CC BY
23работающих с бисульфитным кальцием, был самым большим загрязнителем рек. За его стоками могли совершенно просто прятаться стоки всех отбелочных сульфитных и сульфатных фабрик. Так как содержащиеся в стоках хлорные соединения обладали корродирующими свойствами, их нельзя было ни выпаривать, ни сжигать. К тому же они еще и ядовиты. Начались поиски путей снижения объемов этих стоков. И вот тогда-то и наступил звездный час отбеливающего средства с активным кислородом.
Перекись была известна давно, впервые для отбелки древесной массы она была использована в 1941 г, а также в незначительном объеме в качестве конечной ступени для отбелки сульфатной целлюлозы. Решительным прогрессом было изобретение способа отбелки с использованием газообразного кислорода под давлением. Отбелку активным кислородом изобрели в 1952 г. русские -Никитин и Аким. Они открыли, что для очистки химической целлюлозы отлично подходит этот способ, и получили высокое содержание альфа-целлюлозы и равномерное разделение длин цепи. Они считали, что из-за сильного распада целлюлозы способ отбелки активным кислородом не годится для бумажной целлюлозы. Только в 1964 г., во Франции, Робер открыл, что за счет определенных добавок, особенно карбоната магния, можно снизить распад целлюлозы - это вызвало сенсацию. Одновременно с Робером над проблемой отбелки активным кислородом работали в Вене, в Институте по исследованию древесины. Там нашли, что такой же эффект получается при использовании солей магния.
Отбелка активным кислородом используется для того, чтобы добиться разгрузки сточных вод за счет дополнительной делигнификации перед использованием хлорного отбеливателя при отбелке сульфатной целлюлозы. И действительно, при 50%-й делигнификации на стадии использования кислорода и рециркуляции стоков этой стадии обратно в химический оборот сульфатно-целлюлозной фабрики, нагрузка на сточные воды за счет отбелки снижается наполовину.
Техника ЕО
Возможность распределения кислорода с помощью новейшей технологии смешивания в массе средней концентрации явилась поводом к самому важному открытию последних лет - щелочной экстракции под гидростатическим давлением (она известна под сокращенным обозначением как ЕО, ОЕ или Е0). Преимущества этой методики: простота применения, низкие капиталовложения, повышенная эффективность отбелки, экономия хлора или хлорсодержащих отбеливающих химикатов, все это при-
вело к немыслимо быстрому распространению этого способа. В 1980 г. было только две подобные установки. В конце 1983 г. уже свыше 30, а в конце 1985 г. уже 9 миллионов тонн целлюлозы обрабатывалось на одной ЕО-ста-дии. Сегодня ЕО-технология является стандартом техники отбелки. В Западной Германии и Швеции нет, например, ни одной линии отбелки целлюлозы без ЕО. Во всей истории отбелки целлюлозы ни одна технология не развивалась так стремительно и не внедрялась в промышленность так глубоко.
Путь к бесхлорной отбелке
В последнее время значительного прогресса достигла технология производства озона. В США была построена первая установка для отбелки сульфатной целлюлозы с использованием озона, она пущена в эксплуатацию в 1992 г., и ее производительность составляет 950 тонн в день.
Дальнейшим путем к отбелке с минимальной добавкой хлора или вообще бесхлорной, являются биотехнологические методы, известные как биоотбелка или ферментная отбелка. Большой шаг в этом направлении был сделан в 1986 г., когда финские исследователи нашли, что обработка неотбеленной целлюлозы с помощью фермента ксиланазы поглощает ксилан, способствует снижению содержания лигнина в целлюлозе и лучшей степени ее отбелки на заключительном этапе.
