Удосконалення технології розвезення порожнього вагонопотоку на основі використання гібридних інтелектуальних систем

Abstract

UA: Дисертацію присвячено вирішенню науково-прикладного завдання удосконалення технології розвезення порожнього вагонопотоку на основі використання гібридних інтелектуальних систем. З цією метою на основі системного підходу сформовано моделі процесу роботи оперативного персоналу при плануванні та просуванні порожніх вагонопотоків на залізничних полігонах, а саме математичну модель прогнозування обсягів навантаження, яка заснована на використанні методу нейронних мереж, що надасть можливість одержувати достовірні результати щодо реальної кількості порожніх вагонів, необхідних клієнтам залізниць; оптимізаційну модель розвезення порожніх вагонів між станціями на основі методу генетичного алгоритму, яка надасть можливість виконувати розподіл з оптимальною кількістю витрат для залізниць; нечітку оптимізаційну модель з елементами штучного інтелекту, яка дозволяє надавати поїзному диспетчеру обґрунтовані рішення щодо вибору категорії поїздів, у складі яких повинні прямувати вагони до станції навантаження, з урахуванням всіх факторів впливу на прийняття рішення та з уникненням суб’єктивізму. Це забезпечує можливість вивільнення в межах 10% робочого парку порожніх вантажних вагонів, а також скорочення простою вагонів на станціях у середньому на 26%, зниження порожнього пробігу вагонів близько 38%, збільшення дільничної швидкості на 25%, скорочення обігу порожнього вантажного вагону не перевищує 5%. Економічна ефективність від впровадження розроблених моделей дозволить отримати в умовах Південної залізниці економію витрат у розмірі 1088948,47 грн на рік. Запропонований комплекс моделей реалізовано в інтеграції до автоматизованого робочого місця (АРМ) диспетчера–вагонорозподілювача (ДНЦВ) та АРМ поїзного диспетчера (ДНЦ). RU: Диссертация посвящена решению научно-прикладной задачи усовершенствования технологии распределения порожних вагонопотоков на основе использования гибридных интеллектуальных систем. С этой целью на основе системного подхода сформированы модели процесса работы оперативного персонала при планировании и продвижении порожних вагонопотоков на железнодорожных полигонах. Разработанная математическая модель прогнозирования объемов погрузки со способностью адаптации к изменяющимся условиям оперативной обстановки характеризуется сравнительной простотой реализации и эффективностью при функционировании в реальных условиях. В ее основу положены принципы самообучения на базе искусственной нейронной сети. Результаты работы модели используются в дальнейшем при распределении порожних вагонов между станциями. При проведении моделирования выявлено, что вероятность распределения разницы прогнозных значений и имеющихся подлежит нормальному закону распределения, то есть разработанная модель адекватна. Также модель проверялась на адекватность на основе -теста с помощью критерия Фишера, точность модели была проверена на основе такого показателя качества прогноза, как средняя абсолютная процентная ошибка (MAPE), которая не превысила 10%, что достаточно для точности вида таких моделей. Формализован процесс управления развозом порожних вагонов между станциями железнодорожного полигона с помощью оптимизационной модели, которая базируется на основе генетического алгоритма и обеспечивает рациональное использование технических ресурсов за счет учета расходов на перемещение и на ожидание подачи под погрузку. А также ее использование позволяет минимизировать штрафы железных дорог из-за несвоевременной подачи вагонов. Преимуществом модели является относительная скорость предоставления рационального решения, несмотря на большое количество условий и факторов и способность к адаптации, что очень важно для поставленной задачи. Также в работе формализована процедура выбора категории поездов, в составе которых должны следовать вагоны к станции погрузки, на базе нечеткой ситуационной сети, которая учитывает значительное количество важных показателей (количество порожних вагонов, количество путей, расстояние между станциями, расходы на маневровую работу, срок подачи вагонов) и позволяет в условиях нечеткости информации принять во внимание все факторы, влияющие на выбор категории поезда. При интеграции на АРМ ДНЦ позволяет получить обоснованные решения задачи с учетом минимизации затрат и с предотвращением негативного влияния человеческого фактора на принятие решения. В результате моделирования было виявлено, что применение разработанной технологии обеспечивает возможность высвобождения в пределах 10% рабочего парка порожних грузовых вагонов, а также сокращение простоя вагонов на станциях в среднем на 26%, снижение порожнего пробега вагонов около 38%, увеличение участковой скорости на 25%, при этом сокращение оборота порожнего грузового вагона не превышает 5%. Экономическая эффективность от внедрения разработанных моделей позволит получить в условиях ЮЖД экономию затрат в размере 1088948,47 грн в год. Предложенный комплекс моделей реализован в интеграции в автоматизированные рабочие места (АРМ) диспетчера-вагонораспределителя (ДНЦВ) и АРМ поездного диспетчера (ДНЦ). EN: Thesis deals with the science and application of technology to improve the distribution of tasks empty of traffic volumes through the use of hybrid intelligent systems. For this purpose, on the basis of a systematic approach, formed the model of the process of operating personnel in the planning and promotion of empty wagon traffic on the railway sites. Namely: a mathematical model for forecasting the volume of the load, which is based on the method of neural networks, which allow to obtain reliable results on the actual number of empty wagons needed by clients railways optimization model of distribution of empty cars between stations on the basis of the genetic algorithm, which will carry out the distribution of with the optimal amount of expenditure for railways; fuzzy optimization model with elements of artificial intelligence, which allows us to provide train dispatcher informed decisions on the choice of train categories in which structure should follow the cars to the loading station, taking into account all the factors influencing the decisions and with the exception of subjectivism . This allows the release of up to 10% of the working fleet of empty freight cars, as well as the reduction of demurrage at the stations by an average of 26%, reducing empty mileage cars is about 38%, increase the speed of the precinct by 25%, reducing the turnover of empty freight car does not exceed 5 %. The cost effectiveness of implementation of the developed models will get under JZ cost savings of $ 1,088,948.47 UAH. year. The proposed model is implemented in a complex integration into automated workplace (AWP) Manager - vagonoraspredelitelya (DNTSV) and APM train dispatcher (DSC).