Анализ модели управляющей деятельности машиниста и разработка методики оценки его профессиональных компетенций на основе нечеткой логики Текст научной статьи по специальности «Компьютерные и информационные науки»

Анализ модели управляющей деятельности машиниста и разработка методики оценки его профессиональных компетенций на основе нечеткой логики

1 2 К.И. Юренко , П.А. Харченко

1 Ростовский государственный университет путей сообщения», Ростов-на-Дону 2ОАО «РЖД», эксплуатационное локомотивное депо Лихая, Каменск-Шахтинский

Аннотация: В статье рассматривается актуальная проблема анализа эффективности управляющей деятельности машиниста (УДМ) и разработки методики оценки его профессиональных компетенций (ПК) с использованием в качестве исходной информации данных бортовых регистраторов параметров движения и специализированных железнодорожных АСУ как альтернативы используемым в настоящее время таким инструментам как профессиональные тесты, технология ассессмент-центр, тест «Бизнес-профиль РЖД», опросник методом 90 градусов и др. Предложена методика вычисления интегральной оценки ПК на основе анализа эффективности УДМ с использованием методов искусственного интеллекта, в частности, нечеткой логики как технологии обработки знаний, для построения нечеткой логической системы на основе базы нечетких продукционных правил, что позволяет формализовать критерии оценки УДМ (соблюдение графика движения, энергоэффективность, соблюдение норм и правил безопасности движения) используя лингвистические переменные и вычислять интегральную оценку качества УДМ с помощью процедуры нечеткого логического вывода. Это позволит повысить точность и достоверность оценок профессиональных компетенций применительно к технологическому процессу ведения поезда, выявлять наиболее эффективные приемы и навыки вождения поездов, включая ручной и автоматизированные режимы, взаимодействие машиниста с системой автоведения и т.д., совершенствовать программно-алгоритмическое обеспечение систем автоведения и автомашиниста в рамках реализации проекта «Цифровая железная дорога». Ключевые слова: локомотивная бригада, машинист, локомотив, регистратор параметров движения, компетентностный подход, профессиональные компетенции, искусственный интеллект, нечеткая логика, цифровая железная дорога, автоведение, автомашинист.

1. Введение. Управляющая деятельность машиниста (УДМ) локомотива представляет собой сложный высокоответственный процесс человеко-машинного взаимодействия в режиме реального времени в условиях повышенной тяжести и напряженности труда и постоянного изменяющихся факторов внешней среды [1, 2]. От качества УДМ в существенной степени зависит безопасность, энергоэффективность и надежность перевозочного процесса и операционной деятельности российских железных дорог. В последние годы существенно возросло число

и сложность бортовых технических средств локомотива [3 - 6], что повышает требования к уровню подготовки локомотивных бригад.

Поэтому оценка квалификации и профессиональных компетенций машинистов локомотивов (локомотивных бригад) очень важна как для оценки и прогнозирования рисков, связанных с человеческим фактором, анализа эффективности функционирования всего железнодорожного транспорта, так и при принятии управленческих и кадровых решений (кадровых назначений, присвоения категорий, назначении на ответственные рейсы, планировании мероприятий по подготовке и повышению квалификации, совершенствовании кадровой политики в целом).

В настоящее время в ОАО «РЖД», так же как во многих других предприятиях и организациях, в целях повышения эффективности управления персоналом применяется компетентностный подход [7 - 9]. Модель профессиональных компетенций «Эксплуатация тягового подвижного состава» относится ко всем подразделениям дирекции тяги и охватывает все ключевые профессии, относящиеся к производственному профилю дирекции, в частности, профессию машиниста.

Каждая компетенция оценивается по шкале от 0 до 3 баллов (0 - не соответствует ожиданиям; 1 - требуются улучшения; 2 - соответствует ожиданиям; 3 - превосходит ожидания) с помощью таких инструментов как профессиональные тесты, технология ассессмент-центр, тест «Бизнес-профиль РЖД», опросник методом 90 градусов [8].

