Содержание к диссертации
Введение
Глава 1. Роль и место интеллектуальных сортировочных систем в обеспечении живучести, безопасности, эффективности и качества транспортных услуг 17
1.1. Анализ отечественных и зарубежных разработок с точки зрения обеспечения живучести, безопасности, эффективности и качества транспортных услуг 17
1.1.1. Анализ российских систем автоматизации сортировочных горок 18
1.1.2. Анализ зарубежных систем автоматизации сортировочных горок 26
1.2. Проблемы совершенствования сортировочных систем, инновационная концепция их развития 28
1.3. Постановка задач диссертационного исследования 35
1.4. Выводы по главе 42
Глава 2. Развитие теоретических исследований в области систем автоматического регулирования скоростей скатывания 44
2.1. Категориальный аппарат исследования безопасности и живучести автоматизированных сортировочных систем 45
2.2. Моделирование и управление эффективностью сортировочного процесса 54
2.3. Автоматизация и интеллектуальное управление сортировочными процессами 65
2.4. Выводы по главе 72
Глава 3. Разработка программно-алгоритмического инструментария обеспечения функционирования АРС 75
3.1. Управление процессом роспуска составов на сортировочных горках с учетом обеспечения живучести, безопасности и экономической эффективности 75
3.2. Разработка интеллектуальной системы управления прицельным торможением отцепов на сортировочной горке 86
3.2.1. Анализ модели и алгоритма функционирования автомата-советчика по прогнозу скорости выхода отцепа из тормозной позиции 87
3.2.2. Совершенствование автомата-советчика по прогнозу и реализации заданной скорости роспуска 92
3.2.3. Расчет скорости выхода из парковой тормозной позиции 97
3.2.4. Разработка алгоритма и устройства плавного непрерывного управления тормозными средствами (блок реализации скорости) 103
3.3. Выводы по главе 109
Глава 4. Практические аспекты разработки систем автоматизации и интеллектуализации сортировочных процессов 111
4.1. Внедрение КСАУ СП на станции Лоста 112
4.2. Результаты внедрения разработанных моделей, механизмов и технологий автоматизации и интеллектуализации сортировочных процессов 116
4.3. Эффективность внедрения микропроцессорных систем автоматизации сортировочных процессов 125
4.3.1. Методические аспекты расчета эффективности 126
4.3.2. Результаты расчета основных экономических показателей 131
4.4. Выводы по главе 137
Заключение 139
Список использованной литературы 144
- Анализ российских систем автоматизации сортировочных горок
- Моделирование и управление эффективностью сортировочного процесса
- Совершенствование автомата-советчика по прогнозу и реализации заданной скорости роспуска
- Результаты расчета основных экономических показателей
Анализ российских систем автоматизации сортировочных горок
1. Горочная автоматическая централизация, разработанная в 50-ых годах прошлого столетия Всесоюзным научно-исследовательским институтом железнодорожного транспорта (ГАЦ-ЦНИИ), была предназначена для автоматического перевода стрелок по маршрутам следования отцепов. В основу ГАЦ-ЦНИИ был заложен пучковой принцип объединения приборов с унифицированными схемами восприятия и передачи номера маршрута.
Связь движущегося отцепа с соответствующими блоками обеспечивалась при помощи рельсовых цепей (стрелочных и междустрелочных). В основу схем перевода стрелок был положен блочный принцип построения. Эта позитивная идея впоследствии нашла свое развитие в КСАУ СП.
Схемные решения ГАЦ-ЦНИИ выполняли формирование заданий, их регистрацию, накопление маршрутов, трансляцию заданий и обеспечивали возможность их корректировки эксплуатационным персоналом.
Возможность совместной работы машины и человека трансформировалась в КСАУ СП в идею использования ИИ.
Система ГАЦ-ЦНИИ реализовывала два режима работы: заблаговременное накопление маршрутов для всего состава или группы отцепов (программный режим) и установление маршрутов следования непосредственно перед подходом отцепов к головной стрелке (маршрутный режим).
