Обзор
Компания Alstom — мировой лидер в транспортном секторе. Компания производит поезда, системы железнодорожной сигнализации, создаёт комплексные транспортные системы, а также оказывает услуги по ремонту и техническому обслуживанию поездов и железных дорог. Среди продукции Alstom — высокоскоростные европейские поезда TGV и Eurostar. В 105 филиалах компании по всему миру работает более 34 тысяч сотрудников. Чистый доход компании составляет 475 миллионов евро.
Компания SimPlan AG — крупнейший в Германии консультант по имитационному моделированию в области автомобилестроения и логистики. Доход компании составляет 14,5 миллиона евро.
Компания Alstom придерживается мнения, что инновации играют решающую роль в преодолении современных транспортных проблем. Поэтому компания заключила договор с SimPlan на разработку цифровой системы поддержки принятия решений в сфере технического обслуживания парка поездов.
Работа проводилась в рамках финансируемого Европейской комиссией проекта EU OPTIMIZED. Этот проект — крупная европейская инициатива, цель которой — разработать методы и средства для высоко оптимизированного оперативного планирования во многих отраслях промышленности. Ключевую роль в проекте играет имитационное моделирование, особенно цифровые двойники, построенные с помощью этой технологии. Цифровой двойник — это виртуальная копия физической системы и ее процессов. Такие имитационные модели могут постоянно обновляться, используя актуальные данные из разных источников, и таким образом отражать реальное состояние своих физических прототипов.
Проблема
Alstom осуществляет техническое обслуживание всего парка поездов Pendolino (56 подвижных составов) на загруженной железной дороге WCML (West Coast Main Line, Железнодорожная магистраль западного побережья) в Великобритании. Располагая пятью депо, компания должна была учитывать многие аспекты при планировании и осуществлении технического обслуживания составов:
- Ежедневные потребности WCML относительно количества поездов, осуществляющих перевозки, их пути следования и расписание.
- Режимы технического обслуживания: периодичность и параметры технического осмотра и ремонта составов, например, время эксплуатации или пробег поезда между ТО.
- Внеплановое техобслуживание в случае аварии или поломки.
- Эксплуатационные возможности каждого депо.
Когда поезда проходят техобслуживание раньше, чем необходимо, обслуживающая компания терпит убытки. Однако задержка техобслуживания может привести к поломкам и дополнительному дорогостоящему ремонту. Таким образом, возникла потребность в комплексном цифровом инструменте, который помог бы эффективно организовать процесс техобслуживания.
Решение
Так как на планирование технического обслуживания влияет много параметров, было решено прибегнуть к имитационному моделированию всей системы технического обслуживания. Но простого моделирования с фиксированными входными данными в этом случае было недостаточно из-за быстро меняющейся обстановки на железной дороге: несмотря на существующее расписание поездов, очень сложно предсказать местонахождение поезда даже на несколько дней вперёд. Использование актуальных, ежедневно обновляемых данных позволило бы достоверно отражать систему технического обслуживания поездов. Поэтому было решено разработать цифрового двойника существующей системы с помощью AnyLogic.
Для симуляции и планирования транспортного сообщения AnyLogic позволяет применять любой наиболее подходящий метод моделирования или даже комбинацию методов. Для создания этой модели разработчики выбрали метод агентного моделирования, что позволило в деталях отразить железнодорожную сеть и её составляющие:
- парк поездов;
- все депо технического обслуживания и ж/д станции;
- режимы технического обслуживания;
- диаграммы, отображающие расписание всех поездов.
AnyLogic также позволил разработчикам использовать данные, полученные из разных источников, без изменения формата. Системные данные о поездах, станциях, депо технического обслуживания и их эксплуатационных ограничениях представлялись в Excel-таблицах, а диаграммы с расписанием движения подвижных составов, обновляемые ежедневно, — в виде CSV-файлов.