Однако, как показывает практика, использование указанных выше традиционных инструментов применительно к оценке квалификации работников локомотивных бригад (уровень профессиональных компетенций, результативность, опыт работы) недостаточно, поскольку не учитывает непосредственных результатов выполнения служебных обязанностей [2], связанных с реализацией технологического процесса ведения поезда, что

является наиболее объективной оценкой их профессионализма. Кроме того, указанный многокритериальный характер оценок затрудняет, например, их сравнение между собой, определения единого рейтинга; отсутствует методика вычисления интегральной оценки.

Вместе с тем, в связи с выполнением приоритетных целей и задач развития железных дорог РФ - реализацией цифровой железной дороги, переходом от системы автоведения к автомашинисту, совершенствованием технологии энергоэффективного и безопасного вождения поездов, актуальным является развитие инструментов анализа и оценки УДМ, разработка методики расчетов интегральных оценок на основе данных средств объективного контроля. Это позволит повысить точность и достоверность оценок профессиональных компетенций применительно к технологическому процессу ведения поезда, выявлять наиболее эффективные приемы и навыки вождения поездов, включая ручной и автоматизированные режимы, взаимодействие машиниста с системой автоведения и т.д., совершенствовать программно-алгоритмическое обеспечения систем автоведения и автомашиниста.

Для решения указанной задачи перспективным представляется использование современных достижений в области искусственного интеллекта, в частности технологии обработки знаний с использованием нечеткой логики [10,11], позволяющих предложить новый подход к решению рассматриваемой задачи вычисления интегральной оценки качества УДМ (компетенций локомотивных бригад), который является альтернативой традиционным инструментам, указанным выше.

2. Анализ технических средств объективного контроля УДМ. В работах [1,12] предложены критерии оценки УДМ и возможные источники информации на базе средств объективного контроля - бортовых регистраторов параметров движения локомотивных систем управления и

обеспечения безопасности движения [13], а также железнодорожных АСУ. Они представлены на рис. 2. По мнению авторов, для оценки УДМ целесообразно использовать три основных критерия - соблюдение графика движения, энергоэффективность и соблюдение норм и правил безопасности движения.

Соблюдение графика движения

Энергоэффективность

Безаварийность

Соблюдение

Критерии качества

УДМ

\

Источники информации (средства объективного контроля)

/

\

Соблюдение технологических норм и правил безопасности движения

скоростных режимов

Бортовые устройства с функцией регистрации параметров движения

КЛУБ-У БЛОК САУТ ТСКБМ УСАВП РПДА

Автоматизированные

информационные системы ОАО «РЖД»

АСУНБД КАСАТ КАСАНТ КИХ

Качество

управления г Комфорт

Управление тормозами пассажиров и

приборами

сохранность

безопасности

грузов

Накопление и обработка первичной информации

Рис. 2. - Источники информации и критерии оценки УДМ

Первые два показателя в данной работе интерпретируются как отклонения от графика движения и нормы расхода электроэнергии и топливных ресурсов и характеризуются непрерывными величинами, а остальные - дискретными (количество тех или иных событий, нарушений и т.д.).

Анализ квалификации машиниста на основе усредненных статистических показателей затруднен, поскольку они не в полной мере характеризуют качество УДМ, а кроме того, между ними могут быть определённые зависимости. Например, экономия электроэнергии может быть связана с нарушением графика движения (опозданиями). Поэтому в работе

используется подход, предполагающий использование логико-лингвистических моделей рассматриваемых критериев оценки.

3. Исполнение графика движения. Обозначим / - общее количество поездок, - - количество контрольных участков (КУ) в каждой поездке (станции, определяемых графиком), к - число отклонений от графика по вине локомотивной бригады, Ь - общий линейный пробег, км, ^ и - заданное и

фактическое время хода на у - м КУ в / - ой поездке. Будем определять отклонение от графика как разность между графиковым временем хода по перегону и фактическим: Ы у = -¿у , очевидно, если Лг - > 0 - наблюдается опережение графика, если Лг - < 0 - отставание, /* - = 1..к.

Согласно правилам, действующим в ОАО «РЖД» отклонение от графика фиксируется при Л >1 мин, а при Л > 6 определяется серьезное

отклонение от графика, которые фиксируются в АСУ «ГИД-УРАЛ-ВНИИЖТ».

