CC BY
3
nation of the engine parameters was carried out. The methods are divided into 2 groups: methods used before starting the engine (off-line methods) and methods used in the engine operation mode (online methods). Conclusions are drawn about the need to use certain methods to determine the parameters of the engine during its operation.
Key words: synchronous motor with excitation winding, electric drive identification, offline methods, online methods, electric drive.
Litsin Konstantin Vladimirovich, candidate of technical sciences, docent, [email protected], Russia, Chelyabinsk, South Ural State University (National Research University),
Morozkov Dmitry Andreevich, student, [email protected], Russia, Chelyabinsk, South Ural State University (National Research University)
УДК 656.073.7
DOI: 10.24412/2071-6168-2023-7-367-368
ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ВЫПОЛНЕНИЯ МАРШРУТОВ ТРАНСПОРТНЫХ СРЕДСТВ В МЕГАПОЛИСЕ НА ОСНОВЕ ДИНАМИЧЕСКОГО ИЗМЕНЕНИЯ СКОРОСТИ РАБОТЫ ВОДИТЕЛЕЙ И МОНИТОРИНГА В ИНФОРМАЦИОННЫХ СИСТЕМАХ
В.В. Рубинов
В современном мире особое место занимают грузовые перевозки. Важность эффективно организованных цепей поставок сложно переоценить. Одной из важных отраслей транспортной логистики является система работы с твердыми коммунальными отходами. В статье рассмотрены вопросы, связанные с замкнутой информационной системой управления потоком твердых коммунальных отходов в системе работы с отходами. А именно возможности динамического управления и прогноза которые данная система позволяет проводить. Обоснована актуальность централизованного управления системой. Описана система работы с отходами, определены ее специфические особенности. Определены структурные элементы существующей системы управления отходами. С использованием современный информационных систем контроля и прогноза данный были получены исходные данные о работе перевозчика в системе транспортировки отходов. Данное исследование было посвящено анализу такого явления как «эффект прикатывания» водителей на сборные маршруты, то есть динамическому изменению скорости работы в процессе изучения специфики конкретного маршрута. Была разработана математическая модель описания системы работы с отходами. В процессе исследования были собраны исходные данные по одиннадцати сборным маршрутам вывоза твердых коммунальных отходов на исследуемой территории, были структурированы ряд параметров, на основании которых был определен и исследован коэффициент изменения скорости сбора. Одним из основных выводов можно считать то, что лицу, принимающему решения необходимо при оценке мощностей для обслуживания новой территории закладывать дополнительные резервные мощности в объеме 30% что бы обеспечить максимально бесперебойную работу первых трех недель работы. Именно неверная оценка человеческого фактора привыкания приводит на практике к мусорным коллапсам при заходе новых перевозчиков на обслуживаемую территорию. И напротив, оптимизировать количество маршрутов и резервных транспортных средств можно лишь, по истечению периода «прикатывания». На основании результатов исследования были сделаны выводы о дальнейшем использовании этого коэффициент на практике, и в динамических прогнозных имитационных моделях, а также определена область дальнейшего исследования.
Ключевые слова: твердые коммунальных отходы, система обращения отходов, регионы, сборные маршруты, твердые коммунальные отходы, мусор, система обращения отходов, транспортное предприятие, математические модели, эффективность, влияние человеческого фактора, уровни планирования, прогнозные модели, система транспортировки отходов, специализированный транспорт, мусоровозы.
В современном мире логистики особое место занимают грузовые перевозки. Важность эффективно организованных цепей поставок сложно переоценить. В различных сферах логистики, будь то: управление цепями поставок, управление производством или организации бесперебойной доставки продукции, появляются все новые и новые методы контроля и повышения эффективности работы. Лицам, принимающим решения нужны все более точные и инструменты прогноза, контроля и отчетности. На организацию максимально эффективного маршрута влияет множество факторов, один из которых - человеческий фактор: знание водителем маршрута и способность быстро выполнять свою работу.
