Содержание к диссертации
Введение
Глава 1. Состояние практики и исследования по теме 19
1.1. Развитие информатизации производственных процессов на железнодорожном транспорте 19
1.2. Развитие интеллектуальных подходов к управлению производственными процессами на транспорте 26
1.3. Интеллектуальные системы и принципы их организации 32
1.4. Системы управления с искусственным интеллектом 35
1.5. Этапы проектирования интеллектуальных систем 36
1.6. Интеллектуальный анализ как основа для построения интерактивных технологий 39
1.7. Построение интеллектуальной информационной среды в системе управления 41
1.8. Анализ методов расчёта транспортных систем 43
Выводы к главе 1 48
Глава 2. Интеллектуальное сопровождение процессов расчёта станций и узлов 50
2.1. Использование имитационного моделирования для расчёта станций 50
2.2. Принципы построения подсистемы САПР для интеллектуального построения моделей в автоматизированном режиме 54
2.3. Структура и функции подсистемы САПР 59
2.4. Автоматизированное построение имитационной модели 64
2.4.1. Отображение схемы путевого развития 64
2.4.2. Отображение транспортных устройств в модели 66
2.4.3. Отображение технологического процесса 67
2.4.4. Автоматизированное построение маршрутов 68
2.4.5. Отображение маршрутов в модели 71
2.4.6. Отображение схемы станции - 3
2.4.7. Построение маршрутов на графе 73
2.4.8. Построение простого маршрута 75
2.4.9. Моделирование времени занятия маршрута 80
2.4.10. Моделирование перемещения вагонов и составов 82
2.5. Реализация интеллектуального сопровождения моделирования в имитационной системе ИСТРА 85
2.6. Реализация в модели управляющих операций 90
Выводы к главе 2 95
Глава 3. Имитационная экспертиза проектов развития транспортной инфраструктуры 96
3.1. Задачи расчёта железнодорожных станций и имитационная экспертиза 96
3.2. Технология имитационной экспертизы 98
3.3. Направленная последовательность экспериментов при расчёте 103
3.4. Общесистемная оценка станции 110
3.5. Поэлементный анализ загрузки элементов станции 118
3.6. Автоматическая обработка результатов расчёта 122
3.7. Структурный и функциональный анализ работы станции 125
3.8. Анализ процесса работы станции 128
Выводы к главе 3 132
Глава 4. Организация интеллектуального анализа 133
4.1. Необходимость перехода к интеллектуальному анализу 133
4.2. Преимущества автоматизированного интеллектуального анализа 137
4.3. Автоматизированная аналитическая система как аппарат для новых видов анализа 145
4.4. Использование информационного хранилища в интерактивном анализе 151
4.4.1. Принципы построения информационного хранилища 151
4.4.2. Аналитический аппарат хранилища 155
4.4.3. Взаимодействие с оперативными базами данных 157
4 4.5. Интеллектуальный анализ в имитационном моделировании 160
Выводы к главе 4 165
Глава 5. Интеллектуальное сопровождение процессов управления транспортными потоками 166
5.1. Проблема 166
5.2. Метод автоматизированного управления транспортными потоками 167
5.3. Метод автоматизированного управления многоструйными потоками 171
5.4. Автоматизированная подготовка исходных данных
для методов оптимизации 175
Выводы к главе 5 185
Глава 6. Оптимизация процессов обращения вагонов, локомотивов и поездообразования 186
6.1. Расчёт оптимального режима оборота частных вагонов 186
6.1.1. Проблема 186
6.1.2. Оптимизация процесса обращения вагонов 186
6.1.3. Решение практических задач использования частных вагонов 190
6.2. Управление оборотом поездных локомотивов 195
6.2.1. Проблема 195
6.2.2. Модель автоматизированного расчёта схемы оборота локомотивов 195
6.2.3. Отображение захода локомотивов в депо 201
6.2.4. Задание начального состояния для расчёта 203
6.3. Планирование поездообразования 207
6.3.1. Современная система планирования поездообразования 207
6.3.2. Интеллектуальная система планирования поездообразования 208
6.3.3. Технология интерактивной разработки плана поездообразования 213
6.3.4. Достоверность результатов расчёта поездообразования 218
Выводы к главе 6 220
Глава 7. Планирование согласованного подвода вагонов и грузов 221
7.1. Проблема 221
7.2. Расчёт подвода с определением потерь 223
7.3. Расчёт подвода с оптимизацией 228
7.4. Расчёт рационального подвода при наличии случайных колебаний 230
7.4.1. Расчёт потерь взаимодействия 231
7.4.2. Расчёт с помощью динамической транспортной задачи в стохастической постановке 236
7.5. Управление процессами в транспортном узле 244
7.6. Организация процесса согласованного подвода грузов в порт (в рамках системы Грузовой экспресс) 251
7.7. Автоматизированная система управления оборотом кольцевых маршрутов 257
Выводы к главе 7 270
Глава 8. Интеллектуальная обучающая система для подготовки диспетчерских кадров 272
8.1. Ознакомление со схемой станции и изучение технологии 272
