CC BY
69
АВТОМАТИЗИРОВАННЫЙ АНАЛИЗ НАДЕЖНОСТИ И КАЧЕСТВА ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ ОБОРУДОВАНИЯ СВЯЗИ С ПОМОЩЬЮ СОВРЕМЕННЫХ
СРЕДСТВ МОДЕЛИРОВАНИЯ
DOI 10.24411/2072-8735-2018-10266
Любченко Александр Александрович,
ОмГУПС, г. Омск, Россия, [email protected]
Копытов Евгений Юрьевич,
ОмГУПС, г. Омск, Россия, [email protected] Ключевые слова: железнодорожная
электросвязь, надежность, коэффициент Б°гдан°в Александр Александрович, готовности, имитационное моделирование,
ОмГУПС, г. Омск, Россия, [email protected] AnyL0gic.
Обеспечение безопасности перевозочного процесса является одной из самых приоритетных задач железнодорожного транспорта. Для мониторинга уровня безопасности существует ряд параметров, косвенно определяющих его значение. Современные компьютерные технологии позволяют не только вычислить значения этих параметров, но и оценить уровень безопасности при определенных значениях входных параметров системы. Объект исследования в данной работе представляет собой средства связи на железнодорожном транспорте, предмет исследования - модель оценки качества эксплуатации и технического обслуживания устройств железнодорожной электросвязи. Цель работы состоит в анализе качества эксплуатации и технического обслуживания оборудования связи с помощью предлагаемой в работе модели. Были поставлены следующие задачи: разработка концептуальной модели процесса эксплуатации и технического обслуживания устройств железнодорожной электросвязи; разработка имитационной модели; проведение статистического эксперимента и анализ его результатов. Предложена модель эксплуатации технических средств в региональном центре связи, реализованная с помощью инструмента имитационного моделирования AnyLogic 7. Модель построена с применением дискретно-событийного подхода и позволяет дать оценку показателю качества технического обслуживания и коэффициента готовности в зависимости от параметров, определяющих особенности эксплуатации устройств железнодорожной электросвязи. С помощью построенной модели проведен статистический эксперимент, в результате которого получены графики зависимости коэффициента готовности и показателя качества технического обслуживания для различных интенсивностей отказов оборудования. Предложенная в работе модель может быть использована для оценки надежности, а также качества технического обслуживания и эксплуатации устройств железнодорожной электросвязи при различных значениях входных параметров.
Информация об авторах:
Любченко Александр Александрович, к.т.н., доцент каф. телекоммуникационных, радиотехнических систем и сетей (ТРСиС) Омского государственного университета путей сообщения (ОмГУПС), г. Омск, Россия
Копытов Евгений Юрьевич (ответственный автор), к.т.н., доцент каф. телекоммуникационных, радиотехнических систем и сетей (ТРСиС) Омского государственного университета путей сообщения (ОмГУПС), г. Омск, Россия
Богданов Александр Александрович, Студент каф. телекоммуникационных, радиотехнических систем и сетей (ТРСиС) Омского государственного университета путей сообщения (ОмГУПС), г. Омск, Россия
Для цитирования:
Любченко А.А., Копытов Е.Ю., Богданов А.А. Автоматизированный анализ надежности и качества технического обслуживания оборудования связи с помощью современных средств моделирования // T-Comm: Телекоммуникации и транспорт. 2019. Том 13. №5. С. 13-20.
For citation:
Lyubchenko A.A., Kopytov E.Yu., Bogdanov A.A. (2019). Computer-based analysis of reliability and maintenance quality of telecommunication equipment using modern simulation instruments. T-Comm, vol. 13, no.5, pр. 13-20. (in Russian)
1. Введение
Железнодорожная электросвязь (ЖДЭ) является одной из функциональных подсистем инфраструктуры железнодорожного транспорта, объединяющая технические средства и сооружения связи, обеспечивающие передачу и (или) приём голосовой и (или) не голосовой информации, предназначенной для организации н выполнения технологических процессов железнодорожного транспорта 111.
Важной особенностью систем ЖД1 является их влияние ira безопасность перевозочного процесса. Одним из методов обеспечения требуемого уровня безопасности служит поддержание высокого уровня надёжности оборудования ЖДЭ. Последнее, в свою очередь, зависит от множества факторов, таких как интенсивность отказов блоков и компонентов, наличие комплектов запасных частей, инструментов и принадлежностей (ЗИП), квалификация обслуживающего персонала, периодичность проведения технического обслуживания (ТО), достоверность систем диагностики, а также время, отводимое на восстановительный ремонт и профилактические операции.
Основным комплексным показателем надёжности ЖДЭ является коэффициент готовности К( [2, 3, 4]. Удельный показатель качества технического обслуживания Бу, регламентируемый Положением «О показателе качества технического обслуживания средств связи», утвержденного распоряжением ОАО «РЖД» от 20 августа 2014 г. № ЦСС-767/p (далее Положение), является показателем, применяемым сегодня для оценки качества проведения технического обслуживания средств ЖДЭ. Помимо показателя Bj в работе применяется удельный суммарный годовой показатель качества технического обслуживания Бу, вычисляемый как сумма накопленных за год штрафных баллов Бу.