В целлюлозной промышленности с успехом были уже опробованы и другие ферменты. Так, путем обработки смолосодержащей целлюлозы с помощью липазы или резиназы можно успешно бороться при производстве бумаги с проблемами, возникающими со смолой. Если щепу обработать грибком, который вырабатывает эти ферменты, то при складировании щепы значительно ускоряется разложение смолы. Обработка щепы перед складированием грибками белой гнили, которые вырабатывают разлагающие лигнин ферменты - липазы, способствуют снижению энергозатрат при конечном механическом размалывании и улучшает прочностные свойства.
Список литературы
1. Промывка и отбелка целлюлозы: учебное пособие / Л.А. Миловидова, Г.В. Комарова, Т.А. Королева, Ю.В. Севастьянова, Я.В. Казаков, В.И. Белоглазов; Северный (Арктический) федеральный университет - Архангельск: ИПЦ САФУ, 2013. - 212 с.
2. Большая отбелка. Одна промышленная история / Эрнст Фёлкер, Гебр. Бельмер ГмбХ, Ниферн, 1992. -159 с.
ОПТИМИЗАЦИЯ ОБСЛУЖИВАНИЯ ПАССАЖИРОПОТОКОВ СТАНЦИЕЙ
МЕТРОПОЛИТЕНА
Рогальский Евгений Сергеевич,
БНТУ г.Минск, старший преподаваель, Кузьмин Владимир Иванович, БНТУ г.Минск, студент 2 курса
Приборостроительного факультета
OPTIMIZATION OF PASSENGER SERVICE TRANSPORT HUB Rogalsky Evgeny Sergeevich, BNTU, Minsk, senior lecturer,
Vladimir Ivanovich Kuzmin, BNTU, Minsk, student of 2 course faculty priborostroitelnij
АННОТАЦИЯ
Оптимизация обслуживания потоков пассажиров станцией метрополитена подразумевает обеспечение соответствия результатов проектирования и эксплуатации, позволяющих переместить и разгрузить пассажиропотоки непосредственно с территории платформ в область терминалов, ведущих к платформам, то есть повысить безопасность обслуживания пассажиров метро.
Ключевые слова: Оптимизация пассажиропотоков, безопасность пассажиров метро, цепи Маркова, Wolfram Mathematica
ANNOTATION
Optimization of service passengers of Metro station, enable you to move and relieve traffic directly from the territory of the platforms station in the terminal district a, leading to the platforms, i.e. improve the security of passengers underground.
Keywords: optimization of passenger traffic, passenger safety underground, Markov chains, Wolfram Mathematica
Введение.
Оптимизация обслуживания пассажиропотоков транспортным узлом, в нашем конкретном случае станции метрополитена, подразумевает обеспечение соответствия результатов проектирования критерию качества, определяющего целесообразность данного проекта. Под критерием качества могут пониматься различные компоненты системы: пропускная способность, рентабельность, безопасность использования, срок эксплуатации, удобство пассажиров и прочее. Несмотря на важность перечисленных параметров проектируемой системы обслуживания пассажиров, они в разной степени влияют на конечный результат. Поэтому необходимо провести ранжирование данных характеристик и сформулировать требования к интегрированному критерию качества системы обслуживания пассажиров. Эту задачу целесообразно решать, используя технологию математического моделирования системы обслуживания пассажиров как системы массового облуживания (СМО), что позволит эффективно использовать хорошо разработанный и известный математический аппарат [1, с.400]. Полезность моделирования систем массового обслуживания заключается в том, чтобы улучшить дисциплину обслуживания. Предлагается исследовать с помощью моделирования функционирование транспортной магистрали - метро - как одноканаль-ной системы массового обслуживанияс ожиданием. Предполагаемый результат моделирования позволит переместить и разгрузить пассажиропотоки непосредственно с территории платформ в область терминалов, ведущих к платформам, то есть повысить безопасность обслуживания пассажиров метро. Моделирование такой системы является актуальным, так как с ростом населения увеличивается поток пассажиров, что создает дополнительную, изменяющуюся нагрузку на транспортную магистраль. Для контроля нагрузки разработаем идеализированную модель метро.
Основные положения.