Введем лингвистическую переменную (ЛП) г = «Отклонение от графика». Универсальным множеством для переменной г будет являться отрезок [0, 1], а множеством значений переменной г - терм-множество г = [Я], Я2, Яз, Я4, Я5], где Я1 - «положительное отклонение большое (опережение графика более 6 мин)»; Я2 - «положительное отклонение малое» (опережение графика от 1 до 6 мин); Яз - «отклонение отсутствует» (менее 1 мин); Я4 - «отрицательное отклонение малое» (опоздание от 1 до 6 минут); Я5 - «отрицательное отклонение большое» (опоздание свыше 6 минут). При этом каждый терм из множества Я является именем нечеткого подмножества на отрезке [0, 1]. Будем рассматривать эти подмножества как треугольные нечеткие числа.

Составим таблицу функций принадлежности (ФП) каждого терма, используя ФП треугольного нечеткого числа. Обозначим 1 ={А В ¿с} -

1

параметры нечеткого числа; Т ={Т1,72,Т3,Т4,Т5} - константы: :е Т, причем :={-®, Т1, Т2}; ¿2={ТьГ2,Гз}; 13={Т^ТъТ} :4={ТъТАТ} :5=ТТь®}. Функцию принадлежности будем вычислять, используя формулы:

иц(Д:, :) :=

0, если Дt <

At -1

л

t=t2 vtз Vt4

:б -

tc -А:

:с - :б

, если < Д: < :Б , если :б < а: < :С

0, если Д: > :с 1, если Д: <

ии(д:,:):=:1 Ч :с -А

, :с - :б

д: -

Ая(Д:,:):=:5 =

, если :б < Д: < С , если < Д: < :б

:б -

1, если Д: > :б

Принимая Т = {-6, -1, 0, 1, 6} составляем таблицу № 1. В формулах, представленных в таблице, исключены интервалы, на которых ФП

принимает нулевое значение.

Таблица № 1

Функции принадлежности терм-множеств Я

№ № Терм я« Значение Я Функция принадлежности нечеткого множества Я«

1 Я1 Опережение большое Я1 е (-ю;-1] Г1, если Д: < -6 и (Д:) = ^ [1 - 0.2(Д: + 6), если - 6 < Д: < -1

2 Я2 Опережение малое Я2 е [-6;0] Г0.2(Д: + 6), если -1 < Д: < -6 и (Д:) = ^ ^ Л ^ 7 [1 - (Д: +1), если -1 < Д: < 0

3 Яз Отклонение очень малое Я3 е [-1;1] Гд: +1, если - 1 < Д: < 0 и (Д:) = ^ 3 [1 -Д:, если 0 <Д: < 1

4 Я4 Опоздание малое ^4 е [0;6] Гд:, если 0 < Д: < 1 и (Д:) = \ К4 [1 - 0.2(Д: -1), если 1 <Д: < 6

5 Я5 Опоздание большое ^5 е [1;ю) Г0.2(Д: - 1), если 1 < Д: < 6 *5 [1, если д: > 6

Значение ФП будем рассматривать как степень истинности терма Я«. Например, если опоздание составляет А: = 5 минут, то отличную от нуля ФП

1

имеют два терма: Я4 - «опоздание малое» и Я5 - «опоздание большое», при этом ¡иК4 = 1 - 0.2(Д* -1)| дг=5 = 0.2 и ¡иК5 = 1 - 0.2(Д - 1)|Д/=5 = 0.8

Графики ФП построены на рис. 2.

Рис. 2. - Графики функции принадлежности термов ЛП «Отклонение от графика»

4. Расход электроэнергии. Аналогично рассмотрим ЛП е -«Отклонение расхода электроэнергии от нормы». Будем определять в каждой поездке удельный перерасход (или экономию электроэнергии):

Д4 = (Апогт - А/ас1)/ Апогт, где ДА - отклонение от нормы, Апогт -

нормированный расход; А?асг - фактический расход электроэнергии. Введем лингвистическую переменную е - отклонение расхода электроэнергии от нормы: е = (Е/, Е2, Е3, Е4, Е5, Е6, Е7}, где Е\ - существенная экономия (более 7 %); Е2 - большая экономия (от 3 до 7 %); Е3 - малая экономия (от 1,5 до 3 %); Е4 - очень малое отклонение от нормы (в переделах 1,5 %); Е5 -малый перерасход (от 1,5 до 3 %); Е6 - большой перерасход энергии (от 3 до 7 %); Е7 - очень большой перерасход (более 7%) - рис. 3, таблица № 2.