Одним из возможных методов анализа и опенки надежностных характеристик процессов н систем различных отраслей промышленности, в том числе п на транспорте, служит имитационное или, в случае стохастических процессов, статистическое моделирование [5]. В работах [6, 7] подчёркивается преимущество такого вида моделирования перед эмпирическим подходом дня случая высоконадёжных систем, когда из-за крайне редкого возникновения отказов невозможна Опенка показателей надёжности с приемлемой точностью. Статистическое моделирование находит применение при оценке надёжности автотранспортных систем [7, HI определении наиболее эффективных вариантов обслуживания транспортных потоков [9, 10], анализе пропускной способности ж.д. линий I И. 121. А также данный вид моделирования применяется как для анализа надёжност и сгрук-турно-сложных радиотехнических средств [13], гак и для оценки надёжности программного обеспечения 114].
Ii последнее время всё большую известность Среди учёных и исследователей приобретает отечественный инструмент имитационного моделирования Any Logic [15-19], обеспечивающий возможность визуальной разработки моделей и объединяющий «все три современные парадигмы построения имитационных моделей: системно-динамическая, дискретно-событийная и агентная» [20]. Кроме того, отличительными особенностями данного продукта также являются мощный язык моделирования, позво-
ляющий учесть всевозможные детали модели и достаточно широкий и интуитивно понятный графический интерфейс, обеспечивающий упрощение и ускорение процесса разработки. Указанные преимущества применительно к моделям различной степени сложности определили широкое применение данного инструмента в различных сферах. Среда Any Logic используется для оценки комплексных показателей надёжности элементов радиотехнических систем [I7|. моделирования процессов технического обслуживания железнодорожных радиостанций [21J, прогнозирования надёжности элементов информационных систем 11 81 и анализа эффективности компьютерных сетей [22, 23], а также для анализа показателей эксплуатационной работы железнодорожного узла |1б] и моделирования расписания движения транспортных средств [ 19|.
С целью расчета коэффициента готовности Кг и удельного показателя качества технического обслуживания Бу была поставлена задача разработки имитационной модели процесса эксплуатации средств ЖДЭ в региональном центре связи (РЦС) е помощью инструмента Any Logic на основе метода дискретно-событийного моделирования.
2. Концептуальна и модель
Концептуальная модель — это абстрактная описательная модель, отражающая представление (концепцию) исследователя о сущности изучаемого процесса или явления. Ее построение заключается в составлении содержательного описания объекта анализа, его формализации подборе типовых математических схем взаимодействия составляющих элементов объекта анализа |24|.
Исходя из поставленной выше цели, был определен набор входных параметров модели. К ним относятся: L - интенсивность отказов. Тф - периодичность проведения технического обслуживания, Тр - время проверки оборудования во время технического обслуживания, Т, - время восстановительного ремонта, кр - количество прогонов, vrpr — время одного прогона, 0Л1. - вероятность отсутствия ЗИП, dopvr -время ожидания поступления ЗИП. Т„ - техническая ос нашей н ость, сц, Я1 - вероятность ошибки встроенных и внешних средст в диагностики первого рода, Ьй2 - вероятность ошибки встроенных и внешних средств диагностики второго рода. £*ц - вероятность ошибки обслуживающего персонала при проведении профилактических работ. Ех - вероятность ошибки обслуживающего персонала при проведении восстановительного ремонта.
Выходными параметрами модели служат: АГг (К,) - коэффициент готовности, В (Бу) — удельное количество накопленных за месяц штрафных баллов, б,г ( Бу ) - удельное количество накопленных за год штрафных баллов, TS„ - общее время нахождения в работоспособном состоянии, TS, общее время нахождения в состоянии технического обслуживания работоспособной системы, TSi - обшее время нахождения в неработоспособном состоянии, TS? - общее время нахождения в состоянии скрытого отказа, Т$л - общее время нахождения в состоянии ложного отказа, 73> - общее время нахождения в состоянии технического обслуживания при наличии скрытого отказа системы.
Учитывая совокупность вышеприведённых параметров, процесс эксплуатации оборудования ЖД'З может быть описан следующим набором состояний:
- 5(| - работоспособное состояние;
- 5| - состояние технического обслуживания работоспособной системы;
- 5; - неработоспособное состояние;
- 5.1 - состояние скрытого отказа системы;
- — состояние ложного отказа системы;
- - состояние технического обслуживания при скрытом отказе.
Следовательно, процесс эксплуатации средств ЖД'З может быть представлен диаграммой состояний, приведенной на рис. 1.
Р=
о
(I - КI - £((,)
0
1 о
ется на нормальном этапе, который характеризуется постоянством интенсивности отказов но времени и используется экспоненциальный закон распределения времени наработки на отказ, то время, через которое произойдет отказ можно рассчитать по формуле:
Ifiíl-PF)
г =--
(3)
Рис. 1. Диаграмма состоянии модели процесса эксплуатации с ре дет а ЖД'З
Поскольку средства ЖДЭ обеспечивают безопасность Перевозочного процесса, то их эксплуатация начинается с работоспособного состояния Sü. Переходы в иные состояния Происходят в соответствии с матрицей переходных вероятностей (1), где строка представляет исходное состояние, а столбец - конечное. Совокупность вероятностей в каждой строке образует полную группу событий.
о <1-1ь)Я10 Aj£,„ <Ы1-£го) о О £г О О О
О 1-й, 0 0
О 0 0 0 0
0 I £Tto b2Ela 0 0
(1)
где Ц„ - экспоненциальная фупкнпя распределения вероятности, вычисляемая по формуле:
Qol = I-exp(-Lt), (2)
где t - наработка системы.
