Исследование процесса размораживания железосодержащего сырья в вагонах с использованием компьютерной технологии «Data mining» Текст научной статьи по специальности «Механика и машиностроение»

Серiя: Техшчш науки

ТРАНСПОРТ ТА ЛОГ1СТИКА

УДК 621.869.2:004

Парунакян В.Э.1, Дженчако В.Г.2

ИССЛЕДОВАНИЕ ПРОЦЕССА РАЗМОРАЖИВАНИЯ ЖЕЛЕЗОСОДЕРЖАЩЕГО СЫРЬЯ В ВАГОНАХ С ИСПОЛЬЗОВАНИЕМ КОМПЬЮТЕРНОЙ ТЕХНОЛОГИИ «DATA MINING»

С использованием компьютерной технологии, изучено влияние факторов на остатки железосодержащего сырья в вагонах после разогрева и выгрузки на роторном вагоноопрокидывателе. Построена дендрограмма и разработана регрессионная модель, характеризующая качество разогрева. Выполнено компьютерное моделирование совместного влияния факторов на остатки груза в вагоне. Ключевые слова: Гаражи размораживания, продолжительность размораживания, дендрограмма, регрессионная модель, диаграммы рассеивания, компьютерное моделирование, глубина вхождения измерительного стержня, остатки груза в вагоне.

Парунакян В.Е., Дженчако В.Г. До^дження процесу розморожування 3aMi30-eMicHo'i сировини у вагонах з використанням комп'ютерног технологи «DATA MINING». З використанням комп'ютерног технолога вивчено вплив фактор1в на залишки зал^зовм^сног сировини у вагонах тсля роз1гр1ву i вивантаження на роторному вагоноперекидач1. Побудована дендрограмма та розроблена регрестна модель, яка характеризуе яюсть розiгрiву. Виконано комп'ютерне моделювання сумi-сного впливу факторiв на залишки вантажу у вагот.

Ключовi слова: Гаражi розморожування, тривалiсть розморожування, дендрограмма, регрестна модель, дiаграми розствання, комп'ютерне моделювання, гли-бина входження вимiрювального стержня, залишки вантажу у вагот.

Parunakyan V.E., Djenchako V.G. Investigation of the defrosting process of iron-containing raw material in cars using computer technology «DATA MINING». With the use of computer technology, we studied the influence of factors on the remains of iron-bearing raw materials in the cars after the warm-up and unloading the rotary car dumpers. Constructed was a dendrogram and a regression model was constructed, characterizing the quality of heating. Computer simulation of the joint influence offactors on the remains of cargo in wagons the car was carried out.

Keywords: Defrosting garages, duration of defrost, dendrogram, regression model, scatter diagrams, computer simulation, the depth of occurrence of the measuring rod, remains of the cargo in wagons.

Постановка проблемы. Важным фактором совершенствования процесса обработки вагонов в зимний период является синхронизация работы станции и гаражей размораживания по их перерабатывающим возможностям. Однако, для этого необходимо иметь достаточно надежную методику определения продолжительности разогрева груза, как основного фактора, определяющего перерабатывающую способность гаражей размораживания [1].

Согласно существующей технологии продолжительность разогрева груза определяется по нормативным данным, установленным с учетом температуры окружающей среды и продолжительности нахождения вагонов с грузом в пути следования. Проведенный сопоставительный анализ нормативной и фактической продолжительности разогрева показал существенные расхождения этих величин. Так, только в 25 % случаев нормативная и фактическая продолжитель-

1 д-р техн. наук, профессор, Приазовский государственный технический университет, г. Мариуполь

2

инженер, ОАО «ММК им. Ильича», г. Мариуполь

Серiя: Техшчш науки

ность разогрева совпадают, в 63 % случаев расхождение составляет от 1 до 6 часов, а в 12 % случаев эти показатели расходятся на 6 часов и более. Указанное не дает возможности оптимально планировать оперативную работу грузовой станции и разгрузочного комплекса в зимний период [2, 3]. Данное положение является следствием того, что традиционный метод установления продолжительности размораживания, основанный на усреденненых значениях ограниченного числа факторов, не может дать надежных результатов.

Анализ последних исследований и публикаций. На процесс размораживания влияет весьма большое число факторов, значительно усложняющих задачу. Поэтому для получения достоверных и надежных показателей, продолжительности размораживания, как технологического параметра, необходимо применение современных методов исследования, обеспечивающих возможность более глубокого анализа процесса смерзания груза.