Аналогично, значение ФП будем рассматривать как степень истинности терма Ед. Например, если экономия энергии составляет А А = -2

%, то отличную от нуля ФП имеют два терма: Е2 - «экономия большая» и Е3 - «экономия малая», при этом

¡Е2 = 1 - (ЛА + 3) /1.5 | д4=-2 = 0.33 и ц= (ЛА + 3)/1.5 | АА=-2 = 0.67.

8 1 ¡0.9

§: о.в

го

|0.7 §-0.6 1 0.5 I 0.4

-&0.3 ф .

I 0.2

¥ 0.1

го

»

Е1

И-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-г

А

Ё2 ЕЗ ЕЛ/

0 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10

Отклонение расхода энергии от нормы, %

Рис. 3 - Графики функции принадлежности термов ЛП «Отклонение расхода энергии от нормы»

Таблица № 2

Функции принадлежности терм-множеств Е

№ № Терм Ец Значение Е Функция принадлежности нечеткого множества Ец

1 Е1 Экономия значительная Е1 е (-ю; - 7] Г1, если ЛА < -7 ЛЕл (ЛА) = <( 1 [1 - 0.25(ЛА + 7), если - 7 < ЛА <-3

2 Е2 Экономия большая Е2 е [-7; -1.5] Г0.25(ЛА + 7), если - 7 < ЛА < -3 ¡лъ (ЛА) = ^ ^ Л 7 [1 - (ЛА + 3)/1.5, если - 3 < ЛА <-1.5

3 Ез Экономия малая Е3 е [-3; 0] Г(ЛА + 3)/1.5, если - 3 < ЛА <-1.5 ¡Е, (ЛА) = 1У 7 3 [1 - (ЛА +1.5)/1.5, если - 1.5 < ЛА < 0

4 Е4 Отклонение от нормы очень малое Е 4 е [—1.5;1.5] Г(ЛА + 1.5) /1.5, если - 1.5 < ЛА < 0 ¡Ел (ЛА) = ^ ^ ^ ' 7 [1 -ЛА/1.5, если 0 < ЛА < 1.5

5 Ез Перерасход малый Е5 е [0;3] ГЛА/1.5, если 0 < ЛА < 1.5 Л^ (ЛА) = \ ' 5 [1 - (ЛА -1.5)/1.5, если 1.5 < ЛА < 3

6 Ев Перерасход большой Е6 е [1.5; 7] Г(ЛА -1.5) /1.5, если 1.5 < ЛА < 3 Л* (ЛА) = ^ ^ ^ ' 6 [1 - 0.25(ЛА - 3), если 3 < ЛА < 7

7 Еу Перерасход значительный Е7 е [7; ю] Г0.25(ЛА - 3), если 3 < ЛА < 7 ¡Еу (ЛА) = ]1 ' . . Л7 7 [1, если ЛА > 7

J

5. Лингвистическая переменная «Частота». Отметим, что величины At и АЛ являются непрерывными случайными величинами. Будем анализировать на основе первичных статистических данных частоту появления различных значений лингвистических переменных r и e c использованием ЛП «Частота», включающая следующие терм-множества: f={VS, SM, ML, OF, VF}, где VS - очень редко (very seldom); SM - редко (seldom); ML - более-менее часто (more-less often); OF - часто (often); VF -очень часто (very often). Функции принадлежности термов ЛП будем описывать трапециевидными ФП ¡и f (f):

0, если f < f л

f - fЛ

f Л , если f л < f < fB

fB - f Л

1 если fB < f < fC -

{D~ { , если fc < f < fD

fD - fC

0, если f > fo

Uf (f) =

где / = /к или / = /Е., где /к и /Е. - относительные частоты попадания значений величин At и АЛ в соответствующие диапазоны значений и Е,

