Научная статья на тему 'Перспективи використання нейронечітких технологій при удосконаленні АРМ оперативного персоналу залізниць'

Перспективи використання нейронечітких технологій при удосконаленні АРМ оперативного персоналу залізниць Текст научной статьи по специальности «Экономика и бизнес»

CC BY
62
12
i Надоели баннеры? Вы всегда можете отключить рекламу.

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Бутько Т. В, Прохоров В. М.

Розглянута можливість і основні теоретичні принципи застосування математичного апарату нейронечітких (гібридних) систем для побудови і удосконалення підсистем підтримки прийняття рішень для АРМ оперативного персоналу, що керує рухом поїздів і маневровою роботою в умовах нечіткої інформації.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Перспективы использования нейронечётких технологий при усовершенствовании АРМ оперативного персонала железных дорог

Произведен обзор зарубежных и отечественных систем поддержки принятия решений в управлении движением поездов. Рассмотрена возможность и основные теоретические принципы применения математического аппарата нейронечётких (гибридных) систем для построения и усовершенствования подсистем поддержки принятия решений для АРМ оперативного персонала, управляющего движением поездов и маневровой работой в условиях нечёткой информации.

Текст научной работы на тему «Перспективи використання нейронечітких технологій при удосконаленні АРМ оперативного персоналу залізниць»

кшьюсть факторiв впливу на процес перевезення при прогнозування транспортних подш, що фактично не можливо здiйснити застосовуючи iснуючи методи прогнозування, якi основаш на регресивному аналiзу, але в подальшому цi методи повиннi бути враховаш при аналiзi попереднього досвщу та сезонностi перевезень.

Список лтератури

1. Бутько Т.В., Лаврухш О.В. Планування перевезень вантажу на основ1 рац1онадьно'1 оргашзацп вагонопотоюв на зал1знищ 1з застосуванням теорп неч1тких множин // Схщно-Свропейський журнал передових технологш.2004. - Спецвипуск 7 [1]. - С. 16 - 19.

2. Данько М.1., Лаврухш О.В. Прогнозування розподшу вагонопотоюв на основ1 теорп неч1тких множин // 1нформацшно-керуюч1 системи на зал1зничному транспорта -Харюв, 2004. - Вип. № 2. - С. 80 - 83.

3. Лукашин Ю.П.. Адаптивные методы краткосрочного прогнозирования. - М.: Статистика, 1979 .

УДК 681.513.7:656.212.5

Бутько Т.В, д.т.н., професор (УкрДАЗТ) Прохоров В.М., астрант (УкрДАЗТ)

ПЕРСПЕКТИВИ ВИКОРИСТАННЯ НЕЙРОНЕЧ1ТКИХ ТЕХНОЛОГ1Й ПРИ УДОСКОНАЛЕНН1 АРМ ОПЕРАТИВНОГО

ПЕРСОНАЛУ ЗАЛ1ЗНИЦЬ

Актуальтсть. Одним iз основних напрямюв сталого розвитку залiзничного транспорту i забезпечення його конкурентоспроможност на транспортному ринку е удосконалення технологи перевiзного процесу, як спрямованi на рацiонадьне використання парку вантажних вагошв через зменшення термшу доставки вантажiв, скорочення часу просто!в пiд рiзними технологiчними операцiями, у тому чи^ зменшення часу простою вагошв на сортувальних i дшьничних станцiях. Реадiзацiя ще! науково-прикладно! задачi лежить у площинi формадiзацil технолопчних

процеЫв, тобто створенш комплексу адекватних моделей, як у виглядi програмних продукпв iнтегрованi до автоматизованих робочих мюць (АРМ) працiвникiв, що безпосередньо керують перемiщеннями рухомого складу i впливають на час простою вагонiв тд технiчними операцiями на технiчних станщях, так i на по1зних диспетчерських дшьницях, полiгонах залiзниць, в рамках единого шформацшно-керуючого середовища.