В связи с указанным для проведения рассматриваемых исследований целесообразно использовать, отвечающие этим требованиям методы анализа многомерных массивов экспериментальных данных Data mining [6-9]. Данные методы начали широко применяться в экспериментальных исследованиях по металло - и материалловедению. На их основе оптимизирована технология термического упрочнения проката [8], определено влияние химических элементов на прочностные свойства стали [5] и др. В работах [5, 6, 8] предложена комплексная компьютерная технология анализа экспериментальных данных, включающая методы Data mining и Монте - Карло [7, 9, 10], и показана перспективность ее использования при анализе экспериментальных данных.

Учитывая сложность процесса смерзания и значительное число влияющих факторов исследование целесообразно провести в два этапа: вначале исследовать процесс размораживания с учетом всех действующих факторов, а в качестве критерия оценки принять величину остатков груза. Затем, на основе полученных данных решить вторую задачу - для более конкретных эксплуатационных условий определить продолжительность его размораживания. При этом представляется возможным провести исследования в рамках одного производственного эксперимента и принять для исследования современные компьютерные технологии [6].

Цель статьи - выявление и количественное описание закономерностей влияния всего комплекса факторов на процесс размораживания и установление величины остатков груза в вагонах после его размораживания и выгрузки.

Изложение основного материала. Исследование такого сложного процесса необходимо начинать с предварительных экспериментов, статистического анализа и моделирования. Это позволит выявить внутренние связи процесса, основные влияющие факторы и др.

В качестве иллюстрации на рис. 1 показаны диаграммы рассеяния и результаты регрессионного анализа, характеризующие влияние ряда факторов на остатки железорудного концентрата в вагонах после размораживания и выгрузки на вагоноопрокидывателе.

60 70 80 90 100 110 120 0 100 200 300 400 500 600 700 800

Средняя температура размораживания, С Время размораживания, мин

а б

Рис. 1 - Экспериментальные диаграммы рассеяния, характеризующие влияние средней температуры (а) и времени размораживания (б) на остатки груза вагоне после выгрузки

Как видно, даже в тех случаях (рис.1б), когда коэффициенты корелляции являются статистически значимыми, они имеют низкие значения, а основная масса экспериментальных точек

Серiя: Технiчнi науки

находится за пределами 95 % доверительных интервалов, что свидетельствует о неслучайном характере наблюдаемого разброса и связано с неучтенным влиянием дополнительных факторов.

Для реализации первого этапа исследований был поставлен широкий производственный эксперимент, в процессе которого было исследовано 4700 вагонов с железорудным концентратом, прибывших с различных месторождений, при различных климатических условиях в пути следования. Он включал сбор и обработку данных при продвижении маршрутов с железорудным концентратом с мест погрузки до мест их выгрузки и включал: физико - механические свойства сырья, время выполнения операций и температуру от момента постановки вагонов под погрузку до постановки в гаражи размораживания, а также показатели собственно процесса размораживания (время размораживания и подъема температуры в секции гаража до 75 0С, среднюю температуру размораживания и расход природного газа на разогрев). При этом учитывался широкий диапазон колебаний указанных факторов.

При проведении экспериментальных исследований впервые применен входной контроль прочности смерзания груза, который измерялся введением в груз металлического стержня с масштабной разметкой и осуществлялся при подаче вагонов в гаражи размораживания [4].

При обработке результатов промышленных экспериментов использовались основные положения методики профессора Ткаченко И. Ф. [5], с ее доработкой применительно к решению поставленной задачи. В процессе исследований последовательно выполнялись: глубокий разведочный анализ экспериментальных данных (ГРАД); построение математической модели методом множественной регрессии; проверка адекватности регрессионной модели и исследование совместного влияния факторов на остатки железорудного концентрата в вагонах после разогрева и выгрузки на вагоноопрокидывателе методами компьютерных экспериментов.

Результаты ГРАД представлены в виде дендрограммы (рис. 2). По приведенным данным видно, что из принятых факторов статистически значимое влияние на остатки железорудного концентрата в вагонах оказывают: глубина вхождения измерительного стержня перед разогревом, продолжительность погрузки и размораживания, температура окружающей среды по маршруту следования составов и средняя температура размораживания.

Прежде всего, следует подчеркнуть статистическую независимость величины остатков железорудного концентрата от продолжительности транспортирования и температуры в пункте выгрузки, которые в настоящее время используются для определения продолжительности размораживания.

