автореферат диссертации по машиностроению и машиноведению, 05.02.22, диссертация на тему:Методы и средства автоматизированного анализа технологических процессов на железнодорожном транспорте

На правах рукописи

ОСОКИН ОЛЕГ ВИКТОРОВИЧ

МЕТОДЫ И СРЕДСТВА АВТОМАТИЗИРОВАННОГО АНАЛИЗА ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ

Специальность 05.02.22 — Организация производства (транспорт)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва —

2006

Работа выполнена в Государственном унитарном предприятии Российский научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи Министерства путей сообщения Российской Федерации (ВНИИАС МПС России).

Научный руководитель: лауреат Государственной премии

Официальные оппоненты: доктор технических наук,

Ведущая организация: Институт технико-экономических

Защита диссертации состоится « 19 » октября 2006 г. в 15 часов на заседании диссертационного совета Д 218.009.03 при Российском государственном открытом техническом университете путей сообщения (РГОТУПС) по адресу: 125993, ГСП-3, г. Москва, ул. Часовая, д. 22/2, ауд. 344.

С диссертацией можно ознакомиться в библиотеке РГОТУПС.

Автореферат разослан «19 » сентября 2006 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу диссертационного совета университета.

Российской Федерации, доктор технических наук, профессор Козлов Петр Алексеевич

профессор Резер Семен Моисевич,

кандидат технических наук, профессор Гоманков Федор Степанович

изысканий и проектирования железнодорожного транспорта «ГИПРОТРАНСТЭИ»

Ученый секретарь диссертационного совета, доктор технических наук, профессор

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. На железнодорожном транспорте создана масштабная информационная среда. Функционирует целый ряд информационных систем. Источником информации являются средства автоматики, регистрирующие движение поездов, и десятки тысяч АРМов. Громадный объем информации, поступающий к руководителям разного уровня, существенно затрудняет ее быстрый анализ и делает почти невозможным своевременное принятие эффективных управленческих решений. Поэтому необходимо создать системы автоматизированного анализа, которые бы делали его быстро и адресно, в соответствии с перечнем возможных решений того или иного руководителя.

Автоматизированные аналитические системы должны базироваться на информационных хранилищах, куда поступает информация из оперативных баз данных и где она хранится с необходимой предысторией.

Указанные требования положены в основу исследования настоящей диссертации. Теоретическим базисом исследования послужили труды Акулиничева В.М., Александрова А.Э., Апатцева В.И., Архи-пенкова С.Я., Батурина А.П., Бородина А.Ф., Буянова В.А., Быкадо-рова A.B., Гершвальда A.C., Гоманкова Ф.С., Грунтова П.С., Дьякова Ю.В., Ефименко Ю.И., Козлова И.Т., Козлова П.А., Кудряшовой М.С., Лившица В.Н., Мишарина A.C., Некрашевича В.И., Новиковой И.П., Осипова В.Т., Осьминина А.Т., Пермикина В.Ю., Перси-анова В.А., Пешкова А.М., Положишникова В.Б., Поспелова Д.А., Скалова К.Ю., Сотникова Е.А., Сотникова И.Б., Таля К.К., Тишкина Е.М., Трофимова C.B., Тулупова Л.П., Тушина H.A., Шабалина H.H., Шавзиса С.С., Шарова В.А., Шубинского И.Б., Яковлева С.А. и других ученых.

Цель и задачи исследования. Целью исследования является разработка методологии и инструментов автоматизированного анализа сложных распределенных транспортных систем на основе информации автоматизированного мониторинга. Автоматизированный анализ должен осуществлять обработку информации таким образом, чтобы у руководителей разного уровня было ясное представление о реальном отклонении системы от нормального состояния. Анализ должен давать объективную оценку реализованных решений и создавать основу для их совершенствования.

Задачами исследования являлись:

• разработка принципов автоматизированного анализа;

• разработка принципов построения автоматизированных аналитических систем;

• методология расчета глубокого прогноза параметров работы сложных систем железнодорожного транспорта на основе информационного хранилища и имитационного моделирования;

• выбор моделей для расчета «идеального процесса», т.е. оптимального режима функционирования системы в конкретных условиях;

• показать реализацию разработанной методологии для конкретных железнодорожных систем.

Объект исследования. Технологический процесс работы железнодорожного транспорта.

Методика исследования. Теоретической и методологической основой являлись системный подход, исследование операций, теория моделирования сложных систем и теория вероятностей, а также труды известных российских и зарубежных ученых.

Научная новизна. Сформулированы принципы интеллектуального анализа технологических процессов железнодорожного транспорта, который не может быть выполнен человеком без специальных автоматизированных аналитических систем. Разработана методология построения такого рода систем. Предложены принципы углубленного анализа, как метода сравнения с глубоким обоснованным прогнозом, и интеллектуального — сравнением с «идеальным процессом». Разработан метод расчета глубокого прогноза с использованием информационного хранилища для больших полигонов и с помощью имитационной модели для железнодорожных станций, узлов. Предложены модели д ля расчета «идеального процесса» и показано их применение для различных технологических процессов.

Разработана методология построения теоретической модели транспортной системы для интерпретации результатов анализа. Дано теоретическое обоснование надежности аналитических систем с учетом возможных ошибок в исходной информации, в работе технических средств, в алгоритмах и программах.

Практическая ценность. Теоретические основы построения автоматизированных аналитических систем могут быть использованы для внедрения систем автоматизированного анализа на железнодорож-

метрам. Они должны выявлять «узкие места», указывать на «болевые точки» современной технологии, причины возникновения межоперационных простоев. В аналитических системах должен проводиться и оперативный анализ эффективности принимаемых управляющих решений.

