автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Разработка автоматизированной системы управления с поддержкой принятия решений в комплексах горочной автоматизации

На правах рукописи

004617578

Тартыискнн Валентин Анатольевич

РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ С ПОДДЕРЖКОЙ ПРИНЯТИЯ РЕШЕНИЙ В КОМПЛЕКСАХ ГОРОЧНОЙ АВТОМАТИЗАЦИИ

Специальность: 05.13.06 — автоматизация и управление технологическими процессами и производствами (на транспорте)

АВТОРЕФЕРАТ

Диссертации на соискание ученой степени кандидата технических наук

1 6 ЛГ,(

Ростов-на-Дону - 2010 г.

004617578

Диссертация выполнена на кафедре «Информатика» государственного образовательного учреждения высшего профессионального образования «Ростовский государственный университет путей сообщения»

Научный руководитель: доктор технических наук, профессор

Шабелышков Александр Николаевич

Официальные оппоненты: доктор технических наук, профессор

Финаев Валерий Иванович кандидат технических наук, доцент Швалов Дмитрий Викторович

Ведущая организация: Московский государственный

университет путей сообщения

Защита состоится «28» декабря 2010 г. в 1400 в конференц-зале РГУПС на заседании диссертационного совета Д 218.010.03 при Ростовском государственном университете путей сообщения (344038, г. Ростов-на-Дону, пл. Ростовского Стрелкового Полка Народного Ополчения, 2).

С диссертацией можно ознакомиться в библиотеке РГУПС.

Автореферат разослан « 26 » ноября 2010 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу: 344038, г. Ростов-на-Дону, пл. Ростовского Стрелкового Полка Народного Ополчения, 2, РГУПС, диссертационный совет.

Ученый секретарь диссертационного совета доктор технических наук, профессор Бутакова М.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Качественно новый уровень в обеспечении безопасности функционирования систем горочной автоматизации во время эксплуатации может быть достигнут при использовании новых информационных технологий, в том числе систем поддержки принятия решений, автоматизированных информационно-планирующих и контрольно-диагностических средств, предназначенных для автоматизации технического обслуживания и ремонта горочных устройств, а также компьютерного анализа результатов работы оборудования и персонала. Особенно это актуально в настоящее время в условиях, характеризующихся серьезными кризисными явлениями в мировой экономике, и, как следствие, стремлением к экономии различных видов ресурсов.

Создание подобных систем полностью соответствует одному из основных направлений программы стратегического развития ОАО «РЖД» до 2030 года, стимулирующему разработку и внедрение инновационных технологий во все сферы деятельности железнодорожной отрасли.

В настоящее время на многих сортировочных станциях процесс расформирования составов автоматизирован. Для этой цели используются специальные программно-аппаратные комплексы, такие как «Комплексная система автоматизации управления сортировочным процессом» (КСАУ СП).

Как известно, автоматизированный процесс расформирования - формирования составов на сортировочных горках требует четкой и скоординированной работы всех участников процесса, как трудовых ресурсов: дежурного по горке, горочных операторов, старшего электромеханика, электромехаников, начальника станции, начальника горки и т.д. (в дальнейшем, именуемых как лица, принимающие решения - ЛПР), так и программно-аппаратных ресурсов: постовых и напольных устройств сортировочной горки.

Можно выделить некоторые специфические особенности процесса принятия решений: острый дефицит времени на оценку ситуации и принятие решения, высокая степень неопределенности оперативно-технологических ситуаций и исходных данных, многофакторный характер задачи.

Все выше сказанное обуславливает актуальность создания специальной системы для мониторинга и многофакторного анализа работы сортировочной горки на основе данных автоматически поступающих из подсистем горочного комплекса; поддержки процессов принятия решений по функциональному и стратегическому управлению технологическим процессом работы сортировоч-

ной горки за счет использования новых информационных технологий, обеспечивающих оперативное предоставление сводных агрегированных показателей работы, необходимых для принятия оперативного и взвешенного решения.

Степень разработанности проблемы. Проблемы горочной автоматизации подробно исследованы Ю. Боровковым, И. Долгим, В. Иванченко, А. Савицким, Ю. Самойленко, А. Сепетым, Е. Тишкиным, А. Федорчуком, Н. Фонаревым, В. Шелухиным и др.

Вопросы разработки математического, информационного, алгоритмического обеспечения автоматизированных систем управления освещены в работах

A. Воронова, А. Горелика, В. Иванченко, Л. Канторовича, М. Королева, И. Ла-кина, Н. Лябаха, Т. Соколова, В. Финаева, Д. Швалова и др.

Различные фундаментальные и прикладные аспекты интеллектуальных систем управления нашли отражение в работах таких ученых как Н. Винер,

B. Глушков, А. Гуда, Д. Дубровский, С. Ковалев, А. Ляпунов, М. Минский, Д. Поспелов, Ф. Розенблатт, В. Тарасов, А. Шабельников и др.

Вопросы применения математического инструментария теории нечетких множеств и регрессионного анализа как для решения общих задач, ..так и для управления транспортными процессами рассмотрены в работах Р. Беллмана,

C. Воробьева, Л. Заде, А. Кофмана, А. Муравского и др.

Исследованием процесса проектирования и реализации систем поддержки принятия решений занимались Б. Инмон, Р. Кимболл, Э. Кодд, О. Ларичев, А. Петровский, В. Сачко, В. Уманский и др.

Вместе с тем, в настоящее время отсутствует единая совокупность методов построения систем поддержки принятия решений (СППР) в условиях автоматизированной сортировочной горки, и многие вопросы, имеющие высокую актуальность и заслуживающие самого пристального внимания, раскрыты не полностью.

Помимо этого, различные прикладные задачи, возникающие в процессе разработки подобной системы, требуют адаптации имеющегося теоретического и методического инструментария и применения формализованных процедур моделирования и принятия решений. Эти моменты и определили цели и задачи исследования.

Цели и задачи исследования. Разработка средств поддержки принятия решений оперативно-диспетчерским и эксплуатационным персоналом сортировочной горки по функциональному и стратегическому управлению технологическим процессом работы сортировочной горки, систематизация и адаптация алгоритмических и математических методов для решения

прикладных задач в процессе проектирования и построения системы поддержки принятия решений.

В соответствии с данной целью были поставлены следующие теоретические и практические задачи исследования.

1. Характеристика объекта автоматизации с целью выявления проблем в процессе принятия решений диспетчерским и эксплуатационным персоналом автоматизированной сортировочной горки. Выявление объективных предпосылок к созданию АСУ поддержки принятия решений.

2. Анализ и систематизация существующих подходов к построению систем поддержки принятия решений на транспорте. Поиск оптимальной структуры и технологий построения СППР.

3. Систематизация и адаптация алгоритмических и математических методов исследования процесса принятия решений персоналом автоматизированной сортировочной горки.

4. Разработка и проектирование АСУ поддержки принятия решений на основе сформированного математического, алгоритмического и информационного обеспечения.

5. Внедрение разработанных предложений и методик в решение задач, возникающих в процессе принятия решений на автоматизированных сортировочных горках сети.

Объектом исследования являются системы поддержки принятия решений для персонала организационно-технологических объектов железнодорожного транспорта, к которым относится автоматизированная сортировочная горка.

Предмет исследования - алгоритмические, математические методы и механизмы поддержки принятия решений, информационные технологии и технические средства построения систем поддержки принятия решений. Соответствующие пункты паспорта специальности:

п. 9. Методы эффективной организации и ведения специализированного информационного и программного обеспечения АСУ 111, АСУП, АСТТШ и др., включая базы и банки данных и методы их оптимизации;

п. 15. Теоретические основы, методы и алгоритмы интеллектуализации решения прикладных задач при построении АСУ широкого назначения (АСУТП, АСУП, АСТПП и др.).

Теоретико-методологической основой исследования послужили работы отечественных и зарубежных авторов в области проектирования и построения систем поддержки принятия решений, современные концепции управления активными системами, а также работы в области моделирования технологических

процессов и теории нечетких множеств. При разработке автоматизированной системы управления применялись современные методологии проектирования и средства разработки программного обеспечения.

Концепция диссертационного исследования исходит из того, что в современных условиях политика всеобъемлющего внедрения инновационных технологий в отрасли повлечет за собой потребность в системах поддержки принятия решений, реализующих принципы интеллектуального функционирования сортировочного процесса. В связи с этим необходим теоретико-прикладной аппарат, способный оказать помощь в принятии решений управленческому персоналу автоматизированной сортировочной горки. Суть предлагаемого подхода состоит в использовании методов регрессионного моделирования, аппарата нечеткой логики и теории адаптивных систем для анализа сортировочного процесса в рамках разрабатываемой СППР. Положения диссертации, выносимые на защиту:

1. В условиях автоматизированной сортировочной горки для принятия эффективных и обоснованных решений оперативно-диспетчерскому и эксплуатационному персоналу требуется провести анализ большого количества статистических данных. Вследствие ограничений систем учета и контроля необходимую выборку не всегда можно представить в удобном для ЛПР виде, а длительность проведения данного анализа может превысить длительность управляемого процесса. Решением данной проблемы является создание специальной системы поддержки принятия решений для оперативно-диспетчерского и эксплуатационного персонала сортировочной горки, использующей современную программную и аппаратную платформу, эффективный математический аппарат для проведения анализа и прогнозирования изменений состояния горочного оборудования.