8.2. Начальный уровень управления работой станции 275
8.3. Отработка мастерства управления 281
8.4. Анализ работы 282
Выводы к главе 8 284
Глава 9. Использование интеллектуальных инструментов в решении практических задач 286
9.1. Управление потоками в распределённой транспортно-складской системе 286
9.1.1. Динамические резервы транспортно-складской системы 286
9.1.2. Взаимодействие при фиксированном потреблении 290
9.1.3. Взаимодействие при случайном разбросе в потреблении 296
9.2. Оценка эффективности согласованного подвода грузов к порту 300
9.3. Автоматизированная оценка взаимодействия станций в проектируемом транспортном узле 304
9.4. Имитационная экспертиза проекта развития станции Карымская 312
- 6 9.4.1. Имитационная оценка существующего положения 312
9.4.2. Реконструкция станции с переустройством парка Б 314
9.4.3. Реконструкция со строительством нечётного приёмо-отправочного парка Г 318
9.4.4. Вариант со строительством парка Г с дополнением путевого развития 322
9.4.5. Сравнение вариантов и общая оценка результатов 326
Выводы к главе 9 327
Заключение 329
Список литературы 331
- Развитие интеллектуальных подходов к управлению производственными процессами на транспорте
- Принципы построения подсистемы САПР для интеллектуального построения моделей в автоматизированном режиме
- Общесистемная оценка станции
- Преимущества автоматизированного интеллектуального анализа
Введение к работе
Актуальность проблемы и степень е разработанности. На железнодорожном транспорте России создана мощная информационная среда, позволяющая вести мониторинг перевозочного процесса в реальном масштабе времени, и это является большим достижением. Однако отдача от многих информационных систем, некорректно называемых АСУ, остатся довольно низкой. На руководителей и оперативных работников обрушивается огромный, но слабо упорядоченный поток информации, что затрудняет его эффективное использование. Работники ГВЦ могут выдавать ежедневно около трх тысяч различных справок, но фактически запрашивается их всего лишь два-три десятка.
В построении информационной среды на железнодорожном транспорте
можно выделить две стадии. Первая – это развитие информационного
сопровождения производственных процессов, то есть построение
автоматизированных справочных систем; вторая – развитие
интеллектуального сопровождения производственных процессов, то есть создание систем поддержки принятия управленческих решений.
До недавнего времени ежедневный отчт начальнику дороги
представлял собой книгу из ста с лишним страниц. Процесс принятия
решений в ней фактически не затрагивается. Это означает, что практически
реализована лишь первая стадия построения интеллектуальной
информационной среды.
В условиях структурного и технологического усложнения
производственных процессов на железнодорожном транспорте вс более очевидной становится необходимость перехода ко второй стадии. Рыночная экономика с е высокой динамикой экономических и транспортных связей, наличием многих участников транспортного процесса (собственников подвижного состава, операторов, грузовладельцев и т.д.) создат условия, в которых оперативным и административным руководителям вс труднее
принимать эффективные управленческие решения. Об этом говорит ухудшение ряда важных эксплуатационных показателей работы дорог. Станционные парки забиты вагонами, порожний пробег увеличился чуть ли не вдвое, на подходах к морским торговым портам неделями стоят сотни железнодорожных составов. Рыночная же экономика требует наличия наджных и эффективных транспортных связей, и это требование обусловливает необходимость развития транспортной инфраструктуры. Решение этой задачи предусмотрено в Стратегии развития железнодорожного транспорта в Российской Федерации до 2030 года. В отрасли разрабатываются и реализуются десятки крупных инвестиционных проектов. ОАО «РЖД» ежегодно выделяет на эти цели более 400 млрд. руб.
Методы технологической оценки проектов, разработанные десятилетия
назад, сегодня недостаточны. Необходима их серьзная корректировка,
основанная на имитационной экспертизе, то есть, технологическом исследовании проекта с использованием компьютерного моделирования. Эта важная общетранспортная проблема до сих пор остатся нерешнной.
Таким образом, создание комплекса интеллектуальных систем
автоматизированного анализа, расчта и управления в сфере
железнодорожных перевозок – это объективная необходимость настоящего времени.
Целью исследования являлась разработка методологии
интеллектуального сопровождения производственных процессов на
железнодорожном транспорте, в том числе обоснование необходимости формирования интеллектуальной информационной среды, формулирование принципов выбора моделей и создание технологии их использования в интеллектуальных системах автоматизированного управления.