Анал1з останнш до^джень i публтацш. Основним недолшом АРМ оперативного персоналу, що керуе рухом поïздiв та маневрами на станщях е недостатня кшьюсть реашзованих задач в рамках системи АСОУП, що спрямоваш на детальну оптимiзацiю перемiщень одиниць рухомого складу, i дозволяють сформувати пiдсистеми пiдтримки прийняття рiшень (СППР). У вiтчизнянiй науковш лiтературi останнiх рокiв створенню СППР та^ спрямованостi придiляеться багато уваги. СППР призначеш зменшувати час на прийняття ршень з управлiння i бути гаран^ею якостi цих ршень, тому широке 'х застосування в управлшш такою складною системою як залiзнична транспортна система Укра'ни е потребою часу.

Деяк прототипи систем шдтримки прийняття рiшень було створено ще наприкiнцi 80х рокiв минулого столтя. Одна з них - «Автодиспетчер», що зараз експлуатуеться на деяких ДЦУ ВАТ «РЖД». Подiбнi розробки е i на залiзницях краш-члешв Евросоюзу. Система пiдтримки прийняття ршення «DSS STATIONS», що розробляеться залiзничними спецiалiстами у Нiдерландах призначена для виршення задачi пошуку оптимального маршруту прослщування по'зда через залiзничну станцiю. Результати вирiшення цiеï задачi використовуються оптимiзацiйним модулем CADANS, що входить до системи DONS (Design Of Network Shedules), яка автоматично генеруе розклад руху поïздiв для вЫе'' залiзничноï системи Нiдерландiв. Що стосуеться безпосередньо сортувальних станцiй, то щкавою розробкою е система VILLON, яку було створено науковцями двох чеських ушверсшелв i впроваджено на деяких великих залiзничних вузлах краш Евросоюзу i навiть Китаю. Система VILLON мае потужний графiчний штерфейс, i призначена для моделювання роботи залiзничних вузлiв i сортувальних станцш [1]. Зокрема система моделюе сценари розпуску составiв, вiзуалiзуе перемiщення рухомих одиниць на колiях станцiй i сортувальних прок, будуе графж роботи сортувальних прок, мае потужний анал^ичний блок. Але цю систему можна класифшувати лише як СППР стратепчних ршень, що спрямованi на удосконалення технологiчного процесу.

До вiтчизняних розробок належить робота [2], в якш вирiшуеться задача про порядок формування багатогрупних поïздiв за допомогою

математичного апарату мереж neipi та планетарних моделей. В po6oTi [3] розроблено неч^ку ситуацiйну систему пiдтримки прийняття рiшень (НССППР), яка аналiзуе можливють формування та вiдправлення неповносоставних та неповновагих ^^iB з урахуванням термшу доставки вантажу.

Розробка систем тдтримки прийняття рiшень в оперативному управлшт процесом перевезень - це новий i перспективний напрямок розвитку шформацшних систем на залiзничному транспортi. Системи тдтримки прийняття ршень (Decision Support Systems, DSS)- це системи, як базуються на ЕОМ i у дуже рiзнi способи допомагають оперативному персоналу виробляти оптимальш рiшення у кожнш ситуацй. В першу чергу це стосуеться складних задач управлшня будь якимиПпроПесаПи, □ о пПтреПуютП анПлiзП. ЗПразПцi ПистПми ПочиПаютП активно впроваджуватися в багатьох сферах людсько! дiяльностi: фiнансовiй, виробничiй, транспортнiй. Як i можливi сфери застосування так i принципи побудови та реалiзацil цих систем дуже рiзноманiтнi. Системи тдтримки прийняття ршень не мають едино! базово! моделi, а мають широку концепцУю.

ост0нов:а зОдач КЗОдачУ оперативного управлшня процесом перевезень е найбшьш складними i такими, що потребують детального аналiзу i розрахункiв у динашщ. Оперативнi працiвники, якi виршують цi задачi, це - по1зт диспетчери, диспетчери-вагонорозпорядники, черговi по станцй, станцiйнi маневровi диспетчери, черговi по гiрцi, черговi по паркОм нО со@тув0льн8х сВанцУях. Вiд ступеня якост i своечасностi прийняття рiшення цими пращвниками залежать кiлькiснi i яюст показники роботи залiзничного транспорту.

Подальше удосконалення системи управлiння рухом поlздiв це повна автоматизацiя планування i управлiння рухом поlздiв. Детальна формалiзацiя технологiчних процесiв буде сприяти удосконаленню АРМ оперативних працiвникiв шляхом додавання нових задач i пiдвищення якост вирiшення iснуючих задач.

