автореферат диссертации по транспорту, 05.22.10, диссертация на тему:Прогнозирование потребности автотранспортных предприятий в запасных частых на основе автоматизированной информационной технологии

На правах рукописи

ПЛЕХАНОВ Александр Александрович

ПРОГНОЗИРОВАНИЕ ПОТРЕБНОСТИ АВТОТРАНСПОРТНЫХ ПРЕДПРИЯТИЙ В ЗАПАСНЫХ ЧАСТЯХ НА ОСНОВЕ АВТОМАТИЗИРОВАННОЙ ИНФОРМАЦИОННОЙ ТЕХНОЛОГИИ

Специальность 05.22.10 - эксплуатация автомобильного транспорта

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Владимир 2006

Работа выполнена на кафедре «Автомобильный транспорт?) Владимирского государственного университета

Научный руководитель

- доктор технических наук, профессор И.Н. Аринин

Официальные оппоненты:

- доктор технических наук, профессор В. А. Максимов (г. Москва, МАДИ)

- кандидат технических наук, М.В. Латышев

Ведущая организация

- Ассоциация предприятий автомобильного транспорта Владимирской области (г.Владимир)

Защита диссертации состоится «27» июня 2006 г. в 14 часов на заседании специализированного совета Д.212.025.02 во Владимирском государственном университете по адресу: 600000, г.Владимир, ул. Горького, 87, ауд. 211-1.

С диссертацией можно ознакомиться в библиотеке Владимирского государственного университета. '

Автореферат разослан <4^^/^2006 г.

Телефон для справок (4922)27-98-92. .

Ваш отзыв на автореферат в двух экземплярах, заверенный печатью учреждения, просим направлять по адресу: 600000, г. Владимир, ул. Горького, 87, ученому секретарю диссертационного совета Д.212.025.02

Ученый секретарь диссертационного совета доктор технических наук,профессор

С.Г.Драгомиров

Общая характеристика работы

Диссертация посвящена совершенствованию материально- технического обеспечения автотранспортных предприятий для повышения эффективности их работы, в частности за счет обеспечения оптимальным количеством запасных частей (34). Актуальность работы

Система материально-технического снабжения на автомобильном транспорте оказывает существенное влияние на повышение технической готовности подвижного состава. Поэтому совершенствование организации обеспечения 34 является одним из направлений повышения эффективности его технической эксплуатации.

В стоимостном выражении доля 34 составляет от 30 до 60% нормируемых оборотных средств автотранспортных предприятий (АТП).

На потребление 34 существенное влияние оказывают эксплуатационные факторы. Совершенствование методов планирования потребности в 34 в первую очередь основывается на учете этих факторов путем разработки автоматизированной информационной технологии (ЛИТ) на основе системы прогнозирования потребности в 34.

Выделим некоторые особенности состояния автомобильного транс-, порта и вызываемые ими последствия: повысилась конкуренция перевозчиков; работа предприятий происходит в условиях инфляции, что приводит к недостатку оборотных средств, сокращению инвестиций; рост цен на 34 увеличивает расходы, сокращает прибыль, снижает конкурентоспособность; парк автомобилей и оборудования стареет.

Необходимо сокращение затрат и ресурсов на автомобиль за счет индивидуализации учета. Нужна оперативная информация обо всех источниках и размерах расхода ресурсов по каждому автомобилю.

Общероссийские нормы расхода 34 осредненные, они не учитывают факторы, существующие в условиях конкретного АТП. Недостатки планирования усугубляются плохой информационной базой, недостатками учета и существующей организационной структурой снабжения 34 и несовременными методами управлениями запасами.

Изложенное стимулирует поиск резервов улучшения планирования и управления 34 на базе применения современных математического аппарата, методов прогнозирования и применения АИТ.

Цель работы

Целью работы является повышение эффективности деятельности автотранспортного предприятия за счет внедрения АИТ для обеспечения его оптимальным количеством 34. Объект исследования

Экспериментальной базой выбрана подсистема снабжения и резервирования (ПСР) предприятия автомобильного транспорта.

Научная новизна работы

Новизна работы заключается в том, что разработаны система комплексного краткосрочного адаптивного прогнозирования потребности в 34 и методика прогнозирования потребности в 34 на основе фактического выбытия ДУА за определенный временной или по пробегу интервал с учетом условий эксплуатации. Предложена ЛИТ реализующая методику прогнозирования потребности в 34. Дано определение понятий «нормативная потребность в 34», «выбытие деталей, узлов, агрегатов (ДУА) из эксплуатации»; предложены показатели выбытия ДУА из эксплуатации. Практическая ценность

Практическая ценность работы заключается в возможности объективно, с помощью предложенной АИТ, определять потребность в 34 для конкретного АТП. Технология является универсальной и может быть использована для различных АТП, имеющих компьютерную информационную систему (КИС) (источник данных для АИТ), что повысит эффективность ТО и ТР, снизит издержки, и, как следствие, повысит технические и экономические показатели предприятия. Реализация результатов работы

Разработанная АИТ определения потребности в 34 внедрена в 11 автобусном парке Муниципальной Компании «Мосгортрапс», г. Москва, и в учебном процессе кафедры «Автомобильный транспорт» ВлГУ. Па защиту выносятся

Система комплексного краткосрочного адаптивного прогнозирования потребности в 34; методика прогнозирования потребности в 34; АИТ прогнозирования потребности в 34; исследование выбытия ДУА из эксплуатации в зависимости от эксплуатационных факторов; исследование статистических характеристик динамических рядов выбытия ДУА. Аиробация работы

Основные результаты исследования доложены и одобрены на научно-методических семинарах кафедры «Автомобильный транспорт», на научно-практических и международных научно-практических конференциях 1997-2005 гг. (ежегодные конференции на базе ВлГУ), в материалах XXIII Российской школы по проблемам науки и технологий. Межрегиональный совет по науке и технологиям, г.Миасс, 2003г, в материалах международных конференций "Проектирование, испытания, эксплуатация транспортных машин и транспортио-технологических комплексов", г. Нижний Новго-род,2005г. ,"МАДИ(ГТУ) - 75 лет ", г. Москва, 2005г. Публикации Материалы исследования опубликованы в 28 статьях. Структура и объем диссертации

Диссертация состоит из введения, четырех глав, выводов, списка литературы и приложений. Объем составляет 176 страниц машинописного

текста (компьютерная верстка),. 25 таблиц, 26 рисунков, 3 приложения. Список литературы из 146 наименований. Содержание работы

Во введении показана актуальность решаемой проблемы и дана общая характеристика выполненной работы. Сформулировано направление исследований, приведены положения отражающие новизну работы, и положения, выносимые автором на защиту.

В первой главе рассмотрены нормативные документы и литературные источники, посвященные определению (прогнозированию) потребности в 34. Проанализированы достоинства и недостатки различных методов. Предложена схема существующих научно- методических подходов определения потребности в 34. Установлено, что ряд методик базируется на основе теорий восстановления, надежности, вероятности, массового обслуживания, управления запасами, износа. Известно использование методов статистического моделирования, статистической информации, корреляционно-регрессионного анализа, экономических критериев, экспертных оценок и прогнозирования временных рядов (модели Брауна, Хольта, экспоненциального сглаживания и наименьших квадратов).

В результате обзора нормативных документов и литературных источников выявлено следующее. В проблеме совершенствования методов определения потребности в 34 в условиях АТП проведен анализ факторов, влияющих на потребление 34; проанализированы основные существующие методы определения или нормирования расхода 34. Анна-лиз факторов показал, что повышение эффективности снабжения 34 в условиях АТП может быть достигнуто совершенствованием нормативно-справочного обеспечения и использованием АИТ.

По результатам обзора выявлены недостатки различных методов определения и нормативно-методических материалов используемых в расчетной практике по определению потребности в 34. Выбраны и обоснованы направления совершенствования методов прогнозирования потребности в 34 на уровне АТП, позволяющие уменьшить недостатки.

Для методов прогнозирования потребности в 34 направлениями совершенствования являются: учет факторов определяющих потребление 34 в сфере эксплуатации; методы определения потребности в 34 использующие показатели, значения которых можно оперативно получить в условиях эксплуатации при минимальных трудовых затратах.

Перспективным методом определения потребности в 34 следует считать комплексный метод прогнозирования, где прогноз результат нескольких методов прогнозирования, что позволяет наиболее полно учесть влияние разных факторов сложившихся в конкретном АТП.

Выбытие ДУА это относительно короткие динамические ряды, а прогноз относится к краткосрочному. Эффективный прогноз из-за слож-

ности алгоритмов прогнозирования реализуется только с применением АИТ. КИС АТП содержат, как правило, необходимую информацию для прогнозирования потребности в 34 на основе динамических рядов выбытия ДУА. Исходя из анализа, целью настоящего исследования является повышение эффективности работы АТП путем оптимизации запасов 34.

Для достижения поставленной цели необходимо решить задачи:

1. разработать систему комплексного краткосрочного адаптивного

прогнозирования потребности в 34;

2. поставить эксперимент по исследованию свойств динамических рядов выбытия ДУА на примере 11 автобусного парка ,г. Москва;

3. разработать методику прогнозирования потребности в 34;

. 4. разработать АИТ прогнозирования потребности в 34;

5. провести экспериментальное прогнозирование потребности в 34 с учетом факторов эксплуатации, влияющих на выбытие ДУА;

6. реализовать технологию в производственных условиях.

