Организация сквозного планирования местной работы на базе АСУ МР в пределах района управления ДЦУП

-по занятию порожних вагонов ЦУМР под погрузку отделения дороги;

-по занятию порожних вагонов инвентарного парка при отсутствии обеспечения собственными и арендованными вагонами;

-по отправлению порожних вагонов в регулировку;

-по подводу дополнительного количества порожних вагонов требуемого типа и годности с других отделений дороги;

- по подготовке и ремонту вагонов на станциях отделения дороги.

В результате планирования, путем корректировки предварительных планов обеспечения погрузки отделений дорог и выдачи дополнительных указаний по регулировке и занятию порожних вагонов, формируется проект плана обеспечения погрузочными ресурсами железной дороги.

На основании принятых решений производится предварительное прикрепление к каждой заявке порожних вагонов с учетом их дислокации и ожидаемого времени поступления (освобождения):

-для железной дороги и ее подразделений -- по выделенным типам подвижного состава, принадлежности вагонов и категориям годности под погрузку;

-для диспетчерских участков, станций, районов управления местной работой, а также для обеспечения погрузки кольцевых и технологических маршрутов -- по номерам вагонов с учетом конструкционных особенностей каждого вагона (его, род, тип, модель и характеристики данной модели); информации о каждом вагоне, содержащейся в базе данных (остаточный пробег до планового ремонта, дороги погрузки в попутном сообщении для иностранных вагонов, и т.д.); результатов оценки технического и коммерческого состояния вагона по результатам его натурного осмотра.

При отсутствии возможности выполнения УСЗ в полном объеме или необходимости дополнительного увеличения объемов погрузки дороги на плановые сутки начальник ДЦУП определяет потребность в дополнительных погрузочных ресурсах. Запрос на дополнительные погрузочные ресурсы направляются в ЦД вместе с проектом плана обеспечения погрузки дороги.

21. Оперативное планирование маршрутной погрузки

Погрузка отправительских и формирование ступенчатых маршрутов в суточном плане устанавливается на основе календарного плана их организации, разработанного ЦУМР. Календарные планы погрузки маршрутов разрабатываются на месяц и корректируются по декадам с учетом вновь поступивших заявок грузоотправителей, а также изменений, внесенных по инициативе грузоотправителей в ранее поданные заявки. На их основе разрабатывается на предстоящие сутки план-задание на погрузку грузов маршрутами и сдачу маршрутов по стыковым пунктам железных дорог.

При суточном планировании погрузки маршрутов в адрес портов, пограничных переходов и крупных предприятий-грузополучателей учитывается дислокация отправительских маршрутов на всем пути следования и положение в местах их выгрузки.

В суточном плане поездной и грузовой работы железной дороги и ее подразделений устанавливается порядок и сроки обеспечения станций по-i рузки вагонами, вывоза груженых маршрутов, а также порядок объединения групп вагонов после их погрузки в ступенчатые маршруты.

22. Согласование и утверждение плана погрузки железной дороги

В 15 часов предплановых суток ЦД и ЦФТО совместно с руководителями Д, ДЦУП и ДЦФТО на ежесуточном плановом селекторном совещании по обеспечению железных дорог погрузочными ресурсами планируют погрузку в соответствии с уточненным сводным заказом и с учетом специальных заданий ОАО «РЖД» и указаний по использованию подвижного состава. При необходимости производят корректировку проектов планов обеспечения погрузки железных дорог.

Дорожный план погрузки (и ее обеспечения) с учетом корректировок ЦД утверждается руководителем железной дороги как составная часть суточного плана поездной и грузовой работы дороги.

23. Передача плана грузовой работы в ЦУМР

После утверждения плана погрузки начальником железной дороги производится окончательное пономерное обеспечение погрузки на основании единой системы управления погрузочными ресурсами.

Утвержденный план грузовой работы через дорожного диспетчера по регулированию вагонного парка не позднее, чем за 2 часа до начала плановых суток, передается руководителям ЦУМР (в части заданий по развозу местного груза, грузовой работе) и дорожным диспетчерам по районам управления (в части заданий по передаче местного груза и подсылке порожних вагонов к погрузочным отделениям дороги). В данном плане ДЦУП выделяет объем работы, который должен быть выполнен в первую половину суток. На основании утвержденного плана грузовой работы руководство ЦУМР формирует задания диспетчерской смене, направленные на выполнение плана погрузки и распределения вагонов отделения дороги.

24. Планирование грузовой работы станций

ДНЦМ доводит до станций утвержденный план грузовой работы, а также передает станциям и пунктам подготовки вагонов задания на подготовку подвижного состава под погрузку с учетом рода груза и необходимой категории годности, а также по развозу порожних вагонов по станциям погрузки.

На основании суточного плана грузовой работы, установленного для станции, начальник станции или его заместитель с участием представителей агентства ДЦФТО, руководителей дистанции погрузочно-разгрузочных работ, грузоотправителей, грузополучателей составляют сменные задания по погрузке грузов грузоотправителями по родам грузов и выгрузке грузов - по каждому грузополучателю, по подготовке подвижного состава под погрузку, а также выдают задания маневровым диспетчерам или дежурным по станциям по подаче и уборке вагонов.

25. Использование порожних вагонов железнодорожных администраций других государств

В отношении порожних вагонов общего парка, принадлежащих железнодорожным администрациям других государств, решаются две задачи:

-скорейший возврат вагонов, длительно (более 15 суток) находящихся на железных дорогах РФ;

-использование под погрузку в попутном направлении вагонов возврата, I также при остром дефиците вагонов парка ОАО «РЖД».

Порядок использования вагонов железнодорожных администраций других государств под погрузку определяют руководители ОАО «РЖД» и железной дороги. О принятом решении дается телеграмма причастным подразделениям. ДЦУП и ЦУМР строго контролируют выполнение таких телеграмм и учитывают при оперативном планировании [3].

3.1 Прогнозирование объемов выгрузки на дороге Св

3.1.1 Тенденции прогнозирования для эффективного управления

Прогноз - научно обоснованное суждение о возможных состояниях (в количественной оценке) объекта прогнозирования в будущем или альтернативных путях и сроках их осуществления.

В настоящее время выделяют три основные тенденции развития типичных логистических систем (ЛС) в структуре логистики предприятия, определяющие сложность и значимость точного прогнозирования для эффективного управления.

Первая тенденция - постоянное сокращение жизненного цикла ЛС в структуре логистики предприятия составляет обычно несколько лет.

Вторая тенденция определяется возрастанием количества способов решения возникающих проблем.

Третья тенденция определяется ростом затрат на создание и эксплуатацию подавляющего большинства ЛС. И этот факт предопределяет проблему прогнозирования затрат для логистики предприятия, цен, тарифов, т.е. рост капитальных вложений в перспективе требует оценки эффективности для системы логистики предприятия в соответствующем периоде.

Разумеется, прогнозирование никогда не будет абсолютно точным. Поэтому разрабатывать логистическую систему нужно таким образом, чтобы она была гибкой и могла адекватно реагировать на те или иные изменения в спросе.

Точность прогнозов выше для групп продуктов, чем для индивидуальных продуктов. Точность прогнозов выше для близкой перспективы, чем для дальней.

