аспирант
УДК 629.423.1 Электровозы
Цель: Совершенствование системы планирования деповских, заводских ремонтов и модернизаций локомотивов в условиях поставки нового подвижного состава на основе контракта жизненного цикла путем разработки и применения математической модели прогнозирования среднесуточного и линейного пробегов с учетом влияния на пробег технико-технологических, сезонных и случайных факторов, а также неисправностей лимитирующих узлов и их модернизаций. Методы: Для реализации постав-ленной цели проведена оценка влияния непроизводительного простоя новых локомотивов на ремонтах в результате устранения неисправностей узлов и оборудования и простоя в ожидании плановых ремонтов на динамику среднесуточного и линейного пробегов. На базе метода многомерного спектрального сингулярного анализа и прогнозирования временных рядов Multi-Channel Singular Spectrum Analysis разработана математическая модель прогнозирования пробега, алгоритм которой реализован в интегрированной среде программирования Visual Studio (2019) на языке Си плюс-плюс. Результаты: Предложен метод определения пробега на основе данных прогноза с учетом возможных неисправностей узлов и оборудования и планируемых модернизаций. Практическая значимость: В условиях применения контракта жизненного цикла, в рамках которого подразумевается участие заводов-изготовителей локомотивов и их комплектующих в технической поддержке поставляемой продукции на всем ее сроке службы, использование предложенной модели при ежемесячном, ежеквартальном и ежегодном планировании программы ремонта позволит снизить время простоя в ожидании постановки на ремонтную позицию за счет более точного прогноза, рационально распределить ремонты, материалы, фонд линейного оборудования между сервисными предприятиями.
Тяговый подвижной состав, электровоз, планово-предупредительная система ремонта, ремонт локомотивов, планирование ремонтов, прогнозирование временных рядов, среднесуточный пробег, модернизация узлов
1. Давыдов Ю. А. Оценка влияния системных неисправностей локомотивов на среднесуточный пробег / Ю. А. Давыдов, О. О. Мухин, В. В. Заболотный // Известия Транссиба. - 2021. - № 3(47). - С. 31-41.
2. Мухин О. О. Математическая модель прогнозирования среднесуточного пробе-га локомотивов / О. О. Мухин // Современные технологии. Системный анализ. Моде-лирование. - 2022. - № 1(73). - С. 123-132.
3. Давыдов Ю. А. Совершенствование системы поддержки жизненного цикла ло-комотивов / О. О. Мухин, Ю. А. Давыдов, В. В. Заболотный // Современные техноло-гии. Системный анализ. Моделирование. - 2021. - № 3(71). - С. 92-101.
4. Степанов Д. Варианты метода «Гусеница»-SSA для прогноза многомерных временных рядов / Д. Степанов, Н. Голяндина // Идентификация систем и задачи управления: труды IV Международной конференции. - М., 2005. - С. 1831-1848.
5. Golyandina N. Multivariate and 2D Extensions of Singular Spectrum Analysis with the Rssa Package / N. Golyandina, A. Korobeynikov, A. Shlemov et al. // Journal of Statistical Software. - 2015. - Vol. 67. - Iss. 2. - Pp. 1-78.
6. Голяндина Н. Э. Обработка многомерных временных рядов с помощью метода «Гусеница» // Главные компоненты временных рядов: метод «Гусеница» / Н. Э. Голян-дина, Д. Л. Данилов; под ред. Д. Л. Данилова, А. А. Жиглявского. - СПб.: СПбГУ, 1997. - С. 105-131.
7. Надтока И. И. Двумерный метод сингулярного спектрального анализа при мо-делировании процесса почасового электропотребления летнего периода / И. И. Надто-ка, О. А. Корнюкова, С. А. Вялкова и др. // Известия вузов. Электромеханика. - 2012. - № 2 - С. 26-30.
8. Иванова К. А. Планирование объема грузоперевозок на станциях ВСЖД мето-дом «SSA-Гусеница» / К. А. Иванова, В. В. Тирских // Информатизация и виртуализа-ция экономической и социальной жизни: материалы VII Всероссийской студенческой научно-практической конференции с международным участием. Иркутск, 20 ноября 2019 г. - Иркутск: Иркутский национальный исследовательский технический уни-верситет, 2019. - С. 230-235.
9. Кулинич Ю. М. Прогнозирование стоимости электроэнергии и состояния изо-ляции электрооборудования / Ю. М. Кулинич, С. А. Шухарев // Моделирование, опти-мизация и информационные технологии. - 2020. - Т. 8. - № 3(30).
10. Иванов В. В. Прогнозирование суточных объемов пассажирских перевозок в Московском метрополитене / В. В. Иванов, Е. С. Осетров // Письма в журнал Физика элементарных частиц и атомного ядра. - 2018. - Т. 15. - № 1(213). - С. 88-108.
11. Трофимова В. Ш. Экономико-математическое моделирование и прогнозиро-вание электропотребления промышленного предприятия (на примере ОАО «ММК») / В. Ш. Трофимова // Экономика, статистика и информатика. Вестник УМО. - 2010. - № 4. - С. 109-114.
12. Ташилова А. А. Структурный анализ и прогноз зимних осадков методом «Caterpillar»-SSA / А. А. Ташилова, Л. А. Кешева, С. Б. Балкарова и др. // Доклады Адыгской (Черкесской) Международной академии наук. - 2013. - Т. 15. - № 1. - С. 106-114.
13. Golyandina N. Basic Singular Spectrum Analysis and Forecasting with R. / N. Gol-yandina, A. Korobeynikov // Computational Statistics and Data Analysis. - 2014. - Vol. 71. - Pp. 934-954.
14. Harmouche J. The Sliding Singular Spectrum Analysis: a Data-Driven Non-Stationary Signal Decomposition Tool / J. Harmouche, D. Fourer et al. // IEEE Transactions on Signal Processing. - 2018. - Iss. 66(1). - Pp. 251-263.
