WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 |   ...   | 2 | 3 || 5 |

Данная задача относится к задаче оперативного планирования. В предлагаемом методе с корректировкой программ необходимые и достаточные условия разрешимости совпадают и поэтому сбалансированность по объемам, как это принято, выступает в качестве перспективного, планового показателя, а совокупность корректирующих переменных в оптимальном решении – программа перестройки производства – выступает в качестве оперативного показателя уже в рамках транспортной системы. Укажем, что предлагаемая модель может быть принята за одну из возможных основ согласования различных уровней планирования – перспективного и оперативного.

Метод решения основан на сведении динамической транспортной задачи с задержками к статической транспортной задаче в сетевой постановке при помощи разложения динамического потока в статический и укрупненно состоит из трех частей:

  • разложение динамического потока в статический;
  • решение статической транспортной задачи;
  • преобразование решения статической транспортной задачи в решение задачи МДС.

В главе 7 определены задачи и области применения двухуровневых систем оптимизации, описаны двухуровневые модели оптимизации технологии и структуры железнодорожных транспортных систем.

Двухуровневые системы оптимизации требуются там, где возникают противоречивые требования к моделям, такие как преодоление огромной многовариантности и достаточно подробное отображение сложной структуры (рис.8). Двухуровневая система состоит из оптимизационной (одной или нескольких) и имитационной модели, каждая из которых выполняет свою функцию. Оптимальный вариант рассчитан при условии укрупненного отображения структуры и технологии, ибо только в таком виде их можно формализовать (структуру в виде сети каналов и бункеров со своими параметрами и технологии в виде пропуска и переработки транспортных потоков).

Взаимодействие моделей (рис. 9) представляет собой следующее. Оптимизационная модель рассчитывает наилучший вариант. При этом необходимо было задать пропускную способность каналов и емкость бункеров. Однако эти параметры зависят от конкретного состояния системы и реализованной структуры потоков. Параметры оптимального варианта преобразуются в исходную информацию для имитационной модели. В основном, это моменты отправления и назначение тех или иных потоков.

Рис. 8. Области применения двухуровневых систем оптимизации.

Рис. 9. Взаимодействие моделей в двухуровневой системе оптимизации.

Теперь потоки преобразуются в поезда и маневровые составы со всеми необходимыми параметрами. Имитируется работа транспортной системы в рассчитанном оптимальном варианте.

Результат может отличаться, так как оказалось, что параметры исходной расчетной сети для модели оптимизации были заданы для данных конкретных условий неправильно. Реальные параметры, полученные в имитационной модели, переносятся в расчетную сеть и цикл повторяется. Корректировка параметров оптимизационной модели может состоять в следующем:

  • корректировка структуры сети;
  • изменение пропускной способности дуг;
  • изменение времени хода по дуге;
  • изменение стоимости задержки потока в узлах;
  • изменение стоимости пропуска потоков;
  • изменение емкости узлов.

Взаимодействие моделей заключается, во-первых, в преобразовании параметров оптимального варианта в исходные данные для имитации, во-вторых, в корректировке параметров расчетной сети оптимизационной модели по результатам расчета на имитационной. Обычно требуется несколько итераций для согласования параметров моделей. Для оптимизации технологии для верхнего уровня хорошо подходят модели ДТЗЗ и МДС, в качестве нижнего – модели ИСТРА. Для оптимизации структуры предлагается специальная модель.

В главе 8 формулируются принципы автоматизации построения моделей. Автоматизированное построение моделей включает в себя:

  • автоматизированное, удобное для пользователя, построение схемы путевого развития и отображение структурных параметров моделируемой системы;
  • автоматическое преобразование структуры в элементы модели;
  • автоматизированное отображение технологии с заданием технологических параметров;
  • автоматическое преобразование технологии в операции модели и их взаимосвязи;
  • автоматическое получение параметров структуры и технологии из оперативных баз данных информационного хранилища или из электронных справочников;
  • удобный диалоговый интерфейс для исследователя.

