Существующий рынок предложений транспортного оборудования предлагает большее количество машин и их моделей. Например, для открытых горных работ – автосамосвалы (более 20 фирм, с количеством моделей от единиц до нескольких десятков), автопоезда, колесные скреперы; для шахт и рудников более 10 крупных фирм предлагают технологическое оборудование – погрузочно-доставочные машины, самоходные вагоны, подземные автосамосвалы. Очевидно, что задача выбора многовариантна, а применение метода со сравнением получаемых результатов и разнородных критериев (экономических, экологических, социальных, технологических и др.) не позволяет уверено определить лучший проект (вариант). Необходимо применять другие, более эффективные методы, производить имитационное моделирование, основанное на математических моделях, допущениях, привносящих свою погрешность.

Выбор обоснованных критериев для разработки в проекте решений (технологических, экономических и др.) сейчас предложены многими исследователями и основывается на методах оптимизации, многие из которых сводятся к поиску решения максимума эффективности при минимуме затрат (является, как правило, конечной целью). Учитывая сложность и неоднозначность функционирования горного предприятия (спрос на продукцию, изменение свойств горных пород, перемещение в пространстве добычных работ и другие специфические особенности эксплуатации горного производства) трудоемкость расчета проекта возрастает. Необходимо учитывать предложения рынка техники, постоянно предлагающего новые модели машин, которые могут дать при использовании лучший результат.

Например, выбирая модель автосамосвала по критериям эффективности (наилучшим по производительности, стоимости, затратам на эксплуатацию, показателям надежности) и в полной мере соответствующей требованиям выполнения транспортных работ (по безопасности, горно-техническим условиям, привязки к другому технологическому оборудованию), даже опытный специалист, располагающий необходимой информацией, испытывает сложности количественного подтверждения выбора (обоснования) конкретной модели [1]. Причина – разнообразие целей предъявляемых заказчиком (приобретателем техники), большое количество моделей машин (и производителей техники), имеющих похожие технические характеристики, экономическая оценка проекта, территориальное расположение горного предприятия и др.

При изменении объёмов работ, имеющиеся в парке машин модели изменить за короткий период практически невозможно. Увеличение их числа требует больших затрат и времени на ввод в эксплуатацию. Уменьшение их числа приведёт к потере производительности, простою неиспользуемых машин и финансовым потерям. При проектировании горных работ после определения числа рабочих машин вводится коэффициент резервирования, увеличивающий количество автосамосвалов в парке в 1,3 …2 раза.

Обоснованный выбор требует выполнение оптимизационных (сравнительных) расчетов по выбранным критериям эффективности и достижения цели. В результате сравнения применяемых критериев и методик выбора лучшей модели, оценки и прогнозирования их качеств, методов функционально-стоимостного анализа, критериальных оценок для создания транспортных комплексов с наиболее рациональными параметрами для определенных (конкретных) условий работы горных предприятий, предложено использовать показатели материального транспортного потока.

Транспортирование груза от места производства (добычи) до места доставки (потребления, переработки) рассматривается как движение материального потока, протекающего в пространственно-временной системе координат. Интегральным показателем транспортного потока является величина транспортных услуг, физический смысл которой – отображать величину расхода мощности транспортной машины за время транспортирования. Характеризуется тремя параметрами: объёмом Q[т], временем T[ч] и расстоянием L[км] и находится в одном из 4-х состояний: погрузки-транспортирования-выгрузки-хранения. Используется в технико-экономических расчетах энергетической составляющей транспортного процесса: рассеивание мощности на 1 км пути при доставке 1т груза, и, в отличие от транспортной работы (т км), учитывает скорость доставки груза и позволяет привлечь современные положения транспортной логистики [2].

Общая эффективность транспортной услуги (Эм, Эр) с учётом затрат энергии определяется отношением выполненной транспортной работы к затрачиваемой мощности:

Эм = (Q·L) / (Q·L² T^-3 ) = Т³ /L ,

и отношением выполненной транспортной услуги к выполненной работе:

Эр = (Q·L)(LT^-1) /(Q·L² T^-2).

При минимальных значениях показателей Эм и Эр обеспечиваются лучшие показатели применения транспортных машин.

Для обоснования выбора вида транспорта и конкретных моделей транспортных машин, их количества в парке используются критерии стабильности работы транспортной системы и транспортного потока, учитывающих динамику развития горных работ в карьере.

