Научный журнал
Современные наукоемкие технологии
ISSN 1812-7320
"Перечень" ВАК
ИФ РИНЦ = 0,940

ОСОБЕННОСТИ ПРИМЕНЕНИЯ ИНФОРМАЦИОННЫХ СИСТЕМ ДЛЯ УПРАВЛЕНИЯ ИНФРАСТРУКТУРНЫМ КОМПЛЕКСОМ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

Горелик А.В. 1 Дорохов В.С. 1 Орлов А.В. 1 Скрипниченко И.Г. 1 Шерстюков О.С. 1
1 ФГАОУ ВО «Российский университет транспорта»
На техническую эксплуатацию инфраструктурного комплекса в компании ОАО «РЖД» уходят значительные средства, поэтому задача рационализации связанных с ней расходов является актуальной. В настоящее время компанией рассматривается возможность адресного распределения ресурсов и оптимизация затрат по различным критериям. Важная роль при этом отводится эксплуатируемым в компании различным информационным системам, в которых к настоящему времени представлена в довольно значительном объеме разноаспектная первичная информация об эксплуатации инфраструктуры, а вычислительные ресурсы могут использоваться для выполнения достаточно трудоемких расчетов. В связи с этим перспективно применение прескриптивной и предиктивной аналитики по отношению к данным информационных систем, что позволило бы решать самые разные задачи, связанные с технической эксплуатацией инфраструктуры. Статья посвящена возникшим к настоящему времени и видимым в перспективе важным проблемам использования для решения обозначенных задач данных из информационных систем, касающихся их достаточности, непротиворечивости, объективности и иных характеристик «качества», сложностей их обработки, представления и хранения. На основе отчетов информационных систем по статистическим данным о процессе эксплуатации инфраструктуры структурных подразделений дорожного уровня проведен корреляционный анализ и показано, что в настоящее время такой вид анализа может использоваться в качестве эффективного инструмента оценки объективности данных в части инцидентов в комплексе с другими методами. Затронута проблема ресурсоемкости и возможного ее решения с помощью моделей искусственного интеллекта.
информационные системы
техническая эксплуатация
производственные процессы
инфраструктура железнодорожного транспорта
распределение ресурсов
1. Плетнев С. Собственные поездные формирования нужно тарифицировать по-новому // Газета «Гудок» [Электронный ресурс]. URL: https://www.gudok.ru/newspaper/?ID=702469&archive=2010.10.06 (дата обращения: 22.05.2020).
2. Куприяновский В.П., Суконников Г.В., Ярцев Д.И., Кононов В.В., Синягов С.А., Намиот Д.Е., Добрынин А.П. Цифровая железная дорога – целостная информационная модель, как основа цифровой трансформации // International journal of open information technologies. 2016. № 10. С. 32–42.
3. Иванов А.А., Легоньков А.К., Молодцов В.П. Новые приборы регистрации параметров устройств железнодорожной автоматики в системе АПК-ДК (СТДМ) // Автоматика на транспорте. 2015. № 3. С. 282–297.
4. Бугреев Н.В., Веселова А.С., Орлов А.В. О корреляции статистических данных в информационных системах хозяйства автоматики и телемеханики // Наука и образование транспорту. 2019. № 1. С. 309–312.
5. Фадеева Е.П., Титов А.Н., Тазиева Р.Ф. Построение модели множественной регрессии прибыли и декомпозиция риска ее получения на коммерческую, производственную и финансовую составляющие // Вестник технологического университета. 2018. № 5. С. 165–173.
6. Орлова И.В., Филонова Е.С. Выбор экзогенных факторов в модель регрессии при мультиколлинеарности данных // Международный журнал прикладных и фундаментальных исследований. 2015. № 5–1. С. 108–116.
7. Шерстюков О.С. Определение ошибок в автоматизированных информационных системах хозяйства автоматики и телемеханики // Транспорт: наука, образование, производство: сборник трудов конференции (Воронеж, 20 апреля 2020 г.). Воронеж, 2020. С. 85–90.