Электронный справочник должен быть достаточно обширным, с тем, чтобы сделать систему автоматизированного построения весьма технологически «грамотной», и должен в себя включать:

  • перечень возможных технологических и информационных операций в различных транспортных системах;
  • характер выполнения этих операций в соответствии с нормативной технологией;
  • возможные варианты последовательности операций;
  • возможные условия, при которых после окончания одних начинаются те или иные операции;
  • нормативные параметры выполнения тех или иных операций;
  • параметры случайного разброса в параметрах выполнения операций для основных видов транспортных систем;
  • нормативы для показателей работы основных транспортных систем.

Из баз данных берется состояние системы (расположение вагонов, локомотивов и др.) и планируемые ритмы работы, из информационного хранилища – параметры структуры и технологии.

Автоматизация построения потоковых оптимизационных моделей предполагает создание алгоритмов описания структуры и технологии. Эти алгоритмы должны обеспечить автоматизированный ввод данных о пространственно-временной конфигурации сети, правильный выбор периода расчета, отражение в модели начальных запасов, динамику изменения пропускной способности дуг и т.д. Некоторые из этих алгоритмов приближают по степени отображения свойств реального объекта оптимизационную модель к имитационной. Приведем пример алгоритма задания начальных запасов. Особенностью постановки оптимизационной задачи является то, что она позволяет решать так называемые «несбалансированные» задачи линейного программирования – например, по объемам производства – потребления, времени, пропускной способности и т.п. На этапе решение задачи в балансные уравнения всех узлов «размноженной» во времени сети автоматически вводятся дополнительные «фиктивные» переменные. В зависимости от производства или потребления в узле, такая переменная в балансном уравнении может быть положительной или отрицательной. При такой постановке значение «фиктивной» переменной, полученное при решении задачи, фактически будет отображать объем нераспределенного производства или неудовлетворенного потребления по любому роду продукта в конкретный момент времени у поставщика или потребителя. А суммарная величина «фиктивных» переменных и будет моделировать минимально необходимый начальный запас груза. Подобная ситуация представлена на Рис. 10 – поскольку к заявкам потребителей перевозки не успевают, то потребление в объемах

- и - удовлетворяется с помощью «фиктивных» перевозок.

Имитационная модель создается для проверки решения оптимизационной модели, поэтому принципы ее построения должны обеспечивать это. Принципы построения обеих моделей должны быть согласованы между собой. Построение имитационной модели – это довольно трудоемкий процесс. Поэтому здесь используется процесс автоматизированного построения в диалоговом режиме. Автоматизация процедур построения с учетом возможностей современной вычислительной техники позволяет значительно расширить сферу действия имитационного моделирования как метода расчета. Однако следует помнить, что имитационное моделирование – это всегда искусство и наука.

Условные обозначения:

- объем производства (потребления) груза в узлах в момент времени t;

Рис. 10. Моделирование необходимых начальных запасов.

В настоящее время имеется реализация излагаемых в работе принципов в виде автоматизированной системы моделирования железнодорожных станций и узлов на основе имитационной системы ИСТРА.

Одним из важных и весьма трудоемких этапов создания имитационной модели является описание технологических маршрутов. Оно в конечном виде должно быть выполнено на специфическом языке моделирования. Автоматизированная система в удобном графическом интерфейсе представляет технологические маршруты пользователю в готовом виде. Автоматический алгоритм построения маршрутов на схеме путевого развития и другие подобные алгоритмы, приведенные в диссертации, являются примерами решения вопросов автоматизации построения имитационной модели.

Глава 9 посвящена исследованию вопроса информационного обеспечения систем расчета и оптимизации транспортных систем. Системы расчета и оптимизации на моделях нужно строить как автоматизированные системы с получением исходной информации из информационных систем. Из оперативных баз данных следует получать информацию о планируемых ритмах погрузки и выгрузки, а также о местоположении подвижного состава.

Из информационного хранилища необходимо получать параметры структуры и технологии, рассчитанные для конкретных условий. Информационная среда должна быть построена на современных принципах, обеспечивать удобный доступ к необходимым данным. Надежность расчета на моделях зависит от надежности работы информационных и вычислительных систем и корректности алгоритмов. Предложена методика определения функциональной надежности автоматизированных информационных систем. Под функциональной надежностью автоматизированной информационной системы понимается ее способность правильно выполнять предусмотренные целевые задачи в условиях взаимодействия с внешними объектами.