На рисунке 3.1 представлена матрица прогнозов спроса в зависимости от уровня детализации и горизонта планирования.

Рисунок 3.1 - Матрица прогнозов спроса

Матрица позволяет сделать следующие выводы:

1. Квадранта IV нужно избегать.

2. Квадрант III можно использовать для долгосрочных прогнозов.

3. Квадрант II можно применять для среднесрочных и краткосрочных прогнозов.

4. Систему управления производством и запасами нужно проектировать таким образом, чтобы прогнозирование спроса находилось только в квадранте I.

3.1.2 Метод скользящих средних

В техническом анализе, применяемом трейдерами на форексе, существует достаточно много методов прогнозирования и выявления тренда. Одним из них является?метод?скользящей?средней.

Данный метод основан на том факте, что для расчета самой скользящей средней в течение расчетного периода, берутся средние цены закрытия.

Термин «скользящее» взят потому, что по мере добавления к среднему значению новых данных старые опускаются. В результате такого обновления среднего значения оно постоянно «скользит».

Математическая статистика- это наука о способах измерения, обработки и анализа результатов исследования массовых случайных явлений.

Исходными понятиями математической статистики являются понятия генеральной совокупности и выборочной совокупности (выборки), теоретических и выборочных характеристик распределения.

В результате эксперимента реализовались n значений измеряемой величины, которые получены случайным выбором из генеральной совокупности. Этот набор из n чисел называется простой статистической совокупностью, или выборкой. Выбираем из этой совокупности Х_наим и Х_наибол. Эти граничные значения удобно округлить и рассматривать интервал. Разобьем этот интервал на частичные интервалы (разряды) и подсчитаем количество наблюдений m_i, приходящийся на каждый разряд[4].

Примем, что частичные разряды имеют одинаковые длины h.

(3.1)

где k- число разрядов.

Обычно число разрядов выбирают в промежутке 7-15. Наряду с количеством наблюдений m_i рассчитываем также их частоты

(3.2)

По этим данным составляем интервальный статистический ряд.

Анализ статистических данных можно проводить с помощью временных рядов, т.е. в виде последовательностей измерений, упорядоченных в неслучайные моменты времени. В отличие от анализа случайных выборок, анализ временных рядов основывается на предположении о том, что последовательные значения данных наблюдаются через равные промежутки времени (тогда как в других методах нам не важна привязка наблюдений ко времени). Подробное обсуждение этих методов можно найти в следующих работах [4-11].

Существуют две основные цели анализа временных рядов: определение природы ряда и прогнозирование (предсказание будущих значений временного ряда по настоящим и прошлым значениям). Обе эти цели требуют, чтобы модель ряда была идентифицирована и, более или менее, формально описана. Как только модель определена, можно с ее помощью интерпретировать рассматриваемые данные.

Большинство регулярных составляющих временных рядов принадлежит к двум классам: они являются либо трендом, либо сезонной составляющей. Тренд представляет собой общую систематическую линейную или нелинейную компоненту, которая может изменяться во времени. Сезонная составляющая - это периодически повторяющаяся компонента. Оба эти вида регулярных компонент часто присутствуют в ряде одновременно.

Не существует «автоматического» способа обнаружения тренда во временном ряде. Однако если тренд является монотонным (устойчиво возрастает или устойчиво убывает), то анализировать такой ряд обычно нетрудно. Если временные ряды содержат значительную ошибку, то первым шагом выделения тренда является сглаживание.

Сглаживание всегда включает некоторый способ локального усреднения данных, при котором несистематические компоненты взаимно погашают друг друга. Самый общий метод сглаживания - скользящее среднее.

Скользящие средние значения из нечетного числа эмпирических значений, например из трех, образуются так [5]:

, (3.3)

где у₁, у₂,…, у_k - наблюдаемое значение выгрузки грузов соответственно в моменты времени t₁, t₂,…,t_k.

Аналогично образуются средние значения для пяти, семи и более значений.

Если необходимо образовать скользящее среднее значение из четного числа наблюдений, то для такого упорядочения отдельных средних у_i к соответствующим моментам времени t_i используются следующие выражения (для четырех значений):

, (3.4)

Средние значения для шести, восьми и большего четного числа значений определяются аналогично.

Пусть экспериментально полученные данные имеют вид эмпирического ряда

t	t1	t2	…	ti	…	tn
y	y1	y2	…	yi	…	yn

Требуется подобрать формулу, описывающую приближенно функциональную зависимость у=у(t), заданную этим рядом. Таким образом, будем строить такую приближающую функцию, которая не обязательно совпадет с эмпирическим рядом в узлах, но, в некотором смысле, «не далеко отклоняется» от значений ряда. При этом ее аналитическая формула должна содержать небольшое количество параметров, а их количество не должно зависеть от количества значений эмпирического ряда.

Каждое измерение в эксперименте производится с некоторой погрешностью, и табличные значения функции у=у(t) отличаются от истинных. Одна из целей построения эмпирической формулы является сглаживание случайных погрешностей.

После составления эмпирического ряда необходимо найти параметры эмпирической формулы, описывающие характер зависимости наблюдений от нее.

Один из самых распространенных методов выбора параметров - метод наименьших квадратов [22]. Он заключается в таком выборе коэффициентов эмпирической функции, при котором сумма квадратов всех уклонений значений функции от опытных данных минимальна.

Пусть эмпирическая формула имеет вид [5]:

, m<n, (3.5)

где m - количество параметров эмпирической формулы;

n - количество экспериментальных точек.

Величина

. (3.6)

задает уклонения при всевозможных значениях t_i. Наилучшими параметрами а_i считаются те, для которых сумма:

. (3.7)

будет минимальной.

Чтобы найти требуемые коэффициенты, используется необходимый признак экстремума функции нескольких переменных. Приравниваем частные производные первого порядка функции нулю. Для определения коэффициентов получается система уравнений:

. (3.8)

Среднеквадратичное уклонение характеризует величину отклонения опытных значений от теоретических, полученных по эмпирической формуле. Эта величина определяется выражением:

, (3.9)

где - сумма квадратов уклонений.

Величину е используют при этом для определения пригодности эмпирической значимости. Если ее значение примерно равно погрешности экспериментальных данных и число параметров формулы много меньше, чем точек в таблице, то формулой можно пользоваться. Если величина среднеквадратичного уклонения е существенно превосходит погрешности исходных значений, то следует поискать другой, более подходящий, вид эмпирической формулы.

Для определения динамики работы железной дороги Св с грузами и определения ее зависимости необходимо рассчитать внутригодовое выборочное среднее для каждой станции и виду работы с ней. Для этого необходимо рассчитать коэффициент ежегодного прироста, который определяется:

, (3.10)

где Q_i - внутригодовая погрузка (выгрузка) i- того типа контейнеров, конт.;

б - коэффициент прироста (=б);

n - объем исследуемого ряда, (n=0, 1,…, m).