2. Разрабатываемая система поддержки принятия решений должна состоять из следующих подсистем: подсистемы сбора и предварительной обработки информации, подсистемы статистического и интеллектуального анализа, подсистемы технического обслуживания и ремонта. Подсистема сбора и предварительной обработки информации получает данные из различных источников информации, в том числе из подсистем комплекса автоматизации сортировочной горки, и выполняет загрузку подготовленных данных в консолидированное хранилище данных СППР. Подсистема статистического и интеллектуального анализа позволяет пользователям проводить различные виды анализа процесса функционирования, как отдельных устройств, так и сортировочной горки в целом. Подсистема техниче-

ского обслуживания и ремонта реализует возможности по оптимизации и мониторингу процесса выполнения работ по техническому обслуживанию и ремонту горочного оборудования.

3. В процессе моделирования сложных объектов следует уделять пристальное внимание этапу выбора модели. В условиях автоматизированной сортировочной горки можно выделить следующие цели моделирования: выявление и анализ физической природы исследуемого технологического процесса, анализ параметров функционирования объекта с целью построения прогноза и анализ с целью формирования управленческого воздействия.

4. Для формирования оптимального плана работ по техническому обслуживанию и ремонту следует использовать теорию нечетких множеств, так как в современных системах автоматизации и управления на железнодорожном транспорте ключевое значение имеют не только точные, математические обоснованные данные, но и модели, содержащие качественную информацию, которая включает многолетний опыт эксплуатации и важные сведения о данной области знаний.

5. Сложность задач, решаемых системами поддержки принятия решений на автоматизированной сортировочной горке, требует придания алгоритмам и методам идентификации состояния объектов, а также процедурам принятия решений интеллектуальности, которая обеспечит извлечение из данных и практическое применение необходимых знаний.

Научная новизна. Научную новизну диссертационного исследования составляют следующие результаты:

1. Разработана структура системы поддержки принятия решений, обеспечивающая проведение оперативного качественного и количественного анализа информации, требуемой для помощи в решении сложных проблем персоналом автоматизированной сортировочной горки.

2. Усовершенствована полезная модель СППР КДК СУ, с использованием концепции «интеллектуального функционирования» системы, путем добавления нового блока, реализующего возможность коррекции управляющего сигнала по результатам анализа выходных данных системы.

3. Проведена адаптация математического аппарата моделирования на основе регрессионного анализа и теории нечетких множеств с учетом особенностей технологического процесса автоматизированной сортировочной горки для решения задач прогнозирования изменений показателей функционирования оборудования и формирования оптимального плана вы-

полнения работ по техническому обслуживанию и ремонту горочных устройств.

4. Разработаны структура и средства визуализации контролируемых параметров оборудования и показателей работы персонала и функционирования сортировочной горки в целом.

5. На основе принципов, методов и алгоритмов, изложенных в диссертационном исследовании, разработано консолидированное хранилище данных системы поддержки принятия решений для оперативно-диспетчерского и эксплуатационного персонала автоматизированной сортировочной горки. Теоретическая цепность диссертационного исследования определяется

направленностью его результатов на развитие и совершенствование принципов, методов и алгоритмов построения эффективной СППР для персонала автоматизированной сортировочной горки, что полностью отвечает выбранному направлению инновационного развития железнодорожной отрасли. Основные положения работы могут быть использованы при проектировании и разработке различных АСУ, в том числе и не содержащих механизмы поддержки принятия решений.

Практическая значимость. Практическую значимость диссертационного исследования составляют следующие результаты:

1. Разработана система поддержки принятия решений, позволяющая:

- повысить качество принимаемых управленческих решений за счет использования современных технологий, обеспечивающих оперативное получение и наглядное представление всего необходимого объема информации об управляемом объекте;

- пользователям, не имеющим глубоких знаний в статистике, применять современный математический аппарат для проведения анализа и построения прогноза развития ситуации.

2. Выполнены проектирование и разработка программного продукта «Система поддержки принятия решений для оперативно-диспетчерского и эксплуатационного персонала автоматизированной сортировочной горки» в Ростовском филиале ОАО НИИАС. Внедрение данной системы осуществляется в настоящее время на сортировочных горках всей сети в составе «Комплекса контроля и диагностики станционных устройств зоны ГАЦ с рабочим местом горочного электромеханика АРМ ШН СГ» (КДКСУГАЦ).

Реализация результатов работы. Основные результаты диссертационного исследования были внедрены при реализации программного продукта

«Система поддержки принятия решений для оперативно-диспетчерского и эксплуатационного персонала автоматизированной сортировочной горки» РостФ НИИАС. Данная система в настоящий момент внедрена на следующих станциях: Бекасово-Сортировочное Московской ж.д., Красноярск-Восточный Красноярской ж.д., Санкт-Петербург-Московский-Сортировочный Октябрьской ж.д., Новая Еловка Красноярской ж.д., Иркутск-четный Восточно-Сибирской ж.д., Инская-нечетная Восточно-Сибирской ж.д., Московка Западно-Сибирской ж.д. Результаты диссертационного исследования используются в работе Научно-исследовательской части РГУПС. Использование результатов подтверждено соответствующими актами. Работа выполнена при поддержке РФФИ, проекты № 09-07-00192 и № 10-01-00058. Также по результатам исследования получено 2 авторских свидетельства и 1 патент на полезную модель.

Апробация результатов исследования. Результаты и основные положения диссертационной работы докладывались на Всероссийской научно-практической конференции «Транспорт 2005» (г. Ростов-на-Дону, 2005 г.), Седьмой Международной научно-практической конференции «Телекоммуникационные, информационные и логистические технологии на транспорте» «Те-лекомТранс - 2010» (г. Ростов-на-Дону, 2010 г.), Международной научно-практической конференции «Перспективные инновации в науке, образовании, производстве и транспорте '2010» (г. Одесса, 2010 г.). Основные положения диссертации опубликованы в 13 работах, общим объемом 3,08 п.л., в том числе 2,00 п.л. лично автором.

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, приложения, списка литературных источников, а также актов реализации результатов диссертационной работы. Общий объем диссертации составляет 190 стр., включая 42 рисунка, 8 таблиц, список литературы из 118 наименований, приложения и акты реализации.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении обоснована актуальность темы диссертационной работы, сформулированы цели и задачи выполнения научных исследований, отмечены научная новизна и практическая ценность полученных научных результатов. Дана общая характеристика работы и приведена структура изложения материала. Приводятся сведения об апробации основных положений работы и их опубликовании.

В первой главе дана характеристика объекта исследования, представлен обзор существующих систем поддержки принятия решений на железнодорож-

ном транспорте, сформулированы цели и задачи исследования, раскрыты проблемы, решаемые при разработке СППР с учетом специфики объекта автоматизации.

Характеристика объекта исследования - системы поддержки принятия решений для персонала автоматизированной сортировочной горки - проведена на базе внедряемого по всей сети железных дорог комплекса горочного микропроцессорного на базе промышленных компьютеров (КГМ ПК).

В разделах первой главы дан анализ функционирования горочного комплекса с точки зрения места и роли подсистемы поддержки принятия решений в системе управления сортировочным процессом и прокомментированы основные виды неопределенности, требующие учета в процессе контроля и управления, сформированы основные принципы организации процесса поддержки принятия решений в системе.

Одним из ключевых моментов при построении эффективной СППР для персонала сортировочной горки является информация о ходе роспуска и функционировании горочного оборудования, источником которой является программно-аппаратный комплекс, с помощью которого выполнена автоматизация данной горки. Помимо наиболее распространенного отечественного комплекса КГМ-ПК, среди зарубежных аналогов стоит отметить систему автоматизации MSR 32 немецкой компании Siemens. Это модульная микропроцессорная система с открытой архитектурой для автоматизации сортировочных станций любого типа, включающая в себя подсистемы управления стрелками, сигналами, датчиками и систему радиоуправления маневровым локомотивом.

Стоит отметить, что вследствие более высокого уровня технической оснащенности и организации технологического процесса на автоматизированных сортировочных горках, управляемых системой MSR 32, вопрос повышения эффективности и качества проведения технического обслуживания горочных устройств не имеет той актуальности, которая свойственна отечественным автоматизированным горкам.

Помимо ориентированных на горочную тематику, в сфере железнодорожного транспорта зарубежом распространены СППР, решающие вопросы управления и планирования движения пассажиро- и грузопотоков. Наиболее широкое распространение такие системы получили в Германии и США. Однако уровень развития сети железных дорог нашей страны по некоторым организационным и технологическим параметрам отстает от уровня железных дорог вышеприведенных стран, и реализация подобных СППР в наших условия будет сильно затруднена.

Таким образом, сравнительный анализ отечественных и зарубежных систем поддержки принятия решений на железнодорожном транспорте позволил выявить существенные проблемы разработки и внедрения подобных систем:

- отсутствие единой совокупности методов, отражающей оптимальное функциональное и алгоритмическое наполнение разрабатываемых систем поддержки принятия решений в условиях автоматизированной сортировочной горки;

- недостаточность имитационного и технологического обеспечения задач поддержки принятия решений оперативно-диспетчерским и эксплуатационным персоналом сортировочной горки;

- необходимость реализации функций поддержки процесса принятия решений и анализа состояния технологического процесса и технических средств в рамках автоматизированной сортировочной горки на основе современного аналитического аппарата, в частности с использованием теории нечетких множеств;

- отличия в параметрах технологических процессов, значительно затрудняющих возможность использования зарубежных аналогов.

Сформулированы основные цели и задачи функционирования СППР КДК СУ ГАД, обеспечивающей поддержку принятия решений персоналом автоматизированной сортировочной горки.

Во второй главе проведена систематизация современных методов анализа и рассмотрено решение ряда теоретических проблем разработки математического и алгоритмического обеспечения системы поддержки принятия решений на основе теории нечетких множеств и регрессионного анализа.