Вероятность того, что ИАС готова к функционированию в произвольный момент времени и выполнит без функциональных отказов заданную работу в течение времени определяется выражением

.

Расчёт вероятности безотказного выполнения в течение времени t вычислительного процесса основывается на результатах вычисления или оценки показателя и на конкретной математической модели, описывающей поток заявок на выполнение задачи. В большинстве практических случаев можно ограничиться простейшим (пуассоновским) потоком заявок. Тогда вероятность того, что в течение времени t поступит ровно i заявок, задаётся выражением:

Следовательно,

,

где

;

- интенсивность потока заявок;

- вероятность безотказного выполнения задачи.

Окончательно получаем:

Среднее время до функционального отказа ИАС относительно вычислительных процессов равно:

Таким образом, среднее время до функционального отказа ИАС относительно вычислительных процессов обратно пропорционально вероятности отказа в выполнении задачи и интенсивности потока заявок на выполнения задач.

В главе 10 приведены примеры расчета и оптимизации крупной припортовой и сортировочной станций, системы обеспечения порожняком пунктов погрузки и организация согласованного подвода сырья к металлургическому комбинату.

Расчет припортовой станции методом имитационного моделирования позволил получить исчерпывающую характеристику ее технического оснащения и ее работы, в том числе:

  • пропускную и перерабатывающую способность;
  • «узкие места» структуры;
  • «узкие места» технологии;
  • показатели работы станции при заданных потоках.

Совместное использование оптимизационной и имитационной моделей позволило оптимизировать работу крупных сортировочных станций Свердловск-сортировочный, Пермь-сортировочная, Войновка, Лиски, Кочетовка, Челябинск-главный и других. При этом модели стали основными блоками системы автоматизированного управления. Эффект от использования системы на сортировочной станции заключается в:

  • снижении простоя составов в ожидании локомотивов и локомотивных бригад;
  • сокращении времени просидок локомотивных бригад в ожидании составов поездов;
  • сокращении простоя локомотивов в ожидании составов поездов;
  • сокращении времени простоя вагонов на сортировочной станции в целом и, как следствие, сокращение оборота вагона;
  • освобождении диспетчерского персонала станции от ручной обработки информации.

Снижение времени нахождения на станции транзитного вагона с переработкой и без переработки составляет 0,12 – 0,18 ч.; поездного локомотива – 0,07 – 0,09 ч.; локомотивной бригады – 0,05 – 0,07 ч.

Двухуровневый подход был использован и при организации согласованного подвода сырья к металлургическому комбинату ОАО «Северсталь». Здесь удалось сократить число вертушек с 55 - 60 до 48 - 53 без снижения надежности обслуживания. Оборот вертушек снизился с 6 - 7 суток до 5 - 5,5 суток и было высвобождено 400 полувагонов. Экономия при закупке вагонов могла бы составить более 360 миллионов рублей. Но более реальна другая оценка. Высвободившимся парком полувагонов можно обеспечить перевозку 1 млн. тонн грузов. Это даст отрасли дополнительные доходы на сумму порядка 180 миллионов рублей.

Совместное использование оптимизационной и имитационной моделей доказывает высокую эффективность такого подхода. На этой основе следует строить системы поддержки принятия решений и системы автоматизированного управления на железнодорожном транспорте.

Заключение

В результате проведенного исследования разработана методология выбора метода моделирования в зависимости от свойств моделируемого объекта и поставленной задачи, создания и использования конкретных моделей для расчета и оптимизации различных транспортных систем. Это позволит точнее рассчитывать рациональные структурные параметры и технологию железнодорожных станций, полигонов, транспортных узлов, а также более обоснованно оценивать эффективность инвестиций в инфраструктурные проекты.

В том числе, получены следующие результаты.

Pages:     | 1 |   ...   | 2 | 3 || 5 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»