Глубокий технологический анализ работы железнодорожного транспорта в существенно изменившихся условиях позволит создать основу для построения более эффективной технологии. Автоматизированные системы позволят диспетчерам и руководителям принимать более рациональные решения.

Плановая экономика была инерционна. Процессы получения информации, анализа и принятия решений успевали за изменениями. В рыночной экономике это происходит значительно быстрее. Управляющие воздействия отстают от ситуации и оказываются неэффективными. Чтобы ускорить процессы управления, необходимо, кроме автоматизированных информационных систем, использовать автоматизированные аналитические системы.

ИНФОРМАЦИОННАЯ СРЕДА + ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ

Рис. 1

В отличие от ручного, автоматизированный анализ требует предварительной более четкой формализации. Однако при этом он обладает несомненными достоинствами (рис. 2).

Автоматизированные аналитические системы призваны максимально ускорить процессы интеллектуальной переработки (анализа) информации, прогнозирования результатов возможных управляющих воздействий на систему и подготовки основы для принятия решений (рис. 3).

Рис. 2. Преимущества автоматизированного анализа

Рис. 3. Задачи автоматизированного анализа

Автоматизация позволяет избежать человеческих ошибок и добиться поступления к конечному пользователю достоверной (неискаженной) информации, а также повысить оперативность анализа (рис. 4).

Автоматизированный анализ

Рис. 4. Преимущества автоматизированного анализа

Транспортная система страны характеризуется огромными масштабами и сильной структурной и функциональной связностью. Существует временной разрыв между принятием технологических решений и результатами принятой технологии в 5—7 и более суток.

Для того чтобы оценить эффективность выбранной технологии, необходимо мысленно «прогнать» весь процесс от решения до конца реализации и сравнить расчетные и реальные результаты. Человеку это не под силу. Поэтому необходима методология получения достоверного глубокого прогноза. В настоящее время это может быть осуществлено двумя способами.

Первый — это использование информационного хранилища и его аналитического аппарата. Там на основе большой статистики выводятся закономерности движения и переработки транзитных потоков (рис. 5).

Для локальных (но сложных) систем, таких как железнодорожные станции и узлы, следует применять аппарат имитационного моделирования.

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. Назовем это «идеальным процессом». В этом случае необходимо применять оптимизационные модели.

Рис. 5. Сравнительная точность глубокого прогноза разными методами

Сравнение с «идеальным процессом» будем называть интеллектуальным анализом.

Достоверность анализа зависит от надежности информационных систем, а также надежности переработки информации в хранилище и в аналитической системе. Предложен способ расчета функциональной надежности таких комплексов.

Среднее время до функционального отказа с учетом отказов и сбоев технических средств, ошибок алгоритмов и программ, входной информации и операторов можно определить как

Тт = ] Рш(О / ехр[-п*(1-Р3)Л = —1— , (1)

М> 1-0

где Гвп — среднее время до функционального отказа относительно вычислительного процесса;

РЕП(0 — вероятность безотказного выполнения вычислительного процесса в течение времени V,

•П — интенсивность потока заявок; Рр — вероятность безотказного выполнения задачи.

Егава 3 посвящена разработке теоретической модели транспортной системы, которая необходима для правильной трактовки результатов

системы ИСТРА. Множество Ор операций, заданное на множестве X элементов, формирует совокупность изолированных элементарных моделей, каждая из которых функционирует на графе (7у. В единое целое элементарные модели объединяет оператор управления ДО- В модели реализован ситуационный принцип управления, так как он наиболее соответствует процессам управления в сложных транспортных системах. Система ИСТРА позволяет выдавать исчерпывающий набор количественных и качественных показателей моделируемого объекта.

Предложенные подходы были частично реализованы для углубленного анализа на железнодорожном транспорте. Так, прогноз образования порожних вагонов на отделениях сети вычисляется по информации о дислокации груженых и порожних вагонов:

аД/) = П,(у,у,т). (И)

Обозначим — прогнозное количество порожних вагонов,

образующихся через г суток из вагонов, которые на момент запроса информации о дислокации находились в груженом состоянии, — прогнозное количество порожних вагонов, образующихся через I суток из вагонов, которые на момент запроса информации о дислокации находились в порожнем состоянии. Тогда

в, (0 = ^(0+^(0- (12)

Прогнозный момент освобождения груженого вагона может быть вычислен по формуле:

т(ю) = т((0)+^. (13)

Для вычисления формируется совокупность наблюдений:

х сп®)

^(аО^Н*0)- '"г , ч ' <14>

где (га) — время 1-й операции с груженым вагоном на станции дислокации у для освобождения со;

£?(со) —количество операции на станции дислокации у для вагона освобождения оз;

(™(<о) — момент освобождения вагона со (время первой операции отправления в порожнем состоянии) на станции выгрузки ук; (со) —задержка, вычисленная для освобождения со.

Ниже приводятся примеры расчета прогнозов на основе хранилища (рис. 7, 8, табл.1).

Совпадение прогноза с реальностью довольно высокое, как правило, выше 80%.

Таблица 1

Прогноз времени доставки груза на станцию Новороссийск

Станция начала рейса Дорога Отделение Количество рейсов Среднее время, ч Нижняя граница доверительного интервала Верхняя граница доверительного интервала Тарифное расстояние, км Нормативное время, сут.

Котел ювс 03 85 64 61 66 983 2

Новолипецк ювс 04 252 66 64 68 1123 3

Никольское ювс 05 40 62 59 66 1172 3

Магнитогорск ЮУР 01 29 134 129 140 2515 6

В главе 5 описывается методология интеллектуального анализа и приведены примеры расчета «идеального процесса» для этого. Под интеллектуальным анализом будем понимать сравнение параметров мониторинга с параметрами «идеального процесса». «Идеальным процессом» будем считать оптимальный технологический процесс, рассчитанный с помощью оптимизационных моделей. Если в углубленном анализе мы сравниваем реальный процесс со среднестатистическим для этих условий, то в интеллектуальном — с наилучшим (рис. 9).