и от

определяемые по формулам: /к = (Ati)/ и и /Е, = (Ati)/от, где и и

г ]=1 1 1 м г

от - количества исходных данных. Учитывая особенности операций нечеткой логики, а также субъективный характер задания терм-множеств функций принадлежности суммы частот могут быть не равны 1, т.е. X/к ^ 1

1=1..5 1

и X/е ^ 1 В этом случае значения частот должны быть нормализованы:

1=1..7 1

fR = fR- / Z fR и fE i = fE1 I Zf

i=1..5 i=1.5

Числовые параметры и графики терм-множеств ЛП «Частота» приведены в таблице № 3 и на рис. 4.

Таблица № 3

Числовые параметры терм-множеств ЛП «Частота»

Аргументы ФП Терм-множества

VS SM ML OF VF

Очень Редко Более-менее Часто Очень

редко часто часто

(0; 0; 0.1; 0.2) (0.1; 0.2; 0.3; 0.4) (0.3; 0.4; 0.5; 0.6) (0.5; 0.6; 0.7; 0.8) (0.7; 0.8; 1; 1)

К

Относительная частота

Рис. 4 - Графики функции принадлежности термов ЛП «Частота»

6. Соблюдение норм и правил безопасности движения и технической эксплуатации подвижного состава. Данный критерий УДМ будем оценивать по числу нарушений, которые сгруппируем в три категории: 1) крушения, аварии и события, связанные с нарушением норм и правил безопасности движения и технической эксплуатации железнодорожного транспорта - Qj; 2) отказы технических средств 1, 2 и 3 категорий и технологических нарушений 1 и 2 категорий, допущенных по вине локомотивной бригады соответственно - Q2; 3) нарушения правил управления тормозами, использования приборов безопасности и автоведения - Q3 в расчете на 100 тыс. км линейного пробега L: qi=Qi /L. Введем лингвистические переменные ЛП si = «Количество нарушений», характеризующие качество УДМ с точки зрения указанных критериев. si ={NZ, SM, MN, VM} i=1..3, где NZ - около нуля (near zero); SM - мало

(small), MN - много (many), VM - очень много (vary many), ФП которых будем описывать треугольными функциями принадлежности. Числовые параметры и графики терм-множеств ЛП «Количество нарушений» приведены в таблице № 4 и на рис. 5.

Таблица № 4

Ч исловые параметры терм-множеств ЛП «Количество нарушений»

Аргументы ФП Терм-множества

NZ SM MN VM

около нуля мало Много Очень

много

qi, q2, яз (0; 1) (0; 1; 2) (1; 2; 3) (2; 3; ю )

Количество нарушений на 100 тыс, км Рис. 5 - Графики функции принадлежности термов ЛП «Количество нарушений»

7. Определение уровня квалификации машинистов на основе процедуры нечеткого вывода. В результате обработки первичных статистических данных бортовых регистраторов параметров движения и железнодорожных АСУ и вычисления функций принадлежности введенных выше ЛП может быть получена таблица нечетких отношений, характеризующих частоту появления различных значений ЛП - таблица № 5. Для выполнения дальнейших вычислений и получения интегральной оценки профессиональных компетенций локомотивных бригад, определяемых качеством УДМ, разработана нелинейная модель оценки на основе нечеткого

вывода по базе правил. Предлагаемая нечеткая логическая система представлена в таблице № 6.