Система обеспечения нормальной эксплуатации жизненного пространства городов и поселков городского типа формируется органами жилищного коммунального хозяйства. Одним из основных видов их деятельности является вывоз твердых коммунальных отходов (далее ТКО [4]) из зон накопления, расположенных вблизи жилого фонда [10].
Накопление, вывоз, сортировка, утилизация ТКО является не только социальным, но и коммерческим проектом. Эффективность работы такого проекта в первую очередь зависит от оперативного управления функционирования всей рассмотренной технологической цепочки. Таким образом в городской среде активно формируется «Умная городская среда» на всех уровнях власти [11,12].
Логистика в системе работы с отходами. Совершенно очевидно, что система работы с твердыми коммунальными отходами (далее ТКО [4]) является одной из важнейших отраслей транспортной логистики. В работах [1,2,3,4,13] не раз отмечалась особая транспортно-логистическая специфика и важность данной сферы деятельности. С точки зрения логистики, большая часть транспортной работы на первом плече вывоза ТКО, является классическим сборным маршрутом. Иными словами, водитель мусоровоза объезжает N контейнерных площадок в смену, собирая при этом отходы в прессующий бункер и осуществляя выгрузку собранных ТКО согласно действующим на территории схемам движения потоков отходов. План-задание водителя при этом может быть достаточно большое и содержать в себе более 100 контейнерный площадок. Пример сборного маршрута показан на рис. 1.
367
Известно, что без надлежащего исследования и анализа невозможно эффективно управлять, проектировать и прогнозировать работу транспорта в целом. Работа с системой вывоза ТКО не исключение. Вопросам оптимизации транспортных затрат уделяется значительное внимание, однако все существующие модели расчета не содержат исследований первичных исходных данных и не учитывают ряд важных динамических параметров. По большому счету, даже сами критерии выбора количества и типа транспорта не структурированы и не описаны, поэтому перевозчики зачастую используют транспорт неэффективно, ориентируясь лишь на принцип выполнения услуги [1].
Рис. 1. Пример сборного маршрута мусоровоза первого плеча
Естественно, что в этом случае важнейшим маркером эффективности является параметр скорости сбора ТКО. Этот параметр зависит в большей степени от профессионализма водителя и от его знания местности и специфики конкретных мест накопления.
Зачастую заходя на новую территорию вывоза отходов или попросту используя на маршруте нового водителя, перевозчик сталкивается с трудностями: вырастает скорость сбора отходов, водитель не успевает выполнить задание за отведенное время работы, появляются не прогнозируемые и совершенно необязательные сбои в вывозе ТКО. Особенно значимы и чувствительны они при единовременной смене перевозчика на большой территории (район, область, город). В 2022 году с началом реформы вывоза ТКО в городе Санкт-Петербурге сложилась очень тяжелая ситуация с вывозом ТКО [7,8]. Этот эффект был как раз связан в том числе и с тем, что на значительной территории изменились компании перевозчики ТКО и на «прикатывание» к новой территории, определение эффективных маршрутов ушло значительное время. Естественно, сложности были связанных не только с этим, но они определенно оказывали существенное влияние.
Информационные системы сбора данных в сфере ТКО. Система сбора транспортировки ТКО на сегодняшний день представляет собой замкнутую информационную систему «Город - Региональный оператор - Перевозчик - Водитель - База данных». На сегодняшний день в разных регионах существуют различные информационные системы сбора данных, однако несмотря на их различия плюсы и минусы, суть их работы остается неизменной. На рис. 2 представлена схема работы современной замкнутой информационной системы управления и сбора данных ТКО (далее ЗСУ ТКО).
Создание модели замкнутой системы управления «Работы с отходами» для широкого класса объектов, где требуется минимизация издержек и максимизация эффективной работы является актуальной задачей. Объектом управления является масса потока ТКО системе дорожной сети, перемещающаяся от мест накопления к местам переработки или захоронения до точки, где расположен измерительный датчик. Задачей математического моделирования является воспроизведение на ЭВМ динамики и процессов функционирования замкнутой систему управления потоком и выработки автоматизированных управляющих воздействий на систему.
