CC BY
18
УДК 681.3
ПРОБЛЕМЫ МОДЕЛИРОВАНИЯ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ И ПРОЦЕДУР ПРИНЯТИЯ РЕШЕНИЙ НА СОРТИРОВОЧНОЙ СТАНЦИИ
© 2007 г. С.Е. Ададуров
Сортировочные станции (СС) железных дорог, предназначенные для переформирования грузовых составов, относятся к классу сложных организационно-технических систем. Действительно, данные о функционировании станции имеют значительную стохастическую составляющую, технологические процессы, зависимые от природных и социально-экономических явлений, нестационарны и нелинейны. Управление сортировочным комплексом происходит в условиях высокой степени неопределенности, велика роль субъектов управления (станционных диспетчеров, машиниста локомотива, надвигающего состав на горку, расцепщика отцепов, горочных операторов и др.). Идентификация структуры и параметров объекта исследования - сортировочных станций, синтез системы управления станционными процессами, прогноз их развития, реализация управления СС требуют в этой связи привлечения аппарата моделирования как собственно станционных процессов, так и процедур принятия обоснованных решений.
Настоящая статья посвящена раскрытию возможностей и анализу ограничений комплексного использования различного типа моделей для моделирования технологических процессов на СС и процедур обоснованного принятия решений персоналом станции. Главная идея исследования состоит в том, что для адекватного отражения свойств СС необходима совокупность специально подобранных моделей, удовлетворяющих свойствам полноты (каждый из существенных аспектов исследуемого объекта должен отражаться хотя бы одной моделью), непротиворечивости (логика оперирования различными моделями не должна приводить к взаимно исключающим выводам), простоты и доступности (состав и вид моделей следует согласовывать с потребностями и возможностями пользователей моделей).
Как известно, модель - упрощенное описание объекта, его некоторая проекция в заданном направлении свойств, что позволяет выявить соответствующие закономерности функционирования и характеристики исследуемого объекта. Но модель по определению не совпадает с объектом и потому актуализирует-
ся вопрос обеспечения адекватности модели объекту. Правильно говорить об адекватности модели по некоторому признаку. Так, например, одни и те же статистические данные о скатывании отцепа с горки могут «породить» разные аналитические модели [1]:
- адекватно отражающие физическую сущность исследуемого процесса, обеспечивающие верное понимание логики взаимодействия элементов и факторов системы (т. е. учитывать существующую многомерность, нелинейность, нестационарность);
- прогнозные, дающие наименьшую ошибку прогноза на заданном горизонте предсказания. Следует отметить, что чем шире горизонт прогноза, тем важнее в модели медленно меняющиеся во времени составляющие и менее значимы флуктуационные составляющие. Таким образом, структура физической модели «деформируется» в «интересах» точности ее описания реального процесса. Кроме того, нелинейные составляющие, наиболее чувствительные к ошибкам в данных, также могут «исчезать» из структуры модели, так как порождают неустойчивость расчетных процедур;
- управленческие, приспособленные к расчетам параметров управления. Модели данного класса не чувствительны к процедуре обращения оператора модели (решению систем алгебраических или дифференциальных уравнений), выполняемой при расчете управляющих воздействий.
Таким образом, процедуре идентификации моделей станционных процессов должен предшествовать:
- анализ совокупности целей моделирования, на основании которого определяется сфера действия модели: технологические процессы в парке приема (технический и коммерческий осмотры), надвиг состава на горку, роспуск составов на горке, нормализация процессов роспуска в парке формирования (ликвидация «чужаков», «окон» на путях формирования составов), технологические процессы в парке отправления и т.д.;
- выявление основного предназначения модели (раскрытие физической сущности исследуемого процесса, прогнозирование его развития, управле-
ние), что влияет на выбор вида и значения параметров модели.
В настоящее время разработано много подходов и методов моделирования. Рассмотрим несколько наиболее распространенных типологических схем. Особенно важной является следующая последовательность модельного ряда:
1. Лингвистическое (описательное) моделирование: проявляется в утвержденных стандартах технологического процесса сортировки вагонов на станции, нормативных документах, руководствах пользователя и прочих документах, определяющих порядок выполнения технологических операций, показатели качества, допустимые скорости скатывания и соударения отцепов на сортировочной горке и т.д. И ко всему этому комплексу документов следует предъявить обычные требования, характерные и естественные для математических моделей: непротиворечивость, полнота, адекватность и др. Такого анализа относительно лингвистических моделей СС, к сожалению, нет. Назрела острая необходимость автоматической проверки выполнения названных свойств моделей для вновь вводимых усовершенствованных технологий и всего комплекса в целом. Это позволит выявить узкие места разрабатываемой технологии, спрогнозировать поведение системы в нестандартных ситуациях, снизить конфликтность субъектов управления СС.