Требования к повышению интенсивности работы сортировочных систем, совершенствованию технологий и полному контролю протекания сортировочного процесса, создание и внедрение на сети новых конструкций вагонов определили направления дальнейшего развития систем ГАЦ-ЦНИИ. Для этих целей в 60-х годах прошлого столетия Уральским отделением ЦНИИ МПС совместно с институтом «Гипротранссигналсвязь» была разработана система ГАЦ с контролем роспуска (ГАЦ-КР).
К принципиально новым функциям, реализованным в ГАЦ-КР, относятся [25]:
- быстродействие системы управления маршрутами;
- автоматизация операций управления и ввода корректировок в программу;
- контроль над ходом роспуска;
- автоматизация восстановления маршрутных заданий при устранении нагонов;
- обеспечение безопасного скатывания вагонов всех типов, включая длиннобазные, транспортеры и др.
Эти идеи положены в основу развития адаптивной системы мониторинга и управления КСАУ СП.
Главное достоинство и новое эксплуатационное качество системы ГАЦ-КР это объединение функций управления с функциями достоверного контроля хода роспуска.
В случае отклонения от программы (неправильное число вагонов, нагон, запуск из-за не перевода стрелки и др.) соответствующие данные автоматически фиксировались и протоколировались на ЭУМ23.
Как уже отмечалось, при устранении ранее произошедшего нагона отцепов и проследования согласно заданной программе, обеспечивалось восстановление маршрутного задания. Это чрезвычайно ценное качество ГАЦ-КР обеспечивало высокую эксплуатационную эффективность в целом системы автоматизации управления маршрутами движения отцепов. Рассмотренная и описанная система ГАЦ-КР была защищена авторским свидетельством на изобретение и внедрена на ряде сортировочных горок [25]. 2. Система автоматического задания скорости роспуска составов являлась развитием системы ГАЦ. Решая задачи комплексной автоматизации процессов расформирования составов, в ЦНИИ МПС была разработана в начале 70-х годов [25, 88] и нашла практическое применение система автоматического задания скорости роспуска составов (АЗСР-ЦНИИ).
Предпосылками создания АЗСР-ЦНИИ явились эксплуатационно-технологические требования, к которым в первую очередь относятся:
- сокращение времени нахождения составов на горке за счет внедрения переменной скорости роспуска, вычисляя оптимальную скорость роспуска для каждого очередного отцепа;
- реализация этих значений скоростей машинистом горочного локомотива.
В АЗСР-ЦНИИ поставлена задача задания необходимого начального интервала между смежными отцепами на вершине горки, при котором решаются задачи интервального и прицельного регулирования роспуска. При расчете этого интервала учитываются различные ходовые свойства отцепов, а также существующие особенности спускной части горки. Последнее свойство в КСАУ СП усилено применением теории распознавания образов (ТРО) – первый шаг к интеллектуализации этого процесса.
3. Система автоматического регулирования скоростей скатывания отцепов АРС-ЦНИИ. Подсистема регулирования скоростей скатывания отцепов (АРС) является наиболее ответственной и сложной задачей управления. Она определяет эффективность всего комплекса автоматизации сортировочных процессов. В начале 70-х годов прошлого столетия для регулирования скоростей скатывания отцепов на горке была разработана система АРС-ЦНИИ.
Базовые принципы функционирования АРС-ЦНИИ:
- Решаются задачи интервального и прицельного регулирования скоростей скатывания.
- Расчет скорости скатывания отцепов осуществляется с учетом весовой категории и длины отцепа, величины его пробега, измеряемых ускорений движения отцепа, сопротивлений движению отцепа на кривых участках пути.
- Учитываются внешние факторы среды.
Рассмотренная система АРС-ЦНИИ прошла апробацию на ряде сортировочных горок, на ее основе накоплен богатый опыт эксплуатации, который разработчики учитывали при создании и совершенствовании комплексов автоматизации процессов регулирования скоростей скатывания отцепов.