Рис. 2. Схема замкнутой системы управления ТКО
Технологически процесс работы специализированного транспорта (мусоровоза) можно выразить в следующих базовых рабочих циклах (рис. 3).
Cifl Fi
^ГТГ
Bi
г..
Рис. 3. Цикл работы специализированного транспорта: Bi,2 - работа в режиме сбора; Ci,2 - движение на станцию перегруза; Di,2 - разгрузка; Fi - движение со станции перегруза к месту сбора; E - движение на базу после последней разгрузки; t - время работыг мусоровоза на линии; n - количество циклов разгрузки
в рамках работы на линии [2]
Работа современных информационных систем сводится к контролю маршрутов движения и сбора данных в виде GPS - координат движения, фотофиксации вывозов с мест накопления и контроля исполнения наряда и соблюдения территориальных схем накопления отходов. Именно благодаря динамическим системам мониторинга у лиц, принимающих решения есть возможность анализировать динамические параметры работы водителя в любые промежутки времени. Фрагмент интерфейса АИС РО водителя, использующийся в нескольких регионах Российской Федерации представлен на рис. 4.
Загородная ул. д. 43 корп. 5 Колпино ПЗ Вес Карта © 54 С
1 Ш О ф Загородная ул. д. 37 корп. 2 Колпино 1 О Загородная ул. д. 41 корп. 3 Колпино -у
Контейнеров Забрано
22о.зб 10
Не
забрано Подбор, м3
Пусто
Осталось ли КГО на КП?
4 Загородная ул. д. 43 корп. 3 Колпино V
) Загородная ул. д. 43 корп. 4 Колпино ./
Загородная ул. д. 43 корп. 5 Колпино
График вывоза Ежедневно
ПРОЛОЖИТЬ МАРШРУТ
Тариф Норматив
Проблемы с площадкой нет
0 Загородная ул. д. 44 корп. 2 Колпино ✓
1
0 Загородная ул. д. 48 корп. 3 Колпино v'
1
0 Загородная ул. д. 62 Колпино v-*
1
> Красная ул. д.16 Колпино
. Межевая ул. д. 5 Колпино (СПП Колпинское)
■ ® 4 ■ ® 4
Рис. 4. Оконная форма интерфейса водителя ЗСУ ТКО
Определению и анализу «эффекта прикатывания» водителей на сборные маршруты вывоза ТКО, то есть динамическому изменению скорости работы в процессе изучения территории - посвящено исследование в данной работе.
Определение коэффициента «прикатывания». Коэффициент «прикатывания» можно определить, как отношение изменения скорости сбора водителя на маршруте. На прикатывание влияют такие параметры как изучение водителем дорожной сети, определение специфических контейнерных площадок, увеличение скорости работы за счет использования динамических характеристик мест накопления и транспортной инфраструктуры, изменения графиков и контейнерного парка на территории обслуживания, перераспределение территорий между нарядами. Эффект прикатывания можно оценить и на макроуровне, когда необходимо анализировать систему новых маршрутов на территории и их динамические характеристики. Ниже на формулах 1 и 2 отражены варианты определения коэффициента «прикатывания».
T КП K ВК = 1 —ра^1*100% = 1--раб^*100%,
(1)
раб 2
КП
раб2
(2)
где Траб1 - время работы на линии за 1 период; Трб 2 - время работы на линии за 2 период; КП раб 1 - количество КП на единицу времени в средней расчётной оценке за 1 период; КП раб 2 -
количество КП на единицу времени в средней расчётной оценке за 2 период.
Поскольку величина безразмерная ее можно так же интерпретировать как отношение скорость отработки количества КП в единицу времени, к отработке другого количества КП в единицу времени.