В то же время, величина остатков груза в вагонах после размораживания и выгрузки наиболее значимо определяется величиной глубины вхождения измерительного стержня в смерзшийся груз (узлы 1, 2) и в значительно меньшей степени зависит от остальных переменных факторов. Это свидетельствует о том, что глубина вхождения измерительного стержня в полной мере характеризует прочность смерзания груза.

В соответствии с дендрограммой влияние на остатки груза в вагонах после размораживания и выгрузки также оказывают продолжительность погрузки и средняя температура размораживания (узлы 3 - 6). Это обусловлено тем, что с одной стороны увеличение продолжительности погрузки увеличивает прочность смерзания и, как следствие, остатки груза (узел 4), с другой, - увеличение температуры размораживания груза повышает эффективность размораживания и как следствие снижает до минимума остатки груза (узел 6).

При увеличении продолжительности размораживания груза (узел 8) и повышении температуры окружающей среды по маршруту следования остатки железорудного концентрата в вагоне уменьшаются (узел 12).

Результаты экспериментов показали, что глубина вхождения измерительного стержня представлена практически на всех уровнях дендрограммы (узлы 1, 2, 9, 10, 13-16, 19-22), и достаточно всесторонне и адекватно характеризует прочность смерзания. Это дает основание считать, что показатель величины вхождения измерительного стержня может приниматься в качестве определяющего для дальнейших исследований.

Таким образом, полученные результаты показывают, что проведенный ГРАД, в отличие от традиционных методов позволяет выявить основные закономерности влияния факторов на остатки груза в вагоне. В то же время, сделанные выводы, носят предварительный характер, поскольку при их получении не рассматривались все возможные сочетания значений исследованных независимых переменных.

В1СНИК ПРИАЗОВСЬКОГО ДЕРЖАВНОГО ТЕХШЧНОГО УН1ВЕРСИТЕТУ 2010 р. Серiя: Технiчнi науки Вип. №20

Остатки груза в вагоне после разогрева и выгрузки на роторном вагоноопрокидывателе,

Узел 0 Кол-во 4701 Среднее 163 Ср. откл. 7610

I

Глубина вхождения изм. стержня, см

<= 43,5

Узел 1 Кол-во 3892 Среднее 177 Ср. откл. 7287

I

Продолжительность погрузки,

> 43,5

Узел 2 Кол-во 809 Среднее 95 Ср. откл. 3600

I 0

Ср. температура размораживания, С

<= 665,0

> 665,0

Узел 3 Кол-во 3624 Среднее 171 Ср. откл. 809

Узел 4 Кол-во 268 Среднее 257 Ср. откл. 20447

Продолжительность размораживания, мин

<= 230,0

_I_

Узел 7 Кол-во 1041 Среднее 186 Ср. откл. 4439

> 230,0

Узел 8 Кол-во 2583 Среднее 165 Ср.откл. 6227

<= 76,0

> 76,0

Узел 5 Узел 6

Кол-во 699 Кол-во 110

Среднее 106 Среднее 23

Ср. откл. 3220 Ср. откл. 3,76

Глубина вхождения изм. стержня, см

<= 46,5

Узел 9 Кол-во 447 Среднее 128 Ср. откл. 1837

Температура по маршруту следования составов, мин

> 46,5

_I_

Узел 10 Кол-во 252 Среднее 67 Ср. откл. 3266

<= -7,5

> -7,5

Узел 11 Кол-во 1594 Среднее 173 Ср. откл. 7640

Узел 12 Кол-во 989 Среднее 152 Ср. откл. 3695

Глубина вхождения изм. стержня,

I-1

Глубина вхождения изм. стержня, см

I-1

<= 4,25

> 4,25

<= 10,75

<= 390,0

Узел 17 Кол-во 259 Среднее 244 Ср. откл. 898

> 390,0

<= 5,75

> 5,75

Узел 18 Узел 19 Узел 20

Кол-во 841 Кол-во 332 Кол-во 360

Среднее 172 Среднее 187 Среднее 160

Ср. откл. 6983 Ср. откл.3103 Ср. откл. 3474

I

Продолжительность размораживания,

> 10,75

Узел 16 Кол-во 297 Среднее 104 Ср. откл. 885

Г

Глубина вхождения изм. стержня, см

I-1

<= 11,75

Узел 21 Кол-во 114 Среднее 130 Ср. откл. 403

> 11,75

Узел 22 Кол-во 183 Среднее 87 Ср. откл. 489

<= 270,0

Узел 23 Кол-во 187 Среднее 201 Ср. откл. 2512

> 270,0

Узел 24 Кол-во 173 Среднее 116 Ср. откл. 751

Рис. 2 - Дендрограмма, характеризующая влияние факторов на остатки груза в вагоне после размораживания и выгрузки.