Таблица № 5

Нечеткие отношения, получаемые в результате первичной обработки данных

№ Точность Выполнение нормы Соблюдение

исполнения графика движения расхода энергоресурсов норм и правил безопасности

движения

1 Rj R2 Rs R4 R5 E1 E2 E3 E4 E5 E6 E7 S1 S2 S3

2 VS 0.33 0.15 0.07 0.2 0.25 0.32 0.14 0.12 0.1 0.09 0.04 0.19 NZ 1 0.87 0.90

3 SM 0.1 0.21 0.14 0.41 0.14 0.1 0.17 0.14 0.2 0.18 0.08 0.13 SM 0 0.13 0.07

4 ML 0.17 0.19 0.23 0.12 0.29 0.07 0.11 0.12 0.29 0.2 0.13 0.08 MN 0 0 0.03

5 OF 0.04 0.16 0.45 0.15 0.2 0.11 0.16 0.23 0.05 0.11 0.19 0.15 VM 0 0 0

6 VF 0.36 0.29 0.11 0.12 0.12 0.12 0.2 0.23 0.17 0.12 0.09 0.07 - - - -

В ней представлены пять нечетких продукционных правил, представляющих собой составные высказывания, образованные из высказываний типа «A есть B», где A - наименование ЛП, B - её значение, которому соответствует терм из заданного терм-множества, и нечетких логических операций в форме связок «ЕСЛИ-ТО», «И», «ИЛИ». Для упрощения представления таблицы в её ячейках связки «ИЛИ» и скобки опущены.

Для получения результирующей оценки Сг используется ЛП с=«Квалификация машиниста», c={VL, LW, MD, HL, VH}, где VL - очень низкая (very low), LW - низкая (low), MD - средняя (middle), HL - высокая (high), VH - очень высокая (very high).

8. Пример расчета интегральной оценки с помощью нечеткой логической системы. В качестве исходных данных возьмем данные таблицы № 5, а в качестве множества результирующих оценок - множество Cr е [1;5], т.е. будем оценивать уровень квалификации машиниста по пятибалльной шкале. В качестве метода дефаззификации воспользуемся дискретным методом центра тяжести.

Таблица № 6

База нечетких продукционных правил

№ Нечеткие Нечеткие Нечеткие Заключения

посылки с R посылки с E посылки с S

1 ЕСЛИ R5 = VF И E6 = VF И Sl = VM ТО С = VL

R5 = OF E6 = OF S2 = VM

Rl = VF E7 = VF S2 = VM

Rl = OF E7 = OF

2 ЕСЛИ Rl = VF И E4 = VS И Sl =мм ТО С =

Rl = OF E4 = SM Sl = SM

Rl = ML E5 = ML S2 =мм

R2 = VF E5 = OF Sз =мм

R2 = OF E5 = VF

Rз = VS Е6 = SM

Rз = SM Еб = ML

R4 = VF Е7 = SM

R4 = OF Е7 = ML

R5 = VF

R5 = OF

R5 = ML

3 ЕСЛИ R2 = SM И Ез = SM И S2 =мм ТО С = МБ

R2 = ML Ез = ML S2 = SM

R2 = OF Е4 = SM Sз = мм

Rз = SM Е4 = ML Sз = SM

Rз = ML Е4 = OF

Rз = OF Е5 = SM

R4 = SM Е5 = ML

R4 = ML Е5 = OF

R4 = OF

4 ЕСЛИ Rз = VF И Е1 = OF И Sl =мг ТО С = Ж

Rз = OF Е1 = ML S2 =мг

И Е2 = OF S2 = SM

Rl = VS Е2 = ML Sз =мг

Rl = SM Ез = OF Sз = SM

И Ез = ML

R2 = VS Ез = VF

R2 = SM Е4 = OF

И Е4 = MF

R4 = VS Е4 = VF

R4 = SM

И

R5 = VS

R5 = SM

5 ЕСЛИ Rз = VF И Е1 = VF И Sl =мг ТО С = VH

И Е2 = VF И

Rl = VS Е2 = OF Sl =мг

И Ез = VF И

R5 = VS Ез = OF Sl =мг

Е4 = VF

Е4 = OF

И

Е5 = VS

Еб = VS

Е7 = VS

Для приведенных исходных данных такая оценка принимает значение Сг = 3,7, что может интерпретироваться, как «квалификация машиниста выше средней, но несколько ниже уровня высокой».

Выводы.

1. Оценка квалификации и профессиональных компетенций машинистов локомотива (локомотивных бригад) может быть выполнена на основе анализа их управляющей деятельности при исполнении ими служебных обязанностей - реализации технологического процесса ведения поезда. В качестве источников исходной информации для анализа и оценки УДМ предлагается использовать бортовые регистраторы параметром движения локомотивов и железнодорожные АСУ. Такой подход позволяет повысить объективность оценки по сравнению с традиционными подходами на основе анкетирования, интервью, опросников, тестирования и др.