4. Вторым вариантом из рассматриваемого класса отечественных систем является система, разработанная коллективом «Гипротранссигналсвязь» АРС-ГТСС. Рассмотрим кратко ее структуру и принципы, которые были использованы в алгоритмах функционирования.
Базовые принципы управления скоростью скатывания отцепов в АРС-ГТСС (использованы далее в усовершенствованном виде в задаче интеллектуализации КСАУ СП) [74, 89, 94]:
- Использование статистических данных о фактических скоростях движения отцепов по замедлителям для самонастройки режимов управления ТП (отдельно по каждой средней весовой категории).
- Автоматическая корректировка программ роспуска.
5. Разработка, в 70-х годах прошлого столетия, целого семейства мини ЭВМ с широкими возможностями их сопряжения с объектом автоматизации, позволило создать Автоматизированную систему управления расформированием составов на горке (АСУ РСГ). Она была разработана учеными и специалистами ДИИТа на базе двухпроцессорного вычислительного комплекса ЭВМ СМ-2 [48, 111].
Комплексная система автоматических устройств АСУ РСГ предназначена для реализации четырех основных функций:
- Управление маршрутами движения отцепов с контролем хода роспуска.
- Регулирование скоростей роспуска составов.
- Регулирование скоростей скатывания отцепов с горки.
- Обмен информацией с системой верхнего уровня - АСУ СС.
Эта система объединяет многие технологические новации предыдущих разработок, катализируя их выполнение средствами ЭВМ и ознаменовывает переход от релейных к цифровым способам управления сортировочными процессами.
АСУ РСГ относится к классу централизованных АСУ ТП, функционирующих на трех иерархических уровнях:
- Нижний уровень представлен управляемым технологическим процессом на горке.
- Средний уровень включает в себя низовую горочную автоматику (замедлители, компрессорные станции и т.д.).
- Верхний уровень представлен управляющим вычислительным комплексом (УВК). Он реализует функции: управление роспуском, контроль над его ходом, информационный обмен с АСУ СС.
Техническая структура АСУ РСГ использует функционально-топологический принцип компоновки оборудования (привязана к топологии горки) [111].
Моделирование и управление эффективностью сортировочного процесса
Далее предлагается уточнение и развитие некоторых, предложенных в [85, 86], формализованных постановок [63]. Системный анализ исследуемого процесса необходим не только для учета комплекса оперативных проблем производства транспортных услуг и экономики отрасли и региона, решения краткосрочных интересов всех взаимодействующих субъектов экономической деятельности (собственно горки, парков сортировочной станции, обслуживающих предприятий, потребителей транспортных услуг, муниципальных, государственных учреждений и т.д.), но и для формирования стратегических целей и задач их развития.
Введем векторную величину Y, характеризуемую компонентами: y1 – точность, y2 – устойчивость, y3 – быстродействие, y4 – затратность, y5 – безопасность сортировочного процесса, y6 – прибыль от совместной деятельности служб по роспуску составов на горках, y7 – энергопотребление на роспуск единицы груза и т.д. Y = (y1, y2, …, ym). (2.2.1)
Полный перечень учитываемых в каждом конкретном случае компонент вектора Y определяет группа экспертов, представляющая интересы всех указанных выше сторон. Формирование эффективно работающей группы (оперативно, объективно, квалифицированно) – отдельная сложная задача. Некоторые аспекты решения этой проблемы изложены в [55].
В традиционной постановке задачи управления сортировочным процессом некоторые из переменных yi выбирают в качестве критериев, относительно которых желают достичь их экстремальных значений (например: для затрат y4 мы стремимся достичь минимума, для прибыли y6 – максимума, и т.д.). Далее критерии, определяющие цель управления, будем обозначать символом J. В общем случае J – вектор важнейших показателей сортировочного процесса.
