CC BY
42
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
-мощность, развиваемая маневровым тепловозом:
N = Рк-У= 100 кВт;
- коэффициент сцепления в условиях данного эксперимента: = 0,22.
Основные выводы.
1. Предлагаемый способ экспериментального исследования процесса трогания с места позволяет получить достоверную и надежную информацию по основным параметрам движения железнодорожного состава, в том числе:
- графики перемещения, изменения скорости и ускорения движения состава;
- силу тяги и ее зависимость от скорости;
- мощность, развиваемую локомотивом;
- коэффициент сцепления между ведущим колесом и рельсом;
- относительную скорость проскальзывания.
2. Этот способ можно рекомендовать для оценки эксплуатационных качеств локомоти-
вов в реальных условиях предприятии железнодорожного транспорта.
3. В настоящей работе предлагалось оценить возможности экспериментального исследования процесса движения железнодорожного состава в момент трогания с места.
БИБЛИОГРАФИЯ
1. Каталог 18-3-78 «Тепловозы СССР» Лист № 19. Москва. НИИИНФОРМ-ТЯЖМАШ 1978 г. - 360 с.
2. Кузьмич В.Д., Руднев B.C., Френкель С.Я. Теория локомотивной тяги: Учебник для вузов ж.-д. транспорта / Под ред. В.Д. Кузьмича. - М: Издательство «Маршрут», 2005.-448 с.
3. Правила тяговых расчетов для поездной работы. - М.:Транспорт, 1985.-287 с.
4. Новосельцев П. В. Разработка тягового транспортного средства для маневровых работ на малодеятельных станциях. Дисс. к.т.н. ОмГУПС. Омск. - 2006. - 196 с.
Печенкина В.В., Арбатская Н.А. УДК 658.011.56
АНАЛИЗ И МОДЕЛИРОВАНИЕ ОСНОВНЫХ ПОКАЗАТЕЛЕЙ РАБОТЫ ЖЕЛЕЗНЫХ ДОРОГ_
Данная работа посвящена моделированию и анализу основных показателей работы железных дорог с целью выбора контролируемых параметров при создании корпоративной системы менеджмента качеством (СМК) ОАО «РЖД». Создание СМК ОАО "РЖД" основывается на международном стандарте для системы управления процессом проверки качества ISO 9000, который объединяет пять стандартов.
1. ISO 9001 - Модель контроля качества в Проектировании, Разработке, Производстве, Монтаже и Обслуживании;
2. ISO 9002 - Модель контроля качества в области Производства, Монтажа и Обслуживания;
3. ISO 9003 - Модель для обеспечения качества при контроле и испытаниях готовой продукции;
4. ISO 9000-1 - Общие руководства по Выбору и Использованию;
5. ISO 9004-2 - Управление качеством и элементы Системы качества - Указания.
ISO 9000 особенно выделяет важность использования статистических методов в системе управления качеством. Основные принципы SPC (Статистический Контроль Процесса) просты для понимания и легко применимы. Из девяти базовых требований, предъявляемых к производственному процессу стандартом ISO 9000, можно выделить следующие:
1. Корректирующие и упреждающие действия, которые должны основываться на любых жалобах потребителей, ошибках в обслуживании, записях по качеству и т.д. Создание карт контроля качества позволяет выявить изменения основных (ключевых) показателей
МЕХАНИКА. ТРАНСПОРТ. МАШИНОСТРОЕНИЕ
работы и упредить возможные отклонения процесса работы от нормы в режиме реального времени. Упреждение - это главная цель контроля качества и стандартов ISO.
2. Статистические методы. Документация по системе качества должна включать в себя исчерпывающее руководство по использованию соответствующих методов, карт и статистик. Данный раздел говорит о том, что организация должна устанавливать статистические методы для подтверждения возможности работы и достижения требуемых показателей и характеристик этой работы.
3. Регистрация данных о качестве. Организация должна регистрировать данные о качестве параметров обслуживания, проводить внутренние проверки, анализировать, предпринимать корректирующие и предупреждающие действия. Данные о качестве должны быть точно определены, зафиксированы и храниться в легкодоступном месте.