Оптимизационные модели должны отражать существенные черты технологического процесса. Из известных в транспортной науке мо-

2500

Отчетные сутки

Факт-»-Прогноз А Прогноз В;

Рис. 7. Фактическое и прогнозное освобождение полувагонов на Московской железной дороге при глубине прогноза 3 суток

Вагоны

04/11Ю4 06Л1Я4 06Л1Ю4 10Л1Я4 12Л1Ю4 14/1Ц04 16/11П4 18/11Ю4

Рис. 8. Прогноз подхода грузов к станции Новороссийск на 03.11.2004 (отправки + заявки)

Производственный показатель

Рис. 9. Сравнение реальной технологии с глубоким прогнозом и «идеальным процессом»

В качестве реализации внедрен рад систем расчета «идеального процесса»:

а) система расчета оптимального динамического процесса движения порожняка (рис. 10). На схеме изображены отделения и стрелками отображены входящие и исходящие потоки полувагонов;

б) оптимальная организация подвода сырья с нескольких дорог к металлургическому комбинату. Здесь «идеальный процесс» направлен на «подстраивание» ритмов отгрузки сырья из различных пунктов отправления и находящихся на разном расстоянии к ритмам работы металлургического производства. Одновременно обеспечивается рациональный режим обращения «вертушек». В результате решения МДС получаем расписание рейсов груженых «вертушек» на полигоне доставки сырья к металлургическому комбинату, обеспечивающее в среднем равномерный посуточный подвод принятого к перевозке в плановом периоде объема сырья;

в) для сортировочных станций уральского региона внедрена система расчета наилучшего режима по технологии «имитационного спу-

5.08.03 27.0».05, -ашдп. . 29.08.03 »«^щЗй!

..... у. .....: •*■■ " ^ч'ййяМШйЯ

Рис. 10. Оперативный план передислокации порожняка

ска». Система расчета обеспечивает, в том числе, и поддержку принятия оперативных решений (табл. 2).

Эффект от внедрения «идеального» технологического процесса заключается в снижении простоя составов в ожидании локомотивов и локомотивных бригад, времени «просидок» локомотивных бригад, сокращении простоя локомотивов.

Таблица 2

Оперативные решения, выработка которых поддерживается функциями системы расчета оптимального режима

Стадии станционных процессов Функции системы Оперативные решения

Прибытие — расформирование Прогнозирование времени выполнения технологических операций с поездами Оценка возможного процесса накопления составов Оперативная регулировка подвода поездов Изменение очередности обработки составов

Накопление — формирование Прогнозирование моментов времени окончания накопления составов Оперативное управление процессом накопления составов Оперативное управление процессом окончания формирования

Отправление Прогнозирование моментов времени окончания накопления составов сортировочного парка Прогнозирование моментов времени окончания осмотра составов в парке отправления Изменение очередности обработки составов в парке отправления Увязка времени готовности локомотивов и бригад с моментами готовности составов

ЗАКЛЮЧЕНИЕ

В результате проведенных исследований разработаны методы построения систем автоматизированного анализа технологических процессов железнодорожного транспорта, которые позволят осуществлять интеллектуальную обработку слабо упорядоченной информации из оперативных баз данных и создавать надежную основу для принятия эффективных решений. В том числе получены следующие результаты.

1. Выполнен анализ существующих подходов к интеллектуальной обработке информации;

2. Дана оценка существующих методов ручного анализа количественных и качественных параметров работы железнодорожного транспорта;

3. Сформулированы основные функции автоматизированных аналитических систем;

4. Рассмотрены теоретические основы надежности информационно — аналитических систем, определяющие надежность результатов анализа;

5. Сформулированы принципы построения теоретической модели транспортной системы, как основы для интерпретации результатов мониторинга;

6. Разработана методика построения глубокого прогноза с помощью информационного хранилища;

7. Разработана методика расчета оптимальных процессов для выполнения интеллектуального анализа;

8. Приведены примеры реализации разработанной методики автоматизированного анализа.

Основные положения диссертации опубликованы в следующих работах:

1.Александров А.Э., Козлов П.А., Осокин О.В., Тушин H.A. Планирование подвода сырьевых маршрутов к металлургическим комбинатам // Состояние и перспектива развития научно-технического потенциала Южно-Уральского региона. Межгосуд. на-учно-техн. конф. — Магнитогорск: МГМИ, 1994. — С. 134—135.

2. Осокин О.В., Рыков A.JI., Тушин H.A. Основы методики построения комплексной модели полигона // Фундаментальные и

прикладные исследования — транспорту. Тез. докл. Ч. 1. — Екатеринбург: УрГАПС, 1995. - С. 209-210.

3. Осокин О.В., Рыков A.JI., Тушин H.A. Модель полигона на базе метода «СОБОС» // Развитие сырьевой базы промышленных предприятий Урала. Тез. докл. межгосуд. научно-техн. конф. — Магнитогорск: МГМА, 1995. - С. 231.

4. Козлов П.А., Осокин О.В., Тушин H.A. Оптимизация взаимодействия производства и транспорта при экспортных поставках // Наука и инженерное творчество — XXI веку. Тр. 1-ой научно-техн. конф. - Екатеринбург: РУО АИН РФ, 1995. - С. 85-86.

5. Александров А.Э., Козлов П.А., Осокин О.В, Гибкая технология управления кольцевыми маршрутами на полигоне дороги // Транспортные проблемы и развитие технологических процессов. Сб. науч. ст. Ч. 1. - Липецк: ЛГТУ, 1995. - С. 98-109.