Выбор критериев для оптимизации осуществляется из следующих соображений: - если на станции скопился большой объем работы, который приводит к простоям вагонов и грузов и, как следствие, к экономическим потерям, то естественно потребовать Мах у3; (2.2.2) - если роспуск составов проходит в нормальном режиме, то предпочтительнее достигать Min y7. (2.2.3)
На оставшиеся показатели работы горки вводят ограничения на их значения. Например, безопасность роспуска составов у5 не ниже заданной вероятности р безотказной работы устройств (у5 р), точность у і также не менее некоторого заданного значения а (уі а). Категория «точность» определяется, например, скоростью соударения отцепов, количеством «окон» в подгорочном парке, скоростями входа на ТП и стрелки, скоростью выхода отцепа из тормозной позиции. Первая величина должна находиться в интервале (ус, vK), где vc - минимальная скорость, обеспечивающая надежное сцепление отцепов, а vK- максимальная скорость их соударения, при которой не происходит разрушения подвижного состава и порчи грузов. Вторая величина должна принимать значения, например, не более коэффициента к -отношения суммарного свободного пространства между отцепами к общей занимаемой длине пути. Третья скорость (выхода отцепа из тормозной позиции), как и первая должна находиться в некотором интервале значений, выход за который грозит сбоем процесса роспуска [85, 86].
В общем виде все вышеописанные ограничения можно представить следующим образом: где Уг - вектор граничных значений.
Далее. Объект управления характеризуется также вектором состояния Х= (хь ...,хп). (2.2.5) Вектор состояния исследуемого объекта определяется следующими переменными: x1 – перерабатывающая способность горки (средняя скорость роспуска), x2 – мощность тормозных позиций, x3 – реализуемый уровень безопасности системы, x4 – перечень автоматизируемых функций, x5 – число путей в подгорочном парке и т.д.
Очевидно, что перечни переменных Y и Х могут пересекаться. В приводимых выше примерах, например, совпадают y5 и x3.
Система управления объектом описывается, кроме того, вектором управления: U = (u1, …, uk). (2.2.6)
Если говорить об уже функционирующей горке вектор управления определяется перечнем компонент: u1 – ступень торможения, u2 – время торможения, u3 – момент включения замедлителя, u4 – скорость надвига состава на горку и т.д.
Если речь идет о создаваемой горочной системе, то вектор управления имеет вид: u1 – количество устанавливаемых тормозных позиций, u2 – число путей в подгорочном парке, u3 – проектная высота горки, u4 – перечень автоматизируемых функций и т.д.
Компоненты выше названных векторов J, X и U образуют, так называемое, признаковое пространство (ПП), в котором осуществляется «движение» сортировочного процесса.
В общем случае заданные критерии J можно представить функциями от переменных X и U:
Соотношения (2.2.4) и (2.2.7) вполне определяют оптимизационную задачу в общем виде. Она решается вариационными методами, методами линейного, нелинейного, динамического программирования, с помощью принципа максимума Понтрягина и другими известными математическими методами [28]. Разнообразие подходов и методов оптимизации определяется аналогичной сложностью задачи управления. Это затрудняет выбор и реализацию подходящего метода. Необходимо, используя специфику исследуемой задачи роспуска составов на горке, разработать простые для использования и универсальные подходы к ее решению.
Суть предлагаемого подхода состоит в декомпозиции задачи, заключающейся в последовательной оптимизации [85, 86, 63]. Избежать высокой размерности задачи, слабой обозримости решения можно следующим образом. Фиксируются некоторые параметры в качестве постоянных величин, и исследование ведется уже в пространстве меньшей размерности. Далее процедура повторяется переменной мест исследуемых признаков.
Например, при заданных показателях прибыли, качества и безопасности роспуска, находится интенсивность, при которой достигается минимум энергозатрат на роспуск составов. На следующем этапе фиксируются энергопотребление, безопасность, качество, но максимизируется прибыль от реализации производства данной транспортной услуги. Таким образом, неявно реализуется идея покоординатного спуска, используемая при решении задач оптимизации, заданных в многомерных ПП.