Переход в состояние технического обслуживания S] происходит при отсутствии отказов системы и ошибок внутренних средств диагностики с вероятностью (I -йь )(] -(901)
через интервал времени, равный периодичности регламентного технического обслуживания Т„и. Прн наличии отказа в системе и отсутствии ошибки диагностирования второго рода внутренних средств диагностики с вероятностью (1 - Ь\ )Qoi происходит переход в неработоспособное состояние Si. Так как эксплуатация средств ЖДЭ рассматрива-
ете РР - случайная величина, генерируемая по равномерному закону распределения в интервале [0;1]; ¡- - интенсивность отказов.
Если же в системе помимо отказа наблюдается ошибка диагностирования второго рода внутренних средств диагностики ¿1, го модель переходит в состояние скрытого отказа
с вероятностью . Время, через которое произойдет
отказ, также рассчитывается по формуле (3), однако, стоит учитывать, что величина т генерируется прн наступлении каждого события, зависящего от данной переменной, другими словами, случайное время т является уникальной переменной величиной для каждого события. В том случае, когда при отсутствии отказов имеется ошибка диагностирования первого рода внутренних средств диагностики система переходит в состояние ложного отказа 54 с вероятностью и\ (1 - <9()1) через случайное время г.
В состоянии технического обслуживания система находится на протяжении времени проведения профилактических работ Тр. После проведения ТО возможен переход системы в работоспособное состояние 5о при успешном его завершении, что соответствует вероятности
(I-Д])(1. С вероятностью (¡-Ьэ)£\0 при допущении обслуживающим персоналом ошибки £,„ в процессе проведения профилактических работ, приводящей к отказу средств ЖДЭ, система переходит в неработоспособное состояние 5>. Если при этом возникает ошибка диагностирования первого рода внешних средств диагностики а2, то система переходит в состояние ложного отказа е вероятностью ¿?2 О -£",0). Если же совместно с ошибкой оператора
возникает ошибка диагностирования второго рода внешних средств диагностики /ъ, то модель переходит в состояние скрытого отказа с вероятностью 1ъ Е1о
При нахождении системы в неработоспособном состоянии 5\ ВОЗМОЖНЫ переходы в работоспособное состояние .5,, прн успешном устранении отказа с вероятностью (I - ЕЛ, а
Также переход в $2 при возникновении ошибки персонала с вероятностью Ег, производящею восстановительные работы, которая в свою очередь приводит к отказу системы и необходимости повторного проведения ремон тных работ. Время пребывания системы в сос тоянии задаётся временем проведения восстановительных работ Тг.
Из состояния скрытого отказа 5, возможны переходы в неработоспособное состояние 52 при обнаружении скры того отказа внутренними средствами диагностики, что соответствует вероятности (1 -/>|), а также в состояние технического
обслуживания при скрытом отказе ."к в том случае, когда наблюдается ошибка внутренних средств диагностики второго рода Л]. Система пребывает в состоянии скрытого от ка-
за Si до наступления регламентного технического обслуживания и соответствии с заданной периодичностью его проведения.
Состояние ложного отказа Sa характеризуется единственным переходом в работоспособное состояние S» через интервал времени, равный времени проверки Гр.
Из состояния техническою обслуживания при скрытом отказе имеется два перехода: в неработоспособное состояние при обнаружении скрытого отказа в результате проведения ТО с вероятностью перехода, равной (1 — /ь ), для последующего его устранения, а также в состояние скрытого отказа S¡ при необнаружении скрытого отказа из-за одновременною наличия ошибок обслуживающего персонала н внешних средств диагностики ¿и£\().
Время пребывания в состоянии £5 задаётся временем проведения профилактических работ Tv.
3. Имитационная модель
К основным инструментам среды AnyLogíc, использованным при разработке имитационной модели, относятся «Диаграмма состояний» и «База данных».
«Диаграмма состояний» представляет собой ориентированный граф конечного автомата, в котором задаётся поведение модели, события, являющиеся причинами срабатывания переходов между состояниями модели, а также действия. происходящие при смене состояний. С её помощью можно графически задать дискретное поведение сложных объектов 11 процессов. Переходы между состояниями могут происходить в результате истечения заданною интервала времени, выполнения заданного условия или получения сообщения.
«База данных» представляет собой совокупность данных в табличной форме. В рассматриваемой модели с её помощью организован сбор статистических данных для расчёта выходных параметров модели: коэффициента готовности А' и удельного количества накопленных за месяц штрафных баллов Ьу.
При накоплении статистических данных также применяются инструменты «Коллекция» и «Набор данных»
«Коллекция» представляет собой группу объектов, известных как её элементы. Инструмент используется для задания объект а данных, объединяющего в себе сразу несколько однотипных элементов. С помощью коллекций можно хранить, извлекать и управлять агрегированными данными.
«Набор данных» представляет собой двумерный массив измерений конечного размера. Каждое измерение, внесённое в набор данных, имеет два значения.
Статистическое моделирование исследуемого процесса выполняется путём многократной реализации прогонов модели и сбора статистических данных с последующей их обработкой.
11еобходимое количество прогонов модели кр может быть вычислено с помощью неравенства Чебышева [23]. Задаваясь условием, что оценки входных параметров будут попадать в диапазон ji±o/2Q с вероятностью 0.49, оно может быт ь вычислено по формуле:
20" / (1 - 0.99) - 40000. (4)
Как показано в [2.4], количество прогонов, полученных с помощью неравенства Чебышева, значительно больше, чем ЭТО необходимо для случайных чисел с нормальным распределением. Однако этот метод позволяет достичь гарант ированной точности с отклонением распределения от нормального.
