ABSTRACT The aim of this study has been to develop a two-level multi-objective genetic algorithm (MOGA) to optimize risk-based LCC analysis to find the optimal maintenance replacement time for road tunnel ventilation fans. Level 1 uses a MOGA based on a financial risk model to provide different risk percentages, while level 2 uses a MOGA based on an LCC model to estimate the optimal fan replacement time. Our method is compared with the approach of using a risk-based LCC model. The results are promising, showing that the risk-based LCC offers the possibility of significantly reducing the maintenance costs of the ventilation system by optimising the replacement schedule by considering the risk costs. The risk-based LCC can be used with repairable components, making it applicable, useful and implementable within Swedish Transport Administration (Trafikverket). In this study, MOGA operators have selected the cost of maintenance and risk data through the previous levels using different ways to provide different possible solutions. A drawback of the MOGA based on a risk-based LCC model with regard to its estimation is that a late replacement period over 20-year period might increase the maintenance cost. Therefore, the MOGA does not provide a good solution for a risk-based LCC.

中文翻译：

---

使用两级多目标遗传算法的基于风险的生命周期成本分析

摘要 本研究的目的是开发一种两级多目标遗传算法 (MOGA) 来优化基于风险的 LCC 分析，以找到道路隧道通风风扇的最佳维护更换时间。级别 1 使用基于财务风险模型的 MOGA 来提供不同的风险百分比，而级别 2 使用基于 LCC 模型的 MOGA 来估计最佳风扇更换时间。我们的方法与使用基于风险的 LCC 模型的方法进行了比较。结果是有希望的，表明基于风险的 LCC 提供了通过考虑风险成本优化更换时间表来显着降低通风系统维护成本的可能性。基于风险的 LCC 可与可修复组件一起使用，使其适用，在瑞典交通管理局 (Trafikverket) 内有用且可实施。在本研究中，MOGA 运营商通过之前的层次选择了维护成本和风险数据，使用不同的方式提供了不同的可能解决方案。基于基于风险的 LCC 模型的 MOGA 在其估计方面的缺点是超过 20 年的后期更换期可能会增加维护成本。因此，MOGA 并没有为基于风险的 LCC 提供好的解决方案。基于基于风险的 LCC 模型的 MOGA 在其估计方面的缺点是超过 20 年的后期更换期可能会增加维护成本。因此，MOGA 并没有为基于风险的 LCC 提供好的解决方案。基于基于风险的 LCC 模型的 MOGA 在其估计方面的缺点是超过 20 年的后期更换期可能会增加维护成本。因此，MOGA 并没有为基于风险的 LCC 提供好的解决方案。