Во второй главе, с учетом результатов обзора первой главы, приведены теоретические исследования включающие: рассмотрение выбытия ДУА как динамических рядов; сформулированы требования к прогнозирующей системе; дана общая схема прогнозирования потребности в 34; предложены классификация моделей прогнозируемого процесса; методология эксперимента по исследованию свойств динамических рядов выбытия ДУА и прогнозирования потребности в 34 :в системе краткосрочного адаптивного прогнозирования, см. рис.1.

Первый этап математического прогнозирования потребности в 34 — это сбор и подготовка данных о прогнозируемом процессе, как правило, подверженном влиянию случайных возмущений, искажающих истинные значения процесса. Решение задачи прогнозирования зависит от того, насколько точно наблюдаемые значения характеристик прогнозируемого процесса отражают этот процесс. Поэтому используемые статистические данные нужно «очистить» от различных искажающих «примесей». Второй этап прогнозирования заключается в выборе и обосновании моделей прогнозируемого процесса. При математическом прогнозировании предполагается, что вид модели процесса, принятый на основании наблюдений за этим процессом, не изменяется на участке прогнозирования

Третий этап прогнозирования заключается в определении неизвестных параметров модели и получении зависимостей, позволяющих определить прогнозные значения характеристик процесса. Проводится обработка статистических данных, чтобы определить наилучшие в некотором смысле неизвестные параметры выбранной модели. Использован критерий минимума суммы квадратов отклонений наблюдаемых параметров процесса от вычисляемых но выбранной модели. Предусмотрена «очистка» статистических данных от искажающих шумов с последующим

определением зависимостей, позволяющих осуществить прогнозирование характеристик процесса.

Четвертый этап. Прогнозирование, т.е. вычисление значений характеристик процесса в заданный момент времени (пробега) и при заданных значениях параметров модели. С увеличением интервала упреждения ошибки прогноза возрастают. Прогноз .делается для того, чтобы предпринять какие-либо действия, т.е. система прогнозирования ,

Г" Методы экстраполяции

Этапы математического прогнозирования

Сбор и подготовка исходных данных, (динамические ряды выбытия ДУА)

Выбор и использование модели в зависимости от характеристик динамического ряда

Определение неизвестных параметров модели и очистка статистических данных.

Процесс прогнозирования потребности в 34

Расчеты ошибок прогнозирования и доверительных интервалов

краткосрочного прогнозирования Данные по периодам , определение удельных и относительных показателей выбытия ДУЛ

Стационарный, нестационарный; трепдовый, без - -тренда; сезонные эффекты - (есть, нет)

Получение зависимости, I связывающей прогнозные характеристики со временем или пробегом

Вычисление потребности в 34 в заданный интервал времени (пробега) при заданных значениях других известных переменных

Получение прогнозов потребности в 34 но моделям " базового набора

Рис. 1. Этапы эксперимента по прогнозированию потребности в 34

часть системы ПСР в составе технической службы ЛТП. Для принятия правильного, обоснованного решения естественно требовать от прогнозирующей системы наибцлее точного, возможного в данных условиях, прогноза. Однозначной рекомендации по выбору величины интервала упреждения для различных процессов дать нельзя. При прогнозировании потребности в 34 целесообразен месячный интервал упреждения. Прогнозирование характеристик процесса, подверженного воздействию

случайных помех, нельзя выполнить точно, т.к. невозможно точно определить параметры модели (даже если ее вид выбран верно) из-за наличия случайных помех на участке наблюдения (нечеткое ведение складских документов, ошибки оператора при вводе данных в ЭВМ) и па участке прогнозирования.

Следующие виды моделей фактического выбытия ДУЛ использованы при математическом прогнозировании потребности в 34. Предлагаемые обобщенные модели включают в себя частные модели прогнозирования. Есть модель, в которой потребность у явно выражается через параметры: У = Па,х) + <р{Ь ,х)е , (1)

где /(а,х),<р(Ь,х)- детерминированные функции; х- вектор известных параметров в частности выбытие ДУА, одной из составляющих которого является время или пробег I; а,Ь- векторы неизвестных, подлежащих определению параметров; е- случайный процесс. На практике о е предполагается равенство нулю его математического ожидания, дисперсия постоянна и неизвестна, распределение нормальное и е есть некоррелированный случайный процесс.

Функция /(а,х) -детерминированная основа процесса (ДОП) прогнозируемой величины у. Она характеризует значения, которые имела бы «действительная» величина у, при отсутствии воздействия случайной помехи в .Функция <р(Ь,х) характеризует ограничения, накладываемые на воздействие помехи е. При

<р(Ь,х)* 1, (2)

модель (1) принимает вид у = /(а ,х) + е .Это модель, в которой помеха складывается с ДОП (аддитивное воздействие помехи), является наиболее распространенной. При <р{Ь ,х) = 0 , модель (1) детерминированная:

у=/(а,х), (3)

и задача прогнозирования потребности в 34 сводится к задаче правильного (соответствующего действительному) выбору вида функции у = / (¿Г, х) , характеризующей реальный процесс выбытия ДУЛ. Есть модели процессов, ДОП которых подвержена воздействию возмущения:

У = Ла,х)<Р(Ь,хУ. (4)

Это мультипликативное воздействие при котором выбытие ДУА зависит и от сезонности, на пример зима-лето, причем с общим увеличением выбытия ДУА амплитуда сезонных колебаний растет. Подобные процессы при выполнении условия (2) становятся детерминированными процессами вида (4). В случаях, когда /(а,х) > 0,р(Ь,х) > Омодель (4) сводится к модели (1) логарифмированием 1пу = \п/(а,х)+£1п<р(Ь, х), или у* =/'(а,х) + <р"(Ь,х)£. На практике есть виды функций /(а,х),

характеризующих ДОП прогнозируемых процессов. При размерности вектора х равной единице прогнозируемая величина ищется в функции только одного известного параметра (время или пробег) как х = t . Модель этого процесса есть у = f(a,t) + £ ~ а + a. Из формулы следует, что ДОП такого процесса константа (постоянная модель). Следовательно, наблюдения за таким процессом в различные моменты времени представляют случайную выборку из некоторого распределения с математическим ожиданием, не зависящим от времени или пробега. Наличие случайной помехи с не позволяет точно определить величину а. Имеется возможность приближенно найти некоторое значение f{à,t) = a

или оценку ДОП выбытия ДУА. Оценка а будет тем ближе к а (при определенном Е ), чем дольше наблюдается процесс. В качестве точечного прогноза среднего значения процесса в момент времени tN + At

выбирается а, т.е. f{à,tN + At) = а . ДОП линейной модели:

/(¿Г,0 = я0 + а 1/ , (5)

Из (5) следует, что наряду с постоянной составляющей ад имеет место составляющая a,t, изменяющаяся с постоянной скоростью Я/. Наличие помехи s не позволяет найти истинные значения коэффициентов ап и «/. Оценка ДОП /(â,t) = ô0 + à,/ будет неизбежно отличаться от (5). Точечным значением прогпоза ДОП выбытия ДУА в момент tN + Л« выбирается значение fiflJn + At) = a0 + cl, (tN +At), Рассмотренные ДОП выбытия ДУА (постоянная и линейная) частные случаи полиномиальной модели:

:/<e.o = É (6)

(«О

которая в общем случае, является полиномом п- ой степени. Для полинома его степень будет отличаться от степени свободы модели, которую он представляет. Степень свободы модели, описываемой (6), равна п+1.

п .

Оценка ДОП (б) записывается как/(<5,0 = Уа , а точечный прогноз

(=0

потребности в 34 в . момент времени tH + Лг - в виде

п

. В подавляющем большинстве случаев ДОП искажена помехой е. Поэтому, попытка выбрать степень полинома

и

таким образом, чтобы кривая

V ' прошла через все точки,

. .1=0

полученные в результате наблюдения за исследуемым процессом, приведет к плохому прогнозу, из-за невозможности ослабить влияние

я

случайной помехи е на ДОП. Превышение второго порядка полинома не приводит к существенному увеличению точности прогноза, но значительно усложняет расчет.

Предложены, выбраны и обоснованы адаптивные методы и их модели краткосрочного прогнозирования реализованные через базовый набор методов прогнозирования потребности в 34.

Методы: простого экспоненциального сглаживания с моделями (простая, с трендами линейным, квадратичным); экспоненциального сглаживания с адаптацией параметров с помощью следящего контрольного (трекинг) сигнала с моделями (простая, с трендами линейным, квадратичным); экспоненциального • сглаживания с сезонными моделями (шесть моделей с аддитивными и мультипликативными коэффициентами сезонности); адаптивной фильтрации с авторегрессионными коэффициентами.