6. Осокин О.В. Автоматизированный анализ — необходимость и пути развития // Проблемы разработки ресурсосберегающих технологий в эксплуатации железных дорог. / Под общ. ред. В.И. Апатцева. Сб. науч. тр. каф. УЭР РГОТУПС. Вып. 5. - М.: РГОТУПС, 2005. -С. 82-86.

7. Козлов П.А., Осокин О.В. Построение автоматизированных аналитических систем на железнодорожном транспорте // Управление большими системами. Сб. тр. Вып. 12—13. — М.: ИПУ РАН, 2006. - С. 78-89.

8. Осокин О.В., Положишников В.Б. «Грузовой экспресс»: на принципах логистики // РЖД-Партнер, № 5 (93), 2006. — С. 114-116.

МЕТОДЫ И СРЕДСТВА АВТОМАТИЗИРОВАННОГО АНАЛИЗА ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ

Специальность 05.02.22 — Организация производства (транспорт)

Автореферат Компьютерная верстка Г.Д. Волкова

Тип.зак. ß-fSt. Изд.зак. 117 Подписано в печать 12.09.06 Гарнитура Newton Усл.печл. 1,5

Тираж 100 экз. Формат 60 X 90 '/,

•в

Издательский центр РГОТУПСа, 125993, Москва, Часовая ул., 22/2 Участок оперативной печати 125993, Москва, Часовая ул., 22/2

Введение.

Глава 1. Состояние теории и практики интеллектуального анализа.

1.1. Задачи интеллектуального анализа данных.

1.2. Методы интеллектуального анализа данных.

1.2.1. Статистические методы.

1.2.2. Нейронные сети.

1.2.3. Системы рассуждений на основе аналогичных случаев.

1.2.4. Деревья решений.

1.2.5. Эволюционное программирование.

1.2.6. Генетические алгоритмы.

1.2.7. Алгоритмы ограниченного перебора.

1.3. Построение интеллектуальной информационной среды в системе управления.

1.4. Существующая организация анализа на железнодорожном транспорте.

1.4.1. Погрузка.

1.4.2. Выгрузка.

1.4.3. Передача.

1.4.4. Использование подвижного состава.

1.4.5. Статнагрузка.

1.4.6. Оборот грузового вагона.

1.4.7. Анализ использования локомотивов.

1.5. Разрабатываемые системы автоматизации анализа и планирования

1.5.1. Назначение и функциональные задачи.

1.5.2. Структура.

Выводы к главе 1.

Глава 2. Теоретические основы автоматизированного анализа.

2.1. Необходимость перехода к автоматизированному анализу.

2.2. Преимущества автоматизированного анализа.

2.3. Автоматизированная аналитическая система как аппарат для новых видов анализа.

2.4. Надёжность информационно-аналитических систем.

2.4.1. Определение функциональной надёжности ИАС.

2.4.2. Отказы, сбои, ошибки в информационно - аналитических системах.

2.4.3. Определение функционального отказа ИАС.

2.4.4. Показатели правильности выполнения вычислительных процессов.

2.4.5. Показатели правильности выполнения информационных процессов.

2.4.6. Комплексные показатели функциональной надёжности ИАС

2.4.7. Расчёт показателей функциональной надёжности информационных процессов.

Выводы к главе 2.

Глава 3. Построение теоретической модели транспортной системы для интерпретации результатов анализа.

3.1. Теоретические аспекты интерпретации результатов.

3.2. Теоретическая модель транспортной системы - элементы и их взаимодействие.

3.3. Теоретическая модель - управление и динамические резервы.

3.4. Теоретическая модель - взаимодействие подсистем.

3.5. Устойчивое состояние транспортной системы и её поддержание

Выводы к главе 3.

Глава 4. Организация автоматизированного углублённого анализа 92 4.1. Расчёт глубокого прогноза с помощью информационного хранилища.

4.1.1. Принципы построения информационного хранилища.

4.1.2. Архитектура информационного хранилища.

4.2. Построение глубокого прогноза методом имитационного моделирования.

4.3. Примеры расчёта глубоких прогнозов для углублённого анализа

4.3.1. Расчёт прогноза образования порожних вагонов и выгрузки с помощью информационного хранилища.

4.3.2. Глубокий прогноз подвода грузов к порту с помощью информационного хранилища.

Выводы к главе 4.

Глава 5. Интеллектуальный анализ на базе сравнения с идеальным процессом».

5.1. Сущность и задачи интеллектуального анализа.

5.2. Модели оптимальной организации транспортных потоков (класс моделей ДТЗЗ).

5.2.1. Постановка динамической транспортной задачи с задержками.

5.2.2. Динамическая транспортная задача с управляемыми задержками.

5.2.3. Многопродуктовая динамическая транспортная задача с задержками (триаксиальная).

5.3. Модели оптимального взаимодействия поставщиков и потребителей (класс моделей МДС).

5.4. Модели «идеальных» технологических процессов на станциях и узлах («имитационный спуск» ИСТРА).

5.5. Примеры построения «идеальных процессов» для интеллектуального анализа.

5.5.1. Оптимальная динамическая структура потоков порожняка (модель ДТЗЗ).

5.5.2. Оптимальная организация подвода сырья с нескольких дорог к металлургическому комбинату (класс моделей МДС).

5.5.3. Построение «идеального процесса» работы сортировочной станции («имитационный спуск»).

Выводы к главе 5.