Среднегеометрический прирост временного ряда определяется:

. (3.11)

По полученным данным составляется новый временной ряд, используя метод скользящего среднего значения. Для полученного графика выбираем эмпирическую формулу, параметры которой определяем с помощью метода наименьших квадратов. Затем по (3.8) вычисляется среднеквадратичное уклонение. Ошибка расхождения эмпирического значения от наблюдаемых определена, в процентах:

. (3.12)

Выгрузка угля на станции Мрефт за январь-апрель 2010 года

Таблица 3.1 - Объемы выгрузки угля за январь

Число	1	2	3	4	5	6	7	8	9	10	11	12	13	14
Выгрузка	580	496	579	457	555	636	718	393	460	785	654	524	718	665
15	16	17	18	19	20	21	22	23	24	25	26	27	28	29	30	31
528	594	395	470	583	511	529	468	518	467	590	528	458	586	461	520	607

Х_наим=393

Х_наибол=785

k=10

h=40

Таблица 3.2-Интервальный статистический ряд за январь 2010 года

Разряды	390-430	430-470	470-510	510-550	550-590
Число наблюдений	2	7	1	7	6
Частоты pi*	0,06	0,23	0,03	0,23	0,19
	0,002	0,006	0,001	0,006	0,005
590-630	630-670	670-710	710-750	750-790	сумма
2	3	0	2	1	31
0,06	0,10	0,00	0,06	0,03	1,00
0,002	0,002	0,000	0,002	0,001

Важными характеристиками выборки являются статистики выборочного распределения (выборочные характеристики, оценки), каждая из которых оказывается аналогом соответствующей характеристики теоретического распределения. Для вычисления статистик распределения интервальный ряд (таблица 3.2) заменим дискретным статистическим рядом, принимая в качестве «представителя» каждого разряда его середину, например, первый интервал (390-430) заменяем числом 410, сопоставляя с ним число наблюдений (2), соответствующее всему интервалу (390-430).

Таблица 3.3 - Средний интервальный статистический ряд

Середина инт xi	410	450	490	530	570	610	650	690
Число наблюдений mi	2	7	1	7	6	2	3	0
Частоты pi*	0,06	0,23	0,03	0,23	0,19	0,06	0,10	0,00
xi pi*	26,45	101,61	15,81	119,68	110,32	39,35	62,90	0,00
730	770	сумма
2	1	31
0,06	0,03	1,00
47,10	24,84	548,06

Таблица 3.4- Объемы выгрузки угля за февраль-апрель

	1	2	3	4	5	6	7	8	9	10	11	12	13	14
февраль	326	723	598	653	590	610	522	523	510	470	525	524	519	531
март	527	523	467	479	581	398	460	596	396	657	459	463	652	395
апрель	326	260	649	597	533	563	595	655	461	587	590	792	525	599
15	16	17	18	19	20	21	22	23	24	25	26	27	28	29
530	530	396	594	714	398	461	465	602	399	593	533	407	517
524	528	460	329	531	454	388	462	402	401	590	456	393	588	396
589	600	785	524	524	855	537	528	530	653	420	500	599	563	792

Таблица 3.5 - Интервальный статистический ряд за февраль 2010 года

Разряды	325-365	365-405	405-445	445-485	485-525	525-565
Число наблюдений mi	1	3	1	3	7	3
Частоты pi*	0,04	0,11	0,04	0,11	0,25	0,11
	0,001	0,003	0,001	0,003	0,006	0,003
565-605	605-645	645-685	685-725	Сумма
6	1	1	2	28
0,21	0,04	0,04	0,07	1,00
0,005	0,001	0,001	0,002

Таблица 3.6 - Средний интервальный статистический ряд за февраль 2010 года

Середина инт. xi	345	385	425	465	505	545	585	625
Число наблюдений mi	1	3	1	3	7	3	6	1
Частоты pi*	0,04	0,11	0,04	0,11	0,25	0,11	0,21	0,04
xi pi*	12,32	41,25	15,18	49,82	126,25	58,39	125,36	22,32
665	705	Сумма
1	2	28
0,04	0,07	1,00
23,75	50,36	525,00

Таблица 3.7 - Интервальный статистический ряд за март 2010 года

Разряды	325-355	355-385	385-415	415-445	445-475	475-505
Число наблюдений mi	1	0	8	0	9	1
Частоты pi*	0,03	0,00	0,26	0,00	0,29	0,03
	0,001	0,000	0,009	0,000	0,010	0,001
505-535	535-565	565-595	595-625	625-655	655-685	Сумма
6	0	3	1	1	1	31
0,19	0,00	0,10	0,03	0,03	0,03	1,00
0,006	0,000	0,003	0,001	0,001	0,001

Таблица 3.8 - Средний интервальный статистический ряд за март 2010 года

Середина инт. xi	340	370	400	430	460	490	420
Число наблюдений mi	1	0	8	0	9	1	6
Частоты pi*	0,03	0,00	0,26	0,00	0,29	0,03	0,19
xi pi*	10,97	0,00	103,23	0,00	133,55	15,81	81,29
450	480	510	540	570	Сумма
0	3	1	1	1	31
0,00	0,10	0,03	0,03	0,03	1,00
0,00	46,45	16,45	17,42	18,39	443,55

Таблица 3.9 - Интервальный статистический ряд за апрель 2010года

Разряды	260-320	320-380	380-440	440-500	500-560	560-620
Число наблюдений mi	1	1	1	2	8	10
Частоты pi*	0,03	0,03	0,03	0,07	0,27	0,33
	0,001	0,001	0,001	0,001	0,004	0,006
620-680	680-740	740-800	800-860	сумма
3	0	3	1	30
0,10	0,00	0,10	0,03	1,00
0,002	0,000	0,002	0,001

Таблица 3.10 - Средний интервальный статистический ряд за апрель 2010

Середина инт.xi	290	350	410	470	530	590	650
Число наблюдений mi	1	1	1	2	8	10	3
Частоты pi*	0,03	0,03	0,03	0,07	0,27	0,33	0,10
xi pi*	9,67	11,67	13,67	31,33	141,33	196,67	65,00
710	770	830	Сумма
0	3	1	30
0,00	0,10	0,03	1,00
0,00	77,00	27,67	574,00

Рассмотрим данные роста выгрузки с учетом поправочного коэффициента (а_ср^геом).

Январь•(1,02)

Февраль•(1,02)²

Март•(1,02)³

Апрель•(1,02)⁴

Таблица 3.11 - Рост выгрузки с учетом поправочного коэффициента

Месяц	Число	Выгрузка		Март	60	527	559
Январь	1	580	580		61	523	555
	2	496	496		62	467	496
	3	579	579		63	479	508
	4	457	457		64	581	617
	5	555	555		65	398	422
	6	636	636		66	460	488
	7	718	718		67	596	632
	8	393	393		68	396	420
	9	460	460		69	657	697
	10	785	785		70	459	487
	11	654	654		71	463	491
	12	524	524		72	652	692
	13	718	718		73	395	419
	14	665	665		74	524	556
	15	528	528		75	528	560
	16	594	594		76	460	488
	17	395	395		77	329	349
	18	470	470		78	531	564
	19	583	583		79	452	480
	20	511	511		80	388	412
	21	529	529		81	462	490
	22	468	468		82	402	427
	23	518	518		83	401	426
	24	467	467		84	590	626
	25	590	590		85	456	484
	26	528	528		86	393	417
	27	458	458		87	588	624
	28	586	586		88	396	420
	29	461	461		89	458	486
	30	520	520		90	533	566
	31	607	607	Апрель	91	326	353
Февраль	32	326	339		92	260	281
	33	723	752		93	649	702
	34	598	622		94	597	646
	35	653	679		95	553	599
	36	590	614		96	563	609
	37	610	635		97	595	644
	38	522	543		98	655	709
	39	523	544		99	461	499
	40	510	531		100	587	635
	41	470	489		101	590	639
	42	525	546		102	792	857
	43	524	545		103	525	568
	44	519	540		104	599	648
	45	531	552		105	589	638
	46	530	551		106	600	649
	47	530	551		107	785	850
	48	396	412		108	524	567
	49	594	618		109	524	567
	50	714	743		110	855	925
	51	398	414		111	537	581
	52	461	480		112	528	572
	53	465	484		113	530	574
	54	602	626		114	653	707
	55	399	415		115	420	455
	56	593	617		116	500	541
	57	593	617		117	599	648
	58	407	423		118	563	609
	59	517	538		119	792	857
					120	524	567