Классическое применение теории массового обслуживания подразумевает определения основных характеристик СМО, к которым можно отнестиразличные показатели и параметры. Эти характеристики отражают степень приспособленности системы к обслуживанию потока требований, иными словами - ее пропускную способность, которую нам необходимо регулировать. Под такой способностью обычно понимают среднее число тех заявок, которые система может обслужить в единицу времени, либо среднее отношение числа удовлетворенных требований к количеству поданных в конкретный период. Если заявки поступают в точно определенные промежутки времени и их обслуживание занимает известное
время, то оценка пропускной способности не представляет трудности. Однако на практике это не так: в потоке требований возникают сгущения и разрежения, чреватые задержками в обслуживании или простоями, как отдельных каналов (терминалов), так и системы в целом.
Это подтверждает, что функционирование СМО представляет собой случайный процесс, требующий детального изучения самих этих систем и процедуры обслуживания пассажиропотоков. При этом под такими потоками часто подразумеваются последовательности событий (обычно однородных), происходящих одно за другим в какие-то моменты времени. Наиболее широко в теории массового обслуживания рассматриваются простейшие (или стационарные пуассоновские) потоки, которые обладают важными свойствами:
а) ординарность, свойство, выраженное в вероятности попадания на элементарный интервалвремени двух и более событий оказывается пренебрежимо малой по сравнению с вероятностью попадания туда одного события. Ординарность означает, что заявки приходят поодиночке, а не парами, тройками и т.д. Если же они поступают только парами или тройками, то неординарный поток можно свести к ординарному типу - рассматривая заявки как поток пар или троек требований.
б) отсутствие последействия, если для любых не перекрывающихся интервалов времени число событий, попадающих на один из них, не зависит от числа событий, наблюдаемых на всех других. Отсутствие последействия является наиболее существенным свойством, так как указывает на независимость друг от друга тех заявок-требований, которые поступают на вход СМО, чего нельзя сказать о ее выходном потоке;
в) стационарность, когда вероятность наблюдения того или иного количества событий за интервал времени ^1; t2] зависит лишь от его продолжительности и не зависит от местоположения на оси времени. Стационарность предполагает постоянную плотность потока событий.
Простейший поток играет в теории массового обслуживания особую роль, до некоторой степени аналогичную роли нормального закона в теории вероятностей и закона больших чисел - в математической статистике. При взаимном наложении (суммировании) большого числа ординарных стационарных потоков с практически любым последействием получается результирующий поток, довольно близкий к простейшему. Ведь условия, которые должны для этого соблюдаться, подобны условиям центральной предельной теоремы: складываемые потоки оказывают на сумму приблизительно равномерно
малое влияние.На практике существуют потоки, которые правомерно рассматривать как простейшие. Действительно, если сложить 4-5 частных потоков П^ то этого оказывается достаточно для того, чтобы получить суммарный поток ПS, к которому можно относиться уже как к простейшему.
Известно [2, с.115], что экспоненциальный закон (его называют также показательным) обладает еще одним замечательным свойством.Если промежуток времени, распределенный по данному закону, уже длился некоторое время ^ то это никак не влияет на закон распределения его оставшейся продолжительности, то есть он будет таким же, как и закон распределения всего промежутка. Данное свойство представляет собой, в сущности, другую формулировку условия "отсутствие последействия" в простейшем потоке. Если же под событиями простейшего потока подразумевать отказы (закрытые терминалы, не допускающие пассажиров на платформу), это означает, что вероятность их появления в данный момент не зависит от того, сколько времени устройство уже отработало. Вот почему простейший поток нашел большое применение в исследованиях надежности, например, с помощью Марковских цепей событий.