На железнодорожном транспорте создана масштабная информационная среда. Функционирует целый ряд информационных систем. Источником информации являются средства автоматики, регистрирующие движение поездов, и десятки тысяч АРМов. Громадный объём информации, поступающий к руководителям разного уровня, существенно затрудняет её быстрый анализ и делает почти невозможным своевременное принятие эффективных управленческих решений. Поэтому необходимо создать системы автоматизированного анализа, которые бы делали его быстро и адресно, в соответствии с перечнем возможных решений того или иного руководителя.

Автоматизированные аналитические системы должны базироваться на информационных хранилищах, куда поступает информация из оперативных баз данных и где она хранится с необходимой предысторией.

В диссертации предполагается разработать принципы построения автоматизированных аналитических систем и технологию автоматизированного анализа.

Глава 1. Состояние теории и практики интеллектуального анализа.

Выводы к главе 5.

1. Интеллектуальный анализ предполагает сравнение параметров мониторинга с параметрами «идеального процесса». Идеальным процессом будем считать оптимальный технологический процесс, рассчитанный с помощью оптимизационных моделей.

2. Для больших полигонов рекомендуются динамические потоковые модели - типа динамической транспортной задачи с задержками. Этот класс моделей позволяет рассчитать оптимальный динамический процесс (с учётом переходных процессов).

3. Оптимальный процесс в системе поставщик - транспорт - потребитель можно рассчитать с помощью специального метода динамического согласования. Он позволяет определить адаптационные возможности транспорта и необходимую корректировку ритмов отправления при заданных режимах потребления.

4. Для сложных локальных транспортных систем наилучший режим можно рассчитать с помощью имитационной модели с использованием специальной оптимизационной процедуры «имитационный спуск».

5. Применение оптимизационных моделей позволило рассчитать эффективные режимы подвода порожняка к пунктам массовой погрузки, подвода грузов к морским портам, а также наилучшие режимы работы сортировочных станций с целью оптимального процесса поездообразова-ния.

Заключение.

В результате проведённых исследований выработан подход к построению систем автоматизированного анализа технологических процессов железнодорожного транспорта, который позволит осуществлять интеллектуальную обработку слабо упорядоченной информации из оперативных баз данных и создавать надёжную основу для принятия эффективных решений. В том числе получены следующие результаты.

1. Выполнен анализ существующих методов интеллектуальной обработки информации и формирования обобщённых выводов.

2. Выполнена оценка существующих технологий ручного анализа количественных и качественных параметров работы железнодорожного транспорта.

3. Сформулированы принципы интеллектуального мониторинга технологических процессов, в котором осуществляется не только фиксация состояния системы, но и даётся её сравнительная оценка.

4. Сформулированы основные функции автоматизированных аналитических систем:

• простой анализ - сравнение со средними значениями или с нормативами;

• углублённый анализ - сравнение с глубоким обоснованным прогнозом;

• интеллектуальный анализ - сравнение с «идеальным процессом».

5. Рассмотрены теоретические основы надёжности информационно-аналитических систем, определяющие надёжность результатов анализа.

6. Сформулированы принципы построения теоретической модели транспортной системы, как основы для интерпретации результатов мониторинга. Предложена теоретическая схема взаимодействия элементов и подсистем в транспортных системах. Сформулирована роль управления, как источника динамических резервов и как способа обеспечения устойчивого состояния транспортной системы.

7. Разработан способ построения глубокого прогноза с помощью информационного хранилища. Приведены примеры расчёта глубокого прогноза для различных технологических процессов и выполнения углублённого анализа на его основе.

8. Разработан метод расчёта оптимальных процессов для выполнения интеллектуального анализа. Для больших полигонов следует применять динамические потоковые модели, для сложных локальных систем (станций и узлов) -имитационные модели со специальной оптимизирующей процедурой. Рассмотрены такого рода модели и показано их применение для построения оптимальных технологий для конкретных систем.

1. Аврамчук Е.Ф., Вавилов А.А., Емельянов С.В. и др. Технология системного моделирования // Под ред. Емельянова С.В. М.: Машиностроение, 1988.-520 с.

2. Акулиничев В.М., Казюлин Г.Е. Определение нормативов затрат и экономии вагоно-часов в плане формирования поездов. Ж.-д. транспорт, 1978, №11, с. 34-39.

3. Акулиничев В.М., Кудрявцев В.А., Корешков А.Н. Математические методы в эксплуатации железных дорог. М., Транспорт, 1981, 224 с.

4. Александров А.Э. Гибкая технология управления внутридорожными кольцевыми маршрутами / Дисс. на соиск. уч. ст. канд. тех. наук. Екатеринбург: УрГАПС, 1994. - 167 с.

5. Апатцев В.И., Бородин А.Ф., Бородина Е.В. Управление перевозками в железнодорожных узлах: Уч. пос. М.: РГОТУПС, 2003. - 155 с.

6. Арсеньев Б.П., Яковлев С.А. Интеграция распределённых баз данных. — СПб.: Лань, 2000.

7. Архипенков С.Я., Голубев Д.В., Максименко О.Б. Хранилища данных. От концепции до внедрения. / Под общ. ред. С.Я. Архипенкова М.: ДИАЛОГ-МИФИ, 2002. - 528 с.

8. Барвелл Ф.Т. Автоматика и управление на транспорте: Пер. с англ. -М.: Транспорт, 1990.

9. Бартенев П.В. Общая методика расчёта пропускной способности станций. Труды НТО ж.-д. транспорта, вып. 7, М.: Трансжелдориздат, 1959, с. 75-83.

10. Беленький А.С. Исследований операций в транспортных системах: идеи и схемы методов оптимизации планирования. М.: Мир, 1992, 582 с.

11. Белов В.В., Буянов В.А., Рабинович М.Д. Система автоматической идентификации подвижного состава // Автоматика, связь, информатика, 2002. -№8. -С. 13-17.