Разработанная имитационная модель функционирует по приведённому выше концептуальному описанию. Как отмечалось ранее, начальным состоянием модели является работоспособное состояние 5ц.
Учёт времени пребывания в состояниях модели организуется но входу в j-oe состояние по формуле:
TS'=TS + t, (5)
где TS' - конечное время, накапливаемое в состоянии; TS - начальное время, накопленное в данном состоянии ранее; /- время пребывания модели в состоянии до следующего перехода.
В тех случаях, когда случайное время т, сгенерированное в состоянии So, превышает значение периодичност и технического обслуживания делается допущение, что во время нахождения модели в состоянии производится ТО. Данное допущение реализуется в соответствии с формулами:
Г5^Г51+ГрФ(г/ГоЬ);
Т50 = Т50-ТрФ{т/ТоЪ), (6)
где Ф( ) - функция, выдающая целое число, меньшее или равное заданному аргументу.
При входе в неработоспособное состояние S2 вызывается функция системы оценки качества (СОК), основанная на Положении, согласно которому отказы по степени тяжести последствий подразделяются на грн категории, а технологические нарушений - на две категории. За каждый отказ или технологическое нарушение начисляется определенное количество штрафных баллов, регламентированное Положением. Количество штрафных баллов также зависит от задержек во времени при восстановлении работоспособности средств связи и вычисляется по формуле:
6 = 50+0.560(/ф-/св)//св, (7)
где S - итоговая бальная оценка;
Su - количест во баллов за отказ или технологическое нарушение, регламентированное положением; /п} - среднесе-тевос время восстановления работоспособности средств связи, регламентированное Положением; /ф — фактическое время восстановления работоспособности средств связи.
По итогам месяца определяется удельный показатель качества технического обслуживания средств связи Бу, вычисляемый по формуле (7), в расчете на каждые 100 технических единиц обслуживаемою оборудования, определяющий одну из следующих категорий качества: «Отлично» - от 0 до 14,5, «Хорошо» - свыше 14.5 до планируемого показателя, «Удовлетворительно» - свыше планируемого показателя до 80 и «I ^удовлетворительно» - свыше 80.
Бу - — 100, (8)
h
где Бу - удельный показатель качества технического обслуживания средств связи;
Б,, - сумма баллов, начисленных за допущенные отказы технических средств связи и технологические нарушения;
Т0 - приведенная величина технических единиц обслуживаемых устройств.
Одна техническая единица - это условная постоянная величина. являющаяся эквивалентом определённого, принятого в чел.-ч объема трудозатрат. |25]
Как отмечалось ранее, в состоянии скрытого отказа модель находится до наступления очередного регламентного технического обслуживания. Для подсчета данного времени используется формула:
г = ГоЬ-(т%ГоЬ), (9)
где %— оператор, выдающий остаток от деления.
При этом время, через которое откроется переход в состояние 5ч, определяется с применением нормального закона распределения с заданным среднеквадратичным отклонением и математическим ожиданием, равным по величине рассчитанной ранее переменной т.
Время проведения профилактических и ремонтных работ также задаются с помощью нормального закона распределения с заданными среднеквадратичным отклонением и математическим ожиданием.
Коэффициент готовности в рассматриваемой модели рассчитывается по формуле:
Кг
TSQ + rs4 ' TS0 + TS2 + TS3 + rs4'
{10)
где Г5„ - время нахождения в работоспособном состоянии;
время нахождения в неработоспособном состоянии; ТЗз - время нахождения в состоянии скрытого отказа: 'ГЯа - время нахождения в состоянии ложного отказа. Одновременно с имитацией процесса эксплуатации ЖДЭ в соответствии с диаграммой состояний, представленной на рис. 1, раз в месяц по модельному времени происходит со-
хранение статистических данных в базу данных для дальнейшей их обработки и построения итоговых зависимостей выходных параметров от времени.
Интерфейс разработанной модели приведен на рис. 2.
После проведения эксперимента, вся статистика усредняется н выводятся итоговые графики зависимости коэффициента готовности K¡, удельного показателя качества технического обслуживания Бу, а также суммарного годового удельного показателя качества технического обслуживания
Бу от времени /. Следует отметить, что модель является гибкой в настройке и позволяет вводить произвольные значения входных параметров, таких как интенсивность отказов L, время проверки оборудования при техническом обслуживании Тр, время восстановительного ремонта Тс, периодичность технического обслуживания вероятности ошибок обслуживающего персонала при проведении профилактических работ /;,„ и восстановительных работ Ег. техническая оснащённость РЦС Та, вероятности ошибок диагностирования первого а\ и второго ht рода встроенных средств диаг ностики, вероятности ошибок диагностирования первого í'2 и второго Л; рода внешних средств диагностики.
4. Результаты экспериментов
Для демонстрации работы предложенной модели был выполнен ряд имитационных экспериментов, в ходе которых были получены графики опенок коэффициента готовности (рис. 3), удельного показателя качества Бу (рис, 4) и
суммарного годового удельного показателя качества Бу
(рис, 5) от времени при изменении интенсивности отказов L в пределах от 5 I О"5 ч до 25 -1 {Г5 ч"1 е шагом 5-1 (Г ч"'.
Значения параметров модели, использовавшихся при проведении экспериментов, приведены в табл. I.
О"1*!