Як показав аналiз, типовими задачами е:

- введення затриманого по!зда у графж;

- термiнове видiлення «вжон» у графжу;

- детальне планування маневрових перемщень рухомого складу на промiжних i дiльничних станцiях (особливо при недостатньому колшному розвитку, на дшьницях з iнтенсивним рухом поlздiв, на дшьницях iз швидкiсним рухом пасажирських поlздiв, при зростаннi обсягiв роботи станцй, в умовах закриття для руху одше! з головних колш, при виконанш ремонтних та профшактичних робiт на станцiйних колiях);

- B^ip колiй прийому пoiздiв на сортувальних станцiях;

- вибip способу та черги розформування noi^iB на сортувальних станщях.

Виклад основного Mamepimy до^дження. Весь комплекс задач, що виpiшуються системою пiдтpимки прийняття ршень (СППР), умовно можна poздiлити на чотири класи:

- задачi ощнки та класифiкацii поточно1 ситуацii за piзнoманiтними аспектами (мoнiтopинг) [5];

- задачi виявлення причинно1 oбумoвленoстi стану об'екта, що не вщповщае юнуючим поточним вимогам щодо ефективнoстi або якост його функцioнування (дiагнoстика) [5];

- задачi прогнозування можливих шляхiв розвитку ситуаци на об'ектц

- задачi вибору оптимальних упpавлiнських ршень шляхом вибору найоптимального iз спрогнозованих сценарпв розвитку ситуаци.

1снуючи прототипи СППР дуже малочисельш, виpiшують невелике коло прикладних задач i побудоваш в основному на базi ч^ких алгopитмiв та математичних моделей. Наприклад функщонування DSS STATIONS зводиться до виршення задачi зваженого пакування вузлiв, що належить до теори гpафiв.

Задачi oптимiзацii маневрово1 роботи та роботи по розформуванню сoставiв на сортувальних станщях з десятками колш i сотнями одиниць рухомого складу дoвoлi складнi. I той факт, що бшьшють з них не була виршена свiдчить про те, що визначення ч^ких алгopитмiв 1х виpiшення -задача дуже складна або взагалi невиpiшальна. Також треба вщзначити, що бiльшiсть з цих задач потребуе виpiшення в масштабi реального часу та ще й з урахуванням пpoгнoзiв на майбутне i побудови декiлькoх найбiльш iмoвipних сценарпв розвитку ситуаци. Вхiдна шформащя також взагалi не е однорщною, мае piзнi ступенi дoстoвipнoстi i може виявитися неповною. Тому, дощльно квалiфiкувати таку попередню iнфopмацiю, що надходить на сортувальну станцiю через систему АСОУП у виглядi телеграм-натурних листiв (ТГНЛ) та по шшим каналам зв'язку, як неч^ку.

Враховуючи, що вихiднi данi е деякою мipoю ненадiйними i слабoфopмалiзoваними, внаслiдoк чого неможливо побудувати чггю алгоритми виpiшення складних упpавлiнських задач, за основу арх^ектур СППР, що виршують задачi оперативного планування i упpавлiння рухом по1здв та маневрових операщй, а також oпеpацiй з формування-розформування пoiздiв дoцiльнo прийняти арх^ектури з нечiткoю лoгiкoю.

Взагалi прийняття упpавлiнськoгo piшення потребуе розгляду багатьох фактopiв. Деякi з цих фактopiв е взаемодоповнюючими, деякi

подiбними, iншi суперечливими, але Bei вони мають бути розглянутi i взят до уваги при формуваннi ршення. В свою чергу, цi задiянi фактори мають pi3Hi ступенi важливост i впливу на рiшення. Адитившсть i/або конфлiктнiсть факторiв фактично шдвищуе складнiсть i неоднозначнiсть процесу формування ршення [4].

Апарат нечiтких множин та неч^ко! логiки вже бшьше 10 рокiв успiшно застосовуеться при ршенш складних задач.