Рассмотрим конкретный пример, в котором в качестве критерия выступает требование (2.2.2). В качестве аргумента соотношения (2.2.7) рассмотрим только x1 – перерабатывающую способность горки (среднюю скорость роспуска). То есть фиксируются все составляющие векторов Y, X и U, кроме указанных выше. Задача приобретает простой вид, легко решается и геометрически интерпретируется на плоскости (в двухмерном ПП).
На рисунке 2.2 кривая a характеризует первую составляющую зависимости времени роспуска от скорости (чем выше скорость, тем меньше времени потребуется, чтобы спустить отцепы с горба горки в подгорочный парк). Кривая b отражает зависимость времени нормализации результатов роспуска от той же скорости (чем выше скорость, тем больше сбоев в системе и больше потребуется времени на перестановку чужаков, ликвидацию окон и др. маневровые работы). Общее время как сумма указанных слагаемых фиксируется зависимостью с.
Совершенствование автомата-советчика по прогнозу и реализации заданной скорости роспуска
Программно-математическое обеспечение описанного выше советчика в режиме трансляции интеллекта машине предполагает, что горочный оператор обладает большим опытом управления ТП (его экспертная информация является определяющей). Математическое обеспечение автомата-советчика может быть усовершенствовано, для этого рассмотрим некоторые особенности процесса управления торможением:
- В приведенной методике в качестве целевой функции рассматривается скорость выхода отцепа с ТП (см. соотношение 3.2.1). Вместе с тем, задаваемая скорость – управляющий параметр роспуска. То есть, это аргумент, а функцией следует принять расстояние до точки прицеливания в парке формирования составов (переменная x4). Действительно, в задаче прицельного регулирования достижение этого расстояния является целью управления. То есть, в соотношении (3.2.1) аргумент и функцию следует поменять местами.
- В рассмотренном алгоритме в варианте Б) п. 3.2.1 идентифицировалась модель, основанная на опыте оператора, по субъективным данным.
Итак, предлагается находить не зависимость вида (3.2.1), а зависимость вида: х4 = b1 х1 + b2 х2 + b3 х3 + b4 Vр. (3.2.5)
Обучающая последовательность данных для идентификации неизвестных коэффициентов b1, b2, b3, b4 в нашем случае формируется следующим образом.
Отбираются данные только о тех отцепах, для которых известны значения x1, x2, x3 и реальная скорость выхода с ТП Vр, а также дальность реального пробега отцепа х4 по путям подгорочного парка, не ограниченная соударением со стоящим на пути отцепом.
Возможна постановка задачи надежного сцепления движущегося отцепа с уже стоящим на путях составом. В этом случае скорость выхода отцепа с ТП нужно несколько завысить.
Модели скатывания идентифицируются отдельно для каждого пути сортировочного парка, тем самым учитываются их индивидуальные характеристики, влияющие на режим скатывания отцепа (кривизна, уклон, отношение к розе ветров и т.д.).
Так как условия функционирования горки нестационарны, то обучающая выборка параметров должна постоянно пополняться в процессе роспуска составов (чтоб учесть последние результаты скатывания). При этом длина выборки не меняется, за счет удаления устаревших данных. Таким образом, обеспечивается постоянная готовность выборки к переобучению системы.
Данная методика построения функции (3.2.5), как и предыдущая (п. 3.2.1), позволяет осуществлять процесс обучения оператора-эксперта. Для этого оператору предъявляются данные об отцепе и результаты его скатывания. Таким образом, у него формируется пассивный опыт работы с сортировочной системой.
Если подставить в соотношение (3.2.5) известные значения переменных x1 – x4, то можно рассчитать необходимую скорость выхода из ТП.
Рассмотренная выше технология может быть еще усовершенствована за счёт включения следующих процедур:
1. Отбор информативных признаков модели. Выше, в описанных технологиях, мы просто назначали этот перечень признаков. Он определялся экспертом, исходя из существующих возможностей сбора данных (присланная информация из других систем и полученная от датчиков), а исходя из его субъективного мнения о важности признаков для процесса принятия решения. Вместе с тем решение этой задачи можно поручить машинному интеллекту. Эксперт должен назвать по возможности более полный перечень учитываемых признаков, а машина отсеет малозначимые. Предъявив машине полный набор возможных факторов влияния и соответствующую статистическую информацию, мы даем ей возможность выбрать наиболее информативный набор факторов [17, 27, 45].