N Т N КП к = 1 -У_^*100% = 1 -У-раб1*100%,
вк — т ^ КП
и=1 раб 2 П=1 1 раб 2
В работе было необходимо практически оценить численное значение коэффициента «прикатывания» водителя на маршрут. На рис. 5 представлено графическое определение коэффициента «прикатывания».
Угол а характеризует скорость изменения времени работы на линии за ДТ промежуток времени, численные значения можно получить, высчитав ДТ.
В исследовании необходимо практически оценить численное значение коэффициента «прикатывания» водителя на маршрут и оценить практические следствия при установлении этого параметра.
Исходные данные. Исследование было проведено при начале работы компании по транспортировке ТКО на новой территории. Характеристики новой территории представлены в табл. 1.
График изменения времени работы на линии
О 5 10 15 20
Время, ч
-Ряд! -Ряд2
Рис. 5. Графическое представление Квк
Таблица 1
Базовые характеристики региона вывоза ТКО__
Характеристика Население Площадь территории Плотность населения
Регион 287026 7043 40,75
Объем ТКО в год, м3 516647
Потенциальная масса ТКО в год, тонн 51664
Масса ТКО в месяц, тонн 4166,7
На территории было сформировано 11 нарядов на мусоровозы с задней загрузкой. В течении месяца, при работе мусоровозов на линии фиксировались такие параметры как:
1. время выезда;
2. время возвращения;
3. совокупное количество точек на день;
4. время смены.
Кроме того, каждый 2 часа фиксировался совокупный процент исполнения нарядов на всей группе маршрутов. Автоматизированная система регионального оператора (далее АИС РО) по транспортированию отходов позволяет фиксировать выполнение маршрутов в реальном времени, а значит оценивать динамические характеристики изменения работы водительского состава на нарядах. На рис. 6 представлен фрагмент анализа исходных данных.
X
4 8
Ё ,
5 14
Я 2
° ¡я « X
й
X
6
о «
о О
100 90 80 70 60 50 40 30 20
Л Т—"Т т
А Шг.„ Г йР Г;!»* /\1 — 1^1.
2 1 V" *
А КП раб1 1
^ Шраб 2 1 Г
•* С*"
11 13 15 17
Время ^ мин
19
21
23
9
Рис. 6. График исследования исходных данных
Исходя из графика можно четко обнаружить (отмечены на графике) параметры «прикатывания» к маршруту. На рис. 7 представлен фрагмент АИС РО демонстрирующий срез выполнения нарядов на определенный момент времени.
Маршрутный лист
Уникальный номер. Населенный пункт Контейнерная площадка ; Водитель 1
Амомобнлъ 4 Волитеэь А Акюмобнль 5. Водитель 5 Автомобиль 6: Водитель б Автомобиль 7 Водитель 7
10; Водитель 30
>кп % ПрОх ЧЬ 11 Г- Рейс КОП собра ОбЪ План Зиг
103 51 44 2 263 92,00 196.250 ✓
114 23 23 2 308 86.00 152,328
122 45 42 2 153 65,00 2.00 168.300 ✓
110 65 55 2 267 115,00 168.690 ✓
46 35 35 2 46 16,00 47,400 ✓
7В 71 71 2 197 116,00 160,840 ✓
105 48 46 2 292 127,00 123,690
в 83 83 4 6 5.00 46,800 У
126 48 46 2 297 146,00 308 260
118 58 6$ 2 28е 134.00 297,800
26 16 19 2 43 13,00 14,00 34,200 ✓
Рис. 7. Оконная форма системы сбора данных АИС РО
Результаты. Сводная таблица анализируемых данных с основными результатами представлена в табл. 2. На основе полученных за месяц исходных данных был проведен расчет времени смены, и среднего количества обслуживаемых контейнерных площадок в час на систему маршрутов и на единицу техники.
