Россия
Цель: разработать решение проблемы трудоемкости информационного сопровождения грузовой перевозки с помощью интеллектуальной информационной технологии (далее — ИИТ) на основе изучения проблемных мест взаимодействия перевозчика и грузовладельца, а также существующих методов его улучшения. В статье определена структура ИИТ, усовершенствована система управления процессом приема вагона к перевозке, разработана система поддержки принятия решений в области грузовых железнодорожных перевозок. Схема жизненного цикла перевозочного процесса, построенная с помощью методологии функционального моделирования IDEF0, отражает влияние интеллектуальной информационной технологии на все составляющие при ее внедрении. Практический аспект реализации представлен программным продуктом на базе нейросетевого модельного комплекса. Приведены результаты модельных экспериментов в лабораторных условиях и испытаний в реальных условиях на полигоне Октябрьской железной дороги, которые показали существенное снижение затрат времени на прием вагона к перевозке и влияния человеческого фактора, что в перспективе снижает себестоимость грузовых перевозок. Методы: в исследовании применяются методы системного анализа, теории управления перевозками, нейросетевого моделирования и синтеза существующих моделей. Результаты: предложена технология и разработаны конкретные инструменты повышения качества информационного сопровождения железнодорожных грузовых перевозок. Практическая значимость: внедрение разработанных решений позволит автоматизировать информационное сопровождение железнодорожных грузовых перевозок и обмен данными между перевозчиком и грузоотправителем.
интеллектуальная информационная технология, система управления, система поддержки принятия решений, нейросетевая модель, коммерческий осмотр, автоматизация
1. Системы управления ж/д транспортом. URL: https://niias.ru/products-and-services/products/ sistemy-upravleniya zh-d-transportom/ (дата обращения: 10.03.2024).
2. Матюхин В. Г. Интеллектуальные системы для железнодорожного транспорта. Опыт и перспективы // Труды четвертой научно-технической конференции с международным участием «Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование» (ИСУЖТ‑2015). М., 2015. С. 3–5.
3. Концепция реализации комплексного научно-технического проекта «Цифровая железная дорога»: распоряжение ОАО «РЖД» от 05.12.2017 № 1285. URL: https://company.rzd.ru/ ru/9397/page/104069?id=56885 (дата обращения: 09.03.2024).
4. Верескун В. Д. Методы управления в корпоративных информационных системах на транспорте // Вестник Ростовского государственного университета путей сообщения. 2008. № 1. С. 61–67.
5. Автоматизированная система коммерческого осмотра поездов и вагонов. URL: https://www. alfa-pribor.ru/products/automated-inspection- system/ asko-pv/ (дата обращения: 10.03.2024).
6. Кулькин А. Г. Совершенствование систем управления технологическими процессами на железнодорожном транспорте // Вестник Ростовского государственного университета путей сообщения. 2002. № 2. С. 96–98.
7. Смирнов Ф. А., Новичихин А. В., Ковалев К. Е. Совершенствование грузовой и коммерческой работы на железнодорожном транспорте: концепция и инструментарий // Известия Петербургского университета путей сообщения. 2023. Т. 20, вып. 2. С. 302–313.
8. Методы классической и современной теории автоматического управления: учебник: в 3 т. Т. 3: Методы современной теории автоматического управления / под ред. Н. Д. Егупова. М.: Изд-во МГТУ им. Н. Э. Баумана, 2000. 748 с.
9. Новиков Д. А. Теория управления организационными системами. М.: МПСИ, 2005. 584 с.
10. Haettenschwiler P. Neues anwenderfreundliches Konzept der Entscheidungs-unterstutzung. Gutes Entscheiden in Wirtschaft&Politik. Zurich: Hochschulverlag, 1999. P. 189–208.
11. Программа для определения типа вагонов и опасных грузов: свидетельство о регистрации программы для ЭВМ № 2022617520. 11.04.2022 / 21.04.2022 / Ф. А. Смирнов [и др.].
12. Программа для определения правильности погрузки щебня в полувагон: свидетельство о регистрации программы для ЭВМ № 2023666145. 14.07.2023 / 26.07.2023 / Ф. А. Смирнов, И. А. Щербак, А. В. Новичихин.
13. Сакович И. Л., Смирнов Ф. А., Новичихин А. В. Интеллектуальная информационная технология коммерческого осмотра // Железнодорожный транспорт. 2024. № 5. С. 25–27.
14. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы / пер. с польск. И. Д. Рудинского. М.: Горячая линия — Телеком, 2006. 452 с.
15. Владимиров Д. А. Булевы алгебры. М., 1969. С. 320.