2. Выбор вида дискриминантных функций (соответственно 3.2.1 и 3.2.5). Выше использовались только линейные зависимости между названными переменными. Это можно рассматривать как первое приближение решения задачи. Очевидно, что реальные зависимости являются более сложными (нелинейными) и их выбор также следует поручить машине [17, 27, 45].
3. Задание вида критерия оценки параметров этих моделей и вида критерия оценки эффективности разработанного советчика. Оба названных критерия в рассмотренных методиках имели вид среднеквадратичного критерия (3.2.4). Этот критерий хорошо «работает» при нормальном законе распределения ошибок и отсутствии отдельных выбросов. В этом случае можно предложить иные критерии:
- минимизации максимального отклонения:
Кроме того, важность данных, используемых для идентификации зависимостей и оценки качества алгоритмов управления не равнозначна. В этом случае следует использовать критерии с весовыми коэффициентами.
Например, для среднеквадратичной оценки это будет взвешенная среднеквадратичная ошибка
Системное решение вопросов по п.п. 1-3 в свое время для моделирования систем горочной автоматизации предложено в работе Гуды А.Н. [17]. В настоящее время разработана теория когнитивного анализа [16], которая позволяет формализовать процедуры извлечения знаний из данных, и которую можно в данном случае предложить в совокупности со статистическими методами для выявления оптимального перечня факторов, оптимальной структуры модели, наилучшего критерия идентификации искомых зависимостей и обучения операторов.
Для систем горочной автоматизации оборудованных замедлителями, обеспечивающих импульсное торможение отцепами, возможен упрощенный вариант автомата-советчика, основанного на алгоритме принятия решения, построенном на принципах и идеях теории распознавания образов [45].
В данном случае все ситуации на ТП в ПП, описываемые этим подходом (признаками являются параметры отцепа, заданная и текущая скорости прохождения отцепа по ТП), разбиваются на два класса:
- торможение необходимо - включается замедлитель;
- в торможении нет необходимости - замедлитель отключается. После включения автомата-советчика в работу осуществляется автоматическая подстройка, аналогичная предыдущему:
- машина выдает совет,
- система отрабатывает управляющее воздействие,
- осуществляется мониторинг результата (вычисляется ошибка управления),
- корректируется решающее правило алгоритма принятия решений (в ПП смещается разделяющая граница между классами: «тормозить», «не тормозить»).
Критерием оценки качества работы автомата-советчика служит коэффициент заполнения путей сортировочного парка [Ошибка! Источник ссылки не найден.]:
Этот коэффициент рассчитывается по результатам роспуска состава для каждого пути сортировочного парка.
Техническое задание на системы автоматизации управления прицельным торможением качество заполнения путей сортировочного парка допускает окно размером в три метра на один условный вагон - 14,5 метров. Из этого условия можно подсчитать нижнюю границу коэффициента Кзап
Результаты расчета основных экономических показателей
Расчет основных экономических показателей работы сортировочной системы ст. Лоста выполнен исходя из следующих предпосылок:
- расчётная стоимость мероприятий по проекту – 781,633 млн. руб.;
- валютой расчётов являются рубли;
- горизонт оценки экономической эффективности проекта принимается равным установленному для систем железнодорожной автоматики и телемеханики сроку амортизации и составляет 15 лет (2016 – 2030 гг.);
- норма дисконта принята в размере 5% в год;
- амортизация новых основных средств производится исходя из среднего срока полезного использования для устройств, внедряемых по проекту, принятого на уровне 15 лет. Амортизация начисляется линейным способом;
- налоговое окружение проекта учтено при расчёте показателей эффективности с учётом действующего налогового законодательства. Ставка налога на прибыль составляет 20%, ставка налога на имущество 2,2%.