При исследовании процессов создания и эксплуатации объектов техносферы [3] пользуются понятиями "техническая система", "техническое устройство" или "изделие", которые делят на составляющие (компоненты и элементы). При этом наиболее общей характеристикой любого подобного предмета-изделия является качество, то есть совокупность свойств, обусловливающих его пригодность удовлетворять определенным потребностям в соответствии с предназначением. Поэтому подобъектом техносферы ниже будем подразумевать изделие определенного целевого назначения, жизненный цикл которого
включает такие периоды, как создание (проектирование, опытная отработка, производство, испытания, ввод в эксплуатацию) и эксплуатация (использование по назначению, техническое обслуживание, ремонт и утилизация после выработки установленного ресурса).
Техническая система, вводит еще два специфических состояния, важных для рассматриваемой предметной области. Одно из них - критическое состояние, то естьто, которое может приводить к тяжелым последствиям (травмированию людей, крупному материальному ущербу и неприемлемым экологическим послед-ствиям).Другое - предельное, характеризуемое недопустимостью или нецелесообразностью дальнейшей эксплуатации объекта техносферы по причинам его опасности либо экономическим или экологическим соображениям. Критерии (признаки) соответствующих состояний изделий конкретного типа регламентируются их нормативно-технической документацией.
В нашей задаче все пассажиры получают одинаковый сервис - возможность перемещаться в заданном направлении в вагонах метрополитена. По своим параметрам - это одноканальная СМО с очередью, на которую не наложены никакие ограничения (например, по длине очереди, или по времени ожидания). Поток заявок, поступающих в СМО, имеет интенсивность Л, а поток обслуживании — интенсивность ц. Необходимо найти предельные вероятности состояний и показатели эффективности СМО. Система может находиться в одном из состояний S0, S1, S2, ..., Sk, по числу заявок, находящихся в СМО: S0— канал свободен; S1— канал занят (обслуживает заявку), очереди нет, S2— канал занят, одна заявка стоит в очереди;... Бк— канал занят, (к—1) заявок стоят в очереди и т.д. граф состояний СМО представлен на рис. 1.
При любом характере потока заявок и при любом распределении времени обслуживания, а также при любой дисциплине обслуживания среднее время пребывания заявки в системе (очереди) равна среднему числу заявок в системе (в очереди), деленному на интенсивность потока заявок, то есть
1
T = — I
Асист ^ ^сист 1
T = — I
Аоч ^ ^оч
(1) (2)
Формулы (1) и (2) называются формулами Литтла. Они регламентируют, что в предельном, стационарном режиме среднее число заявок, прибывающих в систему, равно среднему числу заявок, покидающих ее:оба потока заявок имеют одну и ту же интенсивность Л.На основании формул (1) и (2) среднее время пребывания заявки в системе определится по формуле:
Р
T = ■ 1сист 1(1 - р)
(3)
а среднее время пребывания заявки в очереди
Р2
To4=KT-ri (4)
Рассчитать параметры предлагаемой задачи как СМО можно известными методами, используя, например, систему компьютерной алгебрыМаШета^са, предложенную для таких целей Стивеном Вольфрамом. В настоящее время этот инструментальный пакет разрабатывается и поддерживается компанией Wolfram Research. Mathematica поддерживает процедурное программирование с применением стандартных операторов управления выполнением программы (циклы и условные переходы), и объектно-ориентированный подход^о^гат Alpha— база знанийи набор вычислительных алгоритмов (англ. Computationalknowledgeengine), вопросно-ответная система (Не является поисковой системой!). Основатель проекта - Стивен Вольфрам, поясняет, что «...таким образом возможно перевести естественно-языковые вопросы
в формат, понятный для компьютеров, что позволит производить вычисления и поиск через триллионы единиц «Кураторов данных» с использованием миллионов строк алгоритмов для предоставления пользователю ответов» [4].
Моделирование нагрузки на транспортную магистраль (метро).
Объектом СМО, для которого проводились расчёты, является метро, обслуживающее пассажиров.
Гипотеза: результат моделирования позволит переместить и разгрузить пассажиропотоки на перроне метрополитена.