Анализ временных рядов выгрузки угля на станции Мрефт с января по апрель 2010 года

Значениями переменной величины, или уровнями ряда Y_t, выступает выгрузка грузов; периодом, или единицей временного интервала t, - сутки; длиной ряда n - количество суток за четыре месяца Y_t=120

Предположим, что эмпирическая формула является линейной: Y_t=a₀+a₁t, тогда параметры a₀, a₁ определяются из системы уравнений:

Чтобы найти коэффициенты этой системы, проделаем предварительные расчеты, результаты которых сведем в следующую таблицу:

Таблица 3.12 -Коэффициенты линейной системы

t	R	t 2	tR	R (t)	e	e2
1	558	1	558	1019	461	212139
2	558	4	1117	1019	461	212161
3	559	9	1676	1019	461	212098
4	559	16	2234	1019	461	212119
5	559	25	2797	1020	460	212013
6	560	36	3357	1020	460	212009
7	559	49	3912	1019	461	212089
8	557	64	4460	1018	461	212259
9	559	81	5030	1019	461	212082
10	560	100	5598	1020	460	211975
11	558	121	6135	1018	461	212221
12	557	144	6683	1018	461	212327
13	557	169	7243	1018	461	212291
14	556	196	7779	1017	461	212472
15	555	225	8320	1016	461	212596
16	555	256	8878	1016	461	212565
17	555	289	9427	1016	461	212611
18	556	324	10009	1017	461	212424
19	557	361	10581	1018	461	212322
20	557	400	11133	1017	461	212354
21	557	441	11699	1018	461	212299
22	557	484	12263	1018	461	212264
23	558	529	12841	1019	461	212155
24	559	576	13409	1019	461	212105
25	560	625	13992	1020	460	211990
26	559	676	14543	1020	460	212028
27	560	729	15112	1020	460	211988
28	561	784	15702	1021	460	211856
29	561	841	16255	1021	460	211889
30	562	900	16848	1022	460	211758
31	562	961	17424	1022	460	211702
32	562	1024	17970	1022	460	211763
33	564	1089	18615	1024	460	211459
34	562	1156	19106	1022	460	211719
35	561	1225	19643	1021	460	211803
36	560	1296	20154	1020	460	211970
37	559	1369	20690	1020	460	212048
38	558	1444	21215	1019	461	212157
39	558	1521	21781	1019	461	212135
40	559	1600	22346	1019	461	212114
41	559	1681	22919	1020	461	212071
42	560	1764	23515	1020	460	211965
43	560	1849	24083	1020	460	211944
44	560	1936	24651	1021	460	211920
45	561	2025	25224	1021	460	211888
46	561	2116	25789	1021	460	211875
47	561	2209	26356	1021	460	211860
48	561	2304	26923	1021	460	211845
49	563	2401	27585	1023	460	211596
50	562	2500	28109	1022	460	211690
51	560	2601	28540	1020	460	212000
52	562	2704	29209	1022	460	211746
53	563	2809	29834	1023	460	211601
54	564	2916	30461	1024	460	211459
55	563	3025	30973	1023	460	211573
56	565	3136	31664	1025	460	211299
57	565	3249	32184	1024	460	211396
58	564	3364	32700	1024	460	211496
59	566	3481	33397	1026	460	211224
60	567	3600	33991	1026	460	211168
61	567	3721	34565	1026	460	211154
62	567	3844	35144	1026	459	211130
63	568	3969	35788	1027	459	210983
64	569	4096	36423	1028	459	210857
65	568	4225	36937	1028	459	210959
66	571	4356	37681	1030	459	210640
67	572	4489	38354	1031	459	210457
68	571	4624	38850	1030	459	210592
69	574	4761	39622	1033	459	210244
70	572	4900	40027	1031	459	210533
71	574	5041	40719	1032	459	210330
72	575	5184	41413	1034	458	210129
73	573	5329	41811	1031	459	210421
74	576	5476	42626	1034	458	210029
75	576	5625	43234	1035	458	209977
76	577	5776	43838	1035	458	209935
77	579	5929	44570	1037	458	209693
78	584	6084	45565	1041	457	209055
79	585	6241	46188	1042	457	208996
80	587	6400	46978	1044	457	208691
81	592	6561	47920	1048	456	208167
82	594	6724	48725	1050	456	207858
83	599	6889	49685	1054	455	207333
84	603	7056	50677	1058	455	206777
85	603	7225	51226	1057	455	206852
86	606	7396	52121	1060	454	206449
87	612	7569	53210	1065	454	205790
88	611	7744	53789	1065	454	205835
89	617	7921	54932	1070	453	205128
90	621	8100	55930	1074	452	204628
91	623	8281	56720	1075	452	204408
92	633	8464	58202	1084	451	203308
93	645	8649	60001	1094	449	201834
94	643	8836	60446	1093	450	202083
95	643	9025	61078	1092	450	202097
96	645	9216	61891	1094	449	201889
97	646	9409	62678	1095	449	201717
98	646	9604	63333	1095	449	201706
99	643	9801	63697	1093	449	202040
100	650	10000	65028	1099	449	201234
101	651	10201	65754	1100	448	201147
102	652	10404	66471	1100	448	201070
103	640	10609	65947	1090	450	202410
104	644	10816	67027	1094	449	201913
105	644	11025	67646	1094	449	201941
106	645	11236	68338	1094	449	201889
107	644	11449	68946	1094	449	201929
108	629	11664	67884	1080	451	203787
109	634	11881	69070	1084	451	203185
110	640	12100	70369	1090	450	202474
111	611	12321	67837	1065	454	205846
112	614	12544	68820	1068	453	205453
113	620	12769	70041	1072	453	204818
114	626	12996	71412	1078	452	204040
115	613	13225	70497	1066	453	205624
116	645	13456	74785	1094	449	201889
117	671	13689	78456	1117	446	198864
118	678	13924	80000	1123	445	198004
119	712	14161	84757	1153	440	194040
120	567	14400	68063	1027	459	211087
сумма
7260	70334	583220	4380392			25061297

min ¦y_i¦=555

При решении данной системы получены следующие коэффициенты а₀=533,53, а₁=0,8694. Таким образом,

Y_t =533,53+0,8694t,

Среднеквадратичное уклонение для линейного тренда по формуле (3.9) составило: 456,9947

Ошибка расхождения эмпирического значения от наблюдаемых по формуле (3.12) составила 0,82 %.

