Имитационная модель технической готовности крупного автопарка
DOI:
https://doi.org/10.14529/ctcr200202Ключевые слова:
ремонт, грузовой транспорт, имитационное моделирование, техническая готовностьАннотация
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.Библиографические ссылки
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