Ценность прогноза определяется его точностью, которая зависит от степени совпадения будущего значения процесса с оценкой этого значения, сделанной заранее. Наблюдения за реальными процессами проводятся в условиях помех, а протекание процессов подвержено влиянию случайных факторов. Поэтому нельзя рассчитывать, на то, что прогноз будущего значения процесса будет абсолютно точен. Хотя нельзя точно предсказать будущее значение процесса, можно заранее выделить область, которая с заданной вероятностью покроет будущее значение процесса. Размеры области есть характеристика качества прогноза.

Пусть модель прогнозируемого процесса будет y(i) = f(â,t) + e(t). Здесь ^(()-прогаозируемый процесс; f(S,t)- ДОП; â - вектор неизвестных подлежащих определению параметре в;е(У — помеха с нулевым математическим ожиданием. Ошибка прогноза в момент времени или по пробегу t + ht определится как:

Ô « + Ai) = У(1 + А/) - j>(< + Л О . (7)

где ){i + At) = f(â,t + At) -точечный прогноз, сделанный по результатам наблюдений за процессом до момента t включительно при неизменности вида/- ДОП f(â,t) ;y(t + At) — действительное значение процесса в момент t + Д( .При построении точечных прогнозов принимаются во внимание случайные элементы: у помехи z(t), нулевое математическое ожидание и произвольный закон распределения; разности .y('i)-/("•'/)> сумма квадратов или взвешенных квадратов, которых минимизируется для отыскания оценок коэффициентов â. Отличие от нуля этих разностей объясняется (при условии неизменности и совпадения вида / ДОП и ее оценки) случайной помехой e(t). При совпадении f и e(t), математическое ожидание распределения этих разностей равно нулю, а вид распределения совпадает с видом распределения помехи. Ошибка прогноза (7) является статистическим элементом, отличающимся от разности па участке

наблюдения >■(',)-/(«,',) тем, что действительное значение процесса будет иметь место в будущем, и его нельзя использовать для определения неизвестных параметров модели. Качество прогноза, как правило, принято оценивать по минимуму ошибки прогноза определяемую, через среднюю квадратическую ошибку.

Каждая из моделей базового набора описывает одну сторону динамики процесса, отображаемого рядом. Совместное использование нескольких моделей позволяет точнее и полнее описать и спрогнозировать эту динамику. Поэтому целесообразно объединять частные прогнозы, получаемые по отдельным, моделям в комплексный прогноз. К частным прогнозам предъявляется одно требование — отсутствие систематической ошибки. В исследовании комплексный прогноз представляется в виде взвешенной

N

суммы частных прогнозов .Уь =УЛ/ "У,-, где у,— 1-й прогноз; к, — его вес; N

количество прогнозов. Веса к, определяют качество прогноза. Больший вес придается набору прогнозов, который содержит меньшие средние квадратические ошибки. Значения весов к1\к2-,..Лн, при которых дисперсия

N

оценки прогноза у* минимальна есть К По к, находятся

комплексный прогноз (8) и его дисперсия (9).

г \2

1

я у'

1

ЧН У

1

'' Ы;{9) 11

Формулы использованы при компьютерной реализации. Резюме

1. Предложена система комплексного краткосрочного адаптивного прогнозирования. Поставлен эксперимент по прогнозированию потребности в 34.

2. Особенности динамических рядов выбытия ДУА предполагают применение адаптивных методов краткосрочного прогнозирования потребности в 34.

3. Для повышения достоверности прогноза предложен комплексный прогноз так как частные прогнозы отражают одну сторону динамики.

4. В результате постановки эксперимента предложен базовый набор методов и их математических моделей прогнозирования потребности в 34.

В третьей главе исследованы марочная, возрастная и по пробегу структуры подвижного состава 11 автобусного парка ГК Мосгортраис, г.

Москва. Установлено постоянное уменьшение количества автобусов парка, пополнение автобусами не компенсировало снижение списочного состава и его качество. Возраст подвижного состава увеличивался. Доля автобусов с пробегами свыше 300 тыс. км росла. Структура парка ухудшалась, это значит, что выбытие ДУА должно расти на автобус, хотя в работе [2] автора исследования показано, что со старением автобусов выбытие ДУА может снижаться (увеличение простоев в ТО и TP).

Объектами исследования выбытия ДУА выбраны автобусы Икарус-280, ЛиАЗ-677 и Мерседес- Бенц. Они многочисленны (основные марки), эксплуатируются длительное время, а в КИС имеется представительная статистика по выбытию их ДУА. Использовались данные КИС с января 1996 по декабрь 2001гг. (периоды-месяцы с26 по 85). Автобусы Мерседес-Бенц однородная выборка (практически одинаковые возраст и начальный пробег).

Исследование зависимостей выбытия ДУА от различных факторов проводилось по автобусам марки Мерседес- Бенц.

Введено понятие старения автобуса в течение периодов наблюдения и исследовано выбытие ДУА в зависимости от старения. Старение связано с возрастом и пробегом автобусов. Итак, старение автобуса это изменение его возраста от принятой временной точки отсчета.

Для оценки прекращения эксплуатации ДУА введено понятие "выбытие ДУА", определяемое как акт снятия с транспортного средства неисправного элемента или комплекта, благодаря чему возникает потребность в 34.

Выбытие ДУА предложено характеризовать с помощью показателей, которые можно рассматривать как характеристики потребления 34. В формулах Amj— количество автобусов работавших в периоде.

za j=z/Amj[3/a], где za j — количество замен ДУА на автобус j-ой марки за период; zj - количество замен ДУА за период; [з/а]- замен на автобус за период.

rctj=zj* k/AmJfed/aJ, где raj - расход ДУА на автобус за период; к}— количество однотипных ДУА приходящихся на одну замепу;/е<Э/я/ — единиц ДУА на одну замену на автобус за период.

zapj*=1000*(zj /Amj)/P„,j ,[з/а*км], где zapj - количество замен ДУА на автобус за период и на 1000 км. пробега ; PmJ - пробег автобуса за период в километрах — [км]. Прочие обозначения как у переменной zaj.

rapj=1000*(rj.k/Am])/Pmj,[J 000 *ед/а *км], где rapj - расход ДУА на автобус за период и на 1000 км пробега (удельный нормированный по пробегу расход); PmJ — пробег автобуса за период в километрах - [км]. Прочие обозначения как у переменной raj. ,

znpj=np/A„^ [hJ, где znpj - номенклатура ДУА на автобус замененных за период; npj — номенклатура замененная за период;

гш}=и//Л„у /и/,где гщ - номенклатура ДУЛ замененных за интервал пробега на автобус; щ— номенклатура замененная за интервал пробега.

Выявлено, увеличение показателей в зависимости от возраста и пробега общего с линейной тенденцией и периодическими составляющими. На рис.2 показано изменение некоторых показателей выбытия ДУА на автобус Мерседес- Бенц по годам. Подтвердилось предположение о наличии линейной регрессии между показателями и исследуемыми факторами, см.рис.З.

Выбытие ДУА. Автобус Мерседес-Бенц

ЗГ

( —ст замен, -"ттрзсход) дуа на автобус —»заменено наименований дуа (-тгэамвн, -г:расход дуанз автобус и на 1000км

2001 2002

Периоды наблюдения,годы

Рис.2. Изменение показателей выбытия ДУА для Мерседес -Бет/ Значение выборочного коэффициента корреляции, г>0,9, указывает на сильную линейную зависимость между переменными, а линия регрессии значима (р — значение=0,0000, при уровне значимости а=0,05). Высокие значения Б - отношений Р=293,60, а) рис.3, и Р=85,40, б) рис.3 с

Регрессия |юга=-15,3793»0,7195'рег. г=0,9138

Регрессия по га* '7,6242+2,5077**. ги0,9269

Периоды наблюдения^),мае. 95% доверие имт-рилыпробег.„о го™.«». «к ,о..Р™

а)-от возраста б) -от интервалов пробега

Рис.3. Рассеяние и линия регрессии расхода ДУЛ на автобус Мерседес-Бенц в месяц р- значением =0,0000 свидетельствуют о значимости линейных зависимостей. Коэффициенты детерминации

К2_=0,835 , а) рис.3 и К2_=0,849, б) рис.3

объясняют более 80% ре1ресссии.

Исследована структура рядов расхода ДУА с целью изучения влияя-ния на расход сезонности и проверки достаточности математических функций для описания трендов рядов из базового набора методов прогнозирования, Среди исследованных 44 рядов расхода ДУА, лимитирующих

надежность и заменяемых ежемесячно, визуально в 32 отчетливо наблюдаются тренды, см. рис.4 а) (исходный ряд), (ряды нестационарные).

Траектории рядов изрезаны, что указывает на цикличность (периодичность), на сезонность или на сильное зашумление ряда.

При плохо заметном тренде для его выявления применялось сглаживание ряда скользящим средним отфильтровывающее шум и преобразующее данные в относительно гладкую кривую, см. рис. 4 а) (сглаживание). Выявление тренда графическим методом позволяет оценить возможный тип развития тенденции расхода ДУА и появляется возможность получить представление о размещении эмпирических уровней ряда.