Теперь предположим, что эмпирическая формула является квадратичной Y_t=a₀+a₁t+a₂t², тогда ее параметры a₀, a₁, a₂ определяются из системы уравнений:

Чтобы найти коэффициенты этой системы, проделаем предварительные расчеты, результаты которых сведем в следующую таблицу:

Таблица 3.13 - Коэффициенты квадратичной системы

t	R	t 2	tR	R (t)	e	e2
1	558	1	558	1014	456	207688
2	558	4	1117	1014	456	207719
3	559	9	1676	1014	456	207629
4	559	16	2234	1014	456	207658
5	559	25	2797	1015	456	207509
6	560	36	3357	1015	456	207503
7	559	49	3912	1015	456	207617
8	557	64	4460	1013	456	207857
9	559	81	5030	1015	456	207607
10	560	100	5598	1015	455	207455
11	558	121	6135	1014	456	207804
12	557	144	6683	1013	456	207954
13	557	169	7243	1013	456	207902
14	556	196	7779	1012	456	208158
15	555	225	8320	1011	456	208334
16	555	256	8878	1011	456	208291
17	555	289	9427	1011	456	208355
18	556	324	10009	1012	456	208091
19	557	361	10581	1013	456	207947
20	557	400	11133	1013	456	207991
21	557	441	11699	1013	456	207913
22	557	484	12263	1013	456	207865
23	558	529	12841	1014	456	207709
24	559	576	13409	1014	456	207639
25	560	625	13992	1015	455	207476
26	559	676	14543	1015	456	207530
27	560	729	15112	1015	455	207473
28	561	784	15702	1016	455	207287
29	561	841	16255	1016	455	207334
30	562	900	16848	1017	455	207148
31	562	961	17424	1017	455	207069
32	562	1024	17970	1017	455	207155
33	564	1089	18615	1019	455	206725
34	562	1156	19106	1017	455	207093
35	561	1225	19643	1016	455	207212
36	560	1296	20154	1015	455	207449
37	559	1369	20690	1015	456	207558
38	558	1444	21215	1014	456	207713
39	558	1521	21781	1014	456	207681
40	559	1600	22346	1014	456	207651
41	559	1681	22919	1015	456	207592
42	560	1764	23515	1015	455	207441
43	560	1849	24083	1015	455	207411
44	560	1936	24651	1016	455	207378
45	561	2025	25224	1016	455	207332
46	561	2116	25789	1016	455	207314
47	561	2209	26356	1016	455	207293
48	561	2304	26923	1016	455	207271
49	563	2401	27585	1018	455	206919
50	562	2500	28109	1017	455	207051
51	560	2601	28540	1015	456	207490
52	562	2704	29209	1017	455	207131
53	563	2809	29834	1018	455	206926
54	564	2916	30461	1019	455	206725
55	563	3025	30973	1018	455	206886
56	565	3136	31664	1020	454	206499
57	565	3249	32184	1019	455	206635
58	564	3364	32700	1019	455	206777
59	566	3481	33397	1020	454	206392
60	567	3600	33991	1021	454	206313
61	567	3721	34565	1021	454	206293
62	567	3844	35144	1021	454	206259
63	568	3969	35788	1022	454	206051
64	569	4096	36423	1023	454	205873
65	568	4225	36937	1022	454	206017
66	571	4356	37681	1024	453	205567
67	572	4489	38354	1026	453	205307
68	571	4624	38850	1025	453	205499
69	574	4761	39622	1027	453	205007
70	572	4900	40027	1025	453	205416
71	574	5041	40719	1026	453	205129
72	575	5184	41413	1028	453	204845
73	573	5329	41811	1026	453	205256
74	576	5476	42626	1028	452	204703
75	576	5625	43234	1029	452	204630
76	577	5776	43838	1029	452	204569
77	579	5929	44570	1031	452	204229
78	584	6084	45565	1035	451	203328
79	585	6241	46188	1035	451	203245
80	587	6400	46978	1038	450	202813
81	592	6561	47920	1041	450	202075
82	594	6724	48725	1043	449	201639
83	599	6889	49685	1047	448	200899
84	603	7056	50677	1051	447	200117
85	603	7225	51226	1050	447	200223
86	606	7396	52121	1053	447	199655
87	612	7569	53210	1057	446	198728
88	611	7744	53789	1057	446	198791
89	617	7921	54932	1062	445	197797
90	621	8100	55930	1065	444	197094
91	623	8281	56720	1067	444	196786
92	633	8464	58202	1074	442	195242
93	645	8649	60001	1085	440	193176
94	643	8836	60446	1083	440	193525
95	643	9025	61078	1083	440	193545
96	645	9216	61891	1084	440	193254
97	646	9409	62678	1085	439	193012
98	646	9604	63333	1086	439	192997
99	643	9801	63697	1083	440	193466
100	650	10000	65028	1089	439	192337
101	651	10201	65754	1089	438	192214
102	652	10404	66471	1090	438	192108
103	640	10609	65947	1081	440	193984
104	644	10816	67027	1084	440	193287
105	644	11025	67646	1084	440	193327
106	645	11236	68338	1084	440	193254
107	644	11449	68946	1084	440	193310
108	629	11664	67884	1071	443	195914
109	634	11881	69070	1075	442	195069
110	640	12100	70369	1080	441	194073
111	611	12321	67837	1057	446	198807
112	614	12544	68820	1060	445	198254
113	620	12769	70041	1064	444	197362
114	626	12996	71412	1069	443	196269
115	613	13225	70497	1059	446	198494
116	645	13456	74785	1084	440	193254
117	671	13689	78456	1105	435	189026
118	678	13924	80000	1111	433	187826
119	712	14161	84757	1139	427	182314
120	567	14400	68063	1021	454	206199
Сумма
7260	70334	583220	4380392			24365264

Решение системы следующее: а₀=560,1; а₁=-0,4377; а₂=0,0108. Таким образом, в данном случае уравнение тренда имеет следующий вид

Y_t=560,1-0,4377t+0,0108t²,

Среднеквадратичное уклонение для квадратичной функции по формуле (3.9) составило: 450,6039

Ошибка расхождения эмпирического значения от наблюдаемых по формуле(3.12) составила 0,81 %.