Процедура принятия решений в условиях сложного технологического процесса неразрывно связана с этим процессом, а эффективность принятых решений напрямую зависит от глубины познания ЛПР данной технологии. В процессе познания ЛПР могут помочь интеллектуальные средства, использующие современные математические методы, к которым относятся теория распознавания образов, теория нечетких множеств, анализ временных рядов и теория массового обслуживания.

По результатам проведенного анализа было принято решение акцентировать внимание на элементах теории нечетких множеств и анализа временных рядов с использованием регрессионных моделей. Предоставляемая теорией нечетких множеств возможность оперировать понятными для ЛПР терминами и классификаторами в СППР значительно повышает эффективность взаимодействия пользователя с системой. Использование анализа временных рядов обу-

словлено тем, что большая часть телеметрических данных о состоянии горочных устройств и ходе роспуска, получаемых от контрольно-диагностирующей аппаратуры, представляют собой упорядоченные во времени последовательности значений.

Пользователи СППР автоматизированной сортировочной горки могут преследовать различные цели в процессе моделирования. Обслуживающий персонал может интересоваться решением задачи определения природы физического процесса для осуществления корректировки и настройки оборудования, а также построения прогноза изменения состояния оборудования с целью проведения упреждающего технического обслуживания и ремонта. Оперативно-диспетчерский персонал может заинтересовать моделирование управляющего воздействия с целью принятия наиболее эффективных решений. Все это устанавливает определенные требования к процедуре выбора и построения модели.

Как упоминалось выше, обслуживающему персоналу автоматизированной сортировочной горки в процессе проведения работ по техническому обслуживанию и ремонту напольного и постового оборудования наиболее интересно будет построение прогноза изменения параметров функционирования устройств с целью предупреждения внештатных ситуаций. Для железнодорожного транспорта характерна ситуация, когда внутренняя структура объекта неизвестна и математически не может быть построена. В этом случае, удобным является подход с использованием понятия «черного ящика». То есть для данного объекта выводы о поведении системы можно сделать лишь на основе наблюдения реакций выходных величин на изменение входных. Рассмотрим суть предлагаемого на примере авторегрессионных моделей временного ряда:

г(0 = а,2(М)+ а2г0-2)+ ... + а„г(>п) + £(0, (1)

где параметр модели п характеризует инерционность процесса функционирования устройства. Коэффициенты а„ определяют степень влияния момента измерения фактора.

Используя реальные данные об изменении параметров функционирования датчиков счета осей на сортировочной горке Красноярск-Восточный Красноярской ж.д., определим оптимальное соотношение качества и сложности модели с целью определения физической природы явления и построения прогноза. Существует несколько подходов, позволяющих разрешить поставленную проблему выбора оптимальной модели. Рассмотрим два наиболее эффективных.

В первом случае для оценки качества регрессионных моделей использованы величина стандартного отклонения регрессии S и нормированного коэффициента детерминации R^, который, в отличие от стандартного R2, может

уменьшаться при введении в модель новых объясняющих переменных, не оказывающих существенное влияние на зависимую переменную.

Нормированный R-квадрат - скорректированный (адаптированный, поправленный (adjusted) ) коэффициент детерминации имеет вид:

где к - число наблюдений, п - число переменных.

После проведения серии расчетов с целью определения оптимального значения п, получили таблицу 1.

Таблица 1

Результаты расчетов корреляции сложности и качества модели

п R2 R2adj S

1 0.4132 0.3977 0.00101

3 0.471 0.4269 0.00098

5 0.4811 0.4048 0.00100

7 0.6149 0.5306 0.00089

9 0.6249 0.5124 0.00091

11 0.6363 0.4935 0.00092

13 0.6603 0.4904 0.00093

Как видно из полученных данных, наиболее оптимальным в нашем случае будет значение п = 7. То есть, при проведении анализа изменения параметра функционирования датчика, наиболее целесообразно использовать статистику за 7 дней.

Проведя расчет коэффициентов, получим уравнение, характеризующее процесс изменения количества сбоев датчика осей:

г(0 = 0.48299 2(1-1) - 0.17857 Ц1-2) + 0.22342 гЦ-З) + 0.03083 2Ц-4) + 0.05136 га-5) + 0.15724 + 0.44134 Щ-7) -0.00003. (4)

Второй рассматриваемый метод был предложен известным исследователем проблем математического моделирования и прогнозирования Ивахненко А.Г. - это метод группового учета аргументов (МГУА).

Суть предложенного метода заключается в том, что исходная выборка данных разбивается на несколько частей, после чего по первой части выборки строятся модели объекта различной сложности. Показателем качества модели в

данном случае является коэффициент ошибки предсказания на дополнительной (не участвовавшей в расчете коэффициентов) последовательности.

Проведем анализ данных, используя принципы МГУА. Результаты расчетов приведены на рисунке 1 и в таблице 2.

0.006

0.004 0.002

-0.002

-0.004

-0.006

Дата

Рис. 1. Графики построения прогноза 2(1)

Таблица 2

Результаты расчетов зависимости сложности и качества модели с использованием метода МГУА

П И2 8

1 0.2964 0.2573 0.001

3 0.221 0.1777 0.0011

5 0.0494 -0.003 0.0012

7 0.1881 0.143 0.0011

9 0.1742 0.1284 0.0011

11 0.0055 -0.05 0.0012

13 0.1895 0.1444 0.0011

Из таблицы 2 видно, что величина скорректированного коэффициента детерминации для всех построенных моделей не превышает 0.3, что говорит либо о недостаточной точности моделей, либо о наличии неучтенных переменных, оказывающих значительное влияние на прогнозируемый параметр.

Наибольшую точность построенного прогноза обеспечивают модели при п е {1,7}. Проведя дополнительные расчеты и сократив период прогноза до 1 недели, получаем значение скорректированного коэффициента К2аф равное 0.44, при сложности модели п = 7. Это позволяет говорить о достаточной достовер-

^ 7'¡■'.у''-' / Г . '''.-У/ • .. 'Л.'' .. . '.. •__л__

I Ч\ 1-11 | % Щ' I дуг |У|/11

—*—2(А реальное —2(0 прогноз п®1 прогноз п=3 • 4 2(1) прогноз п=5 —*—2(1) прогноз п=7 - - 2(0 прогноз п=9 --1—2(0 прогноз п=11 ---2(0 прогноз п*13

ности прогноза, с учетом специфики технического обслуживания и ремонта, характерной для автоматизированной сортировочной горки (см. рис. 2).

Рис. 2. Графики построения краткосрочного прогноза 2(1)

Для анализа использования методов ТНМ в СППР была рассмотрена задача выбора очередности проведения технического обслуживания. На основе мнений экспертов сформирована таблица 3 взаимных принадлежностей критериев и вариантов решений. Обозначим через //, /?, /з,/4 важные для процесса принятия решений характеристики, а устройства, внесенные в план по техническом обслуживанию -В1,В2, В3, В4т\В5.

Таблица 3

Таблица взаимных принадлежностей критериев и вариантов решений

Вх В2 В3 ВА В5

/, 0.2 0.5 0.4 0.4 0.1

/г 0.1 0.3 0.2 0.1 0.4

/з 0.3 0.3 0.4 0.7 0.6

Л 0.1 0.2 0.3 0.1 0.3

При решении была использована минимаксная стратегия ЛПР, которая

состоит в следующем: учесть все возможные худшие условия и из них выбрать лучший вариант. Результат решения задачи с использованием этой стратегии -первоочередному обслуживанию подлежит устройство В2. Однако очевидно, что сбоящее устройство, обеспечивающее мониторинг скорости прохождения отцепа по тормозной позиции, требует незамедлительного проведения технического обслуживания, в отличие от устройства такого же типа, но расположенного за третьей тормозной позицией, нарушение функционирования которого не приведет к созданию аварийной ситуации. Решением этой задачи является

введение веса важности критериев а,. Для выравнивания критериев используется операция концентрации, заключающаяся в возведении функции принадлежности (д,у, аа,..., а,„) в соответствующую степень Р1

Выводы о необходимости использовании весов важности подтверждаются тем, что в результате повторных расчетов первоочередному обслуживанию подлежит устройство В5.

В третьей главе описаны основные принципы проектирования и реализации СППР.

ЛПР в сфере функционирования технических средств СЦБ сортировочной станции сталкиваются с необходимостью решения сложных проблем, характеризующихся наличием многих целей. Процессы принятия решений в области функционирования устройств и систем КСАУСП требуют проведения оперативного качественного и количественного анализа, что предполагает использование современных информационных технологий. Обработка информации и применение математических моделей должны сопровождаться возможностью эффективного представления получаемой информации для ЛПР, что может быть обеспечено при помощи специализированной СППР.

Очевидно, что для принятия решений требуются реальные данные об объекте управления. Такая информация обычно хранится в базах данных систем оперативной обработки транзакций (online transaction processing — OLTP, в нашем случае это системы КСАУСП), обеспечивающих ввод, структурированное хранение и обработку информации в режиме реального времени. Набор аналитических функций в таких системах обычно весьма ограничен. Решением данной проблемы является создание отдельного хранилища данных (ХД), содержащего агрегированную информацию в удобном виде.

Эффективность процесса сбора и предварительной обработки информации является основой для системы поддержки принятия решений, поэтому для решения данной задачи выделена отдельная подсистема -подсистема сбора и предварительной обработки информации.

Р.

j* = arg max min ■ j '

где значения Р, рассчитываются по формуле:

(5)

(б)

Возможность проведения статистического и интеллектуального анализа показателей функционирования напольного и постового оборудования сортировочной горки, полученных на основе информации из ХД, обеспечивает подсистема статистического и интеллек1уального анализа.