Фрагмент данных исследования
Таблица 2
Дата День недели Кол-во маршрутов, ед. Всего задание КП, ед. Время выезда, ч Время возвращения, ч Время смены, ч КП, ед/ час КП в час на 1 ТС
23.май Вт 11 1257 6 23 17 74 6,7
24.май Ср 11 1398 5 24,5 19,5 72 6,5
25.май Чт 11 1307 5 24 19 69 6,3
26.май Пт 11 1367 5,5 25 19,5 70 6,4
27.май Сб 11 1245 5 24 19 66 6,0
28.май Вс 11 1095 5 22 17 64 5,9
29.май Пн 11 1295 6 23 17 76 6,9
08.июн Чт 11 1251 5 20,5 15,5 81 7,3
09.июн Пт 11 1422 6 20 14 102 9,2
10.июн Сб 11 1275 5 19,5 14,5 88 8,0
11.июн Вс 11 1114 6 18,5 12,5 89 8,1
12.июн Пн 11 1353 5 18,5 13,5 100 9,1
13.июн Вт 11 1203 6 19 13 93 8,4
14.июн Ср 11 1398 6 19 13 108 9,8
15.июн Чт 11 1276 6 18 12 106 9,7
16.июн Пт 11 1405 6 18,5 12,5 112 10,2
17.июн Сб 11 1223 6 18,5 12,5 98 8,9
18.июн Вс 11 1120 7 18 11 102 9,3
Время изменения работы за период времени определяется коэффициентом «прикатывания». Взяв ДТ вначале и в конце периода исследования 8 дней можно получить численную оценку этого коэффициента КВК :
Л КПр Квк = 1 -У-
раб\
1
6,7 + 6,5 + 6,3 + 6,4 + 6,0 + 5,9 = 1 - 37,8
8,4 + 9,8 + 9,7 +10,2 + 8,9 + 9,3
56,3
■ 1 - 0,671 = 0,329.
»=1 КП раб 2
На рис. 8 представлен график исследования изменения совокупной скорости обслуживания контейнерных площадок за исследуемый месяц.
11'0 у = -0,0002х3 + 28,9х2 - 1Е+06х + 2Е+10 R2 = 0,7748
Рис. 8. График изменения скорости работыг совокупные маршрутов
Заключение. В результате проведенных исследования были сформулированы следующие основные выводы:
1.Влияние человеческого фактора при изучении и привыкании к обслуживаемой территории в системе работы с ТКО - существенно. Значение коэффициента 0,329 говорит о существенном влиянии этого параметра.
371
2.Лицу, принимающему решения необходимо при оценке мощностей для обслуживания новой территории закладывать дополнительные резервные мощности в объеме 30% что бы обеспечить максимально бесперебойную работу первых трех недель работы. Именно неверная оценка человеческого фактора привыкания приводит на практике к мусорным коллапсам при заходе новых перевозчиков на обслуживаемую территорию. И напротив, оптимизировать количество маршрутов и резервных транспортных средств можно лишь, по истечению периода «прика-тывания».
3.Экономические и логистические имитационные модели по оценке эффективности работы на территории сбора ТКО не будут корректны в период «прикатывания». Коэффициент «прикатывания» важно учитывать при построении имитационных прогнозных моделей расчёта количества техники или оценки эффективности работы на предполагаемой территории работы.
4.Поведение эффекта «прикатывания» водителя к маршруту описывается графиком на рис. 9, где АВ -период первичного изучения маршрута характеризующийся медленным изменением скорости работы и поиском оптимальных вариантов обслуживания новой территории, ВС - активное привыкание к маршруту, характеризующееся стремительным сокращением скорости работы и ускорением процессов, СД - приближение скорости работы к теоретическим значениям, характеризующееся сокращением скорости изменения работы и приближением его к некоему предельному значению.