Допустим, что модель эмпирической функции является кубической Y_t=a₀+a₁t+a₂t²+a₃t³, тогда ее параметры a₀, a₁, a₂, а₃ определяются из системы уравнений:



Чтобы найти коэффициенты этой системы, проделаем предварительные расчеты, результаты которых сведем в следующую таблицу:

Таблица 3.14 - Коэффициенты кубической системы

t	R	t 2	tR	R (t)	e	e2
1	558	1	558	1030	471	222188
2	558	4	1117	1030	471	222218
3	559	9	1676	1030	471	222130
4	559	16	2234	1030	471	222159
5	559	25	2797	1031	471	222013
6	560	36	3357	1031	471	222007
7	559	49	3912	1030	471	222118
8	557	64	4460	1029	472	222353
9	559	81	5030	1030	471	222108
10	560	100	5598	1031	471	221960
11	558	121	6135	1029	471	222301
12	557	144	6683	1029	472	222448
13	557	169	7243	1029	472	222397
14	556	196	7779	1028	472	222648
15	555	225	8320	1027	472	222820
16	555	256	8878	1027	472	222778
17	555	289	9427	1027	472	222841
18	556	324	10009	1028	472	222582
19	557	361	10581	1029	472	222441
20	557	400	11133	1028	472	222485
21	557	441	11699	1029	472	222408
22	557	484	12263	1029	472	222361
23	558	529	12841	1030	471	222209
24	559	576	13409	1030	471	222140
25	560	625	13992	1031	471	221980
26	559	676	14543	1031	471	222034
27	560	729	15112	1031	471	221978
28	561	784	15702	1032	471	221796
29	561	841	16255	1032	471	221842
30	562	900	16848	1032	471	221659
31	562	961	17424	1033	471	221583
32	562	1024	17970	1032	471	221667
33	564	1089	18615	1034	470	221246
34	562	1156	19106	1033	471	221606
35	561	1225	19643	1032	471	221722
36	560	1296	20154	1031	471	221954
37	559	1369	20690	1030	471	222061
38	558	1444	21215	1030	471	222212
39	558	1521	21781	1030	471	222182
40	559	1600	22346	1030	471	222152
41	559	1681	22919	1030	471	222094
42	560	1764	23515	1031	471	221946
43	560	1849	24083	1031	471	221917
44	560	1936	24651	1031	471	221884
45	561	2025	25224	1032	471	221840
46	561	2116	25789	1032	471	221822
47	561	2209	26356	1032	471	221801
48	561	2304	26923	1032	471	221780
49	563	2401	27585	1034	471	221436
50	562	2500	28109	1033	471	221565
51	560	2601	28540	1031	471	221995
52	562	2704	29209	1032	471	221643
53	563	2809	29834	1033	471	221442
54	564	2916	30461	1034	470	221246
55	563	3025	30973	1034	471	221403
56	565	3136	31664	1036	470	221024
57	565	3249	32184	1035	470	221158
58	564	3364	32700	1034	470	221296
59	566	3481	33397	1036	470	220920
60	567	3600	33991	1036	470	220843
61	567	3721	34565	1037	470	220823
62	567	3844	35144	1037	470	220790
63	568	3969	35788	1038	470	220586
64	569	4096	36423	1039	469	220412
65	568	4225	36937	1038	470	220553
66	571	4356	37681	1040	469	220112
67	572	4489	38354	1041	469	219858
68	571	4624	38850	1040	469	220046
69	574	4761	39622	1043	469	219564
70	572	4900	40027	1041	469	219964
71	574	5041	40719	1042	469	219683
72	575	5184	41413	1044	468	219405
73	573	5329	41811	1042	469	219808
74	576	5476	42626	1044	468	219267
75	576	5625	43234	1045	468	219195
76	577	5776	43838	1045	468	219136
77	579	5929	44570	1047	468	218802
78	584	6084	45565	1051	467	217920
79	585	6241	46188	1051	467	217838
80	587	6400	46978	1054	466	217416
81	592	6561	47920	1057	466	216693
82	594	6724	48725	1059	465	216266
83	599	6889	49685	1063	464	215541
84	603	7056	50677	1067	463	214774
85	603	7225	51226	1066	464	214878
86	606	7396	52121	1069	463	214322
87	612	7569	53210	1074	462	213413
88	611	7744	53789	1073	462	213474
89	617	7921	54932	1078	461	212500
90	621	8100	55930	1082	460	211811
91	623	8281	56720	1083	460	211508
92	633	8464	58202	1091	458	209995
93	645	8649	60001	1101	456	207967
94	643	8836	60446	1099	456	208310
95	643	9025	61078	1099	456	208329
96	645	9216	61891	1101	456	208043
97	646	9409	62678	1102	456	207806
98	646	9604	63333	1102	456	207791
99	643	9801	63697	1100	456	208251
100	650	10000	65028	1105	455	207143
101	651	10201	65754	1106	455	207023
102	652	10404	66471	1107	455	206918
103	640	10609	65947	1097	457	208760
104	644	10816	67027	1101	456	208076
105	644	11025	67646	1100	456	208115
106	645	11236	68338	1101	456	208043
107	644	11449	68946	1101	456	208098
108	629	11664	67884	1088	459	210654
109	634	11881	69070	1092	458	209825
110	640	12100	70369	1097	457	208847
111	611	12321	67837	1073	462	213490
112	614	12544	68820	1076	461	212948
113	620	12769	70041	1080	461	212074
114	626	12996	71412	1086	459	211002
115	613	13225	70497	1075	462	213184
116	645	13456	74785	1101	456	208043
117	671	13689	78456	1122	452	203892
118	678	13924	80000	1128	450	202713
119	712	14161	84757	1156	444	197292
120	567	14400	68063	1037	470	220731
Сумма
7260	70334	583220	4380392			26116569

Решение системы следующее: а₀=570,1; а₁=-1,4093; а₂=0,0308; а₃=-0,0001. Таким образом, в данном случае уравнение тренда имеет следующий вид:

Y_t=570,1-1,4093t+0,0308t²-0,0001t³,

Среднеквадратичное уклонение для кубической функции по формуле (3.9) составило: 467

Ошибка расхождения эмпирического значения от наблюдаемых по формуле (3.12) составила 0,84 %.

На основе полученных уравнений тренда постоим графики функций Y_t (рисунок 3.2).



Рисунок 3.2- Тренд линейной, квадратичной и кубической функции выгрузки за 120 суток на станции Мрефт

Для станций ПУр, А,С-Тов, Р, У расчеты представлены в преложениях Б, В, Г.

На основании рассчитанного внутримесячного выборочного среднего и рассчитанных коэффициентов ежемесячного прироста были составлены временные ряды, с учетом метода скользящего среднего значения получены средние значения получены средние значения работы дороги с вагонами. Полученные данные были проанализированы с помощью аналитического представления табличных функций в виде эмпирических формул. Анализ показал, что работа с вагонами приближена к трендам линейной и квадратичной функции, на что указывают минимальные ошибки уклонения наблюдаемых значений от эмпирических.

Исходя из проведенного исследований появляется возможность делать прогноз поступления и отправления вагонов с грузами на/со станций и принимать управленческие решения при оперативном, тактическом и стратегическом планировании перевозок.

4. Анализ показателей работы района управления ДЦУД с использованием АСУ МР

Для анализа эффективности работы района управления ДЦУД используют качественные показатели использования вагонов:

1. Простой вагона под одной грузовой операцией (час).

2. Простой местного вагона (час).

3. Оборот местного вагона (сут).

В соответствии с ежегодными анализами результатов работы дороги данные показатели использования местного вагона улучшаются. Основной причиной этого является более четкая организация сменно-суточной работы со стороны ДЦУП и района управления ДЦУД, многоуровневый контроль исполнения оперативных планов.