2. Сложности получения интегральной числовой оценки УДМ связаны с большим числом критерием, определяющих её качество. Одним из эффективных путей их преодоления является применение методов искусственного интеллекта, в частности, нечеткой логики как технологии обработки знаний, для построения нечеткой логической системы на основе базы нечетких продукционных правил, что позволяет формализовать критерии оценки УДМ используя лингвистические переменные и вычислять интегральную оценку качества УДМ с помощью процедуры нечеткого логического вывода.

3. Разработанная методика анализа эффективности УДМ и оценки профессиональных компетенций машинистов может использоваться в качестве инструмента совершенствования технологии вождения поездов, развития систем автоведения и автомашиниста в рамках реализации проекта «Цифровой железной дороги».

Литература

1. Юренко К.И., Харченко П.А., Юренко И.К Человеко-машинное взаимодействие в технологическом процессе ведения поезда // Вестник ВЭлНИИ. 2018. №1-2 (79). С. 135-146.

2. Харченко П.А., Юренко К.И. Проблемы энергоэффективности и безопасности при эксплуатации современного подвижного состава // Труды международной научно-практической конференции «Транспорт: наука, образование, производство» (Транспорт-2017) Том 1. Технические науки. . Ростов н/Д: Рост. гос. ун-т. путей сообщения, 2017. С. 284-288.

3. Юренко К.И., Фандеев Е.И., Нефедов В.В. Программно-технические и тренажеро-моделирующие комплексы для разработки, испытаний, управления и обслуживания современных локомотивов // Инженерный вестник Дона, 2013, №3. URL: ivdon.ru/magazine/archive/n3y2013/1826/.

4. Юренко К.И., Шепилова Е.Г., Гречук И.А. Совершенствование бортовых систем управления локомотивов на базе технических средств тренажеро-моделирующих комплексов // Инженерный вестник Дона, 2014, №4 URL: ivdon.ru/magazine/archive/n3y2014/2452/.

5. Yurenko K.I., Fandeev E.I. Structure and functions of on-board autodriver system of train // Materials Engineering and Technologies for Production and Processing, May 19-20, 2016, IEEE Xplore (Scopus); Date Added to IEEE Xplore: 27 April 2017. - 2nd International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2016; South Ural State University Chelyabinsk; Russian Federation. pp. 1-6.

6. Yurenko K.I., Fandeev E.I. Classification systems of automatic train driving with positions of the modern automatic control theory // Proceedings of 3nd International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), 2017. Date of Conference: 16-19 May 2017; Date Added to IEEE Xplore (Scopus): 23 October; Saint Petersburg, Russia. pp. 1-5.

7. Стратегия развития железнодорожного транспорта в Российской Федерации до 2030 года // Официальный сайт ОАО «РЖД» URL:doc.rzd.ru/doc/public/ru?STRUCTURE_ID=704&layer_id=5104&id=3997# 5455 (дата обращения 15.04.2018г.).

8. Дьячков Д. Инструмент управления персоналом: ЕКТ // Пульт управления. Журнал для руководителей компаний транспортной отрасли URL:pult.gudok.ru/archive/detail.php?ID=1324997 (дата обращения: 15.04.2018).

9. Шаханов Д.С., Стеблянский Н.В., Награльян А.А., Безручко П.С. Корпоративные компетенции ОАО «РЖД» // Пульт управления. Журнал для руководителей компаний транспортной отрасли. URL: pult.gudok.ru/archive/detail.php?ID=899804 (дата обращения 15.04.2018г.).

10. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004. 320 с.

11. Конышева Л.К., Назаров Д.М. Основы теории нечетких множеств. СПб.: Питер, 2011. 192 с.