В качестве объекта исследования выбраны производственные
процессы в сфере перевозок на железнодорожном транспорте, предметом
исследования является проблема организации интеллектуального
сопровождения технологий перевозочного процесса.
Задачи исследования. Реализация цели исследования потребовала решения следующих задач:
- исследование существующего научного и практического опыта
построения информационной среды для эффективной организации
перевозочного процесса;
- анализ и выбор инструментов для организации интеллектуального
сопровождения основных производственных процессов;
- исследование принципов построения систем интеллектуального
анализа состояния и результатов работы железнодорожного транспорта;
- разработка технологии прогнозирования транспортных потоков с
использованием информационного хранилища, динамических моделей и
имитационного моделирования;
- определение принципов построения интеллектуальной системы
планирования поездообразования и согласованного подвода вагонов;
- разработка технологии автоматизированного построения
интеллектуальных имитационных моделей для расчта станций и узлов;
- разработка технологий оптимального управления оборотом поездных
локомотивов и потоками порожних вагонов;
обоснование принципов построения интеллектуального тренажра;
апробация результатов исследования при решении практических задач. Научная новизна исследования. В диссертации разработана
методология интеллектуального сопровождения производственных процессов на железнодорожном транспорте, включающая обоснование необходимости создания интеллектуальной информационной среды, принципы выбора моделей и технологию их использования. Разработаны:
- принципы построения автоматизированных систем для
интеллектуального анализа состояния и результатов работы систем
железнодорожного транспорта;
технология прогнозирования потоков и состояния системы с использованием информационного хранилища и имитационного моделирования;
принципы построения интеллектуальной системы планирования поездообразования на сортировочных станциях и согласованного подвода вагонов и поставки грузов;
технология автоматизированного построения интеллектуальных имитационных моделей для расчта железнодорожных станций и узлов;
- технология оптимального управления потоками порожних вагонов с
использованием динамических моделей, в том числе вагонов частных
собственников;
- технология оптимального управления оборотом поездных
локомотивов с использованием динамических моделей;
- принципы построения интеллектуального тренажра и методика
обучения на нм станционных диспетчеров.
Теоретическая значимость исследования заключается в разработке методологии интеллектуального сопровождения производственных процессов на железнодорожном транспорте, включающей принципы выбора моделей и технологию их использования.
Практическая значимость. Разработанная в диссертации методология даст возможность:
а) освободить оперативных и административных руководителей от
рутинной переработки огромных потоков информации, поскольку
интеллектуальный адресный анализ позволит получать оценку состояния
системы и результатов работы в удобном агрегированном виде;
б) повысить эффективность принимаемых решений с помощью
предлагаемых оптимизационных и имитационных моделей;
в) существенно сократить время на анализ и принятие управленческих
решений, а также избежать многочисленных ошибок, которые обычно случаются при работе человека с большими массивами данных. В результате достигаются следующие виды эффекта:
имитационная экспертиза с исследованием на подробной компьютерной модели позволит существенно повысить качество проектов развития транспортной инфраструктуры;
использование аналитического аппарата информационного хранилища позволит делать более обоснованные прогнозы;
использование метода динамического согласования даст возможность более рационально планировать подвоз грузов к портам и крупным потребителям;
предложенная технология применения моделей класса «динамическая транспортная задача» позволит более эффективно управлять потоками порожних вагонов, ускорить оборот частных вагонов и поездных локомотивов;
внедрение интеллектуального тренажра на сети дорог даст возможность усовершенствовать обучение станционных диспетчеров и поднять уровень их квалификации.
Использование основных положений и выводов диссертации на практике показало их применимость и высокую эффективность.