12. Белоусова Н.И., Васильева Е.М., Лившиц В.Н. Системный анализ транспорта России в современных условиях. М.: Эдиториал УРСС, 2001. 60 с.

13. Большие системы. Теория, методология, моделирование / Под ред. Б.В. Гнеденко. М.: Наука, 1971.

14. Борн Г. Форматы данных. — Киев: торгово-издательское бюро BHV, 1995.

15. Бородин А.Ф., Харитонов А.В., Прилепин Е.В. «Полигон» новая автоматизированная система текущего планирования // Железнодорожный транспорт, 2002, № 4 - с. 10-16.

16. Бородин А.Ф., Биленко Г.М., Олейник О.А., Бородина Е.В. Технология работы сортировочных станций: Учеб. пос./ Под ред. А.Ф. Бородина -М.: РГОТУПС, 2002. 192 с.

17. Бусленко Н.П. Моделирование сложных систем. — М.: Наука, 1988,335с.

18. Буянов В.А. и др. Автоматизация управления сортировочными станциями. Труды ВНИИЖТ, вып. 575, М., 1977, 160 с.

19. Буянов В.А. Оперативное управление эксплуатационной работой сортировочной железнодорожной станции. Автореферат дисс. на соиск. уч. степ. докт. техн. наук. М., ВНИИЖТ, 1981, 45 с.

20. Буянов В.А., Ратин Г.С. Автоматизированные информационные системы на железнодорожном транспорте. М.: Транспорт, 1984. - 239 с.

21. Быкадоров А.В. Парк приёма сортировочной станции как двухфазовая система массового обслуживания. Труды НИИЖТ, вып. 146, Новосибирск, 1973, с. 63-83.

22. Быкадоров А.В. Аналитический расчёт показателей работы станции. Ж.-д. транспорт, 1979, № 5, с. 58-59.

23. Вагнер Г. Основы исследования операций. Том 2. М.: Мир, 1973. 448 с.

24. Вентцель Е.С. Исследование операций. М.: Советское радио, 1972,552 с.

25. Веников В.А., Веников Г.В. Теория подобия и моделирования. — М.: Высшая школа, 1984.

26. Вишняков В.Ф. Роль информационного хранилища в решении задач информатизации отрасли // Автоматика, связь, информатика, № 11/2001 с. 2-4.

27. Гадасин В.А., Ушаков И.А. Надёжность сложных информационно-управляющих систем. -М.: Сов. Радио, 1975.

28. Гершвальд А.С. Оптимизация оперативного управления процессом грузовых перевозок на железнодорожном транспорте. М.: Интекст, 2001. -240 с.

29. Геронимус Б.Л., Житков А.В. Розе В.А. Математические методы принятия решений на транспорте: эволюция методологии \\ Экономика и математические методы. 1984, т. XX, вып. 2. с. 223 - 231.

30. Громов Г.Р. Очерки информационной технологии. — М.: Инфоарт,1992.

31. Грунтов П.С., Чижонок В.Д., Козлов Г.В. Оптимальная этапность развития сортировочных станций (теория и примеры расчёта). Гомель, БелИ-ИЖТ, 1982, 66 с.

32. Дувалян С.В., Гарслян А.Е. Расчёт плана формирования одногрупп-ных поездов при переменных нормативах и ограничениях размеров переработки вагонов на станциях. Вестник ВНИИЖТ, 1988, № 6, с. 1-5.

33. Единая транспортная система: Учеб. для вузов/ В.Г. Галабурда, В.А. Персианов, А.А. Тимошин и др.; Под ред. В.Г. Галабурды. 2-е изд. с измен, и дополн. М.: Транспорт, 2001. - 303 с.

34. Ермольев Ю.М. Методы стохастического программирования. М.: Наука, 1976,285 с.

35. Ефименко Ю.И. Расчёт параметров распределения наличной пропускной способности станционных устройств. Труды МИИТ, вып. 855, М., 1991, с. 117-124.

36. Жук Е. Имитационное моделирование работы сортировочной станции при составлении графика движения поездов. Вестник ВНИИЖТ, 1995, № 3, с. 45-47.

37. Земблинов С.В., Таль К.К., Гликман М.С. Основы методики расчёта потребного числа путей на участковых и сортировочных станциях. Информационное письмо ЦНИИ МПС № 369, М., Трансжелдориздат, 1956, 27с.

38. Иванилов Ю.П., Лотов А.В. Математические модели в экономике. -М.: Наука, Главная редакция физико-матем. литературы, 1979. 304 с.

39. Имитационное моделирование производственных систем / Под ред. А.А. Вавилова. — М.: Машиностроение; Берлин: Техник, 1983.

40. Информационная система для управления перевозочным процессом // Под ред. Ратина Г.С. М.: Транспорт, 1989. - 240с.

41. Информационные технологии на железнодорожном транспорте // Э.К. Лецкий, В.И. Панкратов, В.В. Яковлев и др. Под ред. Э.К. Лецкого, Э.С. Поддавашкина, В.В. Яковлева. М.: УМК МПС России, 2001. - 668с.

42. Калиниченко Л.А., Рывкин В.М. Машины баз данных и знаний — М.: Наука, 1990.

43. Каляное Г.Н. CASE структурный системный анализ. —■ М.: Лори,1996.

44. Кандрашина Е.Ю., Литвинцева Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах, — М.: Наука, 1989.

45. Канторович Л.В., Макаров В.Л. Оптимальные модели перспективного планирования // Применение математики в экономических исследованиях // т. 3, М.: Мысль, 1965.

46. Каплан Р.С., Нортон Д.П. Сбалансированная система показателей. От стратегии к действию. Пер. с англ. М.: ЗАО «Олимп-Бизнес», 2004, 304 с.