12. Харченко П.А., Юренко К.И. Критерии оценки управляющей деятельности машиниста на основе данных бортовых регистраторов параметров движения // Сборник научных трудов «Актуальные проблемы и перспективы развития транспорта, промышленности и экономики России», в 2 т. Том 1. Технические науки. Ростов н/Д: Рост. гос. ун-т. путей сообщения, 2018. С. 91-94.

13. Харченко, П. А., Гребенников Н.В. Разработка компьютерной модели пассажирского поезда на основе данных современных средств регистрации параметров движения // Вестник Ростовского государственного университета путей сообщения. 2016. №2 C. 38 -46.

References

1. Jurenko K.I., Harchenko P.A., Jurenko I.K Vestnik VJelNII. 2018. №1-2 (79). pp. 135-146.

2. Harchenko P.A., Jurenko K.I. Trudy mezhdunarodnoj nauchno-prakticheskoj konferencii «Transport: nauka, obrazovanie, proizvodstvo» (Transport-2017) Tom 1. Tehnicheskie nauki. [Proceedings of the international scientific and practical conference "Transport: science, education, production" (Transport-2017)] Volume 1. Technical science. Rostov n/D: RSTU, 2017. pp. 284-288.

3. Jurenko K.I., Fandeev E.I., Nefedov V.V. Inzenernyj vestnik Dona (Rus),

2013, №3. URL: ivdon.ru/magazine/archive/n3y2013/1826/.

4. Jurenko K.I., Shepilova E.G., Grechuk I.A. Inzenernyj vestnik Dona (Rus),

2014, №4. URL: ivdon.ru/magazine/archive/n3y2014/2452/.

5. Yurenko K.I., Fandeev E.I. Materials Engineering and Technologies for Production and Processing, May 19-20, 2016, IEEE Xplore (Scopus); Date Added to IEEE Xplore: 27 April 2017. 2nd International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2016; South Ural State University Chelyabinsk; Russian Federation. pp. 1-6.

6. Yurenko K.I., Fandeev E.I. Proceedings of 3nd International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), 2017. Date of Conference: 16-19 May 2017; Date Added to IEEE Xplore (Scopus): 23 October; Saint Petersburg, Russia. pp. 1-5.

7. Strategija razvitija zheleznodorozhnogo transporta v Rossijskoj Federacii do 2030 goda. Oficial'nyj sajt OAO «RZhD» [Official site of JSC "RZD»]. URL: doc.rzd.ru/doc/public/ru?STRUCTURE_ID=704&layer_id=5104&id=3997#5455 (data obrashhenija 15.04.2018g.)

8. D'jachkov D. Pul't upravlenija. Zhurnal dlja rukovoditelej kompanij transportnoj otrasli [Control panel. Magazine for managers of transport

companies]. URL: pult.gudok.ru/archive/detail.php?ID=1324997 (data obrashhenija: 15.04.2018).

9. Shahanov D.S., Stebljanskij N.V., Nagral'jan A.A., Bezruchko P.S. Pul't upravlenija. Zhurnal dlja rukovoditelej kompanij transportnoj otrasli [Control panel. Magazine for managers of transport companies]. URL:pult.gudok.ru/archive/detail.php?ID=899804 (data obrashhenija 15.04.2018g.).

10. Harchenko P.A., Jurenko K.I. Kriterii ocenki upravljajushhej dejatel'nosti mashinista na osnove dannyh bortovyh registratorov parametrov dvizhenija. Sbornik nauchnyh trudov «Aktual'nye problemy i perspektivy razvitija transporta, promyshlennosti i jekonomiki Rossii» [Coll. Of scientific papers "Actual problems and challenge developments of the transportation, industry and Russian economy]. Volume 1. Technical science. Rostov n/D: RSTU, 2018. pp. 91-94.

11. Harchenko, P.A., Grebennikov N.V. Vestnik RSTU. 2016. №2. pp. 38-46.

12. Jarushkina N.G. Osnovy teorii nechetkih i gibridnyh system [Fundamentals of fuzzy and hybrid systems theory]. M.: Finansy i statistika, 2004. 320 p.

13. Konysheva L.K., Nazarov D.M. Osnovy teorii nechetkih mnozhestv [Fundamentals of fuzzy set theory]. SPb.: Piter, 2011. 192 p.