ПРОГНОЗИРОВАНИЕ ДИНАМИКИ ПРОБЕГА ЛОКОМОТИВОВ В РАМКАХ РЕМОНТА ПО КОНТРАКТУ ЖИЗНЕННОГО ЦИКЛА

ПРОГНОЗИРОВАНИЕ ДИНАМИКИ ПРОБЕГА ЛОКОМОТИВОВ В РАМКАХ РЕМОНТА ПО КОНТРАКТУ ЖИЗНЕННОГО ЦИКЛА

Авторы публикации

Рубрика

Экономика и управление

Просмотры

37

Журнал

Журнал «Научный лидер» выпуск # 47 (197), Декабрь ‘24

Дата публикации 28.11.2024

Поделиться

В статье рассматриваются факторы, влияющие на экономическую эффективность проектов, реализуемых по модели жизненного цикла изделий в рамках ремонта. Автор выделяет потенциальные риски, способные оказать неблагоприятное взаимодействие на экономический результат проекта. В статье представлена оценка стоимости КЖЦ, а также приведен пример расчета экономической эффективности такого контракта при проведении ремонтов.

Актуальность. За последние десять лет Контракты Жизненного Цикла (далее КЖЦ) стали востребованным видом взаимодействия государственного и частного секторов. По сравнению с традиционными государственными закупками эффективность КЖЦ еще полностью не подтверждена, но тем не менее, они могут использоваться для решения задач в отдельных сферах экономики, таких как сфера ремонта [1].

Основная ценность КЖЦ заключается в том, что заказчик получает возможность использовать полезные свойства объекта, не участвуя не только в производстве, но и в последующем обслуживании и утилизации. Благодаря этому КЖЦ набирает все большую популярность. За прошедшие десятилетия во многих странах был накоплен достаточно большой опыт использования КЖЦ, создана нормативно- правовая база, разработаны институционные механизмы, задающие рамки взаимодействия государства и субъектов частного сектора. Вместе с тем, как отмечают многие авторы, всестороннего анализа КЖЦ даже в зарубежной литературе еще не проведено [3].

Цель данной работы выделить преимущества и недостатки ремонта в рамках КЖЦ и определить целесообразность использования.

Смысл КЖЦ заключается в формировании единого контракта с подрядчиком на предоставление сервиса (услуги) в течении всего срока жизни входящих в проект объектов. За счет объединения всех этапов реализации проекта в единый контракт достигается существенное снижение производственных и эксплуатационных рисков, что позволяет значительно снизить затраты.

В настоящее время остается не до конца рассмотрено направление совершенствования метода планирования программы ремонта локомотивов в рамках новой концепции контракта жизненного цикла, а также в условиях стремительного развития локомотивного комплекса.

В настоящее время применяемая на сети железных дорог методика планирования потребности локомотивов в ремонтах, стоимости сервисного обслуживания не позволяет учесть технико-технологические, сезонные, случайные и административные факторы, влияющие на среднесуточный пробег – искомая дата наступления ремонта определяется по значению среднего в текущем году среднесуточного пробега для каждого локомотива в парке.  Кроме того, еще не существует модуля планирования, интегрированного с информационными системами холдинга, расчет не полностью автоматизирован. В условиях новой концепции поставки железнодорожной продукции на основе КЖЦ, в условиях стремительного развития инфраструктуры и локомотивного комплекса направление планирования программы ремонта подвижного состава до настоящего времени остается не до исследовано. Стратегией развития транспортного машиностроения РФ на период до 2030 года отмечена необходимость в переходе к новой системе планирования [6].

Для решения поставленной задачи было проведено исследование, в котором был проведен анализ зависимости суммы ремонта от км пробега  тепловозов.

1 этап:

На первом этапе построения модели был проведен одномерный анализ исходных данных (по пробегу).

Описательная статистика приведена в таблице 1:

Таблица 1.

Описательная статистика пробега, км

пробег (км) y

Среднее

897 922,21

Медиана

897 604

Стандартное отклонение

40 532,84

Минимум

841 333

Максимум

957 321

Счет

14

Коэф. вариации

4,51

 

Анализ показал следующее:

- Пробег тепловозов варьируется в диапазоне от 841 333 км до 957 321 км в месяц, при этом за половину не превышает 897 604 км, однако данный показатель может быть выше или ниже в среднем на 40 533 км.

- Рассчитанный коэффициент вариации не превышает пороговую величину в 33% (Vσ=4,51%), следовательно, средняя величина корректно описывает анализируемую зависимость.

В дальнейшем анализе и при принятии управленческого решения можно ориентироваться на среднюю величину пробега.

Одномерный анализ по сумме ремонта показал следующее:

- Сумма ремонта варьируется от 9 500 000 руб. до 17 872 000 руб., при этом за половину периода сумма ремонта не превышает 14 777 000 руб., в среднем сумма ремонта составляет 14 189 214 руб., однако данный показатель может быть выше или ниже в среднем на 2 641 839 руб.

- Рассчитанный коэффициент вариации не превышает пороговую величину в 33% (Vσ=18,62%), следовательно, средняя величина корректно описывает анализируемую зависимость.

Описательная статистика приведена в таблице 2:

Таблица 2.

Описательная статистика суммы ремонта, руб.