1. Простой вагона под одной грузовой операцией определяется по формуле

, (4.1)

где - время простоя вагонов на станции под грузовыми операциями (вагоно-часы)

- количество грузовых операций с вагоном.

Погрузка и выгрузка считается как по одной операции, а сдвоенные (после выгрузки - погрузка) - как две операции. Количество операций всегда больше или равно количеству оправляемых местных вагонов.

Простой под одной грузовой операцией можно определить и по форме расчлененного простоя:

, (4.2)

где - учитывается время от прибытия до подачи на погрузочно - выгрузочные фронты.

- учитывается время грузовых операций на погрузочно -выгрузочных фронтах

- учитывается время от окончания грузовых операций на погрузочно-выгрузочных фронтах до отправления со станции.

можно разделить на время от окончания грузовых операций до выводки с подъездных путей и время от выводки до отправления со станции.

Таблица 4.1 - Простой вагона под одной грузовой операцией

год	1988	1990	2000	2001	2002	2003	2004
tгр	25,02	26,44	33,06	33,76	33,46	31,25	28,48
2005	2006	2007	2008	2009	Отклонение к 1988г.
27,12	28,94	29,48	26,71	17,82	28,76

Рисунок 4.1 - Простой под одной грузовой операцией

2. Простой местного вагона определяется по формуле:

, (4.3)

где - время простоя вагонов на станции под грузовыми операциями (вагоно-часы)

- количество отправленных местных вагонов.

всегда больше или равно , т.к. учитываются не вагоно-операции, а вагоны.

Простой местного вагона можно определить и по формуле расчлененного простоя:

, (4.4)

Таблица 4.2 - Простой местного вагона

год	1988	1990	2000	2001	2002	2003	2004	2005	2006
tго	28,32	29,67	36,58	36,61	36,72	35,24	32,78	31,2	30,93
2007	2008	2009	Отклонение к 1988г.
31,7	29,74	20,12	27,3

Рисунок 4.2 - Простой местного вагона

3.Оборот местного вагона определяется по формуле:

, (4.5)

где - наличие местного вагона, которое слагается из прибывающей выгрузки и погрузки с последующей выгрузкой внутри дороги.

- общая фактическая выгрузка, ваг

Рисунок 4.3 - Оборот местного вагона

Расчет экономической эффективности от улучшения качественных показателей.

Принимаем для расчета единичные расходные ставки для грузового движения (в рублях). В соответствии с единичными расходными ставками за 2008 год 1 ваг-час простоя вагонов на станции составляет 2,32 рублей.

Согласно отчета ЦО-1 «Отчет о наличии, распределении, работе и использовании подвижного состава» количество вагоно-часов простоя вагонов за 2005 год на станции составляет 367402 вагоно-часов(в среднем за месяц), за 2009 - 362451 вагоно-часов.

Таблица 4.4 - Анализ общих данных

	Наличие местного груза, ваг	Простой под 1 грузовой операцией, час	Простой местного вагона, час	Оборот местного вагона, сут
2005	12539	27,12	31,2	2,15
2009	8800	17,82	20,12	1,94
Сокращение	---	9,3	11,08	0,21

1. Экономический эффект от сокращения простоя под 1 грузовой операцией на станции рассчитывается:

(4.6)

2. Экономический эффект от сокращения простоя местного вагона на станции:

(4.7)

3. Экономический эффект от сокращения оборота местного вагона рассчитывается:

a) Определение сэкономленных вагоно-часов:

 (4.8)

ваг-час в сутки

b)

c) Определение экономической эффективности:

(4.9)

млн.руб./год

Сведем все результаты в таблицу 4.5

Таблица 4.5 - Экономическая эффективность внедрения района управления ДЦУД

№	Показатель	Сумма эффекта (млн. руб)
1	Экономический эффект сокращения простоя вагонов под грузовыми операциями на станции	5,27
2	Экономический эффект от сокращения простоя местного вагона на станции	5,56
3	Экономический эффект от сокращения оборота местного вагона	40,15

Так как оборот местного вагона является объединяющим показателем качественного использования грузового вагона, слаженности производства работ. За окончательный итог эффективности принимается эффективность от сокращения оборота вагона, которая равна 40,15 млн. руб.

5. Безопасность и экологичность проекта

5.1 Улучшение условий труда диспетчера

5.1.1 Анализ условий труда диспетчера

Улучшение условий труда, повышение их безопасности и безвредности имеют большое экономическое значение. Чем благоприятнее условия труда, тем выше его производительность. При этом производительность труда повышается благодаря сохранению здоровья и работоспособности человека, экономии живого труда (за счет сохранения дееспособности в процессе труда, более полного использования рабочего времени, продления периода активной деятельности человека и др.), экономии общественного труда (за счет повышения качества продукции, улучшения использования основных производственных фондов, уменьшения числа аварий и т.д.)

При анализе карты аттестации рабочего места диспетчера выяснилось, что из всех вредных факторах не удовлетворяет требованиям освещенность. Химический фактор, шум, вибрация отсутствуют. Микроклимат (лето/зима), электромагнитное поле, тяжесть труда и напряженность труда соответствуют допустимым.

Создание наиболее благоприятного освещения способствует повышению работоспособности и предотвращению травматизма. Напряженная зрительная работа у рабочих ряда профессий, а также нерациональное освещение рабочих мест могут явиться причиной функциональных зрительных нарушений. Степень освещенности различных предметов на производстве определяется, исходя из трех основных факторов: остроты зрения, скорости зрительного восприятия и устойчивости видимого изображения.

Острота зрения - это способность различать мелкие предметы, зависит от освещенности. При полной темноте острота зрения равна нулю, с увеличением освещенности она быстро растет, а затем достигает определенного уровня. У лиц, не имеющих дефектов зрения, нормальная острота его достигается при 50-75 лк. Напряженная зрительная работа при недостаточном освещении способствует развитию близорукости.

Скорость восприятия определяется временем, необходимым для различения объекта во всех деталях. Под устойчивостью видимости понимается непрерывность различения глазом мелких предметов. Она часто меняется, то падая, то снова увеличиваясь. Глаз требует определенного времени для адаптации (приспособления). При переходе от больших яркостей к малым он только через некоторое время начинает различать предметы. Тот же дискомфорт испытывает глаз и при переходе в более светлое помещение - создается ощущение слепимости. Заметно повышается устойчивость ясного видения при уровне освещенности до 200 лк.

Уровень зрительной функции индивидуален у разных людей, но он всегда снижается после напряженной зрительной работы, при работе в условиях недостаточной освещенности и нерационального устройства освещения.

Гигиена труда требует в первую очередь максимального использования естественного освещения, так как дневной свет лучше воспринимается органами зрения. Поэтому все производственные, административно-хозяйственные и бытовые помещения должны иметь естественное освещение в соответствии с нормами. Большое значение имеет окраска стен, потолка, оборудования. Правильная окраска и рациональное освещение в помещении при одной и той же затрате энергии повышают производительность труда на 15-17%.

Наряду с естественным каждое помещение должно иметь и искусственное освещение. От того, насколько рационально оно выполнено, зависит безопасность труда и самочувствие рабочих, их производительность и качество продукции.