До його сильних сторш можна вiднести:

- описання умов i методiв виршення задач за допомогою мови, близько! до натурально!;

- унiверсальнiсть: зпдно до теореми FAT (Fuzzy Approximation Theorem), що була доведена Б. Коско в 1993 рощ, будь яка математична система може бути апроксимована системою, що базуеться на неч^кш логщц

- ефектившсть: спрощення алгорштв виршення задач, складних з точки зору ч^ких алгорштв (за умов доцшьноси використання систем нечггко! логiки).

Але поряд з цим для неч^ких керуючих систем е характерними i деякi недолiки:

- вихщний набiр нечiтких правил формулюеться людиною-експертом i може виявитися неповним або суперечливим;

- вид i параметри функцiй приналежностi, що описують вхщш i вихiднi змiннi системи, вибираються суб'ективно i можуть виявитися не зовЫм адекватними.

Для усунення, хоча б частково, цих недолтв рядом авторiв запропоновано використовувати адаптивш системи при створеннi управляючих та експертних систем, в яких неч^ю правила i параметри функцiй приналежност корегуються пiд час !х роботи. 1снуе декiлька теоретично можливих варiантiв тако! адаптаци. Одним з найбшьш вiдомих i успiшних прикладiв е нейронеч^ю системи. 1х ще називають гiбридними. Нечiтка логiка i нейронш мережi вiдносяться до поняття штучного штелекту iсторiя якого налiчуе бшьш нiж 50 рокiв. Але технолопя нейронечiтких систем - «молода» технолопя. Вона розвиваеться скорше завдяки вченим, що защкавлеш в !! практичному використанш, анiж теоретичним дослiдженням. Зважаючи на чималу увагу з боку вчених, що займаються проблемами штучного штелекту, до пбридних систем можна зробити висновок, що вони згодш в одному: пбридш нейронечггю системи - це лопчний крок на шляху розвитку технологи «м'яких обчислень» i нечiтко!' логiки. В сучаснш науковiй лiтературi описано багато форм поеднання цих понять. Але лише декшька з них е насправдi усшшними i

такими, що можуть бути використаш при пoбудoвi СППР в упpавлiннi пеpевiзним процесом на залiзницi. Це форми з'еднання, що побудоваш на базi класичних poбiт вчених Л. Заде, Х. Циммермана i Б. Коско, але i вони мають мiж собою суттевi вiдмiннoстi.

Нейpoнечiтка мережа - це чггка нейронна мережа прямого розповсюдження сигналу (feed-forward), що побудована на oснoвi багатошарово1 архггектури з використанням AND-, OR-нейpoнiв, тобто технолопя гiбpидних мереж - це додавання потужних механiзмiв самооргашзаци, що притаманш нейронним мережам, до систем нечггко! лoгiки, яка глибоко змшюе принципи функцioнування oстаннiх (з'являеться можливють автоматичного налагодження функцiй пpиналежнoстi, автоматичного додавання та видалення правил та шш.) [6]. Таким чином пбридш системи - потужна альтернатива вЫм iншим адаптивним технoлoгiям.

Типова арх^ектура нейронечггко1 системи включае 3 основних блоки: блок приведення до нечггкос^ (фазiфiкацiя), блок лoгiчнoгo виводу, блок приведення до чггкос^ (дефазифiкацiя).

Суть етапу фазiфiкацii виражаеться функцioналoм Fuzzy [6]:

Xi (г) = Fuzzy[^ . (о), xi (г)]

Х i '

де xi) - вектор нечiтких м^ок (фазiфiкованих значень);

7=1.. .п, номер неч^ко! мiтки з функщею приналежностi

(О);

п - кiлькiсть розбитлв iнтервалу (ступiнь грануляцп);

xi (г) -змiнна х, що залежить вiд часу г, або шшого параметру.

Блок логiчного виводу функщонуе як багатошарова нейронна мережа (рисунок 1) i оперуе з нечггкими даними. Блок дефазiфiкацil приводить вивщ системи до ч^ко! (числово!) форми за допомогою методiв середньозваженого значення або шших методiв. Вивiд може здшснюватися i без дефазiфiкацil у виглядi лiнгвiстичних змiнних.

Що стосуеться до практично! реалiзацil подiбних систем, то найбшьш прийнятною е програмна реалiзацiя. Програмнi модулi можуть бути шдключеш або iнтегрованi в АРМ вщповщних оперативних керiвникiв.