Серiя: Технiчнi науки

С целью подтверждения полученных результатов, на базе разведочного анализа было проведено исследование исходных данных методами множественной регрессии. При этом результаты экспериментальных исследований были использованы для разработки математической модели множественной регрессии, в количественной форме характеризующей влияние указанных факторов на остатки груза в вагоне после размораживания и выгрузки. Полученная модель имеет следующий вид:

тоСт = 182 - 1,656% - 0,667*сСр - 12,882*^ + 4,615*10-3* см% - 21,025*10-3* см% + 5,128*10' сСр + 16,923*10"3%* сСр - 0,474*см*^. + 5,128*10-6Пп*^ + 25,589*10"3%*^ + 56,615*10"

3ПП

3

*г

^ср

+ 1,025*10"4*Cм*tр*Cср - 7,692*10"6*tп*tр*

с

ср

+ 1,128*10"3*Cм*tп*hг + 3,948*10"3*Cм*tр*hг +

100

4,256*10"3*см*сСр*^ - 1,025*10"5*Cм*tп*tр*hг - 1,025*100*смПп* сCр*hг - 3,077*10"5*см*tр*сcр*hг + 1,025*10"7*смПп%*сСр*^ (1)

где ^ - продолжительность размораживания груза, мин; сср - средняя температура размораживания, 0С; ^ - глубина вхождения измерительного стержня в смерзшийся груз, см; см - темпера-

0/-Ч 4.

тура окружающей среды по маршруту следования составов, С; ^ - продолжительность погрузки груза, мин.

Коэффициент детерминации приведенной регрессионной зависимости составляет R2 = 0,95. Детальная проверка уравнения (1), которая выполнялась с использованием методов Монте-Карло, показала, что оно позволяет достаточно точно рассчитать не только средние значения остатков груза в вагоне при различных физико-механических свойствах груза и изменениях временных и температурных параметров, но и адекватно описывает наблюдаемые частотные распределения. Гистограмма, построенная на основе компьютерных экспериментов (рис. 3), достаточно точно совпадает с кривой частотного распределения, полученной на основе

результатов экспериментальных исследований, что свидетельствует о высокой степени адекватности полученной регрессионной модели.

Полученная модель отражает практически все условия эксплуатации с имеющими место диапазонами изменения величины факторов. Компьютерное моделирование подтверждает, что наибольшее влияние на остатки груза в вагоне при их раздельном действии оказывают: глубина вхождения измерительного стержня в смерзшийся груз (Иг) - коэффициент 12,822, продолжительность размораживания груза - коэффициент 1,656 и средняя температура размораживания груза (сср) - коэффициент 0,667.

Совместный анализ результатов моделирования подтверждает, что определяющим фактором процесса размораживания и достижения минимальных остатков груза является величина вхождения измерительного стержня. Другим значимым фактором является продолжительность размораживания, который представляет

собой технологический параметр процесса.

С целью дополнительной проверки возможностей модели (1) было выполнено исследование совместного влияния факторов на остатки груза в вагоне после размораживания и выгрузки методом компьютерных экспериментов. Диаграммы рассеяния, показывающие зависимость величины остатков груза от действия основных факторов, рассчитанных на основе регрессионной модели (1) методом Монте - Карло приведены на рис. 4, а соответствующие им коэффициенты кореляции и параметры уравнения регрессии приведены в таблице 1.

Компьютерные диаграммы рассеяния показывают, что изменение остатков груза в вагоне после размораживания и выгрузки возможно в более широких пределах, чем наблюдается экспериментально. Очевидно, это связано с тем, что метод компьютерных экспериментов обеспечивает более полный учет всех возможных комбинаций различных значений независимых переменных. Сопоставление результатов корреляционного анализа компьютерных и реальных регрессионных зависимостей (таблица 1) показывает достаточно точное их соответствие.