5.1.2 Средства обеспечения комфортных условий труда и требования к ним

Организация и улучшение условий труда на рабочем месте является одним из важнейших резервов производительности труда и экономической эффективности производства, а также дальнейшего развития самого работающего человека. В этом главное проявление социального и экономического значения организации и улучшения условий труда.

Комфортные условия труда на рабочем месте - это условия, обеспечивающие высокую работоспособность человека и сохранение его здоровья.

Основные составляющие комфортных условий труда показаны на рисунке 5.1.

Рисунок 5.1 - Основные составляющие комфортных условий труда на рабочем месте

Состояние условий труда диспетчеров районов управления ДЦУД и его безопасности, на сегодняшний день, еще не удовлетворяют современным требованиям. Диспетчера района управления ДЦУД сталкиваются с воздействием таких физически опасных и вредных производственных факторов, как повышенный уровень шума, повышенная температура внешней среды, отсутствие или недостаточная освещенность рабочей зоны, электрический ток, статическое электричество и другие.

Многие диспетчера связаны с воздействием таких психофизических факторов, как умственное перенапряжение, перенапряжение зрительных и слуховых анализаторов, монотонность труда, эмоциональные перегрузки. Воздействие указанных неблагоприятных факторов приводит к снижению работоспособности, вызванное развивающимся утомлением. Появление и развитие утомления связано с изменениями, возникающими во время работы в центральной нервной системе, с тормозными процессами в коре головного мозга. Длительное нахождение человека в зоне комбинированного воздействия различных неблагоприятных факторов может привести к профессиональному заболеванию.

В соответствии с ГОСТ 12.1.005-88 «Общие санитарно-гигиенические требования к воздуху рабочей зоны» трудовая деятельность диспетчера района управления ДЦУД относится к категории легких работ 1а (работы, производимые сидя и сопровождающиеся незначительным физическим напряжением). Стандарт устанавливает требования к показателям температуры воздуха, его относительной влажности, скорости движения воздуха для рабочей зоны производственных помещений в виде оптимальных и допустимых величин с учетом периода года и тяжести трудовой деятельности.

Оптимальные и допустимые значения параметров микроклимата в помещении диспетчера района управления ДЦУД представлены в таблице 5.1

Таблица 5.1 - Оптимальные и допустимые значения параметров микроклимата на рабочем месте диспетчера района управления ДЦУД

Период года	Температура,0С	Относительная влажность, %	Скорость движения, м/с
	оптим.	допуст.	оптим.	допуст.	оптим.	допуст.
Холодный	22 - 24	18 - 26	40 - 60	75	не более 0,1	не более 0,1
Теплый	23 - 25	20 - 30	40 - 60	55 - 75	не более 0,1	0,1 - 0,2

Фактические значения параметров микроклимата в помещении диспетчера района управления ДЦУД представлены в таблице 5.2

Таблица 5.2 - Фактические значения параметров микроклимата на рабочем месте диспетчера района управления ДЦУД

Период года	Температура,0С	Относительная влажность, %	Скорость движения, м/с
Холодный	24 - 26	60 - 75	0,2
Теплый	28 - 32	40 - 50	не более 0,1

Освещенность на поверхности рабочего стола диспетчера составляет 237 лк, коэффициент пульсации света - К_П = 14%, при нормируемых значениях освещенности для данной категории работ 300 лк и коэффициента пульсации света - К_П(норм) = 10%.

Нормируемые уровни звукового давления и фактические уровни звукового давления в данном помещении в октавных полосах представлены в таблице 5.3.

Таблица 5.3 - Нормируемые и фактические уровни шума на рабочем месте диспетчера района управления ДЦУД

Рабочее место диспетчера района управления ДЦУД	Уровень звукового давления в дБ в октавных полосах со среднегеометрическими частотами	Уровень шума и эквивалентный уровень звука, дБА
	63	125	250	500	1000	2000	4000	8000
Нормируемые значения	79	70	63	58	55	52	50	49	60
Фактические значения	64	61	57	52	51	46	46	40	54

Фактические значения уровня шума не превышают нормируемые, следовательно класс условий труда по фактору шума - 1, оптимальный.

Общую оценку условий труда диспетчера района управления ДЦУД по степени вредности и опасности устанавливаем по наиболее высокому классу - 2, допустимые. Для перехода к оптимальному классу улучшить осветительные условия на рабочем месте диспетчера района управления ДЦУД.

5.1.3 Расчет искусственного освящения рабочего места диспетчера методом коэффициента использования

Расчет освещенности рабочего места сводится к выбору системы освещения, определению необходимого числа светильников, их типа и размещения. Рассчитаем параметры искусственного освещения.

Искусственное освещение выполняется посредством электрических источников света двух видов: ламп накаливания и люминесцентных ламп. Будем использовать люминесцентные лампы, которые по сравнению с лампами накаливания имеют существенные преимущества: по спектральному составу света они близки к дневному, естественному освещению; обладают повышенной светоотдачей (в 3-4 раза выше, чем у ламп накаливания); более длительный срок службы. Для организации общего искусственного освещения выберем лампы типа ЛБ65-1.

Помещение диспетчера имеет размеры: площадь - 15 м², ширина - 5 м, длина - 3 м, высота - 3,5 м.

Потолок побелен, стены окрашены в светло-зеленый цвет. Поверхность стола имеет светло-коричневую окраску. Воздушная среда помещения содержит в рабочей зоне пыли менее 1мг на 1м³.

Наименьшая освещенность на поверхности рабочих столов диспетчеров - 300 лк. Определим мощность источников света, необходимую для обеспечения нормируемой освещенности E_н = 300 лк.

Определяем высоту подвеса светильников над расчетной поверхностью h_p:

h_p = h - h_л - h_c, (5.1)

где h - высота помещения, м;

h_л - высота расчетной плоскости, м;

h_c - высота свеса светильников над расчетной поверхностью, м.

Высота рабочей плоскости h_л= 0,735 м.

h_p = 3,5 - 0,735 - 0,1 = 2,775 м

Далее определим индекс помещения, который учитывает его геометрические размеры и понадобиться для нахождения по таблицам коэффициента использования светового потока:

, (5.2)

где a и b - длина и ширина помещения, м;

a•b - площадь помещения, м²;

Определим световой поток Ф_л, необходимый для создания освещенности не ниже нормируемой:

, (5.3)

где Ф_л - рассчитываемый световой поток, Лм;

E_н - нормированная минимальная освещенность, E_н = 300 лк;

S - площадь освещаемого помещения (в нашем случае S = 15 м²);

z - отношение средней освещенности к минимальной, (z = 1,1);

К_з - коэффициент запаса, учитывающий уменьшение светового потока лампы в результате загрязнения светильников в процессе эксплуатации (К = 1,4);

U_оу - коэффициент использования светового потока для светильников ЛС02-2?65/Р-02, т.е. отношение светового потока, падающего на расчетную поверхность, к суммарному потоку всех ламп. Зависит от характеристик светильника, размеров помещения, окраски стен и потолка, поэтому для его определения необходимо знать: с_с - коэффициент отражения стен помещения (0,5); с_п - коэффициент отражения потолка (0,7); с_р.п. - коэффициент отражения рабочей поверхности (0,3); i - индекс помещения. Значение коэффициентов U_оу определим по таблицам.