Идея заключается в том, что существующее многообразие транспортных машин и даже их виртуальных конструкций однозначно характеризуются (идентифицируются) по предложенным критериям, что позволяет обосновать выбирать машины и составлять из них транспортные комплексы, прогнозировать изменение требований к свойствам машины и комплексов в динамике развития горных работ.

Для повышения эффективности управления производственной эксплуатации предприятия на уровне структуры парка машин необходимо на основе аутсорсинга создавать центры техники с функциями выполнения технической эксплуатации и предоставления лизинговых услуг. Приведённые в работе предложения могут быть применимы также и к горным машинам (буровые станки, экскаваторы) и строительно–дорожной технике (бульдозеры, краны, сваезабойные машины), к городскому транспорту мегаполисов и к другим видам производственной деятельности, использующих парки технологически однородных машин.

Обеспечение управления бизнес-процессами, решение задач проектирования и исследования технических, экономических, организационных и прочих разновидностей систем в современности невозможно без привлечения математического моделирования в качестве системной категории. Одним из актуальнейших направлений является имитационное моделирование с использованием компьютерных технологий.

В рамках этой статьи создадим имитационную модель системы массового обслуживания с общей очередью и несколькими каналами обслуживания. В качестве предметной области был выбран процесс выдачи книг по запросам читателей библиотеки. Для моделирования воспользуемся программным комплексом AnyLogic. Данный продукт способен составлять модели с использованием основных парадигм имитационного моделирования, таких как дискретно-событийное моделирование, системная динамика и агентное моделирование. Прибегнем к использованию агента в системе, который будет играть роль каждого посетителя библиотеки, вводить их в очередь и затем выводить после обслуживания на одном из каналов.

Пусть количество каналов будет равно трём, в понятиях предметной области это будет значит, что читателей будет обслуживать три библиотекаря. Сам процесс обслуживания меняться от числа каналов не будет, изменения будут претерпевать количество условий перехода на конкретный канал обслуживания, что можно заметить по приведённой ниже блок-схеме.

Рисунок 1 – Блок-схема обслуживания посетителей

Теперь перейдём к непосредственному моделированию системы массового обслуживания. Для этого достаточно будет стандартных блоков программы. Ниже представлено изображение созданной модели.

Рисунок 2 – Моделирование деятельности библиотеки

Для незнакомых с инструментарием AnyLogic приведём описание каждого блока системы. Индекс n обозначает номер канала обслуживания.

Таблица 1 – Описание блоков системы AnyLogic

Также немаловажными являются дополнительные параметры агента, используемые для определения поведения читателя библиотеки. Приведём их в отдельной таблице.

Таблица 2 – Параметры агента

Стоит упомянуть, что в AnyLogic допускается использование языка Java для описания событий, их обработчиков и прочего. Например, упомянутое в таблице выше событие event подсчитывает время бездействия каждого библиотекаря, активируясь каждую единицу модельного времени:

System.out.println(“—–”);

if (this.busy1==false) {this.free1++;} else {this.free1=0;} System.out.println(free1);

if (this.busy2==false) {this.free2++;} else {this.free2=0;} System.out.println(free2);

if (this.busy3==false) {this.free3++;} else {this.free3=0;} System.out.println(free3);

System.out.println(“—–”);

В некоторых блоках модели также используется Java-код, продемонстрируем её в ещё одной таблице.

Таблица 3 – Использование Java-кодов в модели

Таким образом, модель воплотила первоначальную задумку и стала полностью функциональной. Будет нелишним собрать некоторую статистику с созданной модели, чему могут поспособствовать элементы AnyLogic из палитры Презентация. На скриншоте ниже показана статистика, собираемая во время работы системы с пятью каналами.

Рисунок 3 – Сбор статистики в окне симуляции

Модель также возможно представить в трёх измерениях, отдельно разметив точки размещения агентов при прохождении определённых блоков системы. Примером такого отображения модели показан ниже.

Рисунок 4 – Трёхмерная анимация модели с пятью библиотекарями

Подведём итог: моделирование уже давно является одним из важнейших аспектов, принимаемых в расчёт в процессе принятия решений, при использовании автоматизированных программных пакетов и имитационного моделирования, на основе которого и реализуется такое ПО, полезность моделирования как такового повышается за счёт возможности увидеть воочию, как будет вести себя имитируемый процесс и насколько эффективны будут его показатели.