Методология исследования базируется на использовании аппарата оптимизации, теории случайных процессов, теории множеств, имитационного моделирования и теории принятия решений. Методической основой явились труды ведущих учных отрасли в области расчта транспортных систем, технологии работы транспорта, методов моделирования и оптимизации: В.М.Акулиничева, А.Э.Александрова, В.И.Апатцева, А.П.Батурина, А.Ф.Бородина, Н.П.Бусленко, И.П.Владимирской, А.С.Гершвальда, Ю.В.Дьякова, Ю.И.Ефименко, П.А.Козлова, В.А.Кудрявцева, А.В.Кутыркина, Б.А.Лвина, В.Я.Негрея, В.И.Некрашевича, А.Т.Осьминина, Ю.О.Пазойского,
В.А.Персианова, А.П.Петрова, Н.В.Правдина, С.М.Резера, Е.А.Сотникова, И.Б.Сотникова, Е.Н.Тимухиной, Е.М.Тишкина, Н.А.Тушина, А.К.Угрюмова, Н.С.Ускова, Д.Р.Фалкерсона, Л.Р.Форда, Н.Н.Шабалина, В.А.Шарова, М.И.Шмулевича, а также разработки ведущих научных организаций отрасли. Результаты исследования, выносимые на защиту:
- методология интеллектуального сопровождения производственных
процессов на железнодорожном транспорте, то есть обоснование
необходимости интеллектуальной информационной среды, принципы выбора
моделей и технология их использования для построения интеллектуальных
АСУ. В том числе:
- принципы построения автоматизированных систем
интеллектуального анализа;
- разработка имитационных систем для интеллектуального построения
и обработки результатов компьютерных моделей железнодорожных станций и
узлов;
- технология имитационной экспертизы проектов развития
транспортной инфраструктуры;
- методика прогнозирования потоков и состояния системы с
использованием аналитического аппарата информационного хранилища и
ряда моделей;
- методика интеллектуального планирования поездообразования и
согласованного подвода грузов к портам и крупным потребителям;
- технология оптимального управления потоками в распределнных
транспортно-складских системах;
- технология оптимального управления кольцевыми сырьевыми
маршрутами;
технология оптимального управления потоками порожних вагонов;
технология оптимального управления оборотом поездных локомотивов и грузовых вагонов частных собственников;
- построение интеллектуального тренажра для автоматизированного обучения станционных диспетчеров.
Достоверность и обоснованность основных научных положений, выводов и рекомендаций подтверждается логичным построением процесса исследования, корректным использованием математических методов и оптимизирующих процедур, а также экспериментальными расчтами и внедрением результатов исследования в практику.
Реализация результатов работы. Результаты научных исследований использовались при экспертизе проектов развития транспортного узла Усть-Луга, железнодорожного узла Дма, при построении формализованной технологии для принятой в опытную эксплуатацию автоматизированной системы управления работой основного полигона Свердловской железной дороги, при оценке результатов обоснования инвестиций в развитие станций Карымская, Курган и других, при выборе эффективных технологий доставки сырья кольцевыми маршрутами на ряде дорог сети. Технология снижения стыковых потерь, модели оптимизации, технология автоматизированного построения имитационных моделей железнодорожных станций и узлов используются в учебном процессе Уральского государственного университета путей сообщения. Результаты работы подтверждены документами об их внедрении и использовании.
Апробация работы. Основные положения и результаты диссертации обсуждались и были одобрены на Межгосударственной научно-технической конференции «Состояние и перспектива развития научно-технического потенциала Южно-Уральского региона» (Магнитогорск, МГМИ, 1994); Межгосударственной научно-технической конференции «Развитие сырьевой базы промышленных предприятий Урала» (Магнитогорск, МГМА, 1995); Первой научно-технической конференции «Наука и инженерное творчество – XXI веку» (Екатеринбург, РУО АИН РФ, 1995); Всероссийской научно-технической конференции «Фундаментальные и прикладные исследования –
транспорту» (Екатеринбург, УрГУПС, 2000); Всероссийской научно-технической конференции «Проблемы и перспективы развития железнодорожного транспорта», посвященной 125-летию Свердловской железной дороги (Екатеринбург, УрГУПС, 2003); научно-практической конференции, посвящнной 50-летию ВНИИАС «Создание имитационных моделей транспортных процессов» (Звенигород-Москва, ВНИИАС, 2004); Международной научно-практической конференции «Современные тенденции развития средств управления на железнодорожном транспорте» (Москва, ВНИИАС, 2006); Международной научно-практической конференции «Актуальные проблемы стратегического менеджмента и развитие экономики. Августовские чтения - 2009» (Магнитогорск, МГТУ, 2009); Международной научно-практической конференции «Социально-экономическое развитие хозяйственных систем в современных условиях: опыт, проблемы, перспективы» (Магнитогорск-Москва, МГТУ, 2010); Первой научно-технической конференции «Интеллектуальные системы управления на железнодорожном транспорте - ИСУЖТ-2012» (Москва, МИИТ, 2012); Первой международной научно-практической конференции «Инновации и исследования в транспортном комплексе» (Курган, КИЖТ УрГУПС, 2013); Всероссийской научно-технической конференции «Транспорт Урала - 2013» (Екатеринбург, УрГУПС, 2013); расширенных заседаниях кафедр «Управление эксплуатационной работой» УрГУПС (Екатеринбург, 2013) и «Железнодорожные станции и узлы» МГУПС (Москва, 2013) и др.
Публикации. По теме диссертации опубликовано 34 работы, в том числе 16 - в ведущих изданиях из перечня, рекомендованного ВАК при Минобрнауки России.
Структура и объём диссертации. Работа содержит 355 страниц машинописного текста, включая рисунки и таблицы. Структура диссертации включает: введение, 9 глав основного текста, заключение, список использованной литературы (176 наименований), список сокращений и
- 11 -условных обозначений, приложение.