Один из специфических аспектов автоматизации технологических процессов сортировочной горки - наличие большого количества горочных устройств и систем автоматики и телемеханики, находящихся в эксплуатации. Число таких устройств и систем, в зависимости от перерабатывающей способности станции, варьируется от нескольких сотен до тысяч, вследствие чего техническое обслуживание и ремонт такого комплекса представляет собой длительный и трудоемкий процесс. Для решения данной задачи выделена отдельная подсистема - подсистема технического обслуживания и ремонта (ТОиР).

Рис. 3. Архитектурно-технологическая схема СППР для персонала автоматизированной сортировочной горки

Интерфейс пользователя в СППР КДК СУ соответствует потребностям ЛПР и позволяет «общается» с пользователями, используя привычные для него термины технологических процессов. При этом, интерфейс обеспечивает возможность формирования необходимых информационно-аналитических материалов (отчетов) в табличном и графическом виде для ЛПР разного уровня доступа, а также использование инструментария для динамического (интерактивного) построения произвольных отчетов (в пределах данных информационного хранилища).

Помимо большого количества контролируемых параметров напольных и постовых устройств, в СППР КДК СУ ведется учет статистики как процесса выполнения работ обслуживающим персоналом, так и показателей работы СГ в целом. Для обеспечения более удобной и эффективной работы пользователей разработана структура комплекса параметров, облегчающая построение отчетов и доступ к информации с учетом профессиональной специализации (рис. 4).

Рис. 4. Структурная схема контролируемых параметров СППР КДК СУ

Основной класс задач, для решения которых, в условиях автоматизированной сортировочной горки, требуется создание специального набора программных средств - это выбор оптимальной периодичности технического обслуживания и ремонта (обслуживания по состоянию), а также диагностирование предотказных состояний устройств.

Основная стратегическая цель создания подсистемы ТОиР - уменьшение количества отказов контролируемых горочных устройств СЦБ за счет прогнозирования предотказных состояний и своевременного устранения возможных неисправностей устройств. Это снижает эксплуатационные расходы (затраты) на выполнение работ по техническому обслуживанию и ремонту, а также повышает техническую готовность оборудования (см. рис. 5).

В зависимости от функционального назначения и конструктивных особенностей того или иного горочного устройства, можно применять две стратегии обслуживания: эксплуатация по ресурсу и эксплуатация по состоянию.

_ 2 - я

и

§ I

"а |

а ¡5

5

8 г * 5 8 Я

Корректирующее ... ремонтное • '■ ■ обслуживание

Профилактические » : плановые,ремонты Ь

Корректирующее

ремонтное. ,13 •.•• обслуживание

-Профилактические- ^ /плановые ремонты

Профилактические ■ тл ремонты по состоянию

Стоимость работ

Корректирующее ремонтное обслуживание

.Профилактические плановые ремонты

< Профилактические ремонты по состоянию

Корректирующий ремонт Плановый ремонт ^

Ремонт по состоянию оборудования 3

Рис. 5. Стратегия СППР КДК СУ в части технического обслуживания оборудования КСА У СП

Подсистема ТОиР позволяет осуществлять планирование и контроль выполнения работ по техобслуживанию и ремонту, а также формирование суточного плана на основе данных об отказах и сбоях устройств. Помимо этого, подсистема предоставляет возможность накопления практического опыта проведения работ по техническому обслуживанию и ремонту горочного оборудования с помощью базы знаний и выдачи рекомендаций.

В четвертой главе раскрыты прикладные аспекты исследования и внедрения СППР: создание специализированного хранилища данных, проблемы интеллектуального анализа данных и развитие системы на основе принципов «интеллектуального функционирования».

Политика инновационного развития отрасли, стимулирующая повсеместное внедрение все новых средств автоматизации и контроля технологических процессов, способствует постоянному увеличению объемов передаваемой и анализируемой информации. Это накладывает особые требования к процессу выбора схемы построения хранилища данных в СППР и используемому программному и аппаратному обеспечению.

Рис. 6. Схема информационных потоков подсистемы сбора, предварительной обработки и хранения информации

Хранилище данных СППР КДК СУ (рис. 6) состоит из одной многомерной БД на основе платформы Microsoft SQL Server 2005 Analysis Services и трех физических реляционных БД, работающих под управлением СУБД Microsoft SQL Server 2005. Одна из причин выбора такой структурной организации ХД -используемый метод инкрементального обновления, который способствует повышению оперативности системы. Он заключается в передаче в хранилище — и оттуда в кубы — только изменений, произошедших с момента последнего обновления, что значительно сокращает объем передаваемых данных, а, следовательно, и время на их обработку.

Чтобы оказать помощь в принятии рациональных и эффективных управленческих решений ЛПР, СППР должна позволять провести наиболее полный и глубокий анализ проблемы, раскрыть природу явления или объекта автоматизации для целей прогнозирования развития. Это возможно только при использовании в СППР современного аппарата математической статистики и искусственного интеллекта. При этом следует учитывать, что пользователи системы, в большинстве своем, не имеют глубоких познаний в соответствующих областях математики. В качестве решения этой задачи можно рассматривать концепцию интеллектуального анализа данных (НАД или Data mining), элементы которой реализованы в СППР КДК СУ с использованием средств Microsoft Analysis Services.

Вследствие особенностей функционирования комплексов автоматизации технологических процессов, присущих сфере железнодорожного транспорта, разрабатываемые комплексы должны включать в себя элементы искусственного интеллекта, самоорганизации и адаптивного управления.

На рисунке 7 представлена модифицированная, на основе концепции «интеллектуального» функционирования, схема СППР КДК СУ. В структуру

системы добавлен новый блок - блок коррекции рекомендаций, при этом первый вход блока коррекции рекомендаций связан со вторым выходом блока контроля параметров устройств, второй вход - со вторым выходом блока интеллектуального анализа параметров устройств, а первый выход блока коррекции рекомендаций связан с первым входом блока база знаний.

БЛОК МНОГОМЕРНАЯ БАЛА ДШНЫХ

БЛОК интсплеюуАпь нога

АНАЛИЗА ПАРАМЕТРОВ УСТРОЙСТВ

Рис. 7. Модифицированная структурная схема СППР КДК СУ

Функционирование блока коррекции рекомендаций осуществляется следующим образом: блок получает данные с блока контроля параметров устройств и блока интеллектуального анализа параметров устройств, после обработки этих данных происходит передача корректирующих параметров в блок база знаний, который, в свою очередь, передает рекомендации по принятию решений с учетом корректировки на блок АРМ ШНСГ.

Таким образом, модифицированная схема СППР КДК СУ отвечает требованиям трехуровневой системы интеллектуального функционирования.

В заключении диссертации сформулированы основные результаты работы. Дано краткое описание задач, функций и технического исполнения системы поддержки принятия решений для оперативно-диспетчерского и эксплуатационного персонала сортировочной горки.

Реализация подобной системы невозможна без глубокого анализа современных систем горочной автоматизации, методов и алгоритмов построения систем поддержки принятия решений, математического и алгоритмического

аппарата принятия решений в условиях сложных объектов, что и определило часть задач диссертационной работы.

Технически СППР КДК СУ реализована в виде веб-портала, что позволяет значительно сократить требования к аппаратной части пользовательского оборудования. Реализованная в рамках ОАО «РЖД» корпоративная сеть передачи данных обеспечивает возможность контроля и анализа сортировочного процесса не только обслуживающим персоналом непосредственно на станции, но и управленческим аппаратом дороги и сети.

В приложении приведена использованная статистика и акты, подтверждающие результаты внедрения научных разработок в практику.

Основные положения работы отражены в следующих публикациях:

1. Тартынский В.А. Назначение и особенности WEB-порталов. Труды всероссийской научно-практической конференции «Транспорт-2005», ч.1, Ростов-на-Дону, РГУПС, 2005 - С. 86-87.

2. Шабельников А. Н., Сачко В. И., Мельников А. В., Муравский А. В., Мухин А. В., Тартынский В.А. Подсистема поддержки принятий решений для оперативно-диспетчерского и эксплуатационного персонала автоматизированной сортировочной горки КДК СУ ГАЦ (СППР КДК СУ). Свидетельство об официальной регистрации программы для ЭВМ № 2007611812,2007.

3. Шабельников А.Н., Мельников A.B., Муравский A.B., Тартынский В.А. Система поддержки принятия решений для оперативно-диспетчерского и эксплуатационного персонала автоматизированной сортировочной горки (СППР СГ). Патент на полезную модель № 65666,2007.

4. Шабельников А.Н., Мельников A.B., Муравский A.B., Тартынский В.А. Подсистема поддержки принятия решений для оперативно-диспетчерского и эксплуатационного персонала автоматизированной сортировочной горки в составе КДК СУ ГАЦ (СППР КДК СУ). Свидетельство об официальной регистрации базы данных № 2007620280,2007.

5. Шабельников А.Н., Тартынский В.А. Практическая реализация хранилищ данных в системах поддержки принятия решений. Сборник докладов Седьмой международной научно-практической конференции ТЕЛЕКОМТРАНС 2010, РГУПС, Ростов-на-Дону, 2010 - С. 233-237.

6. Тартынский В.А. Интеллектуальный анализ данных в системах поддержки принятия решений. Применение современных математических методов и информационных технологий - сборник научных трудов с международным участием. Иркутск: Изд-во БГУЭП, 2010 - С. 87-93.

* ' 1 V

7. Тартынский В.А. Сборник научных трудов по материалам международной научно-практической конференции «Перспективы инновации в науке, образовании, производстве и транспорте '2010», том 3, Одесса, 2010 - С. 44-47.

8. Шабелышков А.Н., Тартынский В.А. Проектирование структуры системы поддержки принятия решений для персонала автоматизированной сортировочной горки. Труды конгресса по интеллектуальным системам и информационным технологиям АК-ГГЮ, том 3, Дивноморское, 2010 - С. 160165.