Предполагаем, что на определённом интервале, поток пассажиров будет неограничен в том смысле, что может принимать любое значение от min до max, и является постоянным за выделенный (обозначенный, ограниченный) промежуток времени. Процесс обслуживания можно разделить на два этапа: первый этап-обслуживание пассажиров турникетами, второй этап-обслуживание пассажиров электричками.
Условия первого этапа:
Итоги мод
Контроль очереди автоматизирован, и производится при помощи камер слежения. Сигнал с камер обрабатывается, рассчитываются конкретные параметры на заданный промежуток времени, информация передается на турникеты и, мы можем наблюдать изменение цветового индикатора, которое будет характеризовать уровень загруженности посадочной платформы.
Условно разделим цвета индикатора так:
• зеленый - очереди нет, проход свободный;
• желтый - средняя очередь, проход частично ограничен;
• красный - прохода нет, посадочная платформа перегружена.
Условия второго этапа:
После прохождения турникетов пассажиры попадают на посадочную платформу. Интенсивность потока пассажиров будет зависеть от цвета индикаторов. Все параметры, направленные на обеспечение стационарности режима обслуживания были рассчитаны исходя из граничных параметров. Результаты позволяют регулировать пассажиропотоки в реальном масштабе времени и решить ряд смежных проблем.
Таблица 1
Количество турникетов 6 3
Интенсивность потока пассажиров(чел/мин) 50(200) 50(200)
Время обслуживания одного клиента(мин) 0,1(0,1) 0,1(0,1)
Примерное время (мин) загрузки платформывместимостью 500 человек 24 (6) -
Примерное время (мин) разгрузки платформывместимостью 500 человек - 36 (72)
Вероятность обслуживания поступающих заявок 81% (28%) 47°% (14°%)
Абсолютная пропускная способность (заявок в минуту) 40(56) 23 (28)
Среднее время простоя системы (мин) 0,019 (0,071) 0,053 (0,085)
Коэффициент занятости каналов обслуживанием 0,7 (0,9) 0,8 (0,9)
Примечание: вместимость электрички для данной задачи считалась равной 200 человек.
Данные могут существенно отличаться от одного метрополитена к другому. Они приведены, чтобы показать работоспособность модели. Заключение
Разработанная имитационная модель системы массового обслуживания "Транспортная магистраль -метро" предоставляет возможности для анализа работы системы и принятия решений в различных ситуациях на практике:
• Сложная, многоканальная задача моделирования, сведена к решению одноканальной задачи;
• позволяет переместить пассажиропотоки непосредственно с территории платформ в область терминалов, ведущих к платформам, то есть повысить безопасность обслуживания пассажиров метро;
• модель проста при реализации, так как задача моделирования приведена к расчётам одноканаль-ной СМО;
• может использоваться в реальном масштабе времени;
• весьма информативна для пассажиров, в частности, при повышенной интенсивности пассажиропо-
токов информация о времени ожидания может выводиться непосредственно вблизи терминалов, и каждый пассажир получит возможность принятия решения, какое из доступных транспортных средств ему использовать;
• не требует специального обучения пассажиров;
• не требует больших капиталовложений.
Список литературы
1. Коршунов, Ю.М. Математические основы кибернетики издание второе, переработанное и дополненное/ Ю.М. Коршунов. - Москва: Энергия, 1980.
2. Вентцель Е.С. Теория вероятностей: Учеб. для вузов. — 4-е изд. стер. — М.: Высш. шк., 1999.— 576 с.
3. Учебные материалы для студентов— [Электронный ресурс]. — URL: http://mobile.studme.org/ 188004139303 /ekonomika /modelirovanie_sistem_ masso-vogo_obsluzhivaniya#827 (дата обращения: 04.08. 2015, доступ свободный).
4. Образовательная поисковая система WOLF-RAM|ALPHA— [Электронный ресурс]. — URL: http://www.edutainme.ru/post/wolfram-alpha/ (дата обращения: 05.08.2015, доступ свободный).