На реализацию производственного процесса – железнодорожных перевозок в компании ОАО «РЖД» приходится до 80 процентов ее расходов. Из них на техническую эксплуатацию инфраструктурного комплекса приходится более 66 процентов [1]. Процесс технической эксплуатации – ресурсоемкий процесс, а за его реализацию, в силу разнородности инфраструктуры, ответственны различные хозяйства и предприятия. Для них процесс технической эксплуатации является главным процессом. Задачи рационализации усилий и расходов, а также обеспечения эффективности при обеспечении требуемого качества реализации производственных процессов представляют интерес для любого предприятия, однако для компании ОАО «РЖД» в настоящее время актуальность решения таких задач велика и возрастает с каждым годом. Это связано с тем, что реализуемый на сегодняшний день процесс технической эксплуатации, основанный преимущественно на регламентном подходе, недостаточно эффективен при тех ресурсах, которые доступны. Так на протяжении последних двух десятилетий в основном по причине недостатка ресурсов многие регламентные работы выполнялись с пропуском сроков, не полностью, либо вовсе не выполнялись. Например, вместо замены оборудования с завершенным назначенным сроком службы массово выполнялось неоднократное продление эксплуатации. В итоге только по критичной по выходу из строя инфраструктуре текущий износ превышает 70 процентов, а по некоторым оценкам – 85 процентов.

Материалы и методы исследования

В течение ряда лет в компании активно разрабатывают и внедряют в различные процессы информационные системы, в том числе системы, предназначенные для реализации технической эксплуатации инфраструктуры. В них регистрируется и производится оперативный обмен самой различной информацией о самой инфраструктуре, различных аспектах ее функционирования и технической эксплуатации. Охват распределенными информационными ресурсами различных технологических процессов таков, что в настоящее время говорят о феномене «цифровой трансформации железной дороги» [2].

В рамках цифровой трансформации железной дороги задачу управления технической эксплуатацией железнодорожной инфраструктуры можно решить на новом уровне. В частности, становится возможным реализовать идею адресного распределения ресурсов, в том числе с учетом большого числа различных ограничений, а также фактической потребности инфраструктуры и гибко ранжированных требований к качеству ее функционирования.

Существующие информационные системы могут рассматриваться как основа для более глубокой цифровой трансформации процессов, так как в них уже накоплен большой объем различных фактических данных, сложная аналитическая обработка которых до настоящего времени практически не реализовывалась, но в случае реализации позволила бы решать самые разные задачи, связанные с технической эксплуатацией инфраструктуры. В настоящее время уже имеется огромный интерес к применению этих данных для решения следующих задач:

– объективная оценка состояния инфраструктуры, контроль и обеспечение качества деятельности структурных подразделений хозяйств;

– определение потребных объемов ресурсов при заданной схеме их распределения;

– определение наиболее эффективной схемы их распределения при их недостатке;

– минимизация стоимости жизненного цикла отдельных изделий и инфраструктуры в целом;

– распределение ресурсов между процессами технического обслуживания и ремонта, капитального ремонта, модернизации технических средств;

– планирование деятельности подразделений на различные интервалы времени;

– прогнозирование последствий для инфраструктуры различных управленческих решений.

И перечень задач постоянно расширяется.

Первые попытки решения некоторых из указанных задач методами предиктивной и прескриптивной аналитики уже предприняты и получены положительные результаты, подтверждающие их перспективность. Так, в хозяйстве автоматики и телемеханики на основе данных информационных систем и их вычислительных мощностей выполняется расчет показателей качества функционирования инфраструктуры и комплексная оценка деятельности подразделений.

В настоящее время агрегируются данные из следующих информационных систем:

СТДМ – данные об отказах и предотказных состояниях инфраструктуры [3];

ЕК АСУИ – данные об отступлениях от норм содержания инфраструктуры;

АСУ-Ш-2 – данные об отказах инфраструктуры;

КАСАНТ – данные об отказах, вызвавших существенные нарушения перевозочного процесса.