<а

«в £

о о и н о <а

К «

О

Рис. 3 - Экспериментальная кривая и расчетная гистограмма частотного распределения остатков груза в вагоне после разогрева и выгрузки на вагонопрокидывателе

Серiя: Технiчнi науки

800

600

400

и Я о

ИЗ

и и

л

со >

& 1-

р 200 13

н о

О

225 450

675

900

а)

tп, мин

б)

800

^ У 7 , ^

■ Д.1И? •

800

Я О

Ы

¡4 600 и

сз

со >

£ 400

8 И

13

н о

О

200

•

• • % / .•ж"* » • • •

к /.Л • %

28

в)

42 56

Ь-, см

70

200

Г)

400 600 800

tр, мин

и

я о

Из

и и

сз

со >

&

18 И

13

н о

О

800

600

400

200

» •

• • • • ■УЯи • • ? • • * • •

60

75

90

105 120

Рис. 4 - Расчетные диаграммы рассеяния, характеризующие влияние на остатки груза в вагоне продолжительности погрузки (а), температуры окружающей среды по маршруту следования составов (б), глубины вхождения измерительного стержня в смерзшийся груз (в), продолжительности размораживания груза (г) и средней температуры размораживания (д)

д) сср,

Таблица 1

Результаты корреляционного анализа расчетных и экспериментальных парных статистических зависимостей остатков груза в вагоне от факторов

Независимая переменная Коэффициенты корреляции Параметры уравнения регрессии у = а + в * х

а в

эксп. расч. эксп. расч. эксп. расч.

см 0,121 0,127 175,99 159,36 1,527 1,472

1п 0,216 0,201 103,21 82,6 0,155 0,141

0,382 0,311 147,025 141,32 0,0495 0,052

сср 0,279 0,271 -75,14 -56,36 2,655 2,641

к -0,364 - 0,385 191,217 199,807 -1,628 -1,63

0

с

0

0

В1СНИК ПРИАЗОВСЬКОГО ДЕРЖАВНОГО ТЕХШЧНОГО УН1ВЕРСИТЕТУ 2010 р. Серiя: Техшчш науки Вип. №20

Анализ приведенных диаграмм и данных таблиц позволил определить условия, при которых глубина вхождения измерительного стержня имеет наибольшие значения, соответствующие минимальной величине остатков груза в вагоне (таблица 2).

Таблица 2

Характеристика условий, соответствующих максимальной глубине вхождения измерительного стержня

№, п/п Условное обозначение Единица измерения Величина Коэффициент корреляции

1. tn мин 200 - 450 0,216

2. t, мин 60 - 200 0,382

3. см иС - 16 - - 2 0,121

4. сср иС 60 - 90 0,279

5. К см 42 - 60 0,364

Приведенные данные показывают, что наибольшими значениями коэффициента корреляции характеризуются: входной параметр процесса размораживания технологический параметр ^ и выходной параметр тост.

S i h2j tp, тост ^

(2)

На этой основе представляется возможным выполнить второй этап исследований - определить технологический параметр процесса - продолжительность размораживания железосодержащего сырья в зависимости от прочности смерзания.

Выводы

1. В связи с влиянием на процесс размораживания железорудного сырья весьма большого числа факторов, включающих физико - механические свойства, показатели продолжительности и температуры на всех этапах процесса транспортирования и размораживания груза, традиционные методы исследований не дают достаточно надежных параметров продолжительности размораживания груза. Данное положение осложняет процесс приема и выгрузки сырья, приводит к значительным, дополнительным энергозатратам, перепростоям вагонов внешнего парка и, как следствие, к существенным производственным потерям.

2. Для исследования сложного, многофакторного процесса размораживания груза предложен метод компьютерного моделирования Data mining, получивший в последнее время широкое применение в металло и материаловедении.

3. Первый этап исследования заключался в компьютерном моделировании процесса с учетом всех действующих факторов, при этом входным параметром процесса размораживания принята глубина вхождения измерительного стержня в смерзшийся груз, а в качестве критерия была принята величина остатков груза в вагоне после выгрузки.

4. Для реализации поставленной задачи был проведен широкий производственный эксперимент, данные которого были обработаны методом глубокого разведочного анализа (ГРАД). На этой основе были выявлены основные закономерности воздействия факторов на величину остатков груза в вагоне и разработана регрессионная модель.

5. На основе модели выполнено количественное прогнозирование средних значений и степени статистического разброса величины остатков груза в вагоне.

6. Совместное влияние рассмотренных факторов на остатки груза в вагоне после размораживания и выгрузки исследовано с применением метода Монте - Карло. Показана возможность научно обоснованной корректировки остатков груза в вагоне после размораживания на основе использованного методологического подхода.

7. Исследованиями установлено, что процесс размораживания, определяется тремя основными факторами: входным параметром процесса размораживания h^ технологическим параметром tp и выходным параметром тост. Следовательно, определяя закономерности изменения факторов h и тост представляется возможным установить продолжительность размораживания груза.

