Mathematical model for the locomotive average daily mileage forecasting
Keywords:
traction rolling stock, electric locomotive, locomotive repair, repair planning, Singular Spectrum Analysis, average daily mileage of a locomotiveAbstract
One of the urgent directions of improving the life cycle support system of traction rolling stock is through the improvement in the quality of the service organization. Despite the massive renewal of the locomotive fleet of Russian railways, with sufficient capacity of service enterprises, a long downtime still remains due to the wait for scheduled maintenance, which leads to unproductive losses. This becomes possible due to a decrease in the accuracy of the repair program planning service under the conditions of rapid development of the locomotive complex and infrastructure as well as the increasing traffic speeds and railway capacity. Which is why, there is a need to update the existing method of planning the locomotive repair request. Based on the method of spectral singular analysis of time series SSA (Singular Spectrum Analysis) in the Maple computer algebra software package, the author has developed and presented a mathematical model for predicting the locomotive average daily and linear runs. The adequacy of the results was verified by comparing the data obtained with the values of the specialized Caterpillar SSA program. Using the 3ES5K series locomotive fleet operated within the boundaries of the Eastern Polygon, when planning the repair program a comparison of the results of the mathematical model with the methodology operating on the railway network of JSC "Russian Railways" was carried out. The conclusion is made about the effectiveness of the developed solution. The mathematical model differs from the existing method by the possibility to consider technical, technological, seasonal and random factors that negatively affect the reliability of the forecast, allowing a more accurate determination of the date for the appropriate type of repair. The model can also be applied to any type of transport whose inter-repair period is normalized by mileage.
References
Давыдов Ю.А., Мухин О.О., Заболотный В.В. Оценка влияния системных неисправностей локомотивов на среднесуточный пробег // Изв. Транс. 2021. № 3 (47). С. 31–41.
Голяндина Н.Э. Метод «Гусеница» - SSA : анализ временных рядов. СПб. : Изд-во СПбГУ, 2004. 76 с.
Голяндина Н.Э. Метод «Гусеница» - SSA : прогноз временных рядов. СПб. : Изд-во СПбГУ, 2004. 50 с.
Golyandina N., Korobeynikov A. Basic Singular Spectrum Analysis and Forecasting with R // Computational Statistics and Data Analysis. 2014. Vol. 71. Р. 934–954. DOI: 10.1016/j.csda.2013.04.009.
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. № 66(1). Р. 251–263.
Multivariate and 2D Extensions of Singular Spectrum Analysis with the Rssa Package / N. Golyandina, A. Korobeynikov, A. Shlemov // Journal of Statistical Software. 2015. Vol. 67, Is. 2. Р. 1–78.
Голяндина Н.Э., Осипов Е.В. Метод «Гусеница» -SSA для анализа временных рядов с пропусками // Гусеница : сайт. URL: https://www.gistatgroup.com/gus/mvssa1ru.pdf (Дата обращения: 25.12.2021).
Кулинич, Ю.М., Шухарев С.А. Прогнозирование стоимости электроэнергии и состояния изоляции электрооборудования // Моделирование, оптимизация и информационные технологии. 2020. № 8 (3). С. 25–26.
Прогнозирование временного ряда на основе метода «Гусеница» -SSA / Н.Д. Поляхов, И.А. Приходько, Е.А. Воробьева, и др. // XVIII Междунар. конф. по мягким вычислениям и измерениям (SCM’2015) : материалы конф. СПб., 2015. Т. 1. С. 404–407.
Иванова К.А., Тирских В.В. Планирование объема грузоперевозок на станциях ВСЖД методом «SSA-Гусеница» // Информатизация и виртуализация экономической и социальной жизни : материалы VII Всерос. студен. науч.-практ. конф. с междунар. участием. Иркутск, 2019. С. 230–235.
Иванов В.В., Осетров Е.С. Прогнозирование суточных объемов пассажирских перевозок в Московском метрополитене // Письма в ЭЧАЯ. 2018. Т. 15. № 1(213). С. 88–108.
Трофимова В.Ш. Экономико-математическое моделирование и прогнозирование электропотребления промышленного предприятия (на примере ОАО «ММК») // Экономика, статистика и информатика. 2010. № 4. С. 109–114.
Щелкалин В.Н., Тевяшев А.Д. Трендовый и декомпозиционный подходы прогнозирования процессов потребления электроэнергии // Вост.-Европ. журн. передовых технологий. 2011. Т. 5. № 4(53). С. 30–37.
Щелкалин В.Н. Системный подход к синтезу математических моделей прогнозирования взаимосвязанных нестационарных временных рядов // Вост.-Европ. журн. журн. передовых технологий. 2015. Т. 2. № 4(74). С. 21–35.
Дьяконов В.П. Maple 10/11/12/13/14 в математических расчетах. М. : ДМК Пресс, 2011. 800 с.
Дьяконов В.П. Энциклопедия компьютерной алгебры : [Mathcad, Maple, Mathematica, Drive, MuPAD. Аналитические и численные вычисления и их визуализация. Сотни примеров математических расчетов]. М. : ДМК Пресс, 2010. 1263 с.
N. Golyandina, E. Osipov. The «Caterpillar»-SSA method for analysis of time series with missing values // Journal of Statistical Planning and Inference. 2007. № 137(8). Р. 2642–2653.
Степанов Д.В., Голяндина Н.Э. Варианты метода «Гусеница» - SSA для прогноза многомерных временных рядов // Идентификация систем и задачи управления : тр. IV Междунар. конф. Москва, 2005. С. 1831–1848.
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.
V. Ivanov, E. Osetrov. Application of Artificial Neural Networks and Singular-Spectral Analysis in Forecasting the Daily Traffic in the Moscow Metro // EPJ Web of Conferences. Dubna, 2018. P. 05009. DOI 10.1051/epjconf/201817305009.
Вохмянин С.В. Испытание алгоритма метода «гусеница-SSA» для восстановления временного ряда // Вестн. Сибир. гос. аэрокосм. ун-та им. акад. М.Ф. Решетнева. 2010. № 2(28). С. 59–62.
Нормы межремонтных пробегов железнодорожного подвижного состава, эксплуатируемого на инфраструктуре : распоряжение ОАО «РЖД» от 11.08.2016 г. № 1651/р. Доступ из справ.-прав. системы «Автоматизированная система правовой инофрмации на железнодорожном транспорте» (Дата обращения: 27.12.2021).
Методика расчета потребности в заводских и деповских ремонтах локомотивов ОАО «РЖД». Расчет Р1881 РР : распоряжение ОАО «РЖД» от 6.02.2019 г. № 198/р. Доступ из справ.-прав. системы «Автоматизированная система правовой инофрмации на железнодорожном транспорте» (Дата обращения: 27.12.2021).