Публикации в периодических изданиях, рекомендованных ВАК:

9. Тартынский В.А. Поддержка принятия решений для персонала сортировочной горки. Автоматика Связь Информатика, г. Москва, 2007, №11-С.44-45.

10. Шабелышков А.Н., Тартынский В.А. Реализация хранилищ данных в системах поддержки принятия решений. Автоматика Связь Информатика, г. Москва, 2010, № 7 - С. 2-4.

П.Лябах Н.Н., Денисов А.В., Тартынский В.А. Мониторинг и прогнозирование показателей работы горок. Железнодорожный транспорт, г. Москва, 2010,№8-С. 39-41.

12. Сачко В.И., Тартынский В.А. Информационно-аналитическая система поддержки принятия решений. Железнодорожный транспорт, г. Москва, 2010, № 8 - С. 43-47.

13. Сачко В.И., Тартынский В.А. Специализированная система поддержки принятия решений. Вестник РГУПС, Ростов-на-Дону, № 3, 2010 г -С.118-122.

Тартынский Валентин Анатольевич

РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ С ПОДДЕРЖКОЙ ПРИНЯТИЯ РЕШЕНИЙ В КОМПЛЕКСАХ ГОРОЧНОЙ АВТОМАТИЗАЦИИ

Автореферат диссертации на соискание ученой степени кандидата технических наук

Подписано к печати-//.2010г. Формат 60x84/16. Бумага офсетная. Печать офсетная. Усл. печ. л. 1,0. Уч.-изд. л. 1,0. Тираж 100. Заказ № 5525.

Ростовский государственный университет путей сообщения. Лицензия ЛР № 65-64 от 10.12.1999 г.

Ризография РГУПС. Лицензия ПЛД № 65-10 от 10.08.1999 г._

Адрес университета: 344038, Ростов н/Д, пл. Ростовского Стрелкового полка народного ополчения, 2.

ВВЕДЕНИЕ.

1 ОСНОВНЫЕ АСПЕКТБГ РАЗРАБОТКИ'СИСТЕМ^ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ТРАНСПОРТЕ.

1.1 Характеристика объекта1 исследования: сортировочная горка и требования к системе поддержки принятия решений.

1.2 Обзор существующих средств и технологий систем поддержки принятия решений на железнодорожномтранспорте.

1.3 Формирование целей и задач функционирования системы. поддержки принятия решений.

Выводы по главе.

2 СИСТЕМАТИЗАЦИЯ И АДАПТАЦИЯ МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.

2.1 Исследование особенностей применимости различных методов анализа в системе поддержки принятия решений.

2.2 Анализ методов построения регрессионных моделей в системе поддержки принятия решений.

2.3 Применение теории нечетких множеств для решения-задачи выбора очередности проведения работ по ТОиР.

Выводы по главе.

3 РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ СИСТЕМЫ: ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.

3.1 Проектирование структуры системы поддержки принятия решений для персонала автоматизированной сортировочной горки.

3.2'Подсистема статистического и интеллектуального анализа сортировочного процесса.

3.3 Подсистема по планированию и контролю технического обслуживания и ремонта оборудования КСАУСП.

Выводы« потлаве.

4 ПРИКЛАДНЫЕ АСПЕКТЫ ИССЛЕДОВАНИЯ И ВНЕДРЕНИЯ.

4.1 Реализация хранилищ данных в системах поддержки принятия решений.

4.2 Интеллектуальный анализ данных в системах поддержки принятия решений.

4.3 Развитие СППР КДК СУ с использованием элементов теории адаптивного управления.

Выводы по главе.

Актуальность темы исследования. Качественно новый уровень в обеспечении безопасности функционирования систем горочной автоматизации во время, эксплуатации может, быть, достигнут при использовании новых информационных технологий, в том числе систем поддержки принятия решений, автоматизированных информационно-планирующих и контрольно-диагностических средств, предназначенных для автоматизации технического обслуживания и ремонта горочных устройств, а также компьютерного анализа результатов работы оборудования и персонала. Особенно это актуально в настоящее время в условиях, характеризующихся серьезными кризисными явлениями в мировой экономике, и, как следствие, стремлением к экономии различных видов ресурсов.

Создание подобных систем полностью соответствует одному из основных направлений программы стратегического развития ОАО «РЖД» до 2030 года, стимулирующему разработку и внедрение инновационных технологий во все сферы деятельности железнодорожной отрасли.

В настоящее время на многих сортировочных станциях процесс расформирования составов автоматизирован. Для этой цели используются специальные программно-аппаратные комплексы, такие как «Комплексная система автоматизации управления сортировочным процессом» (КСАУ СП).

Как известно, автоматизированный процесс расформирования -формирования составов на сортировочных горках требует четкой и скоординированной работы всех' участников процесса, как трудовых ресурсов: дежурного по горке, горочных операторов, старшего электромеханика, электромехаников, начальника станции, начальника горки и т.д. (в дальнейшем, именуемых как лица, принимающие решения - ЛПР), так и программно-аппаратных ресурсов: постовых и напольных устройств сортировочной горки.

Можно выделить некоторые специфические особенности процесса принятия решений: острый дефицит времени на оценку ситуации и принятие решения, высокая степень неопределенности оперативно-технологических ситуаций и исходных данных, многофакторный характер задачи.

Все выше сказанное обуславливает актуальность создания специальной системы для мониторинга и многофакторного анализа работы сортировочной горки на основе данных автоматически поступающих из подсистем горочного комплекса; поддержки процессов принятия решений по функциональному и стратегическому управлению технологическим процессом работы сортировочной горки за счет использования новых информационных технологий, обеспечивающих оперативное предоставление сводных агрегированных показателей работы, необходимых для принятия оперативного и взвешенного решения.

Степень разработанности проблемы. Проблемы горочной автоматизации подробно исследованы Ю. Боровковым, И. Долгим, В. Иванченко, А. Савицким, Ю. Самойленко, А. Сепетым, Е. Тишкиным, А. Федорчуком, Н. Фонаревым, В. Шелухиным и др.

Вопросы разработки математического, информационного, алгоритмического обеспечения автоматизированных систем управления освещены в работах А. Воронова, А. Горелика, В. Иванченко, Л. Канторовича, М. Королева, И. Лакина, Н. Лябаха, Т. Соколова, В. Финаева, Д. Швалова и др.

Различные фундаментальные и прикладные аспекты интеллектуальных систем управления нашли отражение в работах таких ученых как Н. Винер,

B. Глушков, А. Гуда, Д. Дубровский, С. Ковалев, А. Ляпунов, М. Минский, Д. Поспелов, Ф. Розенблатт, В. Тарасов, А. Шабельников и др.

Вопросы применения математического инструментария теории нечетких множеств и регрессионного анализа как для решения общих задач, так и для управления транспортными процессами рассмотрены в работах Р. Беллмана,

C. Воробьева,"Л. Заде, А. Кофмана, А. Муравского и др.

Исследованием« процесса . проектирования и реализации систем-поддержки принятия решений занимались Б. Инмон, Р. Кимболл, Э. Кодд, О. Ларичеву А. Петровский, В. Сачко, В.Уманский'И др.

Вместе - с тем,- в настоящее, время отсутствует единая; совокупность методов- построения' систем поддержки принятия решений (СППР)' в условиях автоматизированной' сортировочной горки, и многие вопросы, имеющие высокую^ актуальность и заслуживающие самого» пристального внимания, раскрыты не полностью.

Помимо этого, различные прикладные задачи, возникающие в процессе разработки" подобной» системы, требуют адаптации имеющегося теоретического и методического инструментария и применения формализованных процедур моделирования и принятия решений. Эти моменты и определили цели и задачи исследования.

Целили задачи исследования. Разработка средств поддержки принятия решений оперативно-диспетчерским и эксплуатационным персоналом сортировочной горки по функциональному и стратегическому управлению технологическим процессом работы сортировочной горки, систематизация и адаптация алгоритмических и математических методов для решения прикладных задач в процессе проектирования и построения системы поддержки принятия решений.

В соответствии с данной целью были поставлены следующие теоретические и практические задачи исследования.

1. Характеристика объекта автоматизации с целью* выявления проблем в процессе принятия решений диспетчерским и эксплуатационным! персоналом автоматизированной сортировочной горки. Выявление объективных предпосылок к созданию АСУ поддержки принятия решений.

2. Анализ и систематизация- существующих подходов* к построению систем^ поддержки принятия решений' на транспорте. Поиск оптимальной структуры и технологий построения СППРГ

3.Систематизация-- и. адаптация• алгоритмических и математических методов исследования процесса1 принятия* решений персоналом автоматизированной сортировочной, горки.

4. Разработка и проектированием АСУ поддержки принятия решений: на-основе сформированного математического,, алгоритмического и информационного обеспечения;

5. Внедрение разработанных предложений и методик в решение задач, возникающих; в, процессе принятия: решений: на автоматизированных сортировочных горках сети.

Объектом исследования: являются системы поддержки принятия; решений« для персоналам организационно-технологических объектов железнодорожного транспорта, к которым относится автоматизированная сортировочная горка:

Предмет исследования - алгоритмические, математические методы: и механизмы поддержки, принятия решений; информационные технологии и технические средства построения систем поддержки принятия решений: Соответствующие пункты паспорта специальности: п. 9;. Методы эффективной! организации и ведения специализированного информационного5 ипрограммного обеспечения АСУТП, АСУП, АСТПП и др., включая,базы и банки данных-и методы их оптимизации; п. 15. Теоретические основы,: методы, и алгоритмы интеллектуализации решения прикладных задач при построении АСУ широкого назначения (АСУТП, АСУП, АСТПП и др.).