Принятая, в настоящее время, в ОАО"РЖД" форма отчетности основывается на десяти группах основных показателей работы, характеризующих определенные свойства технологического процесса перевозок. Анализу и моделированию данных показателей, с целью установления закономерностей их изменения, выявления независимых и зависимых показателей, прогнозирования изменения поведения и определения более обобщенных показателей контроля качества, в соответствии с требованиями ISO, и посвящена данная работа. Следует отметить, что в этом направлении проведены определенные исследования в работе [1]. Но данная работа в основном посвящена определению коэффициентов корреляции показателей работы и проведению корреляционного анализа. В действительности, в соответствии с требованиями стандарта ISO 9000, анализ и моделирование изменения показателей работы железных дорог должно осуществляться системно, по следующим двум направлениям.
1) Анализ данных того или иного показателя на существование грубых ошибок в значениях данных (например превышение какого либо значения в несколько раз по сравнению со средним) и корректировка данных значений. Использование значений показателя без корректировки может привести к неверным расчетам и выводам.
2) Проведение корреляционно - регрессионного анализа для установления влияния различных показателей перевозочной работы
(объемные показатели, качественные показатели, состояние железнодорожного пути, финансово-экономические показатели) на основные финансово-экономические показатели (доходы от перевозок, расходы от перевозок, себестоимость перевозок и производительность труда работников, занятых на перевозках). Выявление зависимых и независимых показателей с целью уменьшения их количества и установления основных (ключевых) показателей. Нахождение уравнений регрессии зависимостей основных финансово-экономических показателей от различных показателей перевозочной работы для выявления изменения основных (ключевых) показателей работы и упреждения возможныхи отклонений процесса работы от нормы, оптимизации значений и, в конечном счете, создания карт контроля качества.
Рассмотрим данные направления анализа на примерах ряда показателей работы некоторых железных дорог. Следуя первому пункту, можно привести пример (рис. 1) очень большего всплеска значения (октябрь 2003 г.) показателя производительности труда работников, занятых на перевозках ( тыс. привед. ткм.) Красноярской железной дороги — 729,6, по сравнению со значениями в сентябре и ноябре соответственно — 147,3 и 210,7. Такое же наблюдается на Западно-Сибирской, Восточно-Сибирской и Забайкальской дорогах, что нельзя сказать о других дорогах. Естественно предположить, что данные показатели требуют либо тщательной проверки, или приведены с ошибкой, которая существенно может повлиять на расчеты характеристик и привести к неправильным выводам. В данном случае, значение за октябрь целесообразнее всего заменить на среднее значение показателя по всем месяцам — 168,7. Или, например, значение по-
Рис. 1. Производительности труда работников, занятых на перевозках.
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
Рис. 2. Изменение средней участковой скорости движения грузового поезда во всех видах тяги (км/ч.) для Красноярской железной дороги.
казателя — грузооборот (млн. ткм.) за декабрь 2000 г. — 7844,0 значительно по сравнению с ноябрем — 5265,0 и январем — 4804,0. Необходимо указать и на такой пример. Средняя участковая скорость движения грузового поезда во всех видах тяги (км/ч.) по всем дорогам значительно превышает в феврале 1999 и 2000 годах по сравнению с другими месяцами, в другие годы значение данного показателя в феврале сопоставимо со значениями показателя в другие месяцы. Данное значение показателя может быть рассчитано с ошибкой из-за разницы количества дней в феврале месяце и других месяцах, и требует уточнения и дальнейшей корректировке. На рис.2 приведен пример изменения данного показателя для Красноярской железной дороги. Пики значений соответствуют февралю 1999 и 2000 годам.
Приведенные примеры лишний раз подтверждают, что при создании СМК ОАО "РЖД" одно из базовых требований стандарта ISO 9000 — регистрация данных о качестве,
которое определяется правильной регистрацией данных о качестве, проведением внутренней проверки, анализом, принятием корректирующих и предупреждающих действий, имеет не менее важное значение по сравнению с другими требованиями.
На втором шаге моделирования осуществляется построение многофакторной корреляционно-регрессионной модели.
Разработка модели и исследование экономических процессов должны выполняться по следующим этапам[2]:
1. отбор главных факторов;
2. оценка функции регрессии;
3. проверка адекватности модели;
4. экономическая интерпретация;
5. прогнозирование неизвестных значений зависимой переменной.
Рассмотрим подробнее содержание некоторых этапов.
