Имитационная модель технической готовности крупного автопарка

Сергей Яковлевич Егоров, Салих Хайдер Сабах, Андрей Владимирович Затонский

Аннотация


Введение. Принятие решений об объемах ремонтов транспортных средств после поломок основывается на минимальной стоимости ремонта. Однако это может привести к снижению технической готовности предприятия в целом, невыполнению заявок на перевозки и экономическому ущербу. Для расчета необходимого объема ремонтных работ, ведущего к достаточному повышению технической готовности транспортного средства, необходима модель деятельности предприятия, позволяющая рассчитывать последствия того или иного объема ремонтных работ по отношению к выполнению заявок на перевозки. Цель исследования: разработка имитационной стохастической модели деятельности автотранспортного предприятия, учитывающей снижение технической готовности транспортных средств в процессе эксплуатации. Материалы и методы. Проведен анализ структуры затрат на эксплуатацию транспортных средств, включая ремонтные затраты. Обоснована структура имитационной модели, включающая полный жизненный цикл перевозок и ремонтные работы. Приняты допущения, свойственные условиям работы крупного автотранспортного предприятия. Модель реализована на языке GPSS. Техническая готовность отдельного транспортного средства аппроксимирована кусочно-линейной функцией. Приведены сведения о процедуре моделирования. Результаты. Проведена проверка адекватности результатов моделирования при изменении факторов, ведущих к очевидным последствиям: скорости транспортных средств, количества транспортных средств в автопарке, времени ремонтных работ. Показана непротиворечивость результатов. Исследована возможность повышения выполнения системы заявок на перевозки за счет проведения более полных ремонтных работ. Получена асимптотическая зависимость готовности автопарка в целом от степени восстановления транспортных средств в результате ремонтов. Заключение. Разработанная модель может быть использована в качестве модуля системы поддержки принятия решений по управлению автотранспортным предприятием.

Ключевые слова


ремонт; грузовой транспорт; имитационное моделирование; техническая готовность

Полный текст:

PDF

Литература


Akbaba, Ö. The Effects of Reengineering, Organizational Climate and Psychological Capital on the Firm Performance / Ö. Akbaba, E. Altındağ // Procedia – Social and Behavioral Sciences. – 2016. – Vol. 235. – P. 320–331. DOI: 10.1016/j.sbspro.2016.11.038

Рыбалов, Ю.В. Автоматизированная информационно-аналитическая система по искусственным сооружениям на автомобильных дорогах / Ю.В. Рыбалов // САПР и ГИС автомобильных дорог. – 2015. – № 2. – С. 127–132.

Горяев, Н.К. Транспортный аудит как основной инструмент оценки эффективности перевозок / Н.К. Горяев // Вестник Южно-Уральского государственного университета. Серия «Экономика и менеджмент». – 2012. – № 44. – С. 183–184.

Invest Approach to the Transportation Services Cost Formation / A. Halkin, V. Skrypin, E. Kush et al. // Procedia Engineering. – 2017. – Vol. 178. – P. 435–442. DOI: 10.1016/j.proeng.2017.01.086

Постановка задачи определения технической готовности подвижного состава автотранспортного предприятия / Х.С. Салих, С.Я. Егоров, А.В. Затонский, М.Н. Фелькер // Современная наука. Актуальные проблемы теории и практики. Серия: Естественные и технические науки. – 2020. – № 2. – С. 88–94.

Acquiring insights into infrastructure repair policy using discrete choice models / Y. Qiao, T.U. Saeed, S. Chen et al. // Transportation Research Part A: Policy and Practice. – 2018. – Vol. 113. – P. 491–508. DOI: 10.1016/j.tra.2018.04.020

Затонский, А.В. Внешние связи информационной модели системы управления техническим состоянием оборудования /А.В. Затонский, В.Ф. Беккер, П.В. Плехов // Современные наукоемкие технологии. – 2009. – № 7. – С. 78–79.

Li, Z. A deep learning driven method for fault classification and degradation assessment in mechanical equipment / Z. Li, Y. Wang, K. Wang // Computers in Industry. – 2019. – Vol. 104. – P. 1–10. DOI: 10.1016/j.compind.2018.07.002

Moving objects control under uncertainty / I.S. Kobersy, D.V. Shkurkin, A.V. Zatonskiy et al. // ARPN Journal of Engineering and Applied Sciences. – 2016. – Т. 11, № 5. – С. 2830–2834.

Плехов, П.В. Оценка состояния технологического оборудования по модели жизненного цикла / П.В. Плехов, А.С. Латышева // Известия ЮФУ. Технические науки. – 2009. – № 2 (91). – С. 138–140.

ГОСТ Р-03112194-0376–98. Методика оценки остаточной стоимости транспортных средств с учетом технического состояния (утв. Минтрансом РФ 10.12.98).

Егоров, С.Я. Методика расчета нижней оценки стоимости соединений в задачах размещения промышленных объектов / С.Я. Егоров // Вестник Тамбовского государственного технического университета. – 2006. – Т. 12, № 4-2. – С. 1191–1199.

Алиев, Т.И. Погрешности моделирования высоконагруженных систем в GPSS WORLD / Т.И. Алиев // Научно-технический вестник информационных технологий, механики и оптики. – 2013. – № 1 (83). – С. 70–75.

Vondra, T. Cloud autoscaling simulation based on queueing network model / T. Vondra, J. Šedivý // Simulation Modelling Practice and Theory. – 2017. – Vol. 70. – P. 83–100. DOI: 10.1016/j.simpat.2016.10.005

Затонский, А.В. Разработка объектных средств имитационного и многоагентного моделирования производственных процессов / А.В. Затонский, В.Н. Уфимцева // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. – 2018. – № 4. – С. 56–62. DOI: 10.24143/2072-9502-2018-4-56-62




DOI: http://dx.doi.org/10.14529/ctcr200202

Ссылки

  • На текущий момент ссылки отсутствуют.