В основе программы-планировщика технического обслуживания, которую раньше использовала компания Alstom, лежал эвристический алгоритм для составления расписания ТО. AnyLogic позволил разработчикам внедрить этот же алгоритм непосредственно в модель. Это является большим преимуществом, так как когда модель и программа-планировщик связаны напрямую, они запускаются одновременно, и полученные результаты сразу используются в модели. Это значительно ускоряет и упрощает работу.
С помощью инструментов визуализации AnyLogic разработчикам удалось создать интерактивный и простой в использовании интерфейс. В AnyLogic предусмотрена возможность отображения и использования в модели ГИС-карт. Воспользовавшись этой функцией, разработчики наглядно отобразили всё происходящее с поездами, используя карту OpenRailwayMap (открытая детальная карта мировой железнодорожной инфраструктуры). В результате пользователи модели могут видеть все передвижения поездов и другие процессы, в которых участвуют составы. Кроме того, детализация позволяет кликнуть по любому элементу карты и получить о нем исчерпывающую информацию. О подвижных составах отображаются следующие сведения:
- статистические данные о суммарном количестве отработанных поездом часов;
- подробная информация о профилактических операциях по ТО и ремонту, которые уже были проведены или только запланированы, а также о задействованных в этих операциях депо;
- количество времени, которое в соответствии с расписанием поезд может простаивать для проведения ТО.
Разработчики также создали пользовательские Java-расширения и автономное приложение для моделирования и оптимизации железнодорожного парка, которое можно использовать без установки на компьютер Anylogic. Это упростило демонстрацию модели руководству.
В дальнейшем планируется внести в имитационную модель ряд усовершенствований. Например, намечена установка детекторов на поезда, чтобы данные с них поступали непосредственно в модель, что сделало бы ее более реалистичной. Также программа планирования технического обслуживания будет улучшена за счет добавления в функционал вероятностных методов и элементов машинного обучения. Это позволит осуществлять прогностическое планирование и найти более оптимальные подходы к планированию в общем.
Результат
Цифровой двойник отображает функционирование всего парка поездов железной дороги WCML. Это позволяет Alstom избегать лишних убытков при техническом обслуживании подвижных составов за счет подбора оптимального решения с учетом существующих эксплуатационных ограничений. С помощью модели-двойника пользователь может:
- оценить работу всей системы при заданных параметрах и выявить узкие места;
- исследовать различные способы более экономичного технического обслуживания поездов (изменение режимов обслуживания парка, стратегии планирования, пропускной способности депо) в безопасной цифровой среде;
- сравнить различные сценарии, оценить их ключевые показатели эффективности и принять обоснованные решения.
При возникновении чрезвычайных или незапланированных ситуаций Alstom сможет быстро подобрать новое эффективное решение, изменив входные данные в модели. Также есть возможность заранее подготовиться к затруднительным ситуациям и продумать возможные решения на основе различных сценариев «что-если».
Если организация, эксплуатирующая железную дорогу, предложит значительные изменения (новое расписание, введение дополнительных рейсов или маршрутов), обслуживающая компания сможет проверить, повлияют ли они на техническое обслуживание, и предложить варианты решений. Помимо прочего модель является хорошим демонстрационным средством для обоснования предложений клиенту.
Цифровой двойник железнодорожной сети — это ценный инструмент для поддержки принятия решений по техническому обслуживанию парков поездов:
- Он помогает составлять достоверные сметы для обоснования заявок при участии компании в конкурсах и тендерах — модель является инструментом наглядной демонстрации предложений.
- На этапе детальной разработки проекта обслуживающая компания может реагировать на вносимые в проект изменения и вносить корректировки с учетом ограничений.
- Компания также может составлять прогнозы относительно окончательной стадии развития проекта.
Проект показал, что инвестиции в разработку цифрового двойника железнодорожной сети оказались весьма эффективными для процесса принятия решений, как в краткосрочном, так и в долгосрочном плане.