Методический подход к расчету интегрального показателя организационно-технологической надежности ремонтно-восстановительных процессов многоквартирных домов
Боковая панель статьи
Основное содержимое статьи
Аннотация
Жилой фонд подвержен моральному и физическому износу, что требует проведения своевременных ремонтно-восстановительных работ. Эффективность проведения таких работ напрямую влияет на долговечность конструктивных элементов, эксплуатационные характеристики зданий и затраты на их содержание. В условиях ограниченности ресурсов и роста требований к качеству ремонта возникает необходимость в разработке методов, позволяющих объективно оценить надежность ремонтно-восстановительных процессов.
Одним из ключевых подходов к такой оценке является использование интегрального организационно-технологического показателя надежности, который учитывает совокупность факторов, влияющих на эффективность проведенных ремонтных работ. Данный показатель позволяет количественно оценить влияние организационных, технологических и экономических факторов на надежность процесса, выявить проблемные места в системе управления ремонтом и прогнозировать межремонтные сроки.
В данной статье представлена методика расчета интегрального показателя организационно-технологического показателя надежности ремонтно-восстановительных процессов, основанная на комплексном учете множества факторов и их весомости. Разработка данной методики позволит повысить объективность оценки надежности ремонтных процессов, оптимизировать распределение ресурсов, увеличить срок службы зданий за счет рационального планирования ремонтных мероприятий. Предложенный подход может быть использован как при проектировании ремонтных работ, так и при их анализе и совершенствовании в ходе эксплуатации зданий.
Разработанная нейросетевая модель использует многослойный подход с функцией активации в скрытых слоях и сигмоиду в выходном слое. Входные данные нормализуются и обрабатываются с помощью метода обратного распространения ошибки, что позволяет повысить точность прогнозирования межремонтных сроков и оценки эксплуатационной надежности здания.
Информация о статье
Библиографические ссылки
Гаврилов Л.А. Техническое обслуживание и ремонт зданий / под ред. Л.А. Гаврилова, В.П. Никитина. М. : Высшая школа, 2018. 304 с.
Егоров А.Н. Анализ надежности строительных объектов. Екатеринбург : УрФУ, 2020. 275 с.
Волгин В.В. Формирование методов интегрального управления организационно-технологической надежностью жизненных циклов промышленного девелопмента индустриальных парков. 2023. 219 с. EDN WNCPYM.
Сеземин Д.Е. Разработка интегрированной системы управления организационно-технологической надежностью основных фаз строительства объектов атомной энергетики за рубежом : автореф. дис. … канд. техн. наук. М., 2024. 218 с.
Золотарев А.В. Прогнозирование срока службы зданий. Казань : КазГАСУ, 2017. 256 с.
Кирсанов М.В. Структурные модели надежности строительных объектов. М. : Изд-во МГСУ, 2021. 312 с.
Кузнецов П.Л. Нейросетевые технологии в прогнозировании технического состояния зданий. СПб. : Политех-пресс, 2022. 278 с.
Малышев С.А. Оптимизация ремонтно-восстановительных работ с применением нейронных сетей. Томск : ТГАСУ, 2021. 305 с.
Павлов И.С. Нейросетевые алгоритмы в строительном прогнозировании. М. : МИСиС, 2020. 289 с.
Романов О.Г. Инженерный мониторинг зданий и сооружений. Новосибирск : Сибстрин, 2018. 265 с.
Сидоров А.А. Искусственные нейронные сети в прогнозировании строительных процессов. СПб. : Изд-во Политехнического университета, 2021. 302 с.
Frangopol D.M., Soliman M. Life-Cycle of Structural Systems: Design, Assessment, Maintenance and Management // Journal of Structural Integrity and Maintenance. 2016. No. 1 (1). Рр. 1–21. DOI: 10.1080/24705314.2016.1154001
Zhou Y., Chen B. Reliability Analysis of Building Structures Subjected to Multiple Hazards : a Review // Structural Safety. 2019. No. 76. Рр. 68–80. DOI: 10.1016/j.strusafe.2018.08.002 DOI: https://doi.org/10.1016/j.strusafe.2018.08.002
Strauss A., Frangopol D.M., Kim S. Advanced Life-Cycle Analysis of Infrastructure Systems: Recent Developments and Future Directions // Structure and Infrastructure Engineering. 2018. No. 14 (7). Рр. 896–910. DOI: 10.1080/15732479.2018.1431983
Федоров Е.Н. Нейросетевые технологии в анализе долговечности зданий. Екатеринбург : УрФУ, 2020. 290 с.
Yuen K.V., Kuok S.C. Ambient interference in wireless sensor networks for bridge health monitoring // Structural Control and Health Monitoring. 2010. No. 17 (6). Рр. 642–653.
Zhou H., Yi T.H. Neural network committee-based structural damage detection strategy using incomplete modal data without baseline information // Journal of Sound and Vibration. 2013. No. 332 (6). Рр. 1451–1464.