Список использованных источников:

1. Парунакян В.Э. Исследование процесса обработки вагонопотока с сырьем грузовой станции металлургического завода в переходные периоды /В.Э. Парунакян, Ю.В. Гусев, В.Г. Гонтовой /// Вюник ПДТУ: Зб. наук. пр. - Марiуполь, 2001. - Вип. № 11 - С.285-289.

Серiя: Техшчш науки

2. Парунакян В.Э. Совершенствование процесса приема и обработки вагонопотока с сырьем грузовой станции металлургического завода в зимний период /В.Э. Парунакян, В.Г. Джен-чако // Вюник ПДТУ: Зб. наук. пр. - Марiуполь, 2003. - Вип. № 13 -С.272-275.

3. Парунакян В.Э. Методика определения продолжительности разогрева грузов в конвективных гаражах размораживания /В.Э. Парунакян, В.Г. Дженчако // Вюник ПДТУ: Зб. наук. пр.

- Марiуполь, 2004. - Вип. № 14 - С. 319-322.

4. Парунакян В.Э. Определение продолжительности разогрева груза в вагонах на основе метода планирования эксперимента /В.Э. Парунакян, В.Г. Дженчако // Вюник ПДТУ: Зб. наук. пр. - Марiуполь, 2006. - Вип. № 16 - С..

5. Ткаченко И.Ф. Влияние химических элементов на прочностные свойства стали типа 14ГНМДФТР /И.Ф. Ткаченко, Ф.С. Пинько, Н.А. Близнюк // Вюник ПДТУ: Зб. наук. пр. -Марiуполь, 2006. - Вип. № 16 - С. 89-94.

6. Дюк В. Data mining: Учебный курс/ В. Дюк, А. Самойленко. - СПб: Питер, 2001. - 368 С.

7. http: // www.statsoft / com /

8. Ткаченко И.Ф. Многоцелевая оптимизация технологии термического упрочнения проката высокопроных свариваемых сталей с использованием компьютерной технологиии «Data mining» /И.Ф. Ткаченко // Вюник ПДТУ: Зб. наук. пр. - Марiуполь, 2004. - Вип. № 14 - С. 111-117.

9. Landau D. A Guide to Monte Carlo Simulations in Statistical in Physics./ D. Landau., R.F.Binder

- Cambridge Univ. Press, 2000. 384 p.

10. Ткаченко И.Ф. Вплив параметрiв технологи контрольовано! прокатки на мщностш власти-восп листового прокату бущвельних сталей /И.Ф. Ткаченко // Вюник ПДТУ: Зб. наук. пр. -Марiуполь, 2004. - Вип. № 14 - С. 111-117.

Рецензент: В.К. Губенко д-р техн. наук, проф., ПГТУ

Статья поступила 20.04.2010

УДК 656.2:629.4.004

Маслак А.В.1, Аксёнов М.Л.2

ПРИНЦИПЫ ФОРМИРОВАНИЯ ИНФОРМАЦИОННО-УПРАВЛЯЮЩЕЙ СИСТЕМЫ ВНЕШНЕГО ВАГОНОПОТОКА МЕТАЛЛУРГИЧЕСКОГО

ПРЕДПРИЯТИЯ

В статье разработан комплекс задач и структура информационно-управляющей системы железнодорожного транспорта внешних перевозок металлургического предприятия.

Ключевые слова: внешний вагонопоток, информационно-управляющая система, лицо принимающее решение, металлургические предприятия.

Маслак Г.В., Аксьонов М.Л. Принципи формування тформацшно-керуючоН сис-теми зовншнього вагонопотоку металургшного тдприемства. У статт1 роз-роблено комплекс завдань i структура тформацтно-керуючог системи зал1знично-го транспорту зовтштх перевезень металургшного тдприемства. Ключовi слова: зовтштй вагонопоток; тформацтно-керуюча система; особа, яка приймае ршення; металургтт тдприемства.

Maslak А. V., Aksenov M.L. Principles of formation of data-control system of external wagon-flow of iron and steel enterprise. The articledeals with the solution of a complex of problems and the structure of data-control system of railway transport for external transportation of iron and steel enterprise.

Keywords: External transportation flow, data-control system, a person, who makes a

1 канд. техн. наук, доцент, Приазовский государственный технический университет, г. Мариуполь

2 аспирант, Приазовский государственный технический университет, г. Мариуполь