47. Козлов И.Т. Пропускная способность транспортных систем. М., Транспорт, 1985, 214 с.

48. Козлов П.А. Некоторые теоретические основы организации работы ПТС // Межвузовский тематический сборник. /Организация, эксплуатация промышленного ж.-д. транспорта./ Изд-во Калининского государственного университета, 1981. с. 58-73.

49. Козлов П.А. Универсальная имитационная система транспорта «ИСТРА» // Межвуз. Сб. «Организация работы транспорта промышленных предприятий». Калинин: КГУ, 1984.

50. Козлов П.А. Теоретические основы, организационные формы, методы оптимизации гибкой технологии транспортного обслуживания заводов черной металлургии. Дисс. на соиск. уч. ст. докт. техн. наук. Липецк: ЛПИ, 1986,377 с.

51. Козлов П.А. Активизация динамических резервов железнодорожного транспорта при автоматизированном управлении потоками // Сб. трудов 5-ой междунар. конф. «ИНФОТРАНС 2000». СПб: ПГУПС, 2000.

52. Козлов П.А., Мишарин А.С. Двухуровневая модель управления грузопотоками на железнодорожном транспорте //Известия РАН. Теория и системы управления, № 5/2002, с. 136-145.

53. Комплексная автоматизированная система управления железнодорожным транспортом (АСУЖТ) // Под общ. ред. А.П. Петрова. М.: Транспорт, 1977.-600 с.

54. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. М.: Издатель Молгачева С.В., Издательство Нолидж, 2001. - 496 с.

55. Кочнев Ф.П., Сотников И.Б. Управление эксплуатационной работой железных дорог: Уч. пос. для ВУЗов. М.: Транспорт, 1990. - 424 с.

56. Крестинин А.В., Козлов Ю.Т. Перспективы развития системы ДИСКОН // Информационные технологии на железнодорожном транспорте: Матер. 6-ой междунар. научно-практ, Конф. Инфотранс-2001. Ростов-на-Дону: МП Книга. - с. 152-155.

57. Кривонежко В.Н., Пропой А.И. О методе решения динамических транспортных задач //Автоматика и телемеханика, № 12, 1979.

58. Кудряшова М.С. Совершенствование организации технологических перевозок в транспортных системах металлургических комбинатов. Дисс. на соиск. уч. ст. канд. техн. наук: 05.22.12. М.: 1985, 147с.

59. Кулаичев А.П. Компьютерный контроль процессов и анализ сигналов. — М.: Информатика и компьютеры, 1999.

60. Майерс Г. Надёжность программного обеспечения. -М.: Мир, 1980.

61. Макарочкин A.M., Дьяков Ю.В. Использование и развитие пропускной способности железных дорог. М., Транспорт, 1981,287 с.

62. Марк Д.А., Мак-Гоуен К. SADT. — Методология структурного анализа и проектирования — М.: Метатехнология, 1993.

63. Мартынов ИМ., Сотников Е.А., Тулупов Л.П., Кутыев Г.М., Шаба-лин Н.Н. Эксплуатационные расчёты с применением теории вероятностей. М., Транспорт, 1970, 239 с.

64. Миловидов С.П., Козлов П.А. Динамическая транспортная задача с задержками в сетевой постановке //Изв. АН СССР. Техн. кибернетика, № 1, 1982.-с. 211-212.

65. Миловидов С.П., Козлов П.А. Оптимизация структуры транспортных потоков в динамике при приоритете потребителей //Экономика и математические методы, 1982, т. XVIII, вып.З. с. 521-531.

66. Митропольский А.И. Техника статистических вычислений. М., Физматгиз, 1961,479 с.

67. Мишарин А.С. Имитационная система управления грузопотоками на железнодорожном транспорте // Автоматика и телемеханика. № 8 / 2003, с. 172-184.

68. Мишарин А.С., Шубинский И.Б. Функциональная надёжность информационно-управляющих систем на федеральном железнодорожном транспорте //Известия РАН. Теория и системы управления, 2004, № 1.-е. 155-162.

69. Мишарин А.С. Оптимизация управления грузо- и вагонопотока-ми на базе автоматизированных управляющих систем. // Наука и техника транспорта. № 1,2004 г.

70. Моисеев Н.Н., Иванилов Ю.П., Столярова Е.М. Методы оптимизации. М.: Наука, 1978.-352 с.

71. Мухин О.И. Компьютерная инструментальная среда. — Пермь: ПГТУ, 1991.

72. Назаров С.В. Операционные системы специализированных вычислительных комплексов: теория построения и системного проектирования. — М.: Машиностроение, 1989.

73. Некрашевич В.И. Использование поездных локомотивов в грузовом движении // ВНИИЖТ; БелГУТ. Гомель: БелГУТ, 2001. - 270 с.

74. Новикова И.П. Построение подсистемы автоматизированного управления в АСУ транспорта крупных предприятий. Дисс. на соиск. уч. ст. канд. техн. наук: 05.22.08. Екатеринбург, 2001. 210 с,

75. Осипов В.Т. Применение ЭВМ на железных дорогах // Отв. ред. А.Ф. Волков. М.: Наука, 1984. - 264 с.

76. Павловский Ю.Н. Имитационные модели и системы. М.: ФАЗИС: ВЦ РАН, 2000. 134 с.

77. Пендс Н. Что следует понимать под термином OLAP? Пер. с англ. Абушаева Ш. 2001. http://www.olap.ru/basic/fasmi.asp

78. Персианов В.А., Скалов К.Ю., Усков Н.С. Моделирование транспортных систем. М., Транспорт, 1972, 208 с.

79. Пешков A.M. Парк приёма как двухфазовая система обслуживания с накопителем ограниченной ёмкости. В сб. «Повышение эффективности эксплуатационной работы железных дорог». Новосибирск, 1987, с. 83-94.