Теоретико-методологической основой исследования послужили работы отечественных и зарубежных авторов в области проектирования и построения систем поддержки принятия решений; современные; концепции у правления? активными, системами; а такжеработы в. области^ моделирования технологических, процессов и теории нечетких множеств: При разработке автоматизированной системы; управления применялись, современные? методологии проектирования и средства разработки программного обеспечения.

Концепция диссертационного исследования исходит из того, что в современных условиях политика всеобъемлющего внедрения инновационных технологий в отрасли повлечет за собой потребность в системах поддержки принятия решений, реализующих принципы интеллектуального функционирования сортировочного процесса. В связи с этим необходим теоретико-прикладной аппарат, способный оказать помощь в принятии решений управленческому персоналу автоматизированной сортировочной горки. Суть предлагаемого подхода состоит в использовании методов регрессионного моделирования, аппарата нечеткой логики и теории адаптивных систем для анализа сортировочного процесса в рамках разрабатываемой СППР.

Положения диссертации, выносимые на защиту:

1. В условиях автоматизированной сортировочной горки для принятия эффективных и обоснованных решений оперативно-диспетчерскому и эксплуатационному персоналу требуется провести анализ большого количества статистических данных. Вследствие ограничений систем учета и контроля необходимую выборку не всегда можно представить в удобном для ЛПР виде, а длительность проведения данного анализа может превысить длительность управляемого процесса. Решением данной проблемы является создание специальной системы поддержки принятия решений для оперативно-диспетчерского и эксплуатационного персонала сортировочной горки, использующей современную программную и аппаратную платформу, эффективный математический аппарат для проведения анализа и прогнозирования изменений состояния горочного оборудования.

2. Разрабатываемая система поддержки принятия решений должна состоять из следующих подсистем: подсистемы сбора и предварительной обработки информации, подсистемы статистического и интеллектуального анализа, подсистемы технического обслуживания и ремонта. Подсистема сбора и предварительной обработки информации получает данные из различных источников информации, в том числе из подсистем комплекса .автоматизации сортировочной горки, и выполняет1 загрузку подготовленных данных в консолидированное хранилище данных СППР. Подсистема статистического и интеллектуального анализа позволяет пользователям проводить различные виды, анализа процесса- функционирования, как отдельных устройств, так и сортировочной горки в целом. Подсистема технического обслуживания и ремонта реализует возможности по оптимизации и мониторингу процесса выполнения работ по техническому обслуживанию и ремонту горочного оборудования.

3. В процессе моделирования сложных объектов следует уделять пристальное внимание этапу выбора модели. В условиях автоматизированной сортировочной горки можно выделить следующие цели моделирования: выявление и анализ физической природы исследуемого технологического процесса, анализ параметров функционирования объекта с целью построения прогноза и анализ с целью формирования управленческого воздействия.

4. Для формирования оптимального плана работ по техническому обслуживанию и ремонту следует использовать теорию нечетких множеств, так как в современных системах автоматизации и управления на железнодорожном транспорте ключевое значение имеют не только точные, математические обоснованные данные, но и модели, содержащие . качественную информацию, которая включает многолетний опыт эксплуатации и важные сведения о данной области знаний.

5. Сложность задач, решаемых системами поддержки принятия решений на автоматизированной сортировочной горке, требует придания алгоритмам и методам идентификации состояния объектов, а также. процедурам принятия решений интеллектуальности, которая обеспечит извлечение из данных и практическое применение необходимых знаний.

Научная новизна. Научную - новизну диссертационного исследования составляют следующие результаты:

1. Разработана структура системы поддержки принятия решений, обеспечивающая проведение оперативного качественного и количественного анализа информации, требуемой для помощи в решении сложных проблем персоналом автоматизированной сортировочной горки.

2. Усовершенствована полезная модель СППР КДК СУ, с использованием концепции «интеллектуального функционирования» системы, путем добавления нового блока, реализующего возможность коррекции управляющего сигнала по результатам анализа выходных данных системы.

3. Проведена адаптация математического аппарата моделирования на основе регрессионного анализа и теории нечетких множеств с учетом особенностей технологического процесса автоматизированной сортировочной горки для решения задач прогнозирования изменений показателей функционирования оборудования и формирования оптимального плана выполнения работ по техническому обслуживанию и ремонту горочных устройств.

4. Разработаны структура и средства визуализации контролируемых параметров оборудования и показателей работы персонала и функционирования сортировочной горки в целом.

5. На основе принципов, методов и алгоритмов, изложенных в диссертационном исследовании, разработано консолидированное хранилище данных системы поддержки принятия решений для оперативно-диспетчерского и эксплуатационного персонала автоматизированной сортировочной горки.

Теоретическая^ ценность диссертационного' исследования определяется направленностью- его результатов на развитие и совершенствование принципов,' методов и алгоритмов построения эффективной*- СППР' для*-персонала автоматизированной« сортировочной-горки, что полностью < отвечает выбранному направлению-инновационного развития железнодорожной отрасли. Основные положения, работы могут быть использованы, при проектировании,и разработке различных АСУ, в том числе и не содержащих.механизмы.поддержки принятия,решений.

Практическая значимость. Практическую значимость диссертационного исследования составляют следующие результаты:

1. Разработана система поддержки принятия решений, позволяющая:

- повысить качество принимаемых управленческих решений за счет использования современных технологий, обеспечивающих оперативное получение и наглядное представление всего необходимого объема информации об управляемом объекте;

- пользователям, не имеющим глубоких знаний в статистике, применять современный математический аппарат для проведения анализа и построения прогноза развития ситуации.

2. Выполнены проектирование' и разработка программного продукта «Система- поддержки принятия- решений для оперативно-диспетчерского-и эксплуатационного персонала автоматизированной сортировочной горки» в Ростовском филиале ОАО- НИИАС. Внедрение данной системы осуществляется, в настоящее. время? на сортировочных горках всей сети в составе «Комплекса контроля и диагностики, станционных устройств зоны ГАЦ с рабочим местом горочного электромеханика АРМ ШН СГ» (КДК СУ ГАЦ).

Реализация', результатов.^ работы. Основные результаты диссертационного ~ исследования' были внедрены при реализации-программного продукта «Система; поддержки, принятия'- решений для оперативно-диспетчерского и- эксплуатационного персонала, . автоматизированной'сортировочной горки» РосгФНИИАС. Данная, система в настоящий момент внедрена на следующих станциях: Бекасово-Сортировочное Московской^ ж.д., Красноярск-Восточный Красноярской* ж.д., Санкт-Петербург-Московский-Сортировочный Октябрьской ж.д., Новая.-Еловка Красноярской- ж.д., Иркутск-четный Восточно-Сибирской ж.д., Инская-нечетная Восточно-Сибирской ж.д., Московка Западно-Сибирской ж.д. Результаты* диссертационного исследования, используются в работе Научно-исследовательской части« РГУПС. Использование результатов подтверждено соответствующими актами. Работа^ выполнена при поддержке РФФИ, проекты № 09-07-00192 и № 10-01-00058. Также по результатам исследования получено 2 авторских свидетельства и 1 патент на полезную' модель.

Апробация результатов исследования. Результаты и основные положения диссертационной работы докладывались на Всероссийской научно-практической конференции «Транспорт 2005» (г. Ростов-на-Дону, 2005 г.), Седьмой* Международной- научно-практической конференции «Телекоммуникационные, информационные и. логистические технологии, на транспорте» «ТелекомТранс — 2010» (г. Ростов-на-Дону, 2010 г.), Международной научно-практической конференции- «Перспективные инновации в науке, образовании, производстве и транспорте '2010» (г. Одесса, 2010 г.). Основные положения, диссертации опубликованы' в 13 работах, общим объемом 3,08 п.л., в том числе 2,00 п.л. лично автором.

Объем, и структура работы. Диссертация состоит из введения, четырех глав, заключения, приложения, списка литературных источников, а также актов реализации результатов диссертационной работы. Общий объем диссертации^ составляет 190 стр., включая 42 рисунка; 8 таблиц, список литературы из 118 наименований, приложения'и акты реализации.

Выводы по главе

1. В рамках подсистемы сбора, предварительной обработки и хранения« СППР КДК. СУ нами было реализовано хранилище данных по схеме «снежинка», на основе СУБД MS SQL Server 2005. В процессе -создания* ХД были мы использовали теоретические наработки и практический опыт создания подобных систем как отечественных, так и зарубежных авторов. Также были учтены особые требования при выборе схемы построения хранилища и используемого программного и аппаратного обеспечения, накладываемые политикой инновационного развития отрасли.

2. Чтобы оказать помощь в принятии рациональных и эффективных управленческих решений ЛПР, СППР должна позволять провести наиболее полный и глубокий анализ проблемы, раскрыть природу явления или объекта автоматизации для целей прогнозирования развития. Все это возможно только при использовании в СППР современного аппарата математической статистики и искусственного интеллекта, однако, при этом следует учитывать, что пользователи системы в большинстве своем не имеют глубоких познаний в соответствующих областях математики.

3. Вследствие особенностей функционирования комплексов автоматизации технологических процессов, присущим сфере железнодорожного транспорта, разрабатываемые комплексы должны* включать в себя« элементы искусственного^ интеллекта, самоорганизации и адаптивного . управления. Таким образом, используя- концепцию «интеллектуального» функционирования систем, автором модифицирована существующая схема системы СППР КДК СУ.

Заключение <

В задаче'инновационного развития-отрасли * одном из приоритетных направлений/является: разработка, и внедрение специализированных систем-поддержки принятия.решений,.-для повышения качества решений.персонала,в условиях*, сложных технологических» процессов,1 к которым относится и автоматизированная сортировочная:, горка. Однако анализ1 отечественных и зарубежных^ систем* поддержки принятия.• решений на железнодорожном.« транспорте позволил выявить, что-существенные отличия, в технологической, и экономической базы, значительно затрудняют возможность использования зарубежных аналогов, -а потребности в большом^ количестве структурных, изменений для адаптации существующих отечественных аналогов.

