Удосконалення технології розвезення порожнього вагонопотоку на основі використання гібридних інтелектуальних систем

Abstract

UA: Рибальченко Л.І. Удосконалення технології розвезення порожнього вагонопотоку на основі використання гібридних інтелектуальних систем. – Рукопис. Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.22.01 – транспортні системи. – Українська державна академія залізничного транспорту МОН України, Харків, 2013. 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). EN: Rybal'chenko LI Improving the technology of distribution of empty wagon traffic through the use of hybrid intelligent systems. – Manuscript. Dissertation for the degree of candidate of technical sciences, specialty 05.22.01 - transportation systems. – Ukrainian State Academy of Railway Transport MES of Ukraine, Kharkov, 2013. 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).