Оценка экономической эффективности профилактических мероприятий по сокращению числа нарушений при управлении подвижным составом

Цель. Целью работы является рассмотрение вопросов повышения объективности оценки качества управления подвижным составом машинистами.
Методы. В исследовании, представленном в статье, используются методы статистического анализа и линейной алгебры.
Результаты. Разработан алгоритм формирования профилактических мероприятий и произведена оценка эффективности их применения для машинистов транспортных средств городских рельсовых транспортных систем (ГРТС). Алгоритм формирования профилактических мероприятий для машинистов ГРТС включает в себя: прогнозирование нарушений; определение факторов, влияющих на возникновение каждого из типов нарушений; определение показателей машинистов, больше всего отклоняющихся от целевых значений. Оценка эффективности базируется на предположении о соотношении стоимости работы машиниста-инструктора с машинистом к стоимости потерь, которые может понести компания в случае совершения нарушения. В статье показано, что уровень ошибки первого рода в модели прогнозирования нарушений в работе машинистов оправдан при условии, что затраты, которые возникают при грубых нарушениях при управлении подвижным составом, значительно выше затрат на работу с этим машинистом. Представлен анализ применения интеллектуальной системы в 4-х эксплуатационных депо.
Заключение. В статье представлен алгоритм формирования профилактических мероприятий для машинистов, управляющих подвижным составом. Сформулирован экономический критерий эффективности применения разработанной математической модели прогнозирования грубого нарушения при управлении подвижным составом машинистом. Проведен анализ необходимых и достаточных условий экономической эффективности применения интеллектуальной системы. Представлен сравнительный анализ среднего количества грубых нарушений при управлении подвижным составом машинистами в депо с внедренной интеллектуальной системой и без нее.

1. Баранов Л.А., Сидоренко В.Г. Интеллектуальные киберфизические системы управления движением внеуличного транспорта (2 часть) // Транспортное строительство. 2021. № 4. С. 19-23.

2. Интеллектуальное централизованное управление движением внеуличного городского железнодорожного транспорта в условиях интенсивного движения / Л.А. Баранов, В.Г. Сидоренко, Е.П. Балакина, Л.Н. Логинова // Надежность. 2021. Т. 21. № 2. С. 17-23. DOI: 10.21683/1729-2646-2021-21-2-17-23

3. Свидетельство о государственной регистрации программы для ЭВМ №2020612670 Россия. Автоматизированная система Доверенная среда локомотивного комплекса (2019) / Кулагин М. А., Харин О. В., Якимов С. М., Гоник М. М., Хлудеев М. А., Ярощук Д. И.; опубл. 23.03.2020.

4. Kulagin M., Sidorenko V. A Recommender Subsystem Construction for Calculating the Probability of a Violation by a Locomotive Driver using Machine-learning Algorithms // 2020 IEEE East-West Design & Test Symposium (EWDTS). 2020. Рp. 1-5.

5. Kulagin M., Sidorenko V. An Intelligent Evaluation System for Predicting Engine Driver Reliability // Russian Electrical Engineering. 2020. Vol. 91. № 9. Pp. 587-591.

6. Кулагин М.А., Сидоренко В.Г. Поддержка принятия решения по профилактике нарушений безопасности в работе // Надежность. 2021. Т. 21 № 4. С. 38-46.

7. Проневич О.Б., Зайцев М.В. Интеллектуальные методы повышения точности прогнозирования редких опасных событий на железнодорожном транспорте // Надежность. 2021. Т. 21. № 3. С. 54-64.

8. Применение методов машинного обучения для прогнозирования опасных отказов объектов железнодорожного пути / И.Б. Шубинский, А.М. Замышляев, О.Б. Проневич, А.Н. Игнатов, Е.Н. Платонов // Надежность. 2020. Т. 20. № 2. С. 43-53.

9. Гапанович В.А., Шубинский И.Б., Замышляев А.М. Математическое и информационное обеспечение системы УРРАН // Надежность. 2013. № 1. С. 3-19.

10. Гречишников В.А., Куров Н.Д., Куров Д.А. Использование квалификационной способности нейронных сетей для определения аварийных режимов в тяговой сети // Электротехника. 2020. № 9. С. 20-25.

11. Kulagin M., Khromov S., Sidorenko V. Machine learning application for support for automated control systems users // Journal of Physics: Conference Series. 2020. Vol. 1680. № 1. P. 12019.

12. Воронкова Е.А., Медведева В.М. Оценка профессиональных рисков машинистов и помощников машинистов железнодорожно-строительных машин // Проблемы безопасности российского общества. 2019. № 4. С. 42-48.

13. Петренко В. Современные тренажеры для локомотивных бригад // Проблемы безопасности на транспорте: материалы X международной научно-практической конференции. Часть 3: Безопасность транспортных систем. Безопасность пассажирских перевозок. Гомель, 26–27 ноября 2020 г. С. 48-49.

14. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. New York: Springer, 2001. 745 p.