Результаты исследования и их обсуждение

Первый опыт показал, что применение информационных систем может позволить:

– автоматически выполнять сбор большого объема статистической информации из различных источников;

– качественно выполнять весьма сложные с математической точки зрения и требующие высокой квалификации расчеты;

– снизить количество ошибок за счет выявления противоречий и перекрестных проверок;

– обеспечить высокую оперативность расчетов для инфраструктуры с различным уровнем детализации (вплоть до реального времени);

– сделать принципиально возможным решение оптимизационных задач большой размерности.

Вместе с тем был выявлен ряд существенных проблем:

1. Данные в информационных системах прирастают достаточно высокими темпами. Например, только по одной системе железнодорожной автоматики за год может быть зарегистрировано несколько тысяч отступлений от норм содержания и сотни предотказных состояний, а количество самих систем на сети превышает 13 тысяч.

2. Информационные системы имеют различную архитектуру и реализованы на разных технологиях. Одни и те же данные в них частично повторяются, но, как правило, представлены по-разному и описывают разные свойства объекта, с использованием различных категорий и справочников.

3. Информационные системы на местах внедрены в технологические процессы достаточно неравномерно. Данные регистрируются в них с разной полнотой.

4. Большая часть первичных данных вводится операторами вручную, что приводит к различным субъективным искажениям в данных.

5. Ни одна отдельная информационная система не обладает полнотой данных для решения задачи оценки качества функционирования инфраструктуры.

6. Для решения ряда задач необходимые виды данных отсутствуют вовсе и требуется доработка существующих информационных ресурсов с целью предоставления возможности сбора таких данных, их накопления. Кроме того, требуется разработка соответствующих справочников для первичной обработки и классификации данных.

7. Спецификой хранимых в системах статистических данных является наличие существенного количества «промахов».

Агрегированием (объединением) данных из существующих информационных систем и выполнением расчета ряда показателей в настоящее время занимаются две вновь разработанные системы: АС АНШ и АС АНПШ. Однако вопросы полноты, непротиворечивости, точности агрегируемых данных остаются открытыми, в том числе и по причине сложившейся практики работы с данными оперативного персонала структурных подразделений.

Так, в 2019 г. проводился корреляционный анализ между различными данными на основе сводных отчетов АС АНШ [4]. Данные включали в себя 17 наименований, характеризовали дорожный уровень. Результаты оценки корреляции в данных, используемых в настоящее время для расчета показателей качества функционирования инфраструктуры, сведены в табл. 1, 2 и 3. Они относятся к станционным и перегонным системам Октябрьской железной дороги в общем количестве 1432. Ранжирование выполнялось по величине выявленной связи, классифицированной по шкале Чеддока [5]. Сочетания, где корреляционная связь слабая либо отсутствует вовсе, пропускались.

Таблица 1

Высокая положительная и отрицательная корреляция эксплуатационно-технических показателей на примере Октябрьской железной дороги

Коэффициенты корреляции

Значения

Между величинами «Номенклатура предотказных состояний по проекту» и «Номенклатура отказов по проекту»

0,952

Между величинами «Количество отказов 1 и 2 категории за 3 года» и «Количество отказов, вызвавших задержку в движении поездов, за 3 года»

0,941

Между величинами «Количество задержанных поездов за три года» и «Суммарная продолжительность задержки поездов»

0,849

Между величинами «Количество отказов, вызвавших задержку в движении поездов, за 3 года» и «Количество задержанных поездов за три года»

0,717

Между величинами «Количество предотказных состояний за 3 года» и «Количество отступлений от норм содержания за 3 года»

0,683

Между величинами «Количество отказов 1 и 2 категории за 3 года» и «Количество задержанных поездов за три года»

0,678

Между величинами «Количество отказов 1 и 2 категории за 3 года» и «Продолжительность отказов 1 и 2 категории за 3 года»

0,655

Между величинами «Количество рельсовых цепей/путей» и «Номенклатура отказов по проекту»

0,645

Между величинами «Продолжительность отказов 1 и 2 категории за 3 года» и «Количество отказов, вызвавших задержку в движении поездов, за 3 года»

0,623

Между величинами «Количество рельсовых цепей/путей» и «Номенклатура предотказных состояний по проекту»

0,594

Между величинами «Количество отступлений от норм содержания за 3 года» и «Номенклатура предотказных состояний по проекту»