о. та О ТУ о Ktl
TS2 ©TS5 ©В О Bsr Выгодные параметры
О í0 О S0S1 О S154 V> si Д) SOSÍ Q S2S0 О ü Q S0S3 Q S2S2 Q S0S4 © 53S2 O s4 i^j SISO Q £355 © £5 © S1SÍ Q S5S2
Организация периодов
О СОК Функция оценки качества
ti
И
I
Диаграмма состояний
т
itatechart
SO
SI
фф ф
г
-о-
Oír О QZ1P vrfti О doP7rK)
О Et° О™ vrRU © dopvfEO
О21 ©ТрО © vrPJE © depv гШО
о л QTob Q vrfttnl f} dopvrtn»
О ы Os¡s Q vrRtnH © dopvrtnH!
о Ь2 Qvfpr
©L Входные параметры
Q4Í0í Q vrSS, © Tr (J Tp © N 0 ВО O PP © taul ф vari ___Вспомогательные переменные
^ datatimer g^collcg g^jcoltasr g^jcolb
^ event g^colkgs gV»colb:r:gV>coltos ¿ Kgs © Bítí Bs
' Lf datasetBsr j datasetKg . i datasetto data jet H
Обработка дашьс: а формирование БД
Piic. 2. Интерфейс разработанной модели
Входные параметры для проведения ими гационного эксперимента
Таблица I
Параметр Значение
Интенсивность системы L. 10Л ч"1 5;10;15;20; 25
Математическое ожидание времени доставки ЗИП при: отказах, dopvrlQ-dopvrlllü технологических нарушениях, doptni0, dapini!0, ч 12 12
Вероятность отсутствия ЗИП OZIP 0.05
Техническая оснащённость 7"г,: i.e. 600
11сриодичность технического Обслуживания Гпы ч 4320
Математическое ожидание времени проверки Тпь ч i
Математическое ожидание времени ремонта при: отказе первой категории. wRI, ч отказе второй категории, vrRII, ч отказе третьей категории, vrRJI/, ч технологическом нарушении первой категории, vrkmJ, 'i тех 11 oj 1 о f 11 ч ее ко м нарушении второй категории. vrRtnlt, ч 10 5 2,5 1,25 1,25
Вероятность ошибки обслуживающего персонала при проведении профилактических работ, 0.05
Вероятность ошибки обслуживающего персонала при проведении восстановительных работ. Г, 0.025
Вероятность ошибки первого рода встроенных средств диагностики, 0.005
Вероятность ошибки первого рода внешних средств диагностики, ¿ь 0.01
Вероятность ошибки второго рода встроенных средств диагностики, Ь\ 0,001
Вероятность ошибки второго рода внешних средств диагностики, /ь 0.002
с.к.о. временных параметров модели stg 0.15
Количество прогонов кр 400Of 1
Время одного прогона vrpr, лет 10
Рис. 3. График зависимости коэффициента готовности К! от времени I при варьировании интенсивности отказов I.
На рисунке 3 представлены графики аппроксимированных зависимостей коэффициента готовности К| от времени ( при варьировании интенсивности отказов I с соответствующими коэффициентами детерминации /?".
Аппроксимирующей зависимостью для полученных экспериментальных данных был выбран полином пятой степени. Все коэффициенты детерминации близки к единице, это говорит об адекватном описании экспериментальных данных аппроксимирующими кривыми. С увеличением интенсивности отказов отмечается падение значений коэффициента готовности на протяжении всего периода эксплуатации, что ие противоречит положениям теории надёжности.
В ¡тачальный момент времени значение оценок коэффициента готовности равно единице, это соответствует началу эксперимента с работоспособного состояния модели. Последующее отклонение от единицы соответствует появлению отказов оборудования. Со временем значения оценок стремятся к установившимся, что явно можно отметить, например, для интенсивности отказов 10"J ч"'.
Однако, при интенсивности отказов L - 25-10"' ч" наблюдается необходимость увеличения времени моделирования для получения установившегося значения оценки коэффициента готовности. Данный факт объясняется существенным влиянием скрытых отказов, количество которых растет с повышением интенсивности отказов оборудования.
Таким образом, задаваясь требуемым уровнем Kj , можно оценить допустимую интенсивность отказов аппаратуры ЖД'З. Например, для поддержания требуемого уровня коэффициента готовности, равного 0,9995. на всем интервале времени, в соответствии с графиком, интенсивность отказов технических систем не может превышать 10*10"' ч'1.
Семейство графиков зависимости удельного показателя качества Бу от времени ! представлены на рис. 4. Среднее значение показателя Бу для задаваемых интенсивное гей от -
казов (5; 10; 15; 20; 25)-10" 1.28; 1.62. соответственно.
ч составляет 0.39; 0.67; 0.^7;
Бу
L - 5-КГ'
I, мес
Рис. 4. График зависимости удельного показателя качества Бу от времени г при варьировании интенсивности отказов L
Для наглядной ...............та рис. 6 приведены ¡рафики зависимости суммарного удельного показателя качества
Бу от времени, вычисляемого как сумма накопленных штрафных баллов за второй год эксплуатации.
