгрузочных и транспортно-складских работ; повышение сохранности грузов; возможность автоматизации управления работой всего транспортно-складского комплекса. Решать задачу выбора модели AGV авторами предлагается с использованием разработанной и представленной в статье гибридной FUCOM-EDAS модели. Методом FUCOM (Full Consistency Method – метод полной согласованности) производится расчёт значений весовых коэффициентов альтернатив, а методом EDAS (The Evaluation based on Distance from Average Solution – оценка отклонения от среднего решения) – выбор наилучшей альтернативы. Представлен пример выбора AGV из девяти моделей по семи критери-ям. Оценка чувствительности полученных результатов и разработанной модели производилась методами WASPAS (Weighted Aggregated Sum Product Assessment – метод совокупной взвешенной суммы), SAW (Simple Additive Weighting - метод просто-го аддитивного взвешивания), MABAC (Multi-Attributive Border Approximation Area Comparison – метод сравнения многокри-териальных разграниченных областей) и ARAS (Additive Ratio Assessment – метод оценки аддитивного отношения). Для двух из рассмотренных альтернатив были получены одинаковые результаты для всех четырёх методов оценки устойчивости. Показана методики выбора приоритетной альтернативы (альтернатива A5 в представленном примере).

автоматически-управляемые транспортные средства; AGV; FUCOM; EDAS; транспортные и погрузочно-разгрузочные средства; WASPAS; SAW; MABAC; ARAS

Fanisam M.BN., Dewa B., Ayush M., Yogesh M., Harshal M. Material handling equipment // International Journal of Recent Scien-tific Research. 2018, vol. 9, no. 2, pp. 24083–24085.

Kay M. G. Material Handling Equipment. Available at: https://people.engr.ncsu.edu/kay/Material_Handling_Equipment.pdf.

Park Y.-B. ICMESE: Intelligent consultant system for material handling equipment selection and evaluation // Journal of Manufactur-ing Systems. 1996, vol. 15, no. 5, pp. 325–333. doi: 10.1016/0278-6125(96)84195-1.

Onut S., Kara S. S., Mert S. Selecting the suitable material handling equipment in the presence of vagueness // The International Journal of Advanced Manufacturing Technology. 2009, vol. 44, 7-8, pp. 818–828. doi: 10.1007/s00170-008-1897-3.

Kulak O. A decision support system for fuzzy multi-attribute selection of material handling equipments // Expert Systems with Applications. 2005, vol. 29, no. 2, pp. 310–319. doi: 10.1016/j.eswa.2005.04.004.

Fisher E. L., Farber J. B., Kay M. G. Mathes: An expert system for material handling equipment selection // Engineering Costs and Pro-duction Economics. 1988, vol. 14, no. 4, pp. 297–310. doi: 10.1016/0167-188X(88)90034-1.

Tuzkaya G., Gülsün B., Kahraman C., Özgen D. An integrated fuzzy multi-criteria decision making methodology for material handling equipment selection problem and an application // Expert Systems with Applications. 2010, vol. 37, no. 4, pp. 2853–2863. doi: 10.1016/j.eswa.2009.09.004.

Chakraborty S., Banik D. Design of a material handling equipment selection model using analytic hierarchy process // The International Journal of Advanced Manufacturing Technology. 2006, vol. 28, 11-12, pp. 1237–1245. doi: 10.1007/s00170-004-2467-y.

Chan F.T.S. Design of material handling equipment selection system: an integration of expert system with analytic hierarchy pro-cess approach // Integrated Manufacturing Systems. 2002, vol. 13, no. 1, pp. 58–68. doi: 10.1108/09576060210411512.

Mirhosseyni S. H. L., Webb P. A Hybrid Fuzzy Knowledge-Based Expert System and Genetic Algorithm for efficient selection and as-signment of Material Handling Equipment // Expert Systems with Applications. 2009, vol. 36, no. 9, pp. 11875–11887. doi: 10.1016/j.eswa.2009.04.014.