Ю ю €Т>

ГО Ш О

б е а

га £ (и О- га С

Икарус-280.82762 Ремень 12,5x1225

-тг исходный ряд ,

...... подгонка

- сглаживание

остатки с регрессией

1.0 0,5 0,0 -0,5 -1,0

Выборочная АКФ ряда Икэрус-280 82762-ремень 1.25x1225

41 О (О NN О) 1

^ Л

а)

Ю Ч) N ¡О

N N Ш +" +" +' +" +".+"

1.0 0,5 0,0 -0,5 ■1,0

Выборочная АКФ остатков ряда Ихарус-280 . 82762-ремень 1,25x1225

У) «VI ^ ш

^^ О N

N00'

1—__ О т-_ О N Л ^ К)

6) в) Рис. 4.1'яд расхода ДУА на один автобус в месяц (экспоненциальная модель) Получение обобщенной характеристики измерения тренда осуществлялось методом аналитического выравнивания (подгонки). Подгонка к фактическим данным рядов осуществлялась по 17 математическим функциям, шесть из которых полиномы с нулевой по шестую степени. Для выбора наиболее подходящей функции осуществлялся сравнительный анализ трендов исходных данных перебором решений по намеченным математическим функциям. Показатель качества подгонки коэффициент детерминации Я2 высокозначимый.

Проведена подгонка но математическим моделям базового набора методов прогнозирования потребности в ЗЧ,см.табл.1. Базовый набор методов прогнозирования содержит достаточное количество математичес-

Таблица I

Модель Математическая формула Частота

Постоянная у = а0 13

Линейная У-ао + В|-х 15

Квадратичная у = ао + а|'х + Я2'*1 9

Экспоненциальная у = ехр(ао+ Э|-х) 7

х - уровень ряда расхода ДУА.

ких моделей для прогнозирования потребности в 34. Частота применения моделей базового набора к 44-м исследованным рядам в табл. 1.

Реальные условия формирования уровней рядов выбытия ДУЛ таковы, что совокупное действие факторов сферы эксплуатации, влияющих на выбытие ДУА, обуславливает такое изменение показателей рядов, которые не согласуются с основными признаками типовых эталонных функций, что осложняет выбор адекватной математической функции для аналитического выравнивания. Это обстоятельство вынуждает оценивать адекватность подогнанных моделей трендов расхода ДУА. Адекватность проверялась через исследование остатков (разность между наблюденными значениями и значениями полученными по оценочному уравнению). Модель тренда подогнана, если остатки являются процессом белого шума. При этом в остатках не будет периодических колебаний, систематического смещения, между ними не будет сильных автокорреляций, т.е. остатки есть стационарный процесс.

Исследование автокорреляции в остатках рядов 44 ДУА проведено по критерию Дарбина- Уотсона, см. табл.2.

Таблица 2

Адекватных . моделей Неадекватных моделей Неопределенные значения критерия

С циклической компонентой

19 2 11 14

Циклическая компонента определена с помощью визуального исследования выборочной автокорреляционной функции (АКФ) остатков, см. рис.4 в). Наличие циклической компоненты свидетельствует о том, что на расход ДУА оказывают влияние сезонные эффекты, а тренд может содержать дополнительную циклическую компоненту.

Для окончательного суждения об адекватности подгонки моделей проверялось согласие распределения остатков с нормальным. Нормальность оценивалась с помощью гистограмм и графиков Р - Р остатков на вероятной бумаге. Проверку не выдержали три ДУА. Ряды расхода ДУА исследовались на наличие циклической компоненты, представляющей квазипериодические долговременные колебания. Применялись три теста. Результаты в табл.3.

Таблица 3_^_' _

__Циклическая компонента/номенклатур ДУА _

есть/27 | нет/17

Табл. 3 показывает наличие значительного количества номенклатуры ДУА имеющих циклические компоненты, что объясняется наличием сезонных эффектов или периодическими выбытием-пополнением автобусов Это нужно учитывать при прогнозировании потребности в 34. Методика прогнозирования потребности в 34

Исследование структуры рядов выбытия ДУА подтвердило, что теоретические исследования, изложенные в главе 2, оказались обоснованными. Ряды имеют различную структуру. Большинство их нестационарные, с различными по характеру трендами, вид которых в зависимости от исследованных факторов, отличается друг от друга для одной и той же ДУА. Ряды подвержены или нёподвержены сезонным эффектам. В базе данных КИС предприятия ведется учет качества хранящихся 34 (новые, неновые), что по возможности нужно учитывать при прогнозировании для повышения достоверности прогноза.

Методика прогнозирования потребности в 34 предложена в соответствии с разделом «Система комплексного краткосрочного адаптивного прогнозирования потребности в 34» главы 2 и учитывает результаты исследования структуры рядов выбытия ДУА. Структурно методика состоит из элементов показанных на рис. 5 и выполняемых последовательно. Резюме

1. Введены удельные и относительные показатели выбытия ДУА, учитывающие изменение списочного количества и пробег за период.

2. Проведение корреляционно- регрессивного анализа выявило линейную зависимость некоторых показателей выбытия ДУА от ряда факторов эксплуатации (возраст, пробег общий, интервалы пробега).

3. Подтвердились теоретические исследования и обоснования приведенные во второй главе.

В четвертой главе обобщены теоретические и экспериментальные исследования, позволившие разработать структуру АИТ прогнозирования потребности в 34 в ПСР, методическое, функциональное, алгоритмическое и программное обеспечение элементов ПСР подвижного состава. Выполнено практическое прогнозирование потребности в 34 по 44-м ДУА.

Эффективная реализация методов краткосрочного адаптивного прогпо зирования, предложенных в главе 2, возможна только на основе основе АИТ, Основой АИТ должна быть КИС, построенная на базе персональных компьютеров (ПК) и системных решений объединяющих ПК в локальную сеть. АИТ реализована как пакет прикладных программ (Г1ПП). Модель ППП представлена четверкой Д =< Ь,Р,М,Р >, где I,- входной язык пакета; Р— прикладные программы-модули; М-информационная модель предметной области; Р- управляющая программа. Пара (Р, М) это функциональное наполнение пакета. Язык Ь единственный компонент пакета, представляющий все его возможности, которые пользователь должен хорошо знать.

Язык Ь представляется грамматикой и языковым процессором несвязанным с конкретными прикладными программами. Язык обеспечивает взаимодействие пользователя с ППП. Компонент Р- программные модули, обеспечивающие решение задач прогнозирования из предметной области. Они оформлены в библиотеки подпрограмм, представленных в некотором стандартизованном виде. Компонент М- информационная модель предмет-1 ■

Выбрать ряд выбытия ДУА по номенклатурному номеру

2 " Дифференцирование ряда по качеству ДУА * *

признак качества: новые, неновые

вьгарать часть ряда с новыми ДУА

Выбрать ряд полностью

выбрать часть

ряда с неновыми ДУА

X

Определение показателей выбытия ДУА для ряда в зависимости от возраста (переменная per)

показатели: га - расход ДУА на один автобус в месяц гар - расход ДУЛ на один автобус в месяц и на 1000 км пробега

Рис. 5. Методика прогнозирования потребности в 34

16

проверка частных прогнозов на непротиворечивость

_ 17 |

Получить комплексный прогноз у* и его среднюю квадратическуго ошибку <т *у, по частным прогнозам

из п прогнозов к<п непротиворечивы

Рис. 5. Окончание

Т7

пой области (ПСР), которая область определяется совокупностью прикладных проблем, характеризуемых некоторым множеством частных задач обладающих общностью применяемых информационных массивов. Эти задачи реализует монитор Г— управляющая программа пакета, которая выполняет роль специализированной операционной системы(ОС)-посредника между пользователем и базовой ОС сервера сети ПК. Взаимодействие компонентов показано на рис. 6. Задание на языке Ь поступает в монитор Р, который согласно модели М, определяет последовательность модулей, выбирает их из библиотеки Р и исполняет.

Операционная система сервера

Рис. б. Взаимодействие компонентов ПГ1П информационной технологии

В соответствии с принципами организации ППП, см. рис.6, разработан укрупнённый алгоритм АИТ, где реализованы методика прогнозирования потребности в 34, см. рис.5, и средства позволяющие исследовать внутреннюю структуру рядов выбытия ДУА. Структура ряда исследовалась с помощью инструментов АИТ: графическое представление ряда; сглаживание ряда (скользящим средним, экспоненциальное); аналитическое выравнивание тренда ряда математическими функциями; исследование ряда с помощью АКФ при этом проверяются наличие тренда, периодичностсй, автокорреляций; тестирование на наличие колеблемости уровней ряда (три теста); сезонная декомпозиция; исследование остатков.

В рамках программной реализации АИТ прогнозирования потребности в 34 разработаны алгоритмы программной реализации АИТ в целом и методов прогнозирования потребностей в 34.

Прогнозировались 44 ряда расхода ДУА на автобус за период. В рядах по 60 элементов (cI.01.J997 по 31.12.2002гг). Прогнозирование проводилось по моделям некоторых методов из базового набора, табл. 4.

Таблица 4__

Метод прогнозирования Модель / частота модели Сезонность

Простое экспоненциальное сглаживание Постоянная/ 8 Н, М, А

Квадратичная/ 2 Н, М, А

Экспоненциальная/ 20 Н, М, А

Экспоненциальное сглаживание Линейная Брауна/ 2 Н, М, А

Линейная Хольта/ 2 Н, М, А

Линейна Уинтерса/ 6 Полностью сезонная

Н - нет. М - мультипликативная. А - аддитивная.