Развитие интеллектуальных подходов к управлению производственными процессами на транспорте
Всего в состав АСОУП входит около 6000 программ. С 2000 года, начал активно обсуждаться вопрос о создании единой дорожно-сетевой базы перевозочного процесса на основе базы данных АСОУП. С 2003 г. поэтапно разрабатывается и внедряется БД АСОУП на DB/2 (БД АСОУП-2). БД АСОУП-2 – единая дорожно-сетевая база данных. Она включает в себя оперативную, прогнозную, архивную, плановую и нормативную составляющие по всем объектам слежения – поезд, вагон, контейнер и т.д. Информация БД АСОУП-2 используется другими автоматизированными системами – ЭТРАН, АСУТ, АСУВ и т.п. [4, 12].
В период 2002–2004 гг. внедрена в промышленную эксплуатацию на сети железных дорог России система «Экспресс-3». Система «Экспресс-3» включает два основных комплекса: комплекс обработки заказов реального времени (КОЗРВ) и сетевую аналитическую базу данных (АБД) [136].
В 1995 году была начата разработка Автоматизированной системы пономерного учёта, контроля дислокации, анализа работы и регулирования вагонного парка на железных дорогах России (ДИСПАРК). Создать новую пономерную систему управления вагонными парками было необходимо для повышения эффективности управления перевозочным процессом на РЖД в условиях разделения вагонного парка между государствами СНГ и Балтии.
Ей предшествовала ДИСКОР – диалоговая информационная система контроля и управления оперативной работой сети железных дорог. Цель разработки и внедрения системы ДИСПАРК состояла в переходе от -обезличенных, балансовых методов управления вагонным парком к пономерному учёту, непрерывному мониторингу места дислокации, анализу использования и регулированию парка на всем полигоне сети железных дорог.
Внедрение первой очереди ДИСПАРК в постоянную эксплуатацию состоялось в 2000 г., а в 2004 году была разработана новая функциональная подсистема ДИСПАРК – управление вагонными парками стран СНГ и Балтии [154]. «Грузовой Экспресс» – это автоматизированная система, на базе которой внедряются логистические принципы управления подводом грузов к портам и пограничным переходам.
В существующих рыночных условиях очень сложно увязать интересы производителя, отправителя, перевозчика и получателя груза (например, порта). Зачем везти грузы туда, где они заведомо не будут переработаны? Как определить, с каким по объёму и структуре грузопотоком порт справится, а с каким – нет? Сформулированная таким образом проблема в 2002 году стала первопричиной возникновения системы «Грузовой Экспресс» [94, 128].
Согласно Концепции и Программе информатизации железнодорожного транспорта на 1996-2005 гг. было установлено 4 комплекса информационных технологий (КИТ) по функциональному принципу: «Управление перевозочным процессом», «Управление маркетингом, экономикой и финансами», «Управление инфраструктурой железнодорожного транспорта», «Управление персоналом и социальной сферой».
В первый комплекс информационных технологий и систем «Управление перевозочным процессом» входят системы сетевого и дорожного уровня (АСОУП, ДИСПАРК, ДИСКОН, ДИСТПС, ГИД УРАЛ, СИРИУС, ЭТРАН, ЭКСПРЕСС и т.д.), линейного уровня (АСУ ЛР, АСУ ГС, АСУ КП и т.д.), а также единые диспетчерские центры управления (ЕДЦУ).
Центральной частью системы управления перевозками является автоматизированная система оперативного управления грузовыми перевозками (АСОУП). Она включает несколько функциональных систем управления, - 25 -разработанных относительно самостоятельно, но действующих в условиях постоянного информационного взаимодействия. В числе этих систем АСОУП, ДИСПАРК, ДИСКОН, ДИСТПС, ГИД УРАЛ, СИРИУС, ЭТРАН, ЭКСПРЕСС, АСУ ЛР, АСУ ГС, АСУ КП. ДИСКОН предназначена для обеспечения решения задач контроля дислокации и состояния парка контейнеров. ЭТРАН – автоматизированная система централизованной подготовки и оформления перевозочных документов. СИРИУС это сетевая интегрированная Российская информационно-управляющая система. Данная система является перспективной разработкой, которая направлена на обеспечение максимальной прибыли ОАО «РЖД» за счёт наиболее экономичного выполнения сводного плана перевозок. В ней решаются задачи планирования, прогноза и анализа эксплуатационной работы сети.
Для комплексной автоматизации управления пассажирскими перевозками создана система «Экспресс». Она представляет собой вычислительную систему, работающую в реальном масштабе времени, специализирующуюся на обслуживания пассажиров. Система реализует следующие функции: учёт свободных мест в поездах и выдачу их по требованию кассира, оформление и печать различных видов проездных и вспомогательных документов, получение статистических и финансовых форм учёта и отчётности по пассажирским перевозкам и т.д.