• X - * « X * t с * t * * *
м • р 4 ■ •• ■ К» « У- '.V * ш ** • *. ■ * г. » • • • X* t •
* ч и * I». Л* с-1 * ■ 1 ' л. _ i • - л .* It i , • 1 ЩШ * 'V-% * 1 ** i V ■ * . • ■ж * . • ' •• «■ '»■ i . ' i *» 1 " *
•• ••1 .V Г''* Г F ♦ X'. Г Г г * / » 1 и1/ -л* ш V * V Г f SV í Г ? г г
и
• i.-í to<
40
• L' lfrlll1
Я
L IS-lí1
«II
• i 3(i m"'
mu ими
* L ■ 2¡'I(T
Рис, 5. [ рафик зависимости суммарного удельного показателя качества Бу от времени / прй варьировании интенсивности отказов L
Рис. 6. График зависимости суммарного удельного показателя качества Бу от времени I при варьировании шпенснвносггй отказов Л за второй гол
Анализируя зависимости на рис. 6, можно отметить практически линейный характер кривых, это свидетельствует о постоянстве накопленных за месяц штрафных баллов независимо от времени. Увеличение интенсивности отказов приводит к практически линейному росту суммарного
удельного показателя качества Бу. Так, изменение накопленных штрафных баллов с ростом интенсивности отказов £ составляет 3.85 (69,9 %>; 7,54 (136.8 %); 10,73 (194.7 %): 14,13 (256,4 %) относительно минимального накопленного
значения Бу -5.51, соответствующего интенсивности отказов, равной 5 10" ч 1
5. Заключение
В работе была представлена имитационная модель оксид у атацин технических средств в РЦС, разработанная в среде Апу1^1С с применением дискретно-событийного моделирования. Модель позволяет производить опенку таких показателей как коэффициент готовности К| и удельный
показатель качества технического обслуживания оборудования железнодорожной электросвязи Бу.
Разработанная модель учитывает скрытые, явные и ложные отказы, ошибочные действия обслуживающего персонала при проведении профилактических и восстановитель-пых работ и ошибки средств диагностирования, периодичность технического обслуживания, продолжительность проведения восстановительных и профилактических работ, вероятность отсутствий и время ожидания ЗИП.
В разработанной модели имеется возможность варьирования входных параметров, что может быть использовано при прогнозировании коэффициента готовности К, и удельного показателя качества Бу с целью оценки эффективности совершенствования системы технического обслуживания уже используемого и (или) вновь внедряемого оборудования электросвязи.
Преимуществом данной модели является простота се использования, а также возможность более быстрого получения результатов в сравнении с натурными испытаниями.
Литература
1. Горелов Г.В., Фомин А.Ф , Волков A.A., Котов В.К.. Ромаш-кава О.Н. Теория передачи сигналов на железнодорожном транспорте: учебиикю М.: УМЦ ЖДТ, 2013. 532 с.
2. Держа Г. Г. Количественная оценка вклада систем связи в безопасность технологических процессов на железнодорожном фане порте: Монография. М.: УМЦ ЖДТ, 2007. 130 с.
3. ГОСТ Р 53111—2008. Устойчивость функционирования сети связи обuicro пользования. Требования и методы проверки. М.: Стандартинформ, 2009. 19 с.
4. Котов В.К., Антоне и В,Р., Лабецкая ГЛ.. Шмьитшскчй B.Ii Научно-методические основы управления надёжностью и безопасностью эксплуатации сетей связи железнодорожного транспорта: монография. М,: УМЦ ЖДТ. 2012, 193 с.
5. Сапожников ВВ.. Сапожников Б.ч.В.. Шаманов В.И. Надежность систем железнодорожной автоматики, телемеханики п связи: учебное пособие ДЛЯ вузов ж.д. транс п. М.: Маршрут. 2003, 263 с.
6. Якубович А.П., Якубович ¡I.A. Эффективный алгоритм численной реализации случайных величин в задачах статистического моделирования надёжности технических систем // Интеллект, Инновации. Инвестиции. 2016. № 8. С, 84- 89.
7. Якубович А.Н.. Якубович H.A. Определен не надежности автотранспортных систем и их элементов методами математического моделирования а Грузовик. 2016. № 7. С. 39-44.
8. Якубович А Н.. Якубович U.A.. Рассоха В.И. Оценка надёжности автотранспортных систем методами статистического моделирования (аналитический обзор) // Интеллект. Инновации. Инвестиции. 2016. № I.C. 89-94.
9. Макс имей П. В.. Сукич Е.И., Гируц П. В.. Ерофеева Е.А Имитационное моделирование вероятностных характеристик функционирования железнодорожной сети И Математические машины и системы. 2008. № 4. С. ! 47-153,
10. СукаЧ E ll. Автоматизация процесса исследования вариантов организации перемещения транспортных потоков в железнодорожной сети Ii Математические машины н системы. 2009. № 4. С. 161-168.
I !. Кокурин П.. Кудрявцев В Оценка пропускной способности железнодорожных линий на основе имитационного моделирования процессов перевозок // Известия Петербургского университета путей сообщения. 2012. № 2. С. 18-22.
12, Алексеев С.И,, Береженой В В.. Сорока Р.И. Имнтационио-анимашшнное моделирование основных технологических нроцес-
сов мурманского гранспортного учла // Евразийское пространство: приоритеты социально-экономического развития. 2011, С. 28-36.
13. Тияменев АН., Жадное ВВ. Прогнозирование надёжности структурно-сложных радиоэлектронных средств методами имитационного моделирования // Качество. Инновации. Образование. 2013. №3, С. 50-56.
14. Чернов АЖ, Гуда А.И., Чубейко С В.. Булгакова М. А. Оценка надёжности программною обеспечения методами дискретно-событийного моделирования // Программные продукты и системы. 2015. №4, С, 158-165. Doí: 10.15827/0236-235X. 112.158-165.
\5. Якимов Н.М., Кирпичников А.П.. Мокшан В.В, Моделирование сложных систем а имитационной среде AnyLogic // Вестник казанского техноло! ичеекого университета. 2014, Г. 17. № П. С. 352-357.