По каждой ДУА выполнено 33 прогнозов, по ним синтезирован комплексный прогноз (формулы (19) и (20)). Чаще использовалась экспоненциальная модель( 20 раз). Ф. Н. Авдонькин показал, что на значительных участках пробега расход ДУА должен экспоненциально возрастать по мере увеличения возраста автомобилей.

Расход ДУА, глава 3, зависит от сезонных эффектов. Прогнозирование показало, что сезонные модели преобладают над несезонными (23 прогноза против 21), что при формировании складского запаса 34 следует учитывать. От качества прогноза зависит ширина доверительного интервала прогноза, а значит и варьирование неснижаемого запаса 34.

Средняя абсолютная процентная ошибка (МАРЕ) показывает относительную точность прогноза. В табл. 5 показана интерпретация типичных значений МАРЕ прогнозов по 44-м ДУА.

Таблица 5

МАРЕ, % Интерпретация Частота Примечание

<10 Высокая точность 4 <8,6%

10-20 Хорошая точность 30 <=20,035%

20-50 Удовлетворительная точность 10 <28,6%

>50 Неудовлетворительная точность нет нет

Табл. 5 показывает хорошее качество прогнозов в целом, что свидетельствует о достаточности методов и моделей прогнозирования базового набора. Качественные прогнозы потребности в 34 основа определения минимальных норм расхода 34, а значит и неснижаемого запаса 34.

Эффективность АИТ в системе краткосрочного адаптивного прогнозирования проверялась сравнением принятого в АТП уровня неснижаемого запаса 34 (за 2001 год) и рассчитанного уровня на основе спрогнозированной потребности в 34. Сравнивались по 8 34 неснижаемого запаса и из перечня 44 исследованных ДУА. В одном случае уровни запаса совпали. В остальных случаях запас завышен, по сравнению с расчетным, на 30-50%, что свидетельствует об эффективности АИТ. Резюме

1. АИТ реализована в виде пакета прикладных программ.

2. Проведено практическое прогнозирование потребности в 34 по 44 ДУА. При этом сезонные явления как учитывались так и не учитывались. 3. Прогнозирование по моделям базового набора показало хорошую

точность прогнозов потребности в 34, что минимизирует складские запасы.

4. Сравнительный анализ нормативного неснижаемого запаса по некоторым 34 на промежуточном складе 11 автобусного парка, г. Москва, и неснижаемого запаса, определенного на основе спрогнозированной потребности в 34 с помощью АИТ, показал эффективность последней. Основные выводы и результаты

1. Разработана компьютерная автоматизированная информационная технология по определению потребности в автомобильных 34 базирующаяся на математических методах прогнозирования.

2. Исследованы факторы влияющие на фактическое выбытие деталей, узлов, агрегатов (ДУА). Показана необходимость удельных и относительных показателей выбытия ДУА.

3. Предложен комплексный метод прогнозирования для повышения достоверности прогноза потребности в 34.

4. Исследовано влияние некоторых факторов эксплуатации на выбытие ДУА с помощью регрессионно- корреляционного анализа.

5. Усовершенствован графический метод определения номенклатуры ДУА лимитирующих надежность.

6. Разработана методика краткосрочного прогнозирования на один шаг вперед, при возможности прогнозирования на несколько шагов.

7. Практически реализована, апробирована и внедрена в практику подсистемы снабжения и резервирования АИТ прогнозирования потребности в 34 В рамках компьютерной информационной системы 11-го автобусного парка, г. Москва.

8. Предложенная информационная технология способна решать и другие задачи технической службы АТП на основе информации компьютерной информационной системы предприятия, в частности прогнозирование потребности в ТО и ТР и простоев в них.

9. Дальнейшие исследования по данной тематике целесообразно проводить в направлениях: исследование адаптивных комбинированных моделей прогнозирования для последующего применения с целью определения потребности в 34 по информации о выбытии ДУА, модель способна переключаться в зависимости от динамики ряда; исследование методами кластерного анализа номенклатуры расходуемых ДУА с целью дифференциации их на группы в зависимости от различных факторов (сезонность, новые- неновые и т.д.), что улучшит качество прогноза, значит минимизирует складские запасы; исследование возможностей прогнозирования потребности в 34 по наработке ДУА на отказ.

Основные положения диссертации опубликованы в работах

1. Аринин И., Плеханов А., Коныгин П., Твиров А, Автоматизированный учет запасных частей // Автомобильный транспорт, 1985,N8. с.38 — 39.

2. Назаров А. А., Плеханов А. А. Исследование зависимости расхода запасных частей от возраста автобусов, с. 510-511//Фундаментальные и прикладные проблемы совершенствования поршневых двигателей. IX Международная научно-практическая конференция. Владимир 2003 г., 593 с.

3. Плеханов А. А. Компьютерный корреляционно-регрессионный анализ зависимости расхода автобусных запасных частей от возраста автобусов, с. 185-186 И Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств. X Международная. научно-практическая конференция 27-29 мая 2004 г. г. Владимир. ВлГУ. 368 с.

4. Плеханов А. А. Методика выбора номенклатуры деталей, узлов, агрегатов для прогнозирования потребности в запасных частях, с. 182- 184 // Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств. X Международная научно-практическая конференция 27-29 мая 2004 г. г. Владимир. ВлГУ. 368 с.

5. Плеханов А. А. Определение зависимостей возраст-расход запасных частей, с. . 189-191 И Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств. X Международная научно-практическая конференция 27-29 мая 2004 г. г. Владимир. ВлГУ. 368 с.

6. Плеханов А. А. Ошибки прогнозирования при определении потребности в автомобильных запасных частях, с. 400-403 // Фундаментальные и прикладные проблемы совершенствования поршневых, двигателей. IX Международная научно-практическая конференция. Владимир 2003 г., 593 с.

..?. Плеханов А. А. Прогнозирование потребности в запасных элементах по .фактическому расходу, с. 167-170 // Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств, IX Международная научно-практическая конференция 15-17 мая 2002 г. г.Владимир. ВлГУ. 361с.

, 8. Плеханов А. А. Требования к прогнозирующей системе определения потребности в автомобильных запасных частях и общая схема прогнозирования. с. 404-406 // Фундаментальные и прикладные проблемы совершенствования поршневых двигателей. IX Международная научно-практическая конференция. Владимир 2003 г., 593 с.

. 9. Плеханов А.А., Михайлов Я.А. Методика, прогнозирования потребности в запасных частях для автомобильной техники, с. 294 — 297 // Проектирование, испытания, эксплуатация, транспортных машин и транспортно-технологических комплексов, г. Нижний Новгород. НГТУ 2005г. Сборник материалов международной научно-технической конференции 17 - 19 ноября 2005 г. г. Нижний Новгород.

Подписано в печать 18.05.06. Формат 60x84/16. Бумага для множит, техники. Гарнитура Тайме. Печать на ризографе. Усл. печ. л. 1,16. Уч.-изд. л. 1,21. Тираж 100 экз.

Заказ

Издательство Владимирского государственного университета. 600000, Владимир, ул. Горького, 87.

Актуальность темы. Основная задача автомобильного транспорта состоит в своевременном и качественном удовлетворении потребностей народного хозяйства и населения в перевозках, в повышении эффективности в условиях рынка.

Система материально-технического снабжения на автомобильном транспорте оказывает существенное влияние на повышение технической готовности подвижного состава. Поэтому совершенствование организации обеспечения 34 подвижного состава является одним из направлений повышения эффективности его технической эксплуатации. ф В общем составе ресурсов, потребляемых автомобильным транспортом, существенная доля принадлежит 34. В стоимостном выражении они составляют от 30 до 60% нормируемых оборотных средств автотранспортных предприятий (АТП).

На потребление 34 существенное влияние оказывают эксплуатационные факторы. Совершенствование методов планирования потребности в 34 в первую очередь основывается на учете этих факторов путем разработки, автоматизированной информационной технологии (АИТ) на основе системы прогнозирования потребности в 34.

Выделены некоторые особенности состояния автомобильного транспорта и ® вызываемые ими последствия [1]: повысилась конкуренция перевозчиков; работа предприятий происходит в условиях инфляции, что приводит к недостатку оборотных средств, сокращению инвестиций; рост цен на 34 увеличивает расходы, сокращает прибыль, снижает конкурентоспособность.

Парк автомобилей и оборудования стареет. Необходимо сокращение затрат и ресурсов на автомобиль за счет индивидуализации учета. Нужна оперативная информация об источниках и размерах расхода ресурсов по каждому автомобилю.

Общероссийские нормы расхода 34 являются осредненными и не учитывают факторы, существующие в конкретном АТП. Недостатки планирования усугубляются плохой информационной базой, недостатками учета, существующей организационной структурой снабжения 34 и несовременными методами управлениями запасами.

Изложенное стимулирует поиск резервов улучшения планирования и управления 34 на базе применения современных математического аппарата, методов прогнозирования и применения АИТ.

Целью работы является повышение эффективности деятельности автотранспортного предприятия за счет внедрения АИТ для обеспечения его оптимальным количеством 34.