¡нформацт про час надходження вантажних \ пасажирських пснадв

данл ТГНЛ на поУзди, що прибувають

дат про тополопю колмного розвитку станцм дан1 про поточний стан розформування состава

дат про поточний стан об'еклв та пристоТв (зайнят1сть кол1й горловин рухомим складом, стан проходження техншних та комерц1йних операц1й ¡з составами}

текстов i н с т р у к ц i маневровому диспетчеру

прогнозна граф1чна модель роботи станци

Рисунок 1. Можливий вигляд архiтектури СППР для АРМ маневрового диспетчера сортувально! станци на базi класично!

нейронечгтко! системи.

Висновки. В теперiшнiй час, оперативний персонал керуе перевезеннями на вЫх рiвнях управлiння в першу чергу по заданих планах (з урахуванням графшу руху, плану формування поlздiв, техшчних норм i регулюючих завдань, намагаючись виконати кiлькiснi та яюсш показники). Вочевидь, що в оперативних умовах за браком часу на прийняття керуючих дiй, вони не в змозi об'ективно оцшити економiчнi наслiдки цих рiшень. Тому необхщно бiльш виважено пiдходити до розробки нормативних докуменпв i плашв органiзацil перевезень в позицil оптимiзацil експлуатацiйних витрат, здiйснювати реальний перехщ до iнформацiйно-керуючих систем в оперативны дiяльностi з доведенням всiх розробок до АРМ конкретних оперативних пращвниюв. Системи шдтримки прийняття рiшень на базi нейронечiтких моделей - це новий i перспективний напрямок удосконалення технологil перевiзного процесу.

Список лтератури

1. Kavicka A., Klima У. Simulations of railway junctions in EU countries, SCS, Prague - 2001.

2. Долгополов П. В. Удосконалення технологи роботи зал1зничного вузла на основ1 комплексу планетарних моделей. Дисертащя на здобуття вченого ступеня канд. техн. наук. Х.: УкрДАЗТ.-2005.-237с.

3. Лаврухш О. В. Удосконалення АРМ по1зного диспетчера з використанням неч1тко'1 лопки. Дисертащя на здобуття вченого ступеня канд. техн. наук. Х.: УкрДАЗТ .-2004.-200с.

4. Zeleznikow J., Nolan J. Using soft computing to build real world intelligent decision support systems in uncertain domains. Decision Support Systems. -2001 (31)2 pp. 263-285

5. Мелихов А. Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука .-1990. 272с.

6. Ярушкина Н. Г. Основы теории нечетких и гибридных систем. Учеб. пособие. М.: Финансы и статистика .-2004.-320с.

УДК 656.22:681.5.015

ДолгополовП.В., к.т.н., ст. викладач (УкрДАЗТ) Скоробогатов О.А., провiдний тженер (НДП1АСУтрансгаз)

Корольов Д.С. (Швденна 3mi3HUця)

УДОСКОНАЛЕННЯ ЕКСПЛУАТАЦ1ЙНО1 РОБОТИ СТАНЦ1Й

ШЛЯХОМ ПОБУДОВИ 1НТЕРАКТИВНОГО АРМ ЧЕРГОВОГО ПО СТАНЦП

Постановка задачи Важливим питанням у даний час е удосконалення експлуатацшно! роботи станцш та дшьниць шляхом побудови шформацшно-керуючих систем (1КС), до комлексу яких входять автоматизоваш робочi мюця (АРМ) чергових по станщям (ДСП) та по!зних диспетчерiв (ДНЦ) [2-4].

Широке застосування таких 1КС дозволяе оптимально реалiзувати технологи перевiзного процесу за рахунок швидко! обробки значних масивiв даних, синхронiзувати роботу дiльниць та !х елементiв, визволити кошти для вiдновлення рухомого складу та шших технiчних засобiв, а також шдвищити конкурентноспроможнiсть залiзниць.

Пiд час роботи оперативного персоналу виникають тi чи iншi помилки у його робот внаслiдок випадкових факторiв [1]. Внаслщок цього

i Надоели баннеры? Вы всегда можете отключить рекламу.