1. Расчёт темпа работы горки и перерабатывающей способности при автоматизации
До автоматизации КСАУ СП, модернизации управляющей аппаратуры и установки системы контроля заполнения путей заполняемость путей сортировочного парка составляет не более 80%. Темп работы горки:
Тг = 1/(Тр+Тосаж) , (4.3.1)
где:
- Тосаж = 0,11 час. 9 - среднее время осаживания вагонов в сортировочном парке при 80% заполняемости путей сортировочного парка.
В (4.3.1) время роспуска состава:
Тр = Nваг Lваг/Vросп ,
где:
- Nваг = 58 – среднее количество вагонов в составе2;
- Vросп = 1,5 м/с – скорость роспуска (по условиям обеспечения заданного уровня безопасности),
- Lваг = 15 м – средняя длина вагона, Расчетное время роспуска в (4.3.1):
- Тр = Nваг Lваг/Vросп = 58 15/1,5/3600 = 0,16 час,
- Тг = 1/(Тр+Тосаж) = 1/(0,16+0,11) = 3,7 росп/час. Перерабатывающая способность горки расчетная: NВАГ СУТ до авт = Тг Nваг 24 = 3,7 58 24 = 5150 ваг/сут. После автоматизации КСАУ СП, модернизации управляющей аппаратуры и установки системы контроля заполнения путей заполняемость путей сортировочного парка составляет 90%.
При этом заполнение путей сортировочного парка увеличивается с 80% до 90% - с 12 метров на вагон до 13,3 метров на вагон за счет повышения точности вытормаживания отцепов на автоматизированных тормозных позициях: (15-12)/(15-13,3)=1,76.
Тосаж авт = 0,11/1,76 = 0,063 час. – за счет сокращения маневровой работы по осаживанию вагонов в сортировочном парке.
Перерабатывающая способность горки фактическая за 2012 год:
NВАГ СУТ ф = 3 659 ваг/сут 2
1. Исходные данные для расчета приведены в таблице 4.3.1.
Экономическая эффективность рассматриваемого проекта складывается из суммы величин эффектообразующих факторов 1-7 (см. п. 4.3.1).
1. Расчет фактора 1.
Снижение эксплуатационных расходов, связанное с сокращением простоя одного вагона, поступающего в переработку:
Эпр ваг = tпр еВАГ = 1,18 14,22 = 16,78 руб.
Экономия от сокращения простоя вагонов, поступающих в переработку на станцию:
Эпростой = 365 NВАГ Эпр = 365 3659 16,78= 22 410, 28 т.р.
2. Расчет фактора 2.
Сокращение эксплуатационных расходов, связанных с маневровой работой на сортировочной горке.
Количество расформировываемых вагонов в год (расчетное): Nваг год = Nваг сут / nВАГ = 5 150 365 / 65 = 32 409. Средняя продолжительность работы маневрового локомотива на 1 состав до и после автоматизации:
tЛМ ДО АВТ = tРОСП ДО АВТ + tОС ДО АВТ = 0,21 + 0,11 = 0,32 часа, tЛМ АВТ = tРОСП АВТ + tОС АВТ = 0,16 + 0,063 = 0,223 часа.
Величина эксплуатационных расходов, связанных с маневровой работой, до и после автоматизации:
Эман до авт = tлм до авт Nваг год елм = 0,32 32 409 1320,99/1000= 13 699,83 т.р. Эман авт = tлм авт Nваг год елм = 0,223 32 409 1320,99 1000 = 9 547,07 т.р.
Сокращение эксплуатационных расходов, связанных с маневровой работой на сортировочной горке:
ЭМАН = ЭМАН ДО АВТ – ЭМАНАВТ = 13 699,83 - 9 547,07 = 4 152,76 т.р.
3. Расчет фактора 3.
Сокращение эксплуатационных расходов, связанных с оплатой труда оперативного и эксплуатационного персонала.
Общая годовая экономия от сокращения штата:
ЭФОТ = 25 (12 ФЗПопер.)+5 (12 ФЗПопер.) = = 25 (12 30826) + 5 (12 30826) = 11 097,36 т.р.