80. Положишников В.Б., Томащенко С.Н., Тушин Н.А. Автоматизированные управляющие системы согласованного подвода массовых грузов к крупным потребителям. // Сб. докл. 8-ой междунар. научно-практич. конф. «ИНФОТРАНС-2003»., СПб., 2003, 278 с.

81. Поттгофф Г. Метод расчёта пропускной способности входных горловин станций. Ж.-д. транспорт, 1963, № 8, с. 88-91.

82. Проектирование и программная реализация экспертных систем на персональных ЭВМ / Под ред. Д. Фохта. — М.: Финансы и статистика, 1990.

83. Рябинин И.А., Черкасов Т.Н. Логико-вероятностные методы исследования надёжности структурно-сложных систем. М.: Радио и связь, 1981. -264 с.

84. Савченко И.Е., Земблинов С.В., Страковский И.И. Железнодорожные станции и узлы. Учеб. для вузов ж.-д. трансп. / Под ред. В.М. Акулиничева, Н.Н. Шабалина, 4-е изд., перераб. и доп. М.: Транспорт, 1980. - 479 с.

85. Системное обеспечение пакетов прикладных программ / Под ред. А.А. Самарского. —М.: Наука, 1990.

86. Скалов К.Ю. и др. Развитие и реконструкция станций и узлов. М., Транспорт, 1972, 286 с.

87. Советов Б.Я., Яковлев С.А. Моделирование систем (2-е изд.). — М.: Высшая школа, 1998.

88. Соснов Д.А. Автоматизация управления перевозочным процессом на линейном уровне // Автоматика, связь, информатика, 2002. № 5. с. 26-28.

89. Сотников Е.А., Кондрахина Н.В. Оценка предложений по нормативам плана формирования. Вестник ВНИИЖТ, 1981, № 8, с. 1-4.

90. Сотников Е.А. Эксплуатационная работа железных дорог. М.: Транспорт, 1986. - 254 с.

91. Сотников И.Б., Выгнанов А.А., Гоманков Ф.С. и др. Технико-экономические расчёты в эксплуатации железных дорог. М., Транспорт, 1983, 54 с.

92. Спирли Э. Корпоративные хранилища данных. Планирование, разработка, реализация. Том 1.: Пер. с англ. М.: Издательский дом «Вильяме», 2001.-400 с.

93. Статистика железнодорожного транспорта: Учебник для вузов / Козлов Т.И., Поликарпов А.А., Леонова Е.П. и др.; Под ред. Т.И. Козлова, А.А. Поликарпова. 2-е изд., перераб. и доп. - М.: Транспорт, 1990. - 327 с.

94. Таль К.К. Основные вопросы применения методов моделирования для проектирования станций и узлов. Труды ЦНИИС, вып. 47, 1971, с. 56-96.

95. Тишкин Е.М., Бородин А.Ф. Управление вагонопотоками в системе ДИСПАРК. Вестник ВНИИЖТ, 1998, № 1, с. 9-13.

96. Тишкин Е.М. Автоматизация управления вагонным парком. М.: Интекст, 2000. - 224 с.

97. Трофимов С.В. Выбор оптимальных методов оперативного управления работой промышленного железнодорожного транспорта. Дисс. на соиск. уч. ст. канд. техн. наук: 05.22.01. М.: 1990, 201с.

98. Угрюмов А.К. Неравномерность движения поездов. М., Транспорт, 1968, 112 с.

99. Федотов Н.И. Мощности станционных устройств при колебаниях объёма работы. Новосибирск, Труды НИИЖТ, 1968, вып. 81 с. 4-97.

100. Фёдоров А.Г., Елманова Н.З. Введение в OLAP-технологии Microsoft. М.: Диалог-МИФИ, 2002. - 268 с.

101. Филиппов В.А., Щукин Б.А., Постояннов А.В., Дегтяренко А.Е. Интеллектуальный анализ данных: методы и средства. М.: Эдиториал УРСС, 2001.-52 с.

102. Философские основы моделирования сложных систем управления / Андрющенко М.Н., Советов Б.Я., Яковлев С.А. и др. // Системный подход в технических науках (Методологические основы): Сб. научн. тр. — Л.: Изд. АН СССР, 1989.

103. Хакен Г. Синергетика. Иерархии неустойчивостей в самоорганизующихся системах и устройствах. — М.: Мир, 1985.

104. Черкесов Г.Н., Можаев А.С. Логико-вероятностные методы расчёта надёжности структурно-сложных систем // В кн. «Надёжность и качество изделий». М.: Знание, 1991. - с. 3-65.

105. Шабалин Н.Н. Оптимизация процесса переработки вагонов на станциях. М., Транспорт, 1973,182 с.

106. Шаров В.А. Технологическое обеспечение перевозок грузов железнодорожным транспортом в условиях рыночной экономики. М.: Интекст, 2001.- 198 с.

107. Шаров В.А. Комплексная программа оптимизации эксплуатационной работы сети железных дорог России до 2010 года //Труды ВНИИУП МПС России. Вып. 1. М.: 2002. - с. 10-22.

108. Шеннон Р. Имитационное моделирование систем искусство и наука.—М.: Мир, 1978,215 с.

109. Шубинский И.Б. и др. Активная защита от отказов управляющих модульных вычислительных систем. СПб.: Наука, 1993.

110. Языковые средства диалога человека и ЭВМ, т. 2. / Под ред. В.Н. Четверикова. — М.: Высшая школа, 1990.

111. Яковлев С.А., Арсеньев Б.П., Ильин В.П. Интеграция распределённых баз данных на основе сетевых технологий. — СПб., изд. ТЭТУ, 1998.