0,527

Между величинами «Количество пар поездов в сутки» и «Количество задержанных поездов за три года»

0,511

Окончание табл. 1

Коэффициенты корреляции

Значения

Между величинами «Количество отказов 3 категории за 3 года» и «Продолжительность отказов 3 категории за 3 года»

0,505

Между величинами «Количество отступлений от норм содержания за 3 года» и «Номенклатура отказов по проекту»

0,501

Между величинами «Класс железнодорожной линии» и «Специализация железнодорожной линии»

–0,627

Между величинами «Класс железнодорожной линии» и «Количество пар поездов в сутки»

–0,703

 

Таблица 2

Умеренная отрицательная корреляция эксплуатационно-технических показателей на примере Октябрьской железной дороги

Коэффициенты корреляции

Значения

Между величинами «Класс железнодорожной линии» и «Количество отказов, вызвавших задержку в движении поездов, за 3 года»

–0,304

Между величинами «Регламентное время устранения отказов» и «Номенклатура отказов по проекту»

–0,306

Между величинами «Класс железнодорожной линии» и «Количество рельсовых цепей/путей»

–0,370

Между величинами «Количество пар поездов в сутки» и «Регламентное время устранения отказов»

–0,374

Между величинами «Класс железнодорожной линии» и «Количество задержанных поездов за три года»

–0,384

Между величинами «Класс железнодорожной линии» и «Номенклатура предотказных состояний по проекту»

–0,439

Между величинами «Класс железнодорожной линии» и «Номенклатура отказов по проекту»

–0,476

 

Таблица 3

Умеренная положительная корреляция эксплуатационно-технических показателей на примере Октябрьской железной дороги

Коэффициенты корреляции

Значения

Между величинами «Количество пар поездов в сутки» и «Номенклатура отказов по проекту»

0,497

Между величинами «Продолжительность отказов 1 и 2 категории за 3 года» и «Количество задержанных поездов за три года»

0,492

Между величинами «Количество отступлений от норм содержания за 3 года» и «Количество рельсовых цепей/путей»

0,489

Между величинами «Количество отказов, вызвавших задержку в движении поездов, за 3 года» и «Суммарная продолжительность задержки поездов»

0,479

Между величинами «Количество предотказных состояний за 3 года» и «Номенклатура отказов по проекту»

0,466

Между величинами «Количество отказов 1 и 2 категории за 3 года» и «Количество предотказных состояний за 3 года»

0,466

Между величинами «Количество предотказных состояний за 3 года» и «Номенклатура предотказных состояний по проекту»

0,459

Между величинами «Количество отказов 1 и 2 категории за 3 года» и «Суммарная продолжительность задержки поездов»

0,458

Между величинами «Количество отступлений от норм содержания за 3 года» и «Количество отказов 3 категории за 3 года»

0,457

Между величинами «Количество пар поездов в сутки» и «Номенклатура предотказных состояний по проекту»

0,452

Между величинами «Количество отказов, вызвавших задержку в движении поездов, за 3 года» и «Количество предотказных состояний за 3 года»

0,444

Между величинами «Специализация железнодорожной линии» и «Количество пар поездов в сутки»

0,423

Между величинами «Количество пар поездов в сутки» и «Количество рельсовых цепей/путей»

0,412

Между величинами «Количество предотказных состояний за 3 года» и «Количество отказов 3 категории за 3 года»

0,411

Окончание табл. 3

Коэффициенты корреляции

Значения

Между величинами «Продолжительность отказов 1 и 2 категории за 3 года» и «Суммарная продолжительность задержки поездов»

0,409

Между величинами «Количество отказов 1 и 2 категории за 3 года» и «Количество отказов 3 категории за 3 года»

0,406

Между величинами «Количество отступлений от норм содержания за 3 года» и «Объект: станция / перегон»

0,401

Между величинами «Количество отказов, вызвавших задержку в движении поездов, за 3 года» и «Количество отказов 3 категории за 3 года»

0,391

Между величинами «Количество пар поездов в сутки» и «Количество предотказных состояний за 3 года»