4. Расчет фактора 4.
Экономия от сокращения расходов, связанных с повреждением вагонов и грузов.
Стоимость поврежденных вагонов до и после автоматизации: ЭПВ ДО АВТ = NПВ ЦПВ = 113 9 700 = 1 096,1 т.р. ЭПВ АВТ = NПВ АВТ ЦПВ = 14 9 700 = 135,8 т.р.
Изменение эксплуатационных расходов, связанных с уменьшением количества повреждаемых вагонов и грузов в процессе роспуска: ЭПВ = ЭПВ ДО АВТ - ЭПВ АВТ = 1 096,1 - 135,8 = 960,3 т.р. 5. Расчет фактора 5.
Сокращение затрат на электроэнергию для производства сжатого воздуха.
Мощность технологического оборудования компрессорной станции ст.Лоста: PКС = 132 6+110 2 = 1012 кВт.
Коэффициент загрузки компрессорного оборудования (отношение рабочего времени к общему) до автоматизации:
КЗАГР до авт= 0,8.
Затраты на электроэнергию для производства сжатого воздуха до автоматизации, в год:
Ээл.эндо авт=(PксКзагрдо авт+Pавт) 24 365 CкВт-ч =(1012 0.8+0)24 365 3,2= 22 694,71 т.р.
Коэффициент загрузки компрессорного оборудования (отношение рабочего времени к общему) после автоматизации компрессорной станции: КЗАГР авт = 0,72.
Мощность оборудования системы автоматизации компрессорной станции: PАВТ = 4 кВт.
Затраты на электроэнергию для производства сжатого воздуха и энергоснабжение системы автоматизации компрессорной станции после автоматизации, в год: Ээл.энавт=(Pкс Кзагравт+Pавт) 24 365CкВт-ч =(10120.72+4)243653,2= 20 537,36 т.р.
Сокращение затрат на электроэнергию для производства сжатого воздуха, в год: ЭЭЛ.ЭН = ЭЭЛ.ЭН ДО АВТ – ЭЭЛ.ЭНАВТ=22 694,71 - 20 537,36 = 2 157,35 т.р.
6. Расчет фактора 6.
Расход сжатого воздуха, используемого для торможения одного вагона, кВт ч: до автоматизации:
Квозд ваг до авт = 1 Квкл до авт Кзмд / 2,4 = 1 4 5 / 2,4 = 8,33 м3 Квклдо авт = 4 – количество включений при торможении отцепа вручную, Кзмд = 5 – количество замедлителей по маршруту (2 – 1ТП, 2 – 2ТП, 1 – 3ТП). после автоматизации: Квозд ваг авт = 1 Квкл авт Кзмд / 2,4 = 1 1 5 / 2,4 = 2,08 м3
Квклавт = 1 - количество включений для торможения отцепа на замедлителе после автоматизации,
Кзмд = 5 - количество замедлителей на пути отцепа (2 - 1 ТП, 2 - 2 ТП, 1 - 3ТП).
Экономия электроэнергии на торможение вагонов в год, кВт ч:
Эторм = (Квозд ваг до авт " Квозд ваг авт) Nваг сут 365 Кэл эн СкВт-ч = = (8,33-2,08) 365 5150 0,12 3,2 = 4 511,4 т. р. 7. Расчет фактора 7. Дополнительный годовой доход от участия сортировочной станции в формировании прибыли от освоения прироста объемов перевозок:
Д = Nваг / Nваг общ Эпер = 3 659 / 124 851 1645,98 = 48 240 т.р. Экономия эксплуатационных расходов (годовой экономический эффект без учета налогообложения прибыли)
АЭ = Эпростой + ЭМАН + ЭФОТ + ЭПВ + ЭЭЛ.ЭН + Эторм + Д = = 22 410, 28 + 4 152,76 + 11 097,36 + 960,3 + 2 157,35 + 4511,4 + 48 240 = 93 529,45 т.р.