Дипломная работа: Рентабельность предприятия "Минскжелдортранс" (Минская механизированная дистанция погрузочно-разгрузочных работ)

DЭ = DЭпот,+ Эзап

где DЭпот - затраты, связанные с увеличением числа вагонов в пути во время переходного процесса;

Эзап - затраты, связанные с простоем вагонов в резерве из-за дисбаланса ритмов прибытия и потребления.

Отображение в модели предварительной информации предлагается представлять в виде изменения величины расчетного периода. Разработана методика имитации в этой модели глубины прогноза и методика проведения экспериментов.

При соответствующем информационном обеспечении поиск грузопотоков по схемам, рассчитанным с помощью ДТЗЗ, позволяет организовать согласованный подвод сырьевых маршрутов в адрес крупных потребителей (металлургических заводов, ТЭЦ) от различных отправителей.

Управляемый пропуск разнородных грузопотоков на больших полигонах позволяет рассчитывать многопродуктовыми ДТЗЗ с управляемыми задержками. В этом случае ускорение пропуска одних струй за счет замедления других делает управляемым ритм подвода грузов разным потребителям и создается эффект наличия резервов (второго рода). В этом случае критерий будет учитывать более высокую стоимость пропуска потока но ускоренным схемам. Функционал будет учитывать суммарные затраты но всем схемам перевозки и требуемые суммарные резервы

xj ,yj резервы груза разного рода у j -го получателя.

Управляемый пропуск неоднородных потоков потребует новых схем информационных потоков, однако, позволит организовать выполнение более сложных комплексных функций, скажем, подвод судовой партии груза в порт в заданный интервал времени от различных отправителей.

Возможности адаптации у транспорта не безграничны. При слишком большом рассогласовании ритмов производства и потребления транспорт может выступать ограничивающим звеном. В этом случае необходимо всю систему «поставщики - транспорт - потребители» рассматривать как управляемую. Теперь ритмы производства также подстраиваются к ритмам потребления и возможностям транспорта, возникают динамические резервы третьего рода. Рассчитать работу такой системы позволяет метод динамического согласования производства и транспорта (МДС). Он является дальнейшим развитием ДГЗЗ. В критерий добавляется слагаемые, учитывающие затраты на корректировку ритмов производства (отправление)

где сii – затраты, связанные с перестройкой ритмов производства (на единицу объема);

qii (t)— величина изменения объема производства в момент t;

Такого рода управление позволит осуществить управление потоками в экономическом регионе, обеспечив высокий уровень организации территориально-распределенной производственно-транспортной системы.

Информационное обеспечение диспетчеров для организации такого рода управления должно стать более охватывающим. Теперь диспетчер должен знать:

·           ритмы потребления в регионе, охваченном управлением;

·           потоки груза в пути (по родам груза);

·           время ожидаемого прибытия по каждому грузу;

·           ритмы потребления по каждому грузу.

Анализ показал, что на информационный эффект влияют, в основном, следующие факторы: уровень загрузки системы, взаимодействие случайных процессов, размах и характер управления, структура системы (схема путевого развития и технологические связи). Характер влияния их следующий: чем больше загрузка системы и чем больше размах случайных колебаний во входном потоке и продолжительности выполнения операций, тем больше очереди заявок в ожидании обслуживания. Информационный эффект как бы «смазывается». Частично теряется эффект управления, ибо оно искажается задержками потока в очередях. Взаимодействие технологии и структуры системы также влияет на загрузку тех или иных элементов и возникновение очередей, Управление как бы нейтрализует неблагоприятное воздействие случайных факторов и очередей и увеличивает информационный эффект. Примеры влияния факторов на эффект и рекомендуемые модели приведены на рис. 5.1 и рис 5.2.

Анализ показал, что наиболее универсальной моделью для расчета информационного эффекта является имитационная. Вследствие того, что там нс решается задача оптимизации в строгом виде, она может опираться на частично-формализованные знания, знания опытного характера.

Рисунок 5.1. Оценка эффективности текущей информации на сортировочной станции.

Модель значительно полнее и богаче оптимизационных, позволяет отобразить всю совокупность влияющих факторов и рекомендуется для таких объектов, как железнодорожная станция и узел. Для больших полигонов рекомендуются динамические потоковые модели, рассмотренные выше. Алгоритмы выбора типа моделей приведены на рис.5.3 и рис,5.4.

Рисунок 5.3. Алгоритм выбора модели по виду объекта.

Система позволяет отображать иерархическое диспетчерское руководство по принципу ситуационного управления. Отбирается множество расчетных ситуаций и решений к ним на опытной основе. Чем выше уровень управления, тем более общими параметрами описывается ситуация. В модель вводятся информационные элементы X η (η- иерархический уровень), который отображает состояние одного или группы технологических элементов (путей с вагонами, складов и др.). Если нет искажения информации, то существует отображение

где Dq— изменение состояния элементов;

J- множество информационных элементов нижнего уровня, соответствующих одному элементу верхнего (множество путей в парке, например). Если искажение есть, то предложено ввести отображение типа,

где λi- коэффициент искажения сообщения.

βÎ{0,1}-индикатор потери информации.

τi -время запаздывания сообщения.

Таким образом, описание ситуации на некотором иерархическом уровне (в данном случае на втором) будет опираться на состоянии информационных элементов, которое не полностью соответствует действительности

Где Xk”- подмножество информационных элементов, участвующих в описании k-ой ситуации;

q”i (t), q”j (t)- состояние i-го (j-го) информационного элемента;

q”ik, ˉq”ik минимальный н максимальный пределы для состояний элементов в k-ой ситуации;

qy - состояние управляющего элемента;

qyk - номер решения, соответствующего k -ой ситуации;

Sk, - k-ая ситуация.

Это отразится на качестве принимаемых решений. Если провести эксперименты при наличии и отсутствии искажения информации, то можно четко определить влияние информационного обеспечения на показатели работы. В этом случае необходимо описывать не только состояние системы, но и внешней среды

где Xk”—подмножество информационных элементов, описывающих состояние системы в к-ой ситуации;

Xˉk”- то же, внешней среды.

Имитационная модель такого типа позволяет выдавать на печать исчерпывающую характеристику работы системы, то есть все необходимые натуральные показатели-

На модели проведены эксперименты по влиянию на информационный эффект уровня загрузки станции и случайных факторов. На этой станции внедряется информационная система, которая позволит маневровому диспетчеру на 15 минут раньше получать информацию о наметившемся в сортировочном парке составе. Разработчики подсчитали, что весь поток в переработку пройдет станцию на 15 минут скорее, откуда не трудно определить экономию вагоно-часов. Расчеты на модели показали, что с увеличением загрузки вытяжек формирования с 30% до 90% возрастают задержки, а значит, и очереди составов в ожидании формирования. Возникает косвенное влияние на парке приема и отправления, которые трудно описать аналитически. В результате в сортировочном парке сокращение времени нахождения вагонов в сортировочном парке уменьшается с 0,2 часа до 0,13 часа, а на станции и целом с 0,27 часа до 0,8 часа. Для исследования влияния случайных факторов проводились эксперименты при различном разбросе колебаний продолжительности времени формирования составов. При увеличении коэффициента вариации с 0,1 до 0,7 простой в сортировочном парке увеличился в 1,5 раза. Возникшие очереди отрицательно повлияли на информационный эффект, в сортировочном парке сокращение простоя из-за уменьшения информационной задержки на 15 минут упала с 0,17 часа до 0,9 часа, а на станции в целом с 0,14 часа до 0,04 часа.. (рис.5.5).

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15