Второй комплекс информационных технологий и систем «Управление маркетингом, экономикой и финансами» разрабатывался для реализации маркетинговой политики в отрасли, управления финансами и ресурсами. Одним из важнейших звеньев этого комплекса является система фирменного транспортного обслуживания (СФТО).
Принципы построения подсистемы САПР для интеллектуального построения моделей в автоматизированном режиме
Среднюю продолжительность занятия маршрута пользователь вводит самостоятельно в диалоге с программой. Для исключения нереальных значений (отрицательных либо слишком больших), которые пользователь ошибочно может ввести, время вводится на предельно допустимом диапазоне, за границы которого выйти невозможно. Параметры закона распределения формируются программой автоматически с учётом введённых средних исходных значений. Заложенная в программу величина разброса параметров определялась на основании обобщения значительного количества наблюдений моделируемых процессов. Например, для введённого пользователем среднего значения продолжительности маршрута поезда на станцию 8 мин программа автоматически установит параметры пйп = 6 мин. и tmax = 10 мин по нормальному закону распределения с математическим ожиданием М = 8 мин и среднеквадратическим отклонением С = 2 мин. Алгоритм выбора продолжительности занятия маршрута по случайному закону заключается в следующем. Время вычисляется на промежутке от tm{n до tmax по алгоритму: с помощью датчика случайных чисел вычисляется величина - 82 t , задаваемая конструкцией ldW\ ). Проверяется, попадает ли она в промежуток между tmin и tmax, т.е. tmin Ґ tmax. Если не попадает, то вычисление случайной величины повторяется до тех пор, пока она не попадёт в требуемые границы. 2.4.10. Моделирование перемещения вагонов и составов
Любое перемещение по маршруту является, по сути, перемещением какой-либо ёмкости от начала маршрута в его конец. Под ёмкостью можно понимать перемещаемые составы, группы вагонов, одиночные локомотивы и т.д. Например, приём поезда - перемещение состава с перегона на путь парка; подача на грузовой фронт - перемещение группы вагонов с пути парка на путь грузового фронта; уборка локомотива - перемещение локомотива с соответствующего пути на путь локомотивного хозяйства. Для отображения потока в модель вводятся бункерные элементы - носители ёмкости. Они характеризуются такими величинами, как предельная ёмкость /f- и текущая ёмкость в определённый момент времени /,(/). а) Моделирование потока вагонов. Для моделирования потока вагонов на графе маршрута Gy для ребра графа П{ введём + Aqt и - Aqt, отображающие состояние ёмкости на ребре графа.
Обозначим также через + Aqt и - Aqt значения потока, которые необходимо занести или снять с /-го ребра. Методика определения состояния элементов + Aqt и - Aqt зависит от условий занесения ёмкости.
Схемные решения в проектах развития станций должны проходить технологическую проверку [61, 64]. Сама по себе схема – это ещ мертвая форма. Только после наложения технологии, наполнения схемы потоками, которые надо переработать и пропустить с оценкой параметров работы, схема становится проектом (хорошим или плохим). Но сделать это можно только на адекватно построенной модели. А для этого нужно выбрать адекватный метод расчта.
Оценить результаты сложного взаимодействия потока и структуры в рамках принятой технологии и при влиянии случайных процессов и управления можно только на корректно построенной модели [97, 100, 111, 137, 150]. Основные понятия
Имитационная модель – компьютерная модель, подробно отображающая структуру и технологию работы объекта, позволяющая проводить эксперименты в условиях, близких к реальности, и получить необходимый для оценки проекта набор параметров. Имитационная модель должна достаточно полно отображать случайные колебания входных потоков и параметров работы отдельных устройств, а также диспетчерское управление переработкой и пропуском потоков. Имитационная экспертиза – системное исследование с помощью экспериментов на модели, позволяющих получить полную характеристику объекта как системы (пропускную способность, время нахождения транспортных средств в системе с расчленением по операциям, «узкие места» структуры и технологии), а также характеристику элементов и их взаимодействия (полную и полезную загрузку устройств терминалов, локомотивов, железнодорожных путей, грузовых и сортировочных устройств, взлтных полос, автомобильных трасс);
Транспортные объекты со сложной структурой, такие как железнодорожные станции и транспортные узлы, транспортные структуры городов, аэропорты, не поддаются строгой формализации и параметры их работы невозможно рассчитать по аналитическим формулам. Поэтому необходимо строить имитационные модели проектируемых объектов, исследовать их работу проведением экспериментов на модели и делать комплексную оценку полученных параметров. Основная задача исследования установить, соответствуют ли параметры объекта заданным в проекте (пропускная способность, время прохождения потока в среднем и по отдельным струям и т.п.).