11,0
у = -0.0002Х-1 + 28,9х! - 1Е+0бх + 2Е+10
5.Дальнейшие исследования в этой сфере необходимо продолжить в области оценки предела времени «прикатывания» водителя к маршруту, определению границ влияния коэффициента и оценке его использования в области транспортной психологии, в частности динамики трудоспособности работника [5].
Список литературы
1.Рубинов В.В. Разработка алгоритма автоматизации прогноза транспортной работы перевозчиков твердых коммунальных отходов / В.В. Рубинов, Н.Н. Майоров, А.А. Буцанец // Известия Тульского государственного университета. Технические науки. 2023. Вып. 4. С. 624-633. DOI: 10.24412/2071-6168-2023-4-624-634.
2.Рубинов В.В., Фетисов В.А. Разработка модели оптимизации потоков ТКО на уровне маршрутов // Системный анализ и логистика. Вып. 4 (30) СПб.: ГУАП, 2021. С. 68-75.
3.Problems of a Modem Approach to the Technological Process of Waste Management Conference Proceedings: 2021 Wave Electronics and its Application in Information and Telecommunication Systems (WECONF) Author: V. V. Rubinov Publisher: IEEE Date: 31 May 2021Copyright © 2021, IEEE.
4.Рубинов В.В. Оценка динамики роста отходов в Санкт-Петербурге // Системный анализ и логистика. Вып. 3 (25). СПб.: ГУАП, 2020. С. 3-8. 2.
5.Федеральный закон РФ № 89-ФЗ «Об отходах производства и потребления», принят государственной думой 22.05.1998 г. Постановлением № 2491-II ГД, подписан президентом РФ 24.06.1998 г. c изменениями по состоянию на 18.12.2006. [Электронный ресурс] URL: http://www.consultant.ru/document/cons doc LAW 19109 (дата обращения: 07.11.2021).
6.Бабина Н.А., Уголков С.В. Транспортная психология: учеб.-метод. пособие. СПб.: ГУАП, 2018.
178 с.
7.Теорриториальные схемы обращения с отходами, основные положения. [Электронный ресурс]. URL: http://gkhrazvitie.ru/recycling (дата обращения: 24.10.2022).
8.Статья о ситуации сложившейся в городе Санкт-Петербурге в начале 2022 года. [Электронный ресурс] URL: https://www.rbc.ru/spb sz/14/01/2022/61e123ad9a794774ff6bd8a1 (дата обращения: 21.06.2023).
9.Статья о ситуации сложившейся в городе Санкт-Петербурге в начале 2022 года. [Электронный ресурс] URL: https://www.bfm.ru/news/490242 (дата обращения: 21.06.2023).
10. Романенко И.И., Петровнина И.Н., Кондратьев К.А. Автоматизация систем сбора и переработки твердых бытовых отходов // Форум молодых ученых. 2019. Вып. 1 (29). С. 52-57.
11. Цыплаков В.Ю. Транспортировка и комбинированная переработка твердых бытовых отходов // Молодой ученый. 2010. Вып. 9. С. 51-52.
12. Касапов А.В., Заиченко Г.В. Утилизация и автоматизация переработки бытовых отходов // Юный ученый. 2017. Вып 3.1. С. 31-36.
13. Майоров Н.Н., Фетисов В.А. Практические задачи моделирования транспортных систем. СПб.: ГУАП,
2012. 185 с.