сумма ремонта (млн. руб.) х

Среднее

14 189 214

Медиана

14 777 000

Стандартное отклонение

2 641 839

Минимум

9 500 000

Максимум

17 872 000

Счет

14

Коэф. вариации

18,62

 

2 этап:

На втором этапе построения модели была выполнена визуализация исходных данных. (рис. 1)

Характер расположения точек на графике позволяет сделать следующие выводы:

- Между показателями наблюдается прямая статистическая связь (с увеличением суммы ремонта пробег увеличивается).

- Выбросы не диагностируются, целесообразно построение модели парной линейной регрессии.

3 этап:

На третьем этапе построения модели методом наименьших квадратов были оценены параметры уравнения вида y=a+bx, в результате была полученная следующая модель:

y=683 932+0,015х,

где х – это сумма ремонта, руб.; у – пробег, км

Расчетные таблицы представлены в приложении 1.

4 этап:

На четвертом этапе построения модели была проведена оценка ее качества по ряду критериев:

1) Коэффициент детерминации R2= 0,96, следовательно, полученная модель на 96% процента объясняет изменение суммы ремонта.

 

Коэффициент детерминации статистически значим с вероятностью ошибки менее 1% (α=3,41024040425463E-10).

 

2) Оценка на статистическую значимость параметров модели показало, что оба параметра статистически значимы, с вероятностью ошибки менее 1% (αа=4,31092E-16αb=3,41024E-10).

 

3) В процессе анализа была рассчитана средняя ошибка аппроксимации, она составила 0,69%, поскольку ее значение меньше порогового значения в 15%.

 

Можно сделать вывод, что модель хорошего качества.

 

В ходе дальнейшего анализа остатки регрессионной модели были проведены на соответствия условиям Гаусса-Маркова.

 

Проверка показала, что все условия выполняются (мат. Ожидание стремится к нулю, остатки подчиняются нормальному закону распределения, гетероскедестичность не обнаружена, автокорреляции остатков нет).

 

Можно сделать вывод, что модель хорошего качества.

5 этап:

На пятом этапе полученную модель можно интерпретировать следующим образом:

 

- Параметр а=683 932 показывает, какой будет в среднем пробег в км, если затраты на ремонт составят 0 рублей.

 

- Параметр (b=0,015) показывает, что на 15 км в среднем изменится пробег, если затраты на ремонт увеличатся на 1 000 руб.

 

- Если сумма ремонта увеличится на 1%, то пробег в среднем увеличится на 0,24%, согласно коэффициенту эластичности.

 

- На 96% полученная модель объясняет изменение пробега от суммы ремонта.

Полученную модель можно использовать для прогнозирования.

6 этап:

Спрогнозируем пробег при условии, что сумма ремонта увеличится в месяц увеличится на 10% относительно среднего уровня и составит 15 608 135,71 руб.

С надежностью в 95% можно утверждать, что пробег будет находится в диапазоне от 937 024 до 901 619 км.

 

Приложение 1

Заключение. Таким образом, предложенный метод на основе разработанной математической модели рассчитан на использование как при оперативном, так и при длительном планировании, в условиях планово-предупредительной системы ремонта может применятся к иному рельсовому или безрельсовому транспорту, чей межремонтный период нормирован пробегом.

Список литературы

  1. Е.Г. Кошелева. Вестник ДонНу. Сер. В. Экономика и право. 2022. №1
  2. Т.А. Худякова, А.В. Шмидт. Экономическая эффективность реализации бизнес-модели жизненного цикла в машиностроении
  3. Yong, Hou, Wang. 2013; Hoppe, Kusterer. Schmitz. 2013
  4. Д.Г. Муратов. Железнодорожный транспорт №6. 2010
  5. О.О. Мухин. Совершенствование системы поддержки жизненного цикла локомотивов
  6. Регламент взаимодействия дежурного по эксплуатационному локомотивному депо, приемщика локомотивов дирекции тяги и диспетчера сервисного локомотивного депо в информационных системах ОАО «РЖД»: утв. распоряжением от 20 нояб. 2018 г. №2438р
  7. Свод правил моделирования бизнес-архитектуры и бизнес-процессов ОАО «РЖД»: утв. распоряжением ОАО «РЖД» от 8 окт. 2019 г. №2227р
  8. ГОСТ Р 83791-2010. Ресурсосбережение. Стадии жизненного цикла изделий производственно-технического назначения. Общие положения. Введ. 2011–01–01. М.: Стандартинформ, 201815 с. 2. ГОСТ 31539-2012. Цикл жизненный железнодорожного подвижного состава
  9. ГОСТ 31539-2012. Цикл жизненный железнодорожного подвижного состава. Термины и определения. Введ. 2014–01–01. М.: Стандартинформ, 201414. С. 3
  10. ГОСТ Р 56136-2014. Управление жизненным циклом продукции военного назначения. Термины и определения. Введ. 2015–09–01. М.: Стандартинформ, 201634
  11. Кулинич, Ю.М. Прогнозирование тенденции развития энергетики железнодорожного транспорта / Ю.М. Кулинич, С.А. Шухарев // Моделирование, оптимизация и информационные технологии. – 2020. – №8 (3)
Справка о публикации и препринт статьи
предоставляется сразу после оплаты
Прием материалов
c по
Осталось 2 дня до окончания
Размещение электронной версии
Загрузка материалов в elibrary
Публикация за 24 часа
Узнать подробнее
Акция
Cкидка 20% на размещение статьи, начиная со второй
Бонусная программа
Узнать подробнее