Весьма важно определить, соответствует ли принятая технология структуре, «узкие места» структуры, качество транспортного обслуживания терминалов и уровень их полезного использования. Результатом исследования должны стать рекомендации по улучшению структуры и технологии пропуска и переработки потоков проектируемого объекта.
Общесистемная оценка станции
Однако и этого недостаточно. Дело в том, что в глубоком прогнозе мы сравниваем действия одного диспетчера с решениями другого, т.е. эталоном служат среднестатистические параметры существующей технологии. Необходимо оценить разрыв с оптимальной технологией, наилучшей в данных условиях. Назовём это «идеальным процессом». В этом случае необходимо применять оптимизационные модели. Сравнение с «идеальным процессом» будем называть интеллектуальным анализом (Рисунок 4.22).
Следует отметить ещё один важный фактор. Автоматизированный анализ должен максимально заменить ручной, то есть работу аналитика. Интерпретация результатов требует глубокого понимания системы. Поэтому нужна
- 150 -теоретическая модель транспортной системы, описывающая на понятийном уровне взаимодействие элементов и подпроцессов в ней. Это резко уменьшает разброс возможных оценок и увеличивает достоверность выводов (Рисунок 4.22).
Рисунок 4.22. Интерпретация результатов анализа с теоретической моделью и без неё
Глубокий интеллектуальный анализ в значительной мере предопределяет следующее решение. Достоверность анализа зависит от надёжности работы информационных систем, участвующих в процессе, и корректности переработки информации в хранилище и в аналитической системе (Рисунок 4.23).
Определение информации как общедоступной подчёркивает тот факт, что приложения OLAP надстраиваются над общей базой – хранилищем данных, которая служит единственным «источником истины» при принятии управленческих решений.
Основная особенность OLAP-систем заключается в том, что они строятся на основе многомерной модели данных в отличие от OLTP-систем, которые базируются на реляционной модели [15].
В многомерной модели данные представляются в виде многомерного куба, где измерения соответствуют осям куба, а показатели – индивидуальным ячейкам . Например, если мы хотим анализировать объём продаж по товарам в зависимости от региона и времени, то в таком случае мы приходим к модели многомерной БД с тремя измерениями (товар, регион, месяц) и одним показателем – объёмом продаж (Рисунок 4.24).
Многомерная модель позволяет делать плоские разрезы куба данных и поворачивать его нужной гранью любым удобным нам образом. Кроме того, при помощи встроенного инструмента создания запросов исследователь может построить достаточно изощрённую выборку данных.
Корпоративное информационное хранилище (КИХ) на железнодорожном транспорте строится как основа проведения глубоких и всесторонних аналитических исследований. Источниками данных для КИХ являются не существующие отчётные формы (зачастую в настоящее время формируемые вручную, и, как следствие, с огромным количеством ошибок), а действующие оперативные системы, информация в которых не подвергается ручной корректировке и реально отражает происходящие производственные процессы.
-КИХ объединяет и хранит как единое целое очищенную, непротиворечивую информацию из разрозненных информационных систем, образуя при этом единое информационно-логическое пространство, объединённое общей нормативно-справочной информацией (НСИ), имеющее общие метаданные, общую систему безопасности и администрирования (Рисунок 4.25). Используются все виды разграничения прав доступа – на уровне операционной системы, на уровне приложений, на уровне данных и на уровне отдельных ячеек данных. Система защиты данных КИХ от сбоев и несанкционированного доступа нуждается в обязательной сертификации.
Применительно к управлению перевозочным процессом весь круг решаемых вопросов может быть разбит на три раздела: - аналитические приложения по оперативному управлению перевозочным процессом; - аналитические приложения по среднесрочному управлению перевозочным процессом; - аналитические приложения по стратегическим решениям в области перевозочного процесса.
Аналитические приложения по оперативному управлению в свою очередь можно поделить на: - выдачу оперативных аналитических справок по ходу перевозочного процесса; - обеспечение информационно-аналитических систем отрасли необходимой информацией.
В задачи ситуационного управления входит анализ взаимодействия отрасли с внешней средой. Характеризующие внешнюю среду политические факторы, экономические показатели и макроэкономические индикаторы оказывают своё влияние на все стороны деятельности отрасли. В целом задачи этого раздела подразделяются на: - мониторинг и анализ, ориентированные на углублённый экономический анализ ситуации и, способствуют формированию моделей ситуаций «что есть», «что должно быть», извлечению «знаний», т. е. оценки состояния полигонов управления; - моделирование, являющееся инструментом для выявления проблемных ситуаций, упрощения процесса принятия управленческих решений, поиска приемлемых сценариев развития и дают ответы на вопросы «что будет, если... », «что надо, чтобы...» (Рисунок 4.27).