Выбор главных факторов - основа для построения многофакторной корреляционно-регрессионной модели. Много факторов неудобно для анализа, и модель будет неустойчива. Мало факторов - тоже плохо. Это может привести к ошибкам при принятии решений в ходе анализа модели. Поэтому необходимо выбирать более рациональный перечень факторов. При этом проводят анализ факторов на мультиколлинеарность.
Мультиколлинеарность - попарная корреляционная зависимость между факторами. Мультиколлинеарная зависимость присутствует, если коэффициент парной корреляции г > 0,70 - 0,80. Отбор переменных, подлежащих исключению, производится с помощью коэффициентов парной корреляции. Опыт показывает, что если |r,J>0,70, то одну из переменных можно исключить, но какую переменную исключить из анализа, решают исходя из управляемости факторов на уровне предприятия.
Обычно в модели оставляют тот фактор, на который можно разработать мероприятие, обеспечивающее улучшение значения этого фактора в планируемом году.
Процедура отбора главных факторов обязательно включает следующие этапы.
1. Анализ факторов на мультиколлинеар-ность и ее исключение. Здесь производится анализ значений коэффициентов парной корреляции гу между факторами xt и х}
2. Анализ тесноты взаимосвязи факторов (х) с зависимой переменной (у).
Факторы, для которых гхух0т. е. не связанные с у, подлежат исключению в первую очередь. Факторы, имеющие наименьшее значение гху могут быть потенциально исключены из модели. Вопрос об их окончательном исключении решается в ходе анализа других статистических характеристик.
Этапы 1,2,3 могут осуществляться применением системы Excel с помощью встроенных функций "Корреляция" и "Регрессия".
Полученное уравнение регрессии применяют при прогнозировании и оптимизации. Прогноз получают путем подстановки в регрессию численных значений факторов. Следует подчеркнуть, что прогнозирование результатов регрессии лучше поддается содержательной интерпретации, чем простая экс-
МЕХАНИКА. ТРАНСПОРТ. МАШИНОСТРОЕНИЕ
траполяция тенденции, так как полнее учитывается природа исследуемого явления.
На основе вышеизложенного была получена многофакторная корреляционно-регрессионная модель зависимости финансово-экономического показателя "доходы от перевозок" от некоторых объемных, качественных и финансово-экономических показателей эксплуатационной работы Красноярской железной дороги. В качестве факторов были взяты следующие показатели: погрузка грузов общая (тыс.т.), грузооборот (млн. ткм.), среднесуточный пробег вагона грузового парка (км), простой грузового вагона под одной грузовой операцией (ч), простой грузового вагона на одной технической станции (ч), средний вес поезда брутто в грузовом движении, все виды тяги, (т), среднесуточная производительность локомотива в грузовом движении, (тыс. ткм. брутто), себестоимость перевозок (коп. за 10 привед. ткм), среднесписочная численность работников ( тыс. чел.). В результате расчета попарно корреляционной зависимости с помощью встроенной функции "Корреляция" программы Excel и проведения анализа на мультиколлинеарность (в связи с большой коррелированностью с остальными показателями) были отброшены следующие факторы: простой грузового вагона на одной технической станции (ч), среднесуточный пробег вагона грузового парка (км), среднесуточная производительность локомотива в грузовом движении, (тыс. ткм. брутто), погрузка грузов общая (тыс.т.). В виду большой коррелирован-ности себестоимости перевозок со средним
весом поезда в грузовом движении (г. = 0,9377) оставляем средний вес поезда, так как он легче управляем на уровне дороги, чем себестоимость, хотя коэффициент корреляции себестоимости и доходов немного больше (0,94), чем коэффициент корреляции среднего веса поезда и доходов (0,938). В результате получим корреляционную таблицу (табл.1) для оставшихся факторов.
В результате расчета регрессии по Excel получим модель в виде
Yd -4775,5 + 0,07x1 -2089x2 +1,945x3 -15J6x4, где факторы: x1 - грузооборот (млн. ткм.), x2 -простой грузового вагона под одной грузовой операцией (ч), x3- средний вес поезда брутто в грузовом движении, все виды тяги, (т), x4-среднесписочная численность работников ( тыс. чел.).