Рубинов Владислав Валерьевич, аспирант, научный сотрудник, [email protected], Россия, Санкт-Петербург, Санкт-Петербургский государственный университет аэрокосмического приборостроения
STUDY OF THE EFFICIENCY OF IMPLEMENTATION OF ROUTES OF VEHICLES IN A MEGA-CITY ON THE BASIS OF DYNAMIC CHANGE IN THE SPEED OF WORK OF DRIVERS AND MONITORING IN INFORMATION SYSTEMS
V.V. Rubinov
In the modern world, a special place is occupied by cargo transportation. The importance of well-organized supply chains cannot be overestimated. One of the important branches of transport logistics is the system of work with municipal solid waste. The article deals with issues related to a closed information system for managing the flow of solid municipal waste in the waste management system. Namely, the possibilities of dynamic control and forecasting that this system allows to carry out. The relevance of centralized control of the system is substantiated. The system of work with waste is described, its specific features are determined. Structural elements of the existing waste management system are defined. Using modern information systems for monitoring and forecasting, initial data on the work of the carrier in the waste transportation system were obtained. This study was devoted to the analysis of such a phenomenon as the "rolling effect" of drivers on combined routes, that is, a dynamic change in the speed of work in the process of studying the specifics of a particular route. A mathematical model for describing the waste management system was developed. In the course of the study, initial data were collected on eleven collection routes for the removal of municipal solid waste in the study area, a number of parameters were structured, on the basis of which the coefficient of change in the collection rate was determined and studied. One of the main conclusions can be considered that when assessing the capacity for servicing the new territory, the decision maker needs to lay in additional reserve capacity in the amount of 30% in order to ensure the most uninterrupted operation of the first three weeks of work. It is an incorrect assessment of the human factor of addiction that in practice leads to garbage collapses when new carriers enter the service area. And vice versa, it is possible to optimize the number of routes and reserve vehicles only after the "rolling in" period has expired. Based on the results of the study, conclusions were drawn about the further use of this coefficient in practice, and in dynamic predictive simulation models, and the area for further research was determined.
Key words: municipal solid waste, waste management system, regions, collection routes, municipal solid waste, garbage, waste management system, transport enterprise, mathematical models, efficiency, human factor impact, planning levels, predictive models, waste transportation system, specialized transport, garbage trucks.
Rubinov Vladislav Valerievich, postgraduate, researcher, vvr1071995@mail. ru, Russia, St. Peters-burg State University of Aerospace Instrumentation
УДК 517.935.3
DOI: 10.24412/2071-6168-2023-7-373-374
МЕТОДИЧЕСКИЙ ПОДХОД К ОБОСНОВАНИЮ ОРГАНИЗАЦИОННОЙ СТРУКТУРЫ ОРГАНОВ УПРАВЛЕНИЯ ОТРАСЛИ
С.Г. Спиридонов, М.С. Смирнов, Р.П. Власов
В статье предлагается методический подход к обоснованию облика системы управления отрасли, сущность которого заключается в формировании требований к системе управления и определении рационального состава и структуры органов управления с использованием методов и теорий системного анализа.
Ключевые слова: система управления, органы управления, организационная структура, автоматизированная система управления.
Введение. Одним из основных требований [1] по созданию перспективной системы управления любой отрасли является обеспечение гарантированного управления ее составными элементами (подразделениями), в том числе непрерывности информационного обмена между субъектами управления на основе развития и совершенствования процессов управления, в едином информационном пространстве.
Основными принципам управления являются:
развитие информационно-телекоммуникационной инфраструктуры, обеспечение полной связанности элементов системы управления и формирование основы единого информационного пространства;
обеспечение совместимости отдельных элементов системы управления на уровне технического, программного, информационного и лингвистического обеспечения;
реализация открытой архитектуры систем и средств управления в интересах обеспечения их эволюционного развития;
внедрение архитектурного подхода к проектированию автоматизированных систем и средств связи, подразумевающего детальную проработку и документирование перспективных системотехнических решений.
Система управления отраслью являясь сложной многоуровневой организационно-технической системой, предназначена для автоматизированного решения функций управления должностными лицами органов управления.
Обоснование организационной структуры органов управления, образующих систему управления отрасли. Организационная структура отрасли - упорядоченная совокупность составляющих систему организационных элементов (подразделений, должностей, целей, задач, полномочий, ответственности) и взаимосвязей между ними. Организационная структура органов управления создается для того, чтобы руководитель (начальник) мог сохранять целостное представление о функционировании системы управления. Для этого организационная структура органов управления должна соответствовать определенным требованиям [1]:
373