Объект исследования. Экспериментальной базой выбрана подсистема снабжения и резервирования (ПСР) предприятия автомобильного транспорта.

Научная новизна работы, заключается в том, что разработаны система комплексного краткосрочного адаптивного прогнозирования потребности в 34 и методика прогнозирования потребности в 34 на основе фактического расхода деталей, узлов, агрегатов (ДУА) за определенный временной или по пробегу интервал с учетом условий эксплуатации. Предложена АИТ реализующая методику прогнозирования потребности в 34. Предложены показатели выбытия ДУА.

Практическая ценность работы заключается в возможности объективно, с помощью АИТ, определять потребность в 34 для конкретного АТП. Технология универсальна и может быть использована в различных АТП, имеющих компьютерную информационную систему (КИС) (источник данных для информационных технологий), что повысит эффективность ТО и ТР, снизит издержки, и, как следствие, повысит технические и экономические показатели предприятия.

Реализация результатов работы. Разработанная АИТ определения потребности в 34 внедрена в 11 автобусном парке Муниципальной Компании «Мосгор-транс», г. Москва, и в учебном процессе кафедры «Автомобильный транспорт» ВлГУ.

На защиту выносятся: система комплексного краткосрочного адаптивного прогнозирования потребности в 34; методика прогнозирования потребности в 34; АИТ прогнозирования потребности в 34; исследование выбытия ДУА из эксплуатации в зависимости от эксплуатационных факторов; исследование статистических характеристик динамических рядов выбытия ДУА.

Апробация работы. Основные результаты исследования доложены и одобрены на научно-методических семинарах кафедры «Автомобильный транспорт», на научно-практических и международных научно-практических конференциях 1997-2005 гг. (ежегодные конференции на базе ВлГУ), в материалах XXIII Российской школы по проблемам науки и технологий. Межрегиональный совет по науке и технологиям, г. Миасс, 2003г, в материалах международных конференций "Проектирование, испытания, эксплуатация транспортных машин и транспортно-технологических комплексов", г. Нижний Новгород,2005г. ,"МАДИ(ГТУ) - 75 лет ", г. Москва, 2005г.

Публикации. Материалы исследования опубликованы в 28 статьях.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, выводов, списка литературы и приложений. Объем составляет 206 страниц

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработана компьютерная автоматизированная информационная технология по определению потребности в автомобильных 34 базирующаяся на математических методах прогнозирования.

2. Исследованы факторы, влияющие на фактическое выбытие деталей, узлов, агрегатов (ДУА). Показана необходимость удельных и относительных показателей выбытия ДУА.

3. Предложен комплексный метод прогнозирования для повышения достоверности прогноза потребности в 34.

4. Исследовано влияние некоторых факторов эксплуатации на выбытие ДУА с помощью регрессионно - корреляционного анализа.

5. Усовершенствован графический метод определения номенклатуры ДУА лимитирующих надежность.

6. Разработана методика краткосрочного прогнозирования на один шаг вперед, при возможности прогнозирования на несколько шагов.

7. Практически реализована, апробирована и внедрена в практику подсистемы снабжения и резервирования АИТ прогнозирования потребности в 34 В рамках компьютерной информационной системы 11-го автобусного парка, г. Москва.

8. Предложенная информационная технология способна решать и другие задачи технической службы АТП на основе информации компьютерной информационной системы предприятия, в частности прогнозирование потребности в ТО и ТР и простоев в них.

9. Дальнейшие исследования по данной тематике целесообразно проводить в направлениях: исследование адаптивных комбинированных моделей прогнозирования для последующего применения с целью определения потребности в 34 по информации о выбытии ДУА, модель способна переключаться в зависимости от динамики ряда; исследование методами кластерного анализа номенклатуры расходуемых ДУА с целью дифференциации их на группы в зависимости от различных факторов (сезонность, новые - неновые и т.д.), что улучшит качество прогноза, значит минимизирует складские запасы; исследование возможностей прогнозирования потребности в 34 по наработке ДУА на отказ.

10. Сравнительный анализ нормативного неснижаемого запаса по некоторым 34 на промежуточном складе 11 автобусного парка, г. Москва, и неснижаемого запаса определенного на основе спрогнозированной потребности в 34 с помощью автоматизированной информационной технологии, показал эффективность последней. Действовавший в 2001 году на предприятии неснижаемый запас обследованных ДУА по сравнению с рассчитанным на основе АИТ оказался завышенным на 30-40%.

1. Кузнецов Е.С. Управление техническими системами. - М: МА-ДИ, 1998. 202с.

2. Инструкция о нормативных оборотных средств государственных предприятий автомобильного транспорта (автотранспортных предприятий). -М: Минавтотранс РСФСР, Финансовое управление, 1964. 56с.

3. Билибина Н.Ф. Организация материально-технического снабжения на автотранспорте. М: МАДИ, 1982. 63с.

4. Сергеев В.И.,Щетина В.А., Гатлин A.A. Совершенствование материально-технического снабжения автомобильного транспорта на основе применения ЭВМ. Л: ЛДНТП, общество "Знание",1986. 28с.

5. Методика нормирования запасов товарно-материальных ценностей в транспортных управлениях Министерства автомобильного транспорта РСФСР. М: ЦНИЛ, 1983. 40с.

6. Методическое обеспечение определения норм производственных запасов сырья и материалов в промышленности на ЭВМ "Минск-32". М: НИПиН, 1980. 164с.

7. Методические указания по управлению запасами на базах снаб-женческо-сбытовых организаций Госснаба СССР с использованием экономико-математических методов и вычислительной техники. М: НИИМС, 1972, 155с.

8. Отраслевая методика разработки нормативов потребности в запасных частях к автомобилям на ремонтно-эксплутационные нужды. М: НИИАТ,1976. 38с.

9. Рыжиков Ю.И. Управление запасами. М: Наука, 1969. 344с.

10. Мавриченко В.Н. Усиление режима экономии автотранспортных предприятий за счет ускорения оборачиваемости оборотных средств. М: ЦБНТИ Минавтотранса РСФСР, 1977. 48с.

11. Сергеев В.И., Лукинский B.C. Анализ метода расчета количества запасных частей к автомобилям. Совершенствование хозяйственного механизма на автомобильном транспорте. Л: ЛИЭИ,1981.65-78с.

12. Геронимус Б.Л. Экономико-математические методы в планировании на автомобильном транспорте. М: транспорт, 1977. 48с.

13. Методика разработки нормативов потребности в запасных частях и агрегатах к автомобилям, тракторам и сельхозмашинам на ремонтно-эксплутационные нужды. -М: ГосНИТИ, 1974. 82с.

14. Типовая методика разработки нормативов потребности в запасных частях и восстановленных деталях тракторов, автомобилей и сельскохозяйственных машин на ремонтно-эксплуатационные нужды. М: НИИ-ПиН,1980. 80с.

15. Типовая методика нормирования производственных запасов сырья и материалов в промышленности с применением ЭВМ. М: НИИПиН, 1979. 69с.

16. РТМ 23.2/70.63-77 Методические указания по определению номенклатуре и нормативов резервного фонда запасных частей, подлежащих хранению на базах республиканских, краевых (областных) объедине-ний."Сельхозтехника". М: ГосНИТИ, 1974. 41с.

17. РД-200-РСФСР-14-0028-84.Инструкция по нормированию расхода запасных частей на капитальный и текущий ремонт подвижного состава автомобильного транспорта. М: ЦНИЛ, 1984. 40с.

18. Инструкция о порядке разработки, согласования и утверждения номенклатуры, запасных к автомобилям, тракторам и сельхозмашинам. М: ЦНИИТЭИ, 1972. 49с.

19. Методика по составлению и уточнению номенклатуры и норм расхода автомобильных запасных частей. М: НАМИ, 1966. 49с.

20. Методика разработки норм расхода запасных частей к автомобилям. М: ЦНИЛ, 1974. 52с.

21. Кузнецов Е.С. Управление технической эксплуатацией автомобилей. М: Транспорт. 1982. 224с.

22. Федоровский B.C., Раджабов С. Исследование расхода запасных частей ВАТП методами регрессивного анализа. Системы управления автомобильным транспортом. М: НИИАТ, 1976. вып.2. 9-25с.

23. Шейнин В.А. Методы нормирования расхода запасных частей для автомобилей: Конструкция автомобилей. М: НИИавтопром, 1976, №6. 51-56с.

24. Кузнецов Е.С. Программно целевой подход к управлению технической эксплуатацией и надежностью автомобилей. М: Транспорт, 1988 65-78с.

25. Щетин В.А., Лукинский B.C., Сергеев В.И. Снабжение запасными частями на автомобильном транспорте. М: Транспорт, 1988. 112с.

26. Потребление и нормирование запасов ремкомплектов (Якинский Н., Гринберг П., Апокорин Д. и др.). Автомобильный транспорт, 1983, №11. 42-45с.

27. Михлин В.М. Прогнозирование технического состояния машин. -М: Колос, 1976. 288с.

28. Кокс Д., Смит В. Теория восстановления. М: Советское радио, 1967. 300с.

29. Гнеденко Б.В., Беляев Ю.К., Соловьев Ф.Д. Математические методы в теории надежности. М: Наука, 1965. 524с.