Современные автоматизированные сортировочные горки оборудованы большим количеством напольных и постовых устройств, таких как устройства счета осей, весомеры, индикаторы скорости отцепов, аппаратура контроля заполнения путей сортировочного парка, метеостанции и др. Каждое устройство характеризуется набором контролируемых параметров, отражающих процесс его функционирования.

Для оказания реальной помощи обслуживающему персоналу в контроле состояния, оперативном поиске неисправностей, предотказной диагностике, анализе работы отдельных устройств и сортировочного процесса в целом, а также для организации работ по техническому обслуживанию-и ремонту напольных и постовых устройств сортировочной^ горки, в Ростовском филиале ОАО НИИАС разработана система.поддержки, принятия: решений для оперативно-диспетчерского и эксплуатационного персонала, автоматизированной сортировочной'горки (СППР КДК. СУ). Эта Впервые она была, внедрена на • автоматизированной сортировочной горке станции Красноярск-Восточный Красноярской железной дороги;

В работе дано краткое описание задач, функций, процесса, проектирования, разработки и технической'реализации системы поддержки принятия решения, для .персонала автоматизированной сортировочной горки.

Структурно» СППР КДК СУ' разделена на несколько подсистем. Технологической и диагностической-информация, поступающая! в СППР как из подсистем: КГМ ПК и КДК СУ, так. и других источников, проходит предварительную' обработку в подсистеме сбора и предварительной обработки информации, .эта: же подсистема осуществляет загрузку готовых данных в хранилище данных. Особенности программной реализации позволяют в кратчайшие сроки добавлять новые источники данных и изменять существующие. При построении хранилища данных был- учтен опыт зарубежных и отечественных разработчиков, особое внимание уделялось выбору программно-аппаратной платформы.

Подсистема статистического и интеллектуального анализа, используя современный математический аппарат, обеспечивает возможность проведения анализа и прогнозирования состояния как напольных и постовых устройств, так и показателей работы всей сортировочной горки.

Помимо большого количества контролируемых параметров напольных и постовых устройств в СППР КДК СУ ведется учет статистики как процесса выполнения работ обслуживающим персоналом, так и показателей работы СГ в целом: Поэтому для обеспечения более удобной и эффективной работы пользователей разработана структура комплекса параметров, облегчающая построение отчетов и доступ к информации с учетом профессиональной специализации.

Повышение качества проведения ■ работ по техническому обслуживанию и ремонту горочного оборудования — главная, задача подсистемьь по планированию и контролю технического обслуживания и ремонта оборудования КСАУСП'. Для достижения'этой задачи пользователям предоставляются удобные средства/для * мониторинга и контроля процесса проведения работ по техническому' обслуживанию и ремонту, используя аналитические данные. Сохранению и накоплению опыта проведения работ ТОиР способствует модуль базы знаний. Воспользовавшись этим модулем, пользователь может получить инструкции и рекомендации по проведению работ, как общего характера, так и с учетом специфики оборудования установленного на данной сортировочной горке.

Очевидно, что реализация подобной системы невозможна без глубокого анализа современных систем горочной автоматизации, методов и алгоритмов построения систем поддержки принятия решений, математического и алгоритмического аппарата принятия решений в условиях сложных объектов, что и определило часть задач данной диссертации.

Технически СППР КДК СУ реализована в виде веб-портала, что позволяет значительно сократить требования к аппаратной части пользовательского оборудования. Реализованная в рамках ОАО «РЖД» корпоративная сеть передачи данных обеспечивает возможность контроля и анализа сортировочного процесса не только обслуживающим персоналом непосредственно на станции, но и управленческим аппаратом дороги и сети.

1. Ададуров С.Е., Шабельников А.Н., Одикадзе В.Р. Многоуровневый мониторинг • и контроль функционирования, системы автоматизации сортировочной горки // Вестник РГУПСа. № 4, 2007, с. 21-26.

2. Айзерман М.А., Алескеров Ф.Т. Выбор вариантов: основы теории // М.: Наука, 1990. 240 с.

3. Архипенков. С., Голубев Д., Максименко О. Хранилища данных. От концепции до внедрения // Под общ. ред. С. Архипенкова. М.: Диалог-МИФИ, 2002.

4. Бек. Е. Экстремальное программирование // Спб.: Питер, 2002. — 224 с.

5. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. В кн.: Вопросы анализа и процедуры принятия решений // М.: Мир 1976.

6. Березовский Б.А., Гнедин A.B. -Задача» наилучшего выбора // М.: Наука,. 1984.- 196 с.

7. Бриллинджер.Д.Р. Временные ряды. .Обработка-данных и теория // М".:-' Мир 1980.

8. Ю.Богуславский И.В., Ольховик. О.В., . Петрикин . A.A. Концепция разработки- системы-.- поддержки1 принятия х-решений в условиях чрезвычайной ситуации // Вестник ДГТУРостовтн/Д 2010 - № 3

9. П.Борисов А.Н.; Крумберг-O.A.,'.Федоров И-П."" Принятие решения; на-основе-нечетких, моделей: примеры использования.// Рига, Зинатне,. 1990,-184'С. • '

10. Борисов А.Н., Левченков A.C. Методы интерактивной оценки решений // Рига, Зинатне, 1982. 139 с.

11. Винер. Н. Кибернетика или управление и связь в животном и машине // М.: Наука, 1970.-248 с.

12. Воробьев С.Н., Осипов JI.A. Регрессионный анализ: Учебно-методическое пособие // СПб.: ГУАП, 2000. 66 с.

13. Гапанович В.А. Задачи и перспективы инновационного развития отрасли // АСИ, № 11,2007.

14. Гуда А.Н., Бутакова М.А. Основы информатики: Учебное пособие // Ростов н/Д: РГУПС, 2004. -83 с.

15. Джексон П. Введение в экспертные системы // Из-во «Вильяме»; 2001.

16. Дмитренко И.Е. Техническая диагностика и автоконтроль систем железнодорожной автоматики, и телемеханики. // М!:: Транспорт,- 1986. 144с.

17. Иванченко В.Н. Исследование и 1 разработка- алгоритмов функционирования информационно-логической системы автоматизированной сортировочной горки // Ростов н/Д, 1976. (Труды РИИЖТа, вып. 133), С. 18-24.

18. Иванченко В.Н., Лябах H.H., Ковалев С.М. Принятие решений на железнодорожном транспорте на основе использования теории нечетких множеств: Методические указания // Ростов н/Д: РИИЖТ, 1987. 28 с.

19. Ивахненко А. Г., Степашко В. С. Помехоустойчивость моделирования // Киев: Наук, думка, 1985. 216 с.

20. Иващенко H.H. Автоматическое регулирование. Теория и элементы системгУчеб. для вузов: 4-е изд. перераб. и доп // М.: Машиностроение; • 1978.-736 с.

21. Информационные технологии нa^ железнодорожном . транспорте: Учебник для вузов ж.д. трансп. / Под ред. Э.К." Лецкого, Э.С. Поддавашкина, В.В. Яковлева. М.: УМК МПС России. - 2000.

22. ЗККазаков A.A., Бубнов В.Д., Казаков Е.А. Станционные устройства-автоматики и телемеханики // М.: Транспорт; 1990.

23. Кайнов В.М. Хозяйство СЦБ:г проблемы, и перспективы реструктуризации // АСИ, № 11, 2007.

24. Кемени Дж., Снелл Дж. Кибернетическое моделирование: Некоторые приложения // М.: Советское радио, 1972. 192 с.

25. Клыков Ю:И. Ситуационное управление большими системами // М.: Энергия; 19747-213 с.35:Коберн-А. Быстрая-разработка программного-обеспечения.// М.: Лори,-2002. :

26. Ковалев^ С.М., Родзин С.И. Информационные • • технологии: интеллектуализация обучения,.моделирование эволюции, распознавание речи // Изд-во СКНЦ ВШ. Ростов-на-Дону, 2002

27. Ковалев С.М. Интеллектуальная динамическая модель датчика осей // Автоматика, связь, информатика. — 2007. №11. С. - 12-13.

28. Кофман А. Введение в теорию нечетких множеств // М.: Радио и связь, 1982. 432 с.

29. Кузнецов Л.П., Иванченко В.Н., Лябах H.H., Самойленко Ю.А. Автоматизация технологических процессов в системе оперативного управления сортировочной станцией: Учеб. Пособие // Ростов н/Д: РИИЖТ, 1984.- С. 78.

30. Липаев В.В. Программно-технологическая безопасность информационных систем // Jet Info online. 1997. - № 6-7. - С. 25-34.

31. Лисенков В.М. Безопасность технических средств в системах управления движением поездов // М.: Транспорт, 1985. 83 с.

32. Литвак Б.Г. Экспертные оценки и принятие решений // М.: Патент -1996.

33. Львов В. Создание систем поддержки, принятия решений на- основе хранилищ данных / СистемыУ правления.Базами Данных # 3/97. Москва: Издательский дом "Открытые системы" С. 30-40.

34. Лябах H.H. Принятие решений в микропроцессорных информационно-управляющих системах на железнодорожном транспорте: Учеб. Пособие // Ростов н/Д: РИИЖТ, 1986. С. 73.

35. Лябах H.H., Бутакова М.А. Системы массового-обслуживания: развитие теории, методология моделирования и синтеза: монография // Ростов-на-Дону: РГУ ПС, 2004. 200 с.

