Модель эксплуатации подвижного ЖД состава

Задача

У компании-заказчика, осуществляющей обслуживание тягового подвижного состава, возник запрос на создание инструмента оперативного управления движением составов и локомотивов на участке железнодорожной сети, позволяющего проверять и формировать предложения по управлению движением локомотивов.

Цели, которые преследовал заказчик:

  • минимизация рисков неподачи локомотива под состав;
  • определение оптимального количества и географического распределения локомотивов для баланса рисков невывоза составов и фиксирования затрат на локомотив;
  • определение факторов отклонения от оптимальных параметров для разработки корректирующих мероприятий.

Анализ данных

Анимация имитационной модели - инструмента оперативного управления движением составов и локомотивов на участке железнодорожной сети.

Для построения модели мы проанализировали данные заказчика по операциям на участке железнодорожной сети за ноябрь 2018 года: статистику по вывезенным и не вывезенным составам, данные по движению локомотивов, число ремонтных депо и их пропускную способность, нормативную документацию по ремонтам и данные по фактически произведенным ремонтам. Также, была проанализирована структура и пропускная способность самой железнодорожной сети.

На основе анализа данных были выделены 4 локомотивных депо, 5 типов локомотивов, 5 категорий ремонтных работ, а также особенности рассматриваемого участка железнодорожной сети: весовые зоны, участки подталкивания, однопутные участки. Ремонты подразделялись на плановые и внеплановые. Средняя периодичность и длительность плановых ремонтов оценивалась исходя из нормативных данных, частота и периодичность внеплановых ремонтов оценивалась по фактическим данным заказчика.

В модели необходимо было отразить:

  • фактический пробег и состояние локомотивного парка на начало моделирования;
  • деление участка железнодорожной сети по зонам обслуживания депо (на границах зон происходит перецепка локомотивов);
  • зависимость числа локомотивов, подаваемых под состав, от веса состава;
  • возможность работы локомотива в разных режимах:
    • в голове поезда;
    • кратная тяга;
    • подталкивание;
  • весовые зоны участков – при пересечении границы весовой зоны при необходимости запрашивается новый локомотив.

Модель

Гистограмма распределения времени обслуживая локомотивов

В результате анализа данных мы создали имитационную модель движения тягового подвижного состава на участке железнодорожной сети.

Логика работы локомотивных бригад: смены, перецепки локомотивов, простои – была реализована при помощи агентного и дискретно-событийного моделирования. При помощи агентного моделирования мы отражали в модели сущности предметной области – поезда, локомотивы, депо. Процесс диспетчеризации и назначения локомотивов мы отразили при помощи инструментов потоковых диаграмм и заявок. Для задания железнодорожной сети мы использовали библиотеку JGrapht – участок сети мы задавали при помощи неориентированного графа, а для назначения маршрута локомотиву использовали алгоритм поиска кратчайшего пути Дейкстры.

В результате, модель обладает удобным графическим интерфейсом для отображения локомотивов на ГИС-карте, их статусов и генератором отчетности, в формате, который аналогичен формату отчетов бизнес-заказчика.

Модель позволяет рассчитывать показатели КИО и КТГ локомотивного парка в разрезе депо и серии локомотива, предусмотрена возможность подстановки сценариев движения локомотивов в заданном формате.

Графический интерфейс, выходной отчет, возможность подстановки желаемых сценариев движения локомотивов в модель, встроенный расчет КИО и КТГ локомотивного парка – все это делает модель удобным инструментом оценки предлагаемых корректирующих инициатив и оперативного управления локомотивным парком.

Статистика работы железнодорожного тягового депо

Результат

В результате проекта заказчик получил инструмент, позволяющий в оперативном режиме корректировать работу локомотивных бригад для достижения снижения простоя локомотивов и задержек подач локомотивов под состав.

Вы можете ознакомиться с упрощённой версией модели в публичном облаке AnyLogic Cloud.