30. Кузнецов Е.С., Троицкий А.И. Совершенствование методов определения нормативной потребности в запасных частях. Повышение эксплу-тационной надежности автомобилей. -М.: НИИАТ, 1979, вып.З. 106-116с.

31. Десять лет спустя (интервью с Д. Миги). Будущее искусственного интеллекта. -М.: Наука, 1991. 213-216с.

32. Поспелов Д.А. Искусственный интеллект: фантазии и реальность. Наука и жизнь, 1995, №6.

33. Трикозюк В.А. Повышение надежности автомобиля. М.: Транспорт, 1980. 88с.

34. Гурвич И.Б., Сыркин П.Э. Эксплутационная надежность автомобильных двигателей.-М.: Транспорт, 1984. 141с.

35. Зарубин А.Г., Чернобродов П.Л. К вопросу определения потребности в запасных частях. В кн.: Повышение эксплутационной надежности автомобилей. М.: Транспорт, 1973, вып.1, 28-37с.

36. Семенов Н.В., Курочкин А.Ф., Барсуков Б.К. К вопросу обеспечения автотранспортных предприятий запасными частями к автомобилям. — В кн.: Повышение эксплутационной надежности автомобилей. М.: Транспорт, 1976, вып.2, 100-113с.

37. Зарубин А.Г., Чернобродов П.Л., Шейнин В.А. Совершенствование методики нормирования расхода запасных частей. В кн.: повышение эксплутационной надежности автомобилей. М.: Транспорт, 1976, вып.2, 113-119с.

38. Шейнин A.M. Эксплутационная надежность автомобилей. М.: МАДИ, 1973. 148с.

39. Лукинский B.C., Сергеев В.И. Совершенствование методов расчета потребности в запасных частях к автомобильным двигателям. Двига-телестроение, 1982, №5, 43-47с.

40. Фастовцев Г.Ф. Автотехобслуживание. М.: Машиностроение, 1985.256с.

41. Определение потребности в запасных частях для ПО "Совинтер-автосервис" / B.C. Лукинский, В.И. Сергеев, Г.Ф. Фастовцев, А.Е. Трубицин, В.Т. Шугалей. Техническая эксплуатация и ремонт автомобилей: Экспресс-информ., 1983, №10, 8-34с.

42. Кузнецов Е.С. Программно-целевой подход к управлению технической эксплуатацией и надёжностью автомобилей. В кн.: Повышение экс-плутационной надёжности автомобилей. М.: НИИАТ, 1972, вып. 2, 9-25с.

43. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1979, 254с.

44. Померанцев В.В. Анализ временных рядов в планировании. М.: Экономика, 1974, 223с.

45. Пославский О.Ф. Методы расчета числа запасных частей. М.: Знание, 1977,48с.

46. Совершенствование системы сложения и резервирования на автомобильном транспорте / B.C. Лукинский, В.И. Сергеев, Г.Ф. Фастовцев, А.Е. Трубицен. Рукопись деп. В ВИНИТИ, №8. М., 1984, 82с.

47. Венецкий И.Г.,Кильдишев Г.С. Теория вероятностей и математическая статистика. -М.: Статистика, 1975, 264с.

48. Вентцель Е.С. Исследование операций. М.: Советское радио, 1972,550с.

49. Головин С.Ф. Приближенный метод определения среднего расхода запасных частей. Тр. МАДИ, 1978, вып152, 61-63с.

50. Лукинский B.C., Зайцев Е.И. Определение зависимостей между параметрами ресурсов автомобиля. Автомобильная промышленность, 1981, №11, 13—17с.

51. Гальперин A.C., Шипков И.В. Прогнозирование числа ремонтов машин. М.: Машиностроение, 1973, 112с.

52. Рабочая книга по прогнозированию/Ред. кол.: И.В. Бестужев -Лада (отв. ред.) и др. М.: Мнель, 1982, 430с.

53. К вопросу о расчете оборотного дохода агрегатов/В.С. Лукин-ский, Н.И Трухачев, О.Н. Покоева. В кн.: Повышение надежности и эффективности использования автомобилей. Л: ЛИСИ, 1981, 38-45с.

54. Положение о техническом обслуживании и ремонте подвижного состава автомобильного транспорта. М.: Транспорт, 1988, 78 с.

55. Говорущенко Н.Я. Основы теории эксплуатации автомобилей. Киев: Вища школа. 1971.

56. Лудченко А.А., Сова И.П. Техническое обслуживание и ремонт автомобилей. Киев: Вища школа, 1977.

57. Иващенко Н.И., Трикозюк В.А., Тесяж А.А. К методике определения числа изделий оборотного фонда. Автомобильная промышленность, 1976, №4, с4-5.

58. Дажин В.Г Методика расчёта потребностей в запасных частях.-Автомобильная промышленность, 1979, №10, 912с.

59. Техническая эксплуатация автомобилей. Под ред. В. Крамелько. М., Транспорт, 1972. 440с.

60. Дажин В. Г. Расчёт допустимых параметров деталей машин. -Весник машиностроения, 1978, № , 8-1 Ос.

61. Волошкин Н.П., Попов В.Я., Тартаковский И.Б. Капитальный ремонт быстроходных дизелей. М., Машиностроение, 1971, 480с.

62. Блюдов Е.П. К вопросу о нормировании расхода запасных частей. -Автомобильная промышленность, 1971, №9, 20-23с.

63. Казарез А.Н., Ванчукевич В.Ф., Апанасенко B.C., Седюкевич В.Н. Методика определения количества оборотных агрегатов для карьерных автомобилей-самосвалов. Автомобильная промышленность, 1977, №5, 23-25с.

64. Алифанов А.Л. Северные районы. Потребность в ремонтных комплектах автомобилей. Автомобильная промышленность, 1997, №12, 20-22с.

65. Романов Е.Б. Методика расчета запасных частей. В межвуз. науч. сб. Повышение эффективности автомобильного транспорта. — Саратов, из-во Сарат. политехи, ин-т, 1983, 123-126с.

66. Романов Е.Б. Корректирования норм расхода запасных частей в конкретном автомобильном предприятии. В межвуз. науч. сб. Повышение эффективности эксплуатации автомобильного транспорта. Саратов, из-во Сарат. ун-та, 1981, 34-37с.

67. Степаненко В., Малышев А. Резерв деталей на АТП для автомобилей. Автомобильный транспорт, 1982, №8, 22-25с.

68. Авдонькин Ф.Н. Планирование расхода запасных частей на ремонт автомобильных ДВС. Двигателестроение, 1988, №10, 29-30с.

69. Исаева JI.C. Оптимальные сроки службы автомобилей. М.: Транспорт, 1976, 66с.

70. Долговечность грузового автомобиля/В. Трикозюк. Автомобильный транспорт, 1982, №6, 46-47с.

71. Методы управления резервом запасных частей/В. Колесников, М. Бройнин. Автомобильный транспорт, 1974, №5, 26-27с.

72. Управление межремонтными ресурсами легковых таксомоторов при эксплуатации / И. Аринин, В. Заводский, А. Шейнин. Автомобильный транспорт, 1975, №6, 21-23с.

73. Федоровский B.C., Раджабов С. Изучение потребности автотранспортных предприятий в запасных частях методами аппаратного анализа. В сб.: Повышение эксплутационной надежности автомобилей. Вып.2, М.: Транспорт, 1976, 125-129с.

74. Федоровский B.C., Раджабов С. Исследование расхода запасных частей в автотранспортных предприятиях методом многофакторного корреляционного анализа. В кн.: Система управления автомобильным транспортом.-М.: НИАТ, 1976, 161-167с.

75. Определение нормы расхода запасных частей. В сб.: Повышение эффективности эксплуатации автомобильного транспорта. Саратов: из-во Сарат. политехи, ин-т, 1981, 38-41с.

76. Тахтамышев Х.М., Ефименко С.С. Методика расчета запасов деталей на промежуточных складах АТП. В сб.: Повышение эффективности эксплуатации автомобильного транспорта. Саратов: изд-во Сарат. политехи, ин-т, 1981, 76-79с.

77. Волков А.Ф. Оптимизация централизованного фонда оборотных агрегатов. В сб.: Повышение эффективности эксплуатации автомобильного транспорта. Саратов: изд-во Сарат. политехи, ин-т, 1981, 103-112с.

78. Авдонькин Ф.Н., Малышев А.И. Планирование затрат на запасные части. В сб.: Повышение эффективности использования автомобильного транспорта. Саратов: из-во Сарат. политехи, ин-т, 1983, 3-11с.

79. Максимов Ю.А., Толкачев В. К, Зорин Е.А. Контроль объемов запасных частей используемых в системе "Автотехобслуживание". Автомобильная промышленность, 1985, №8, 21с.

80. Абрамов С.А., Дербенева Г.Ф. Оценка достоверности многократных прогнозных расчетов. Тр. Всесоюзной научной школы «Прогнозирование научно - технического прогресса», Баку 28 ноября - 4 декабря 1977г. - М.: ВСНТО, 1977. с.5-7.

81. Adelson R.M. The Dinamic Behavior of Liner Forecasting and Schedu-ling Rules. «Operational Research Quarterly», 1966, vol. 17, №4.