16. Любченко A.A., Бартвщ C R, Смирнов В.А., Castillo Р. А. Дискретно-событийная модель железнодорожного узла в среде AnyLogic // Динамика систем, механизмов и машин. 2016. Т. 4. № I. С~87-92.
17. Лнюченка A.A. Применение имитационного моделирования для определения вероятностных характеристик комплексных показателен надёжности радиотехнических систем П Паука и современность. 2010. № 5-2. С. 246-251.
18. Баран В.П.. Варан ЕЖ Прогнозирование надёжности элементов информационных систем с помощью и пиру ментальных средств AnyLogic 7 // Вестник Российского университета кооперации. 2016, № I.C. 8-10.
19. Merkwyeva С.. Bolshakovs V. Vehicle schedule simulation with AnyLogic // 12th International Conference on Computer Modelling and Simulation. 2010. IEEE. P. 169-174. Doi; 10.1109/UKSIM.2010.38.
20. Рахмапгулов АН.. Мишку рои П.Н. Особенности построения имитационной модели технологии работы железнодорожной станции в системе AnyLogic // Сборник научных трудов SWORLD. 2012. Т. 2. № 4. С 7-13.
21. Лутчтко С.С.. Копытов ЕЮ. Моделирование процессов технического обслуживания радиостанций в среде Atiylogic // Известия Транссиба. 2010. № 2. С, 86-92.
22. Обх-хов П.А,. Николаев А.Б Разработка имитационных моделей в среде Any logic для исследования эффективности работы Компьютерных сетей // Автоматизация и управление н технических системах. 2014. № 4{ 12). С. 71-81.
23. Попов A.A., Яб.юкова М.М. Оптимизация структуры компьютерной сети средствами имитационного моделирования в среде Arty logic // Информационные технологии. Радиоэлектроника. Телекоммуникации. 2016. №6-2. С, 181-190.
24. ГЪнчиренко Г.П., Сорокина М.А Методика построения концептуальной модели проектируемой системы // Известил ТРТУ, 2006. № 10(65). С. 26-29.
25. Об утверждении методики определения объема работ региональных центров связи (для исчисления производительности груда работников, запятых на перевозках) [Электронный ресурс] // URL; https : / / jd-doc. ru/2012 /nis.rt-2012/1888-ot - 7-marta-2012-g-n-478r {дата обращения: 05.03.2019).
COMPUTER-BASED ANALYSIS OF RELIABILITY AND MAINTENANCE QUALITY OF TELECOMMUNICATION
EQUIPMENT USING MODERN SIMULATION INSTRUMENTS
Alexander A. Lyubchenko, Omsk State Transport University (OSTU), Omsk, Russia, [email protected] Evgeny Yu. Kopytov, Omsk State Transport University (OSTU), Omsk, Russia, [email protected]
Alexander A. Bogdanov, Omsk State Transport University (OSTU), Omsk, Russia, [email protected]
Abstract
Safety of transportation processes is a one of the most important priorities of railway transport. Safety level monitoring is implemented on the basis of the specified parameters control. Modern computer technologies facilitate the estimation of these parameters and, consequently, of the safety level. The research object of the current work is represented by railway telecommunication systems, whereas the study topic is a model for quality estimation of operation and preventive maintenance of railway telecommunication equipment. The objective of the work is the quality analysis of operation and preventive maintenance of telecommunication devices using the proposed model. The following tasks were set: the development of a conceptual model of the operation and preventive maintenance process of railway telecommunication equipment, the development of a simulation model, the implementation of an experiment and analysis of the obtained results. A simulation model of the operation process is constructed in AnyLogic 7 using the discrete event approach and provides the estimation of operation and maintenance quality, as well as the assessment of the achieved availability depending on the factors defining.
Keywords: railway telecommunications, reliability, availability, simulation, AnyLogic. References
1. Gorelov G.V, Fomin A.F., Volkov A.A., Kotov V.K. and Romashkova O.N. (2013), Teoriya peredachi signalov na zheleznodorozhnom transporte: uchebnik [Theory of signal transmission in rail transport: textbook], UMC GDT, Moscow, Russia.
2. Derzho G.G. (2007), Kolichestvennaya ocenka vklada sistem svyazi v bezopasnost' tekhnologicheskih processov na zheleznodorozhnom transporte: Monografiya [Quantitative analysis of contribution of telecommunications on technological processes safety in rail transport: monograph], UMC GDT, Moscow, Russia.
3. Rosstandart (2009), GOST R 53111-2008: Ustojchivost' funkcionirovaniya seti svyazi obshchego pol'zovaniya. Trebovaniya i metody proverki [GOST R 53111-2008: Operation stability of public communication networks. Requirments and test procedures], Standartinform, Moscow, Russia.
4. Kotov V.K., Antonec V.R., Labeckaya G.P. and Shmytinskij V.V. (2012), Nauchno-metodicheskie osnovy upravleniya nadezhnost'yu i bezopasnost'yu ehk-spluatacii setej svyazi zheleznodorozhnogo transporta: monografiya [Scientific methodical basics of reliability and safety control of the telecommunication networks operation in railway transport: monograph], UMC GDT, Moscow, Russia.
5. Sapoghnikov V.V. SapoghnikovVl.V. and Shamanov V.l. (2003), Nadezhnost' system zheleznodoroghnoy avtomatiki. telemehaniki i svayzi [Reliability of railway automation, telemechanics and communication systems), Marshrut, Moscow, Russia.