Практические задачи, которые относятся к этому разделу: - оценка «экономического здоровья» объекта управления или внешней среды, полученная на основе системы интегральных показателей и позволяющая сделать вывод об общем состоянии дел. Эта оценка может быть получена как на основании существующих моделей, так и на основании вновь разрабатываемых. - прогнозирование состояния объекта управления и внешней среды; - уточнение прогнозов грузоперевозок и цен на ресурсы на основе более проработанных и детализированных экономических моделей;
Преимущества автоматизированного интеллектуального анализа
Метод строгой динамической оптимизации МДС применим для больших полигонов, где можно абстрагироваться от детального описания структуры и технологии. Там структура описывается в виде графа, каждой дуге сопоставляется фиксированное время движения потока и заданная пропускная способность. А при рациональной организации технологических процессов на станции необходимо подробно отображать схему путевого развития и технологию работы, ибо они существенно влияют на результаты.
Схема принятия решения выглядит следующим образом (Рисунок 7.19). Оценка ситуации – это анализ того, что есть, а также того, что будет, если не принимается никакого решения. Допустим, рассматривается процесс подвода груза на терминальные станции. А подводить можно из разных мест. В решении нужно ответить на вопросы – подводить ли, откуда и когда. При выборе решения надо сравнить все возможные варианты. Затем нужно имитировать процесс работы узла по принятому решению и оценить возможность реализации. При этом может быть корректировка решения. И проверенная технология выдатся диспетчеру.
Основой может являться имитационный метод динамического согласования И-МДС [36, 84, 105, 115, 118]. В обычных условиях рационализация процесса по некоторому критерию требует проведения большого числа экспериментов. В нашем случае проблема усложняется тем, что конечные ритмы будут обеспечивать цепочки из технологических операций разной длины. Необходимо оценить условия в начале каждой цепочки и выбрать время для начальной операции технологической цепочки, с тем, чтобы конечная операция завершилась в требуемое время.
Реализацию И-МДС опишем на примере имитационной системы ИСТРА. Здесь технологический процесс задатся в виде элементарных технологических операций, логически объединнных специальным оператором в технологический процесс.
Очередь заявок на выполнение операций формируется следующим образом. После выполнения очередной операции проверяется, имеет ли операция продолжение, и имеются ли условия для этого продолжения. Если оба - «да», то в очередь записывается заявка на выполнение последующей операции со временем окончания предыдущей.
Очередь вс время упорядочивается по неубыванию времени с учтом приоритетов. Заявки с приоритетом переносятся вверх очереди, но только в том случае, если время заявки попадает в зону действия глубины приоритета. Глубина приоритета говорит о том, с каким опережением по времени мы начинаем рассматривать заявку с приоритетом. (Например, прим поезда имеет приоритет перед маневровыми передвижениями. Поэтому модель, сначала пропускает поезд, а потом, с учтом этого, выстраивает маневровую работу - так поступает и маневровый диспетчер).
Допустим, необходимо обеспечить заданный ритм работы фронта выгрузки на терминальной станции. Но вагоны с грузом находятся в трх местах - в предгорочном парке сортировочной станции (пункт /), готовые к отправлению на ней же (пункт 0) и в парке на терминальной станции (пункт а) На грузовом -фронте идт процесс выгрузки. Так что при выборе решения нужно рассматривать три струи потока. При этом технологические цепочки подвода будут разной длины, однако они в совокупности должны обеспечить ритм выгрузки.
Здесь применяется следующий встроенный алгоритм. Вводится понятие индексной операции, которая, по сути, является фиктивной, но начинает выполнение технологической операции. Фиксируется только сам факт е выполнения. Заявки по индексным операциям задаются ритмом выгрузки. Эти заявки идут с большим приоритетом. При этом глубина приоритета равна продолжительности выполнения технологической цепочки. Как только индексная заявка попадает в глубину действия приоритета, она переносится вверх очереди и обслуживается первой. После этого оператор проверяет условия включения в очередь одной из заявок начальных операций возможных технологических цепочек. Условия записываются в порядке предпочтительности. Например, сначала из вагонов на терминальной станции, затем из подготовленных с сортировочной станции, а затем следует начать расформирование, чтобы запустить весь процесс подвода груза. Таким образом, если условия выполняются, то включается заявка начальной операции соответствующей технологической цепочки со временем, сдвинутым назад на время продолжительности цепочки
Алгоритм работы метода И-МДС Метод И-МДС работает следующим образом. Задан ритм выгрузки. Груз находится в трх местах, при этом продолжительность технологических цепочек доставки груза разная - Та,Т и Г„ (Рисунок 7.20). Индексные заявки запускают технологические цепочки разной длины заранее с учтом необходимости. Тем самым выстраивается управляемый подвод груза к терминалу.