0,365

Между величинами «Количество пар поездов в сутки» и «Количество отказов, вызвавших задержку в движении поездов, за 3 года»

0,359

Между величинами «Количество предотказных состояний за 3 года» и «Объект: станция / перегон»

0,341

Между величинами «Количество отказов 1 и 2 категории за 3 года» и «Количество рельсовых цепей/путей»

0,341

Между величинами «Количество отказов 1 и 2 категории за 3 года» и «Количество отступлений от норм содержания за 3 года»

0,341

Между величинами «Количество пар поездов в сутки» и «Количество отказов 1 и 2 категории за 3 года»

0,337

Между величинами «Количество отказов, вызвавших задержку в движении поездов за 3 года» и «Количество рельсовых цепей/путей»

0,335

Между величинами «Количество отказов 3 категории за 3 года» и «Количество рельсовых цепей/путей»

0,334

Между величинами «Количество пар поездов в сутки» и «Количество отступлений от норм содержания за 3 года»

0,325

Между величинами «Количество задержанных поездов за три года» и «Количество предотказных состояний за 3 года»

0,323

Между величинами «Количество задержанных поездов за три года» и «Количество рельсовых цепей/путей»

0,320

Между величинами «Количество отказов, вызвавших задержку в движении поездов, за 3 года» и «Количество отступлений от норм содержания за 3 года»

0,319

Между величинами «Количество предотказных состояний за 3 года» и «Количество рельсовых цепей/путей»

0,314

Между величинами «Специализация железнодорожной линии» и «Количество задержанных поездов за три года»

0,309

 

Как показал анализ корреляции, аналогичные оценки существенно расходятся для разных железных дорог, что можно объяснить различными причинами. Кроме того, в случае построения регрессионных моделей можно столкнуться с проблемой мультиколлинеарности в данных [6].

Дополнительно оценивалась теснота взаимосвязи между связанными величинами.

При сопоставлении средней величины фактического времени до восстановления с регламентным временем устранения отказов, для Октябрьской железной дороги была получена высокая величина корреляции – 0,74, что говорит о хорошей обоснованности регламентного времени, тогда как для других дорог величина аналогичного показателя падала до 0,15, то есть соответствовала практическому отсутствию взаимосвязи, а, следовательно, низкой объективности задания регламентного времени.

Таким образом, корреляционный анализ можно рассматривать как один из возможных инструментов, для оценки объективности данных о различных инцидентах, регистрируемых в информационных системах хозяйства автоматики и телемеханики, наряду с методами логического, когнитивного анализа и рядом иных [7].

Заключение

В части дальнейшего развития информационных систем, в том числе в части реализации прескриптивной аналитики для выработки управленческих решений по технической эксплуатации инфраструктуры видится проблема ресурсоемкости. Несмотря на бурное развитие вычислительной техники и рост ее вычислительных возможностей, а также ожидаемое отсутствие необходимости расчетов в реальном масштабе времени при решении некоторых задач технической эксплуатации, проблема недостатка вычислительных ресурсов может оказаться критичной. Существующие информационные системы решают множество задач, а новые задачи выступают дополнительной, причем существенно более сложной с вычислительной точки зрения нагрузкой. Некоторые из них, такие, например, как задача оптимального распределения различных ресурсов по сети железных дорог, очевидно, не могут быть решены за разумное время точными методами ввиду их огромной размерности. Выходом, помимо использования высокопроизводительных вычислительных ресурсов, видится применение моделей искусственного интеллекта, но конкретная область его применения и возможные риски требуют отдельной оценки.


Библиографическая ссылка

Горелик А.В., Дорохов В.С., Орлов А.В., Скрипниченко И.Г., Шерстюков О.С. ОСОБЕННОСТИ ПРИМЕНЕНИЯ ИНФОРМАЦИОННЫХ СИСТЕМ ДЛЯ УПРАВЛЕНИЯ ИНФРАСТРУКТУРНЫМ КОМПЛЕКСОМ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА // Современные наукоемкие технологии. – 2020. – № 6-2. – С. 228-233;
URL: https://top-technologies.ru/ru/article/view?id=38097 (дата обращения: 29.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674