6. Yakubovich A.N. and Yakubovich I.A. (2016), "Efficient algorithm for numerical implementation of random variables in statistical modeling of technical systems reliability", Intellekt. Innovatsii. Investitsii, no 8, pp. 84-89.
7. Yakubovich A.N. and Yakubovich I.A. (2016), "The determination of the reliability of transport systems and their elements using mathematical modelling", Gruzovik, no. 7, pp. 39-44.
8. Yakubovich A.N., Yakubovich I.A. and Rassokha V.I. (2016), "Reliability evaluation of transport systems by statistical modeling methods (analytical review)", Intellekt. Innovatsii. Investitsii, no. 1, pp. 89-94.
9. Maksimey I.V., Sukach E.I., Giruts P.V. and Erofeeva E.A. (2008), "Simulation Modeling of probabilistic characteristic of railway network operation", Mathematical machines and systems, no. 4, pp. 147-153.
10. Sukach E.I. (2009), "Automatization of research processes of organization variants for transport flows movement of railroad network", Mathematical machines and systems, no. 4, pp. 161-168.
1 1. Kokurin I.M. and Kudryavtsev V.A. (2012), "Estimation of Railway Line Capacity Based on Imitation Modeling the Transportation Processes", Proceedings of Petersburg Transport University, no 2, pp. 18-22.
12. Alekseev S.I., Berezhnoy V.V. and Soroka R.I. (2011), "Imitated-animated simulation of the basic technological processes the Murmansk transport hub", Evrazijskoe prostranstvo: prioritety social'no-jekonomicheskogo razvitija. Materialy Mezhdunarodnoj nauchno-prakticheskoj konferencii [Eurasian area: priorities of socio-economic development. Proc. of the international conference]. Moscow, Russia, vol. 1, pp. 28-36.
13. Tikhmenev A.N. and Zhadnov V.V. (2013), "Reliability prediction structural-difficult electronic devices by methods of imitating modelling", Quality. Innovation. Education, no. 3, pp. 50-56.
14. Chernov A.V., Guda A.N., Chubeyko S.V. and Butakova M. A. (2015), "Software realiability evaluation by discrete-event simulation methods", Programmnye Produkty i Sistemy, no. 4, pp. 158-165. DOI: I0.I5827/0236-235X.II2.I58-I65.
15. Yakimov I.M., Kirpichnilov A.P. and Mokshin V.V. (20I4), "Complex systems simulation in AnyLogic", Herald of Kazan Technological University, vol. I7, no. I3, pp. 352-357.
16. Lyubchenko A.A., Bartosh S.V., Smirnov V.A. and Castillo P. ?. (20I6), "Discrete event simulation model of railway junction in AnyLogic", Dynamics of Systems, Mechanisms and Machines, vol. 4, no. I, pp. 87-92.
17. Lyubchenko A.A. (20I0), "Application of simulation for determination of probabilistic features of integrated reliability indices of radio systems", Nauka i sovremennost'-2010. Materialy pjatoj mezhdunarodnoj nauchno-prakticheskoj konferencii [Science and Modernity-20I0. Proc. of the international conference]. Novosibirsk, Russia, vol. 2, pp. 246-25I.
18. Baran V.I. and Baran E.P. (20I6), "Forecasting the reliability of elements of information systems using Anylogic 7 tools", Vestnik of the Russian University of Cooperation, no. I, pp. 8-I0.
19. Merkuryeva G. and Bolshakovs V. (2010), "Vehicle schedule simulation with AnyLogic", Computer Modelling and Simulation, Cambridge, England, pp. I69-I74. Doi: I0.II09/UKSIM.20I0.38.
20. Rakhmangulov A.N. and Mishkurov P.N. (20I2) "Special aspects of railroad station working method simulation model development within AnyLogic system", Sbornik nauchnyih trudov SWORLD, vol. 2, no. 4, pp. 7-I3.
21. Lutchenko S.S. and Kopytov E.Y. (20I0), "Simulation processes maintenance radio stations in Anylogic", Izvestia Transsiba, no. 2, pp. 86-92.
22. Obukhov P.A. and Nikolaev A.B. (20I4), "Development of Simulation Models in Anylogic Software for the Study of the Efficiency of Computer Networks", Automation and Control in Technical Systems, no. 4(I2), pp. 7I-8I.
23. Popov A.A. and Yablokova M.M. (2016), "Optimization of computer network structure using AnyLogic simulation", Information technologies. Radioelectronics. Telecommunications, no. 6-2, pp. I8I-I90.
24. Goncharenko G.I. and Sorokina M.A. (2006), "A methodology of conceptual model specification for a designed system", Izvestia TRTU, no I0 (65), pp. 26-29.
25. About approval of the procedure of effort estimation of regional communication centers (for the calculus of labor efficiency of the employees, occupied in transportation), available at: https://jd-doc.ru/20I2/mart-20I2/I888-ot-7-marta-20I2-g-n-478r, (Accessed 5 March 20I9).
Information about authors:
Alexander A. Lyubchenko, Candidate of Engineering Sciences, associate professor, Department of Telecommunications, radio system and networks, Omsk State Transport University (OSTU), Omsk, Russia
Evgeny Yu. Kopytov, Candidate of Engineering Sciences, associate professor, Department of Telecommunications, radio system and networks, Omsk State Transport University (OSTU), Omsk, Russia
Alexander A. Bogdanov, Student, Department of Telecommunications, radio system and networks, Omsk State Transport University (OSTU) Omsk, Russia