2. Символьное моделирование, формализующее и регламентирующее сложные процессы и процедуры. Например, дающее общее представление о СС, используя кортеж:
«5, е, я, р, г», (1)
где - элементный состав станции (парк приема -ПП, сортировочная горка - СГ, парк отправления -ПО, парк формирования - ПФ), Е - выполняемые функции (технический и коммерческий осмотр в ПП, роспуск составов на СГ, формирование составов в ПФ и пр.), я - связи между выделенными элементами системы (коммуникации между сотрудниками, информационные обмены между подсистемами и устройствами станции), Р - показатели работы (качество, интенсивность технологического процесса, экономические показатели), 2 - цели функционирования, формулирующие экстремумы некоторых из выделенных показателей или их комбинаций. Символьное моделирование обеспечивает возможность применения когнитивного анализа и хорошо разработанных морфологических моделей для совершенствования деятельности станций. Кроме того, оно позволяет автоматизировать процедуры анализа структуры станции. Наглядный пример, иллюстрирующий этот тезис, можно заимствовать из монографии [2] о кодировании последовательно-параллельной структуры станции как системы массового обслуживания (СМО).
3. Графическое моделирование, обеспечивающее визуализацию исследуемых процессов. Возможности этого подхода широки и разнообразны. На рис. 1 дано одно из возможных общих графических представлений о СС, соответствующее аналитическим моделям массового обслуживания.
ПП СГ ПФ ПО
Рис. 1. Простейшая модель сортировочной станции как системы массового обслуживания
Другого свойства пример графического моделирования - граф процедуры принятия решений на основе использования информационно-логических устройств (ИЛУ) [3]. В данном случае указывается порядок рассмотрения и проверки условий функционирования элементов станции.
4. Математическое моделирование (наиболее распространенное и потому требующее отдельного анализа). Достаточно подробно в рамках рассматриваемой темы он выполнен в работе [1].
5. Логико-лингвистическое моделирование, использующее нечеткие понятия, естественные для человека при описании явлений и процедур принятия решений. Данный подход характерен «мягкими» вычислениями, устойчивыми (робастными) процедурами, он «копирует» в некоторой степени интеллект оператора, лица, принимающего решения. Ряд интересных разработок в этом направлении в исследуемой сфере выполнены в трудах С.М. Ковалева, А.Н. Ша-бельникова [4].
Между приведенными различными модельными представлениями нет четкой грани. Так, например, логико-лингвистическое моделирование содержит элементы первого, второго и четвертого типа моделей. Кроме того, каждая из них допускает, в свою очередь, разнообразную внутреннюю классификацию.
Иная схема типов моделей различает модели физические, математические, имитационные.
На железнодорожном транспорте, в том числе и в исследуемой сфере - СС, наибольшее распространение получили математические (в частности, модели массового обслуживания) и имитационные модели. Недостаточно внимания уделяется физическому моделированию, обеспечивающему наглядность представления сортировочных процессов.
На транспорте широко используются физические модели процессов обтекания корпусов подвижных средств. В лабораторных условиях с помощью аэродинамической трубы исследуются различные формы корпусов с точки зрения выбора оптимальных характеристик сопротивления среды движению подвижной единицы на заданных скоростных режимах.
На рис. 2 показана возможность физического моделирования станционных процессов с помощью реализации идеи о сообщающихся сосудах. Интенсивность входного потока жидкости, наполняющей систему сосудов, соответствует интенсивности входного потока составов на станцию. Сечение входного патрубка идентифицирует возможности входной горловины станции. Сообщающиеся сосуды соответствуют выделенным на рис. 1 элементам станции: ПП, СГ, ПФ, ПО. Они имеют различные высоты и объемы, что соответствует различным возможностям элементов по накоплению составов и отцепов, а также их обработке.
Таким образом, в данной статье сделаны попытки:
- обосновать роль и определить границы применимости различных подходов к моделированию станционных процессов;
- систематизировать структуру существующей совокупности моделей и проиллюстрировать сферы их применимости для автоматизации СС;
- актуализировать роль описательных моделей и физического моделирования на станции.
Литература
А
В
Рис. 2. Физическое моделирование работы станции системой сообщающихся сосудов
Данная модель наглядно описывает переходные процессы в системе, возникновение и характеристики стационарного (установившегося) режима.
1. Лябах Н.Н., Шабельников А.Н. Техническая кибернетика на железнодорожном транспорте: Учебник. Ростов н/Д., 2002.
2. Лябах Н.Н., Бутакова М.А. Системы массового обслуживания: развитие теории, методология моделирования и синтеза: Монография. Ростов н/Д., 2004.
3. Иванченко В.Н. Исследование и разработка алгоритмов функционирования информационно-логической системы автоматизированной сортировочной горки. Ростов н/Д., 1976. Вып. 133. С. 18-24.
4. Шабельников А.Н. Интеллектуальные системы управления на железнодорожном транспорте: Монография. Ростов н/Д., 2004.
ОАО «Российский научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи» (ВНИИАС МПС)
4 октября 2007 г.