82. Андерсон Т. Статический анализ временных рядов. М.: Мир, 1976.-758с.

83. Бастраков Г.М., Гражданников Е.Д. Классификация науковедче-ских методов прогнозирования. Науковедение и информатика. - Киев: Нау-кова думка, 1969. вып.1, с.35-40.

84. Bassie L.A. Economic forecasting. New York: Mc Graw Hill, 1958, IX. - 703p.

85. Batty M. Monitoring and Exponential Smothing Forecasting Sistem. Oper. Res. Quart., 1969. V.20. No.4. p.451 468.

86. Башин M.JI. Новая техника и опытные предприятия. М.: Машиностроение, 1979. - 137с.

87. Бестужев Лада И.В., Писаржевский О.Н. Контуры грядущего. -М.: Знание, 1965.-380с.

88. Brown R.G. Smoothing, Forecasting and Predication of Discrete Time Series. -N.Y.: Prentice Hill, Englewood Cliffs, 1963.

89. Brown R.G. and Meyer R.F. The Fundamental Theorem of Exponential Smoothing Oper. Reser. 1961. V.9. No.5. p.673 687.

90. Wiener N. Extrapolation, interpolation and smoothing of stationary time series. N.Y., 1949.

91. Виноградов В.Г. Научное предвидение (гносеологический анализ). М.: Высшая школа, 1973.

92. Гмошинский В.Г. Инженерное прогнозирование. М.: Энергоиз-дат, 1982.-207с.

93. Гренджер К., Хатанака М. Спектральный анализ временных рядов в экономике. М.: Мир, 1972.

94. Ихваненко А.Г., Лапа В.Г. Предсказание случайных процессов. -Киев: Наукова думка, 1971. 416с.

95. Зейгер Е.М. Применение Факторного анализа в экономико-статистическом исследовании: Дисс. на соискание учен, степени к.э.н. (Моск. экон. стат. ин-т). - М.: 1974.

96. Kalman R.E., Bucy R.S. New results in linear filtering and prediction theory. -N.Y. of Basic Engeneering (Trans. ASME), 1961, vol. 83D.

97. Керров И.П. Использование математической статистики при переработке информации о строительных и дорожных машинах. М.: ЦНИИ-ТЭ строймаш, 1969. - 101с.

98. Клеопатров Д.И., Френкель А.А. Прогнозирование экономических показателей с помощью метода простого экспоненциального сглаживания. Статистический анализ экономических временных рядов и прогнозирование. - М.:, - 1973.

99. Кох П.И. Климат и надежность машин. М.: Машиностроение, 1981.- 175с.

100. Легостаева И.Л., Ширяев А.Н. Минимальные веса в задаче выделения тренда случайного процесса. «Теория вероятностей и ее применения», 1971, т. XVI, №2.

101. Лисичкин В.А. Отраслевое научно техническое прогнозирование.-М.: Экономика, 1971.-230с.

102. Лоули Д., Макеквелл А. Факторный анализ как статистический метод. М.: Мир, 1967.

103. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1979. - 254с.

104. Любатов Ю.В. О средних взвешенных оценках качества // Стандарты и качество, 1972. №7. с.48 50.

105. Mith J.E. Optimal Properties of Exponentially Weighted Forecasts of Time Series with Permanent and Transitory Components. «Journal of the American Statistical Association», 1960, vol. 55p.

106. Nerlowe M., Wage S. The Optimality of Adaptive Forecasting. -«Management Science», 1964, vol. 10, №2.

107. Орлова И.В. Оценка доверительных границ контрольного следящего сигнала методом Монте-Карло // Применение методов вычислительной математики в экономических исследованиях. М.: МЭСИ, 1983. с.24 -31.

108. Орлова И.В., Турандаевский В.Б. К вопросу об оценке границ контрольного следящего сигнала при малых значениях параметра сглаживания // Применение методов вычислительной математики в экономических исследованиях. М.: МЭСИ, 1983. с.З - 13.

109. Pegels С.С. Exponential forecasting: some new variations. Management Sciense, 1969, vol. 15, n.5.

110. Резник Л.Г. Эффективность использования автомобилей в раз® личных условиях эксплуатации. М.: Транспорт, 1989. - 126с.

111. Рожков Л.Н., Френкель А.А. Выбор оптимального параметра сглаживания в методе экспоненциального сглаживания. Основные проблемы и задачи научного прогнозирования. - М.: 1972.

112. Саркисян С.А., Голованов А. В. Прогнозирование развития больших систем. -М.: Статистика, 1975. 192с.

113. Suits D.B. Forecasting and analysis with an econometric model. Amer. Econ. Rev., Menasha, Wise. 52 (1962), 1, p. 104 132.

114. Тейл Г. Прикладное экономическое прогнозирование. М.: Прогресс, 1970.-504с.

115. Trigg D.W. Monitoring a forecasting system. Oper. Res. Quart. 1964. V. 15.No.3.p.271 -274.

116. Trigg D.W., Leech A.G. Exponential smoothing with an Adaptive Filtering in Forecasting. Oper. Reser. Quart., 1973. V.24. No.l. p.55 64.

117. Фальцман B.K. Прогнозирование потребности в оборудовании. -М.: Экономика, 1970. 245с.

118. Френкель А.А. Математические методы анализа динамики и прогнозирования производительности труда. М.: Экономика, 1972. - 190с.

119. Френкель А.А. Прогнозирование производительности труда: метода и модели. М.: Экономика, 1989. 214с.

120. Harrison P.J., Davies O.L. The use of cumalative sum (CUSUM) techniques for the control of routine forecasts of product demand. Oper. Res., 1964, vol. 12, n.2.

121. Hellwing Z. Schemat budowy prognozy statcznej metoda wag har-monicznych. Przeglad Statystyczny R.XIV. No.2. 1967. p. 133 153.

122. Holt C.C. Forecasting trends ^and~seasonalds by exponentially weighted moving averages. O.N.R. Memorandum, Carnegie Inst. Of Technology, 1957, n.52.

123. Чуев Ю.В., Михайлов Ю.Б., Кузьмин В.И. Прогнозирование количественных характеристик процессов. М.: Сов. радио, 1975. - 400с.

124. Эшби У.Р. Введение в кибернетику. М.: ИЛ, 1959.

125. Янч Э. Прогнозирование научно-технического прогресса. 2-е изд. - М.: Прогресс, 1970. - 588с.

126. Bates J.M., Granger C.W.J. The Combination of Forecasts. Oper. Re-ser. Quart. 1969. V.20. No.4. P.451-468.

127. Newbold P., Granger C.W.J. Experience with Forecasting Univariate Time Series and Combination of Forecasts J. of Royal Statistical Society. Ser.A. 1974.V.137.NO.290.P.299-306.

128. Рабочая книга по прогнозированию. М.: Мысль, 1982, 480с.

129. Четыркин Е.М. Статические методы прогнозирования. М.: Статистика, 1977.-200с.

130. Гренджер К., Хатанака М. Спектральный анализ временных рядов в экономике. М.: Мир, 1972- с.

131. Иваненко А.Г., Лапа В.Г. Предсказание случайных процессов. Киев, 1971.- с.

132. Кендэл М. Временные ряды / Пер. с англ. и предисл. Ю.П. Лука-шина. М.: Финансы и статистика, 1981.- 199 с.

133. Андерсен Т. Статический анализ временных рядов. Монография.: Пер. с англ. / ред. Ю.К. Беляев. М.: Мир, 1976. - 755с.

134. Кох П.И. Климат и надежность машин. М.: Машиностроение, 1981.- 175 с.• 141. Дюк В. Обработка данных на ПК в примерах. СПб: Питер,1977.- 240 с.

135. Боровиков В.П. Популярное введение в программу STATISTICA. М.: КомпьютерПресс, 1998.- 267с.

136. Боровиков В.П., Иванченко Г.И. Прогнозирование в системе STATISTICA в среде WINDOWS.- М.: Финансы и статистика, 2000.- 384 с.

137. Боровиков В.П. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов 2-е изд. (+СД). СПб.: Питер, 2003 - 688 с.

138. Свириденко С.С. Современные информационные технологии. -М.: Радио и связь, 1289.-178с.

139. Аринин И., Плеханов А., Коныгин К, Твиров А. Автоматизированный учет запасных частей.// Автомобильный транспорт, 1985,N8. с.38 39.

140. Аринин И. Н, Коновалов С. И, Кириллов А. Г., Плеханов А. А. Информационные технологии управления технической готовностью автомобильного парка, с. 358-359 // Наука и технологии. Труды XXIII Российской школы. Москва 2003.- 379 с.

141. Аринин И. Н, Плеханов А. А. Ошибки прогнозирования при определении потребности в автомобильных запасных частях, с.360-362 // Наука и технологии. Труды XXIII Российской школы. Москва 2003.—379 с.

142. Плеханов А. А. Исследование фактического расхода запасных частей от возраста автобусов, с. 187-189 // Актуальные проблемы управления качеством производства и эксплуатации автотранспортных средств.

143. X Международная научно-практическая конференция 27-29 мая 2004г.г. Владимир. ВлГУ. 368 с.