Исследование показателей эффективности перевозки грузов железнодорожным транспортом вероятностным анализом безубыточности
Ключевые слова:
перевозка грузов, железнодорожный транспорт, показатели эффективности, вероятностный анализ безубыточности, метод Монте-КарлоАннотация
Разработано алгоритмическое и программное обеспечение вероятностного анализа безубыточности на основе метода Монте-Карло для оценки показателей эффективности перевозки грузов железнодорожным транспортом. Исходными данными для расчета этих показателей являются: грузооборот; постоянные затраты; переменные затраты на единицу грузооборота; средняя цена единицы грузооборота; размер инвестиций. Для оценки эффективности перевозки грузов в статье выбраны: точка безубыточности, операционная прибыль и рентабельность инвестиций. Программное обеспечение вероятностного анализа безубыточности создано на основе метода Монте-Карло с использованием языка программирования Python, описаны его функциональные возможности. В программном обеспечении существует возможность проводить тестирование моделей исходных данных, выводить результаты тестирования, а также результаты обработки выборочных значений, полученных методом Монте-Карло. Особенностью исследования на основе вероятностного анализа безубыточности является учет неопределенности перевозочного процесса железнодорожным транспортом, что приводит к случайности исходных данных и показателей эффективности. Тестирование и апробация созданного программно-алгоритмического обеспечения проведены по данным одной из железных дорог ОАО «РЖД». Учитывая конфиденциальность исходных сведений, они представлены в условных единицах. Тестирование программного обеспечения показало высокое качество моделирования исходных данных методом Монте-Карло, так как все значения математических ожиданий попали в доверительные интервалы, полученные по выборочным данным. Созданное программно-математическое обеспечение на основе метода Монте-Карло повысит качество принятия управленческих решений за счет определения количественных значений показателей эффективности.
Библиографические ссылки
Бирюзов В.П. Об основных направлениях развития систем диагностики и мониторинга путевого хозяйства до 2025 г. // Путь и путевое хозяйство. 2016. № 4. С. 4–8.
Бугаенко В.М. Мониторинг и диагностика инфраструктуры скоростных мобильных комплексов // Путь и путевое хо-зяйство. 2015. № 4. С. 12–16.
Антипов А.Г., Марков А.А. Новые возможности магнитодинамического метода контроля рельсов // Путь и путевое хо-зяйство. 2016. № 8. С. 27–32.
Ковалев И.А., Колокольников В.С. Влияние отказов технических средств на выполнение графика движения поездов // Транспорт Урала. 2014. № 2 (41). С. 54–57.
Комплексный анализ состояния рельсового пути с помощью нового вагона-дефектоскопа АВИКОН–03М / А.А. Мар-ков, П.Г. Политай, С.П. Маховиков и др. // В мире неразрушающего контроля. 2013. № 3 (61). С. 74–79.
Осьминин А.Т., Мехедов М.И., Медников Д.В. Обеспечение интероперабельности перевозок // Железнодорожный транспорт. 2019. № 7. С. 11–17.
Розенберг Е.Н., Аношкин В.В. Перспективы роста пропускной способности участков // Железнодорожный транспорт. 2020. № 3. С. 4–7.
Сотников Е.А., Мехедов М.И. Холодняк П.С. Интенсификация роста загруженных направлений сети железных дорог // Железнодорожный транспорт. 2020. № 3. С. 11–14.
Попова Н.Н., Краковский Ю.М. Обобщенное прогнозирование показателей грузовых перевозок железнодорожным транспортом на основе сценарного подхода // Вестник РГУПС. 2020. № 3 (79). С. 132–138.
Маловецкая Е.В., Козловский А.П. Анализ моделей и принципов системного моделирования при построении прогноз-ных моделей погрузки грузов // International journal of open information technologies. 2020 Т. 8. № 12. С. 39–48.
Крамынина Г.Н. Разработка многофакторной модели для прогнозирования грузооборота на Восточно-Сибирской же-лезной дороге // Математические методы в технологиях и технике. 2022. № 3. С. 38–41.
Попова Н.Н., Краковский Ю.М. Прогнозирование грузооборота с учетом факторных моделей // Актуальные вопросы аграрной науки. 2019. № 32. С. 63–69.
Краковский Ю.М., Каргапольцев С.К., Начигин В.А. Моделирование перевозочного процесса железнодорожным транспортом: анализ, прогнозирование, риски. СПб. : ЛИТЕО, 2018. 240 с.
Кельтон В.Д., Лоу А.М. Имитационное моделирование. СПб. : Питер : Киев : Изд. группа BHV, 2004. 847 с.
Холлендер М., Вульф Д. Непараметрические методы статистики. М. : Финансы и статистика, 1983. 518 с.
Куликов В.Е. Теоретические проблемы моделирования хозяйственной деятельности сельскохозяйственных предприя-тий в условиях неопределенности // Экономика и управление: проблемы, анализ тенденций и перспектив развития : сб. материалов III Междунар. науч.-практ. конф. Новосибирск, 2018. С. 118–126.
Доусон М. Программируем на Python. СПб. : Питер, 2014. 416 с.
Поляков К.Ю. Программирование. Python. C++. Ч. 1. М. : БИНОМ. Лаборатория знаний, 2019. 144 с.