Stević Ž., Pamučar D., Vasiljević M., Stojić G., Korica S. Novel Integrated Multi-Criteria Model for Supplier Selection: Case Study Construction Company // Symmetry. 2017, vol. 9, no. 11, p. 279. doi: 10.3390/sym9110279.

Vasiljevic M., Fazlollahtabar H., Stević Ž., Vesković S. A rough multicriteria approach for evaluation of the supplier criteria in automo-tive industry // Decision Making: Applications in Management and Engineering. 2018, vol. 1, no. 1, pp. 82–96. doi: 10.31181/dmame180182v.

Zavadskas E. K., Stević Ž., TANACKOV I., PRENTKOVSKIS O. A Novel Multicriteria Approach – Rough Step-Wise Weight Assessment Ratio Analysis Method (R-SWARA) and Its Application in Logistics // Studies in Informatics and Control. 2018, vol. 27, no. 1. doi: 10.24846/v27i1y201810.

Radović D., Stević Ž., Pamučar D., Zavadskas E., Badi I., Antuchevičiene J., Turskis Z. Measuring Performance in Transporta-tion Companies in Developing Countries: A Novel Rough ARAS Model // Symmetry. 2018, vol. 10, no. 10, p. 434. doi: 10.3390/sym10100434.

Nunić Z. Evaluation and selection of the PVC carpentry manufacturer using the FUCOM-MABAC model // Operational Research in Engi-neering Sciences: Theory and Applications. 2019, vol. 1, no. 1, pp. 13–28. doi: 10.31181/oresta19012010113n.

Stanujkić D., Karabašević D. An extension of the WASPAS method for decision-making problems with intuitionistic fuzzy numbers: a case of website evaluation // Operational Research in Engineering Sciences: Theory and Applications. 2019, vol. 1, no. 1, pp. 29–39. doi: 10.31181/oresta19012010129s.

Pamučar D., Stević Ž., Sremac S. A New Model for Determining Weight Coefficients of Criteria in MCDM Models: Full Consistency Method (FUCOM) // Symmetry. 2018, vol. 10, no. 9, p. 393. doi: 10.3390/sym10090393.

Rezaei J. Best-worst multi-criteria decision-making method // Omega. 2015, vol. 53, pp. 49–57. doi: 10.1016/j.omega.2014.11.009.

Saaty T. L. The analytic hierarchy process: planning, priority setting, resource allocation. New York, London: McGraw-Hill International Book Co. 1980.

Keshavarz Ghorabaee M., Zavadskas E. K., Olfat L. Multi-Criteria Inventory Classification Using a New Method of Evaluation Based on Distance from Average Solution (EDAS) // Informatica. 2015, vol. 26, no. 3, pp. 435–451. doi: 10.15388/Informatica.2015.57.

Galović J. Sustavi automatski vođenih vozila: Završni Rad [Automat-ic Guided Vehicles: Undergraduate thesis]. Zagreb: University of Zagreb. 2015. 80 p.

Gudelj А., Krčum M., Coric М. Modelling and multiobjective optimization for automated guided vehicles at container terminals // 35th Conference on Transportation Systems with International Partic-ipation Automation in transportation. 2015, Zagreb: KoREMA.

Zavadskas E. K., Turskis Z., Antucheviciene J. Optimization of Weighted Aggregated Sum Product Assessment // Electronics and Electrical Engineering. 2012, vol. 122, no. 6. doi: 10.5755/J01.EEE.122.6.1810.

MacCrimmon K.R. Decision making among multiple-attribute alternatives: a survey and consolidated approach. Santa Monica, California: The RAND Corporation. 1968. 63 p.

Pamučar D., Ćirović G. The selection of transport and handling resources in logistics centers using Multi-Attributive Border Approxi-mation area Comparison (MABAC) // Expert Systems with Applica-tions. 2015, vol. 42, no. 6, pp. 3016–3028. doi: 10.1016/j.eswa.2014.11.057.

Zavadskas E. K., Turskis Z. A new additive ratio assessment (ARAS) method in multicriteria decision‐making // Technological and Economic Development of Economy. 2010, vol. 16, no. 2, pp. 159–172. doi: 10.3846/tede.2010.10.