Аналогично была получена зависимость себестоимости (YJ от среднесуточного пробега вагона грузового парка (x1), численности работников (x2) и грузооборота (x3) в виде
Yc = 50,74 +1,51x1 - 789x2 + 0,003x 3
В данном случае в результате анализа на мультиколлинеарность были отброшены такие факторы, как погрузка грузов общая (тыс.т.), простой грузового вагона под одной грузовой операцией (ч), простой грузового вагона на одной технической станции (ч), средний вес поезда брутто в грузовом движении, все виды тяги, (т), среднесуточная производительность локомотива в грузовом движении, (тыс. ткм. брутто), доходы от перевозок (млн.руб.).
Табл. 1
Корреляционная таблица для основных факторов.
Доходы всего Грузооборот Простой вагона под одной груз. операц. Средн. вес поезда Числ. раб. основн. деятел.
Доходы всего 1
Грузооборот 0,551734 1
Простой вагона под одной груз. операцией. -0,67206 -0,44438 1
Средний вес поезда 0,938273 0,453895 -0,57159 1
Числ. работников основной деятельност. -0,58793 -0,07378 0,259283 -0,63541 1
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
Аналогично предыдущему был проведен анализ зависимости производительности труда работников, занятых на перевозках (тыс. привед. ткм) от объемных и качественных показателей эксплуатационной работы (погрузка грузов общая, грузооборот, среднесуточный пробег вагона грузового парка, простой грузового вагона под одной грузовой операцией, простой грузового вагона на одной технической станции, средний вес поезда брутто в грузовом движении, все виды тяги, среднесуточная производительность локомотива в грузовом движении) и финансово-экономических показателей (доходы от перевозок, расходы от перевозок, прибыль (убытки) от перевозок, себестоимость перевозок, среднесписочная численность работников, производительность труда работников, занятых на перевозках, среднемесячная заработная плата, дебиторская задолженность). Что интересно, после проведения анализа факторов на мульти-коллинеарность и анализа тесноты взаимосвязи факторов (х) с зависимой переменной (у -производительность) были получены две корреляционно-регрессионные модели для рассмотрения (с учетом корректировки одного из значений грузооборота упомянутого выше).
Ур =19,91 + 0,00256х1 + 0,0258х 2, где х 1 - среднемесячная заработная плата, х2 -грузооборот, или
Ур =-192,89 + 0,071х 1 + 0,021х 2, где х1 - средний вес поезда брутто в грузовом движении, х 2 - грузооборот.
Объясняется это тем, что парная корреляция между среднемесячной заработной пла-
той и средним весом поезда значительна. Все остальные показатели отброшены, так как либо имеют большую корреляцию с показателями - среднемесячная заработная плата, средний вес поезда брутто в грузовом движении, грузооборот, либо малую корреляцию с производительностью.
В заключении следует отметить, что применение методов корреляционно-регрессионного анализа позволяет построить модели зависимостей основных финансово-экономических показателей от главных факторов объемных, качественных и финансово-экономических показателей эксплуатационной работы. Проведенный анализ позволит уменьшить число основных показателей работы железных дорог, а полученные уравнения регрессии могут быть применены при прогнозировании и оптимизации показателей перевозочной работы.
БИБЛИОГРАФИЯ
1. Информационный справочник по основным показателям работы железных дорог (2002/2003г.г.). ЦНИИТЭИ МПС -М.:2004. - 516 с.
2. Супрун В.Н., Лакин И.К. Системный анализ показателей работы железных дорог как исходных данных систем менеджмента качества — Красноярск: Изд-во "Гротеск", 2005, 52 с.
3. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем: Учебное пособие. — М.: Финансы и статистика, 2001. — 368 с.
Соколова О.В., Марынич Д.С. УДК 725.3
ВЛИЯНИЕ СИЛ МОРОЗНОГО ПУЧЕНИЯ НА ДЕФОРМАЦИИ ЖЕЛЕЗНОДОРОЖНОГО ПОЛОТНА
Весьма распространенным классом деформаций в зимний период в регионах с сезонным промерзанием, а также распространения вечномерзлых грунтов является пучение. При деформации земляного полотна, вследствие развития процессов морозного пу-
чения, возможно искажение положения рельсовых нитей, что приводит к угрозе безопасности движения поездов. При текущем содержании пути необходимо выдавать предупреждения о снижении скоростей движения поездов и в суровых зимних условиях производить