36. Лябах H.H., Тептиков Н.Р., Шабельников. .А.Н., Матвиенко В.П. Математические проблемы и методы принятия решений в системах диагностики и управления, на. железнодорожном транспорте // СКНЦ, приложение «Научная мысль Кавказа» № 3, Ростов-на-Дону, 2001.

37. Лябах H.H., Чернов A.B., Шабельников А.Н. Безопасность и качество функционирования программного обеспечения информационно-управляющих систем на транспорте // М.: Вестник ВНИИЖТ, 2001. — №5.

38. Лябах H.H., Шабельников А.Н. Техническая кибернетика на железнодорожном транспорте: Учебник // Ростов н/Д: РГУ ПС, СКНЦ ВШ, 2002.-283 с.

39. Ляпунов А. А., О некоторых общих вопросах кибернетики, в кн.: Проблемы кибернетики, в. 1 // М., 1958.

40. Мухин О. И. Моделирование системt Учебное пособие // Пермь: РЦИ ПГТУ. http://stratum.ac.ru/textbooks/modelir/.

41. Орлов С. Технологии разработки программного обеспечения:'Учебник // С. Орлов // СПб;: Питер, 2002.

42. Патрик Э. Основы теории распознавания образов // М.: Советское радио, 1980.-408 с.

43. Подиновский В. В. Аксиоматическое решение проблемы оценки важности критериев, в многокритериальных задачах // Современное состояние теории исследования операций / Под ред. Н. Н. Моисеева. -М.: Наука, 1979. С. 117-145.

44. Поспелов Д.А. Ситуационное управление: теория и практика // М.: Наука. Гл. ред. физ.-мат. лит., 1986. - 288 с.

45. Родимов Б.А., Павлов В.Е., Прокинова . В.Д.' Проектирование механизированных и автоматизированных сортировочных горок // М.: Транспорт, 1980.

46. Розенберг E.H., Тишкшг Е.М!- Пути перехода, к информационно-управляющим системам,// Жел.-дор. транспорт. 2003. №11.

47. Сапожников В.В.,: Сапожников Вл.В.,Талалаев 1 В.И., Гавзов Д.В., Наседкин O.A. Сертификация-'1 на» железнодорожном транспорте // Железнодорожный .транспорт, 1997, №12, с. 26-29:

48. Сараев А. Д., Щербина О. А. Системный анализ и современные информационные технологии // Труды Крымской Академии наук. — Симферополь: СОНАТ, 2006. — С. 47-59.

49. Сачко В.И. Система управления, знаниями источник повышения эффективности-бизнес-процессов // Автоматика Связь Информатика, г. Москва, №11, 2007

50. Сепетый A.A. Совершенствование технологии. технической^ эксплуатации устройств-ЖАТ в системе АДК-СЦБ / A.A. Сепетый, Е.А. Гоман, А.Е. Федорчук // Автоматика и телемеханика на железнодорожном транспорте: сб. докл. «ТрансЖАТ-2005». — Ростов н/Д, 2005.

51. Системы автоматизации и информационные технологии управления перевозками на железных дорогах. Под редакцией В.И. Ковалева, А.Т. Осьминина, Г.М. Трошева: Учебник для вузов ж. д. транспорта // М.: Маршрут, 2006. 544с.

52. Соколов В.H. Новейшие технологии автоматизации технологических процессов на сортировочных станциях // Сборник трудов Третьей международной научно-практической конференции ТрансЖАТ-2006. СПб. 2006.

53. Стивен Р. Палмер, Джон М. Фелсинг. Практическое руководство по функционально-ориентированной' разработке ПО // Стивен Р. Палмер; Джон М. Фелсинг. СПб.: Вильяме, 2002 г.

54. США: современные методы,управления /. Под ред. Б. 3. Мильнера. М.: Наука, 1971.

55. Тартынский В.А. Поддержка .принятия решений для персонала сортировочной горки // Автоматика Связь Информатика, г. Москва, №11,2007

56. Тартынский В.А. Реализация.*хранилищ,данных в системах, поддержки принятия решений // Ежемесячный »научный журнал «Молодой ученый»; №9, 2009. С. 31-33.

57. Управление и информационные технологии на. железнодорожном транспорте / под ред. Л.П. Тулупова // М!, 2005; •

58. Устройства механизированных и автоматизированных сортировочных горок. Технология обслуживания // М.: Транспорт, 1993.

59. Фаулер М., Скотт К. UML в кратком изложении: Пер. с англ // М.: Мир, 1999.- 191 с.

60. Финаев В. И. Моделирование при проектировании информационно-управляющих систем: Учебное пособие // Таганрог: Изд-во ТРТУ, 20021.-118с.

61. Цаленко М.Ш. Моделирование семантики в базах-данных // М.: Наука,, 1989.

62. Шабельников А.Н. Новейшие технологии автоматизации работы сортировочных станций // АСИ, № 11, 2007.

63. Шабельников А.Н. Разработка5 методов автоматизации управления динамическими процессами, на основе нечеткой информации // Канд. дис.- Ростов н/Д, 2000. 154 с.

64. Шабельников1 А. Н., Мельников» А. В., Муравский А. В., Тартынский

65. B.А. Система' поддержки принятия решений для оперативно-диспетчерского и эксплуатационного персонала/ автоматизированной сортировочной горки (СППР СГ). Патент на полезную модель № 65666, 2007.

66. Шабельников А.Н., Одикадзе В.Р. Совершенствование системы^ прицельного торможения отцепов на сортировочных горках // Известия ВУЗов. Северо-Кавказский регион. № 2, 2008, с. 21-23.

67. Шабельников А.Н., Соколов В.Н. Актуальные проблемы повышения безопасности роспуска составов на сортировочных горках // Сборник трудов 4-й научно-практической конференции «Безопасность движения поездов». Москва. 2005.

68. Шабельников А.Н., Соколов В.Н. Ростовский филиал ВНИИАС -развитие и перспективы // Автоматика, связь, информатика, 2006, № 2.

69. Шабельников А.Н., Соколов В.Н. Средства автоматизации сортировочной"горки ст.Бекасово1 Московской ж.д.// Железнодорожный транспорт. Серия: Сигнализация ихвязь. Экспресс-информация. Москва: ЦНИИТЭИ, 2003.- выпуск»2-3.

70. Шабельников А.Н., Соколов В.Н., Одикадзе В.Р. Универсальные модульные системы для, автоматизации .горок // Автоматика, связь, информатика. № 3-, 2007г., с. 2-3.

71. Шабельников А.Н., Соколов В.Н., Одикадзе В.Р., Даныпин* А.И., Рогов

72. C.А. Горочная автоматическая, централизация микропроцессорная с контролем накопления вагонов в сортировочном'* парке' (ГАД МН) //

73. Патент на; полезную модель №■ 51955. Зарегистрирован', в Гос. реестре полезных моделей РФ 10 марта 2006 г.

74. Шабельников В.А., Денисов А.В., Сарьян; А.С. Система мониторинга и анализа состояния искусственных сооружений! на железнодорожном транспорте // Ежемесячный, наунный, журнал: «Молодой ученый», №8, 2009: •

75. Швалов Д.В. Структурная : организация: автоматизированной; системы-определения- технического- состояния: устройств,: электрической централизации // Вестник, Ростовского' государственного университета путей сообщения. 2000. № 1. С. 75-82.

76. Шелухин: В;И. Датчики; измерения . и контроля устройств железнодорожного транспорта-//Mi: Транспорт, 1990.

77. Энциклопедия кибернетики.;Т. 1-2 // Киев: УСЭ, 1975. - 607 е.; 620 с. 98.Эшби У. Конструкция мозга; Происхождение адаптивного - поведения.

78. Перев. с английского // М.: Мир, 1964г. 412 с. 99.Эшби У .Р. Введение в кибернетику // М.: ИЛ, 1959.-432 с.

79. Якобсон А., Буч Г., Рамбо Дж. Унифицированный процесс разработки программного обеспечения//Спб.: Питер, 2002. 496 с.

80. Янг С. Системное управление: организацией (пер. с англ.) // М.: Сов. Радио,1972.

81. Allen J. F. Maintaining knowledge.:' about* : temporal intervals// Communications: of the: ACM; № 26i(-l l):832r843v 1983;

82. Cohon J. L. Multiobjective Programming and Planning. New York: Academic Press, 1978.

83. Eberhart, R.C., Dobbins, R.W., and Simpson, P. Computational Intelligence PC Tools. Boston: Academic Press, 1996.107. http://msdn.microsoft.com/ru-ru/library/ms 175595:aspx

84. Marakas G. M. Decision support'systems in the twenty-first century. Upper Saddle River, N.J.: Prentice Hall,-1999.

85. Morchen F. Time Series Knowledge Mining Dissertation Marburg/Lahn, 2006.

86. Philippe Kruchten, The Rational Unified Process: An, Introduction, Third Edition, Addison-Wesley Professional 2003

87. Royce, Walker W. Managing the development of large software systems: concepts and techniques. Proc. IEEE WESTCON, Los Angeles, 1970.

88. Rumbaugh, J., Jacobcon, I., Booch, G., The Unified Modeling Language Reference Manual. Addison-Wesley, 1999.

89. Villareal B., Karwan M.H., Zionts S. A branch and bound' approach to interactive multicriteria integer linear programming // Paper presented at Joint-National Meeting TIMS/ORSA, Washington, D. C, 1980.

90. W. Frawley, G. Piatetsky-Shapiro, C. Matheus. Knowledge:Discovery1 in Databases: An Overview. —ALMagazine. — 1992. — G. pp: 213^228:

91. W. H. Inmon. Building the Data:Warehouse. 4th.Edition. .Wiley Publishing, Indianapolis, 2005.

92. Zadeh, L. A. Fuzzy, sets. Information and Control; Vol. 8, pp. 338—353. (1965).