集运站作业智能设备替代优化模型构建方式探究.pdf

中国新技术新产品2024 NO.4（上）-128-技 术 经 济 与 管 理运煤专线集运站可利用智能化的机器设备完成一部分作业任务，而设备增加需要支出一定的成本，同时会影响集运站的作业效率和人工成本。建立智能优化设备替代模型旨在保证设备资金投入、安全风险控制以及工作效率之间（反映为工作时长）的平衡，构建相应的数学模型是求解该问题的有效途径。1 运煤专线铁路集运站智能设备概述运煤专线铁路集运站通过铁路将煤炭发送至特定区域，站内的主要作业内容包括装卸车、货检、列车检查和调车等，站内设计了一系列智能设备和系统，例如煤炭装车系统、货检监测系统、列车监测系统二和超偏载检测系统1。以煤炭装车系统为例，根据工作原理的差异，该系统中包括以下 3种技术路径。1）装载机站台装车系统，通过装载机将货物装载至列车车厢。2）快速定量装车系统，在该系统的控制下，物料经带式输送机进入定量仓，最后装入列车车箱。3）移动式装车系统，当列车停靠在站台时，由移动式装车机运送物料，再经伸缩臂和漏斗进入车厢内。可见，在运煤专线铁路集运站中，存在类型多样、功能各异的智能化电气设备。2 集运站作业智能设备替代优化模型构建方式2.1 非线性0-1规划理论实现原理2.1.1 0-1线性规划理论0-1 规划属于数学中的运筹学理论，对于特定的规划问题来说，如果决策变量中存在整数，就将其称为整数规划。0-1 规划是整数规划中的特殊形式，将决策变量记为 xk，其取值范围为 0，12。在 0-1 线性规划中，目标函数如公式（1）所示。maxmin?zc xkkkn1或（1）式中：xk为决策变量；ck为决策变量 xk对应的线性系数；z 为目标函数的输出结果。在线性规划中存在一系列约束条件，其形式可为公式（2）。a xbijijnimi?,11（2）式中：aij为约束条件中的决策变量系数；xi为约束条件中的决策变量取值，并且有 xi=0 或者 xi=1；bi为不等式或者等式右边的取值。2.1.2 非线性规划非线性规划是指目标函数或者约束条件为非线性函数，也包括 2 种函数均为非线性函数的情况，其数学描述方法如公式（3）所示。min,.,.,fhimgjliiXXX?01 201 2（3）式中：假设存在欧式空间 En，将决策变量 x1、x2、.、xn组成的自变量向量记为 X=（x1，x2，.，xn）T，并且该向量属于空间 En；f（X）为非线性规划中的目标函数；hi（X）=0 和 gi（X）0 为非线性规划中的约束条件。在非线性规划的求解中，可采用非制约函数法或者启发式算法3。2.2 集运站智能设备运维管理问题随着信息技术、智能控制技术的不断发展，运煤专线铁路集运站的升级改造需求已非常迫切，智能化成为铁路车站系统的必然趋势，智能设备替代是解决问题的关键途径，针对集运站的运行管理特点，智能设备优化替代问题如下所述。假设集运站内存在若干条股道，每条股道服务于特定的作业任务，站内设计有 M 种智能替代设备，Q 类工种由人工方式完成，智能设备和人工相配合，共同完成股道上的所有业务。在引入智能设备的过程中，需要综合考虑成本、时间以及安全性 3 个基本因素，最终的优化目标为实现资金时间安全最佳4。2.3 基于非线性0-1规划的智能设备替代优化模型构建2.3.1 模型基本假设结合运煤专线铁路集运站的实际情况，在构建智能设备替代优化模型时，进行以下 5 种基本假设。1）智能替代优化模型中的参数和常数均为已知条件。2）在所有作业任务中，当前只有货物列车相关的技术任务可通过智能设备完成，其余任务需要以人工方式完成。3）每条股道至少负责一项技术作业。4）智能替代设备主要面向外勤作业人员。5）智能设备替代无须考虑特殊情况。集运站作业智能设备替代优化模型构建方式探究杜玉龙（山西中宇建设集团有限公司，山西 朔州 036002）摘 要：本研究采用非线性0-1规划理论，以应对现代化运煤专线集运站的升级改造需求。通过构建智能设备替代优化模型，确立基本假设、确定输入和输出参数、明确决策变量、构建目标函数以及设定约束条件。最终模型的目标是优化集运站在安全、资金和时间成本。模型的约束的关键因素包括人工、任务量、股道合并以及机器数量等。本研究提供了集运站现代化升级改造的有效方案，利用智能设备代替优化模型。该方案在保障安全的前提下，最大程度地减少资金和时间成本，为提高集运站的运营效率和经济效益提供科学依据。关键词：集运站；智能设备替代；车站优化模型中图分类号：U291.1文献标志码：A中国新技术新产品2024 NO.4（上）-129-技 术 经 济 与 管 理2.3.2 模型中的符号定义2.3.2.1 模型参数设定模型中需要设置一系列参数，根据优化目标，将总成本记为 z，资金投入成本、安全成本、时间成本分别为 z1、z2和 z3。模型参数类型及含义如下：q 为车站内的任务类型；Fq为完成任务 q 需要的外勤人工数量，C（1）代表单位人工的工资，Cj（2）代表机器工种 j 对应的单位成本，j=1，2，.，n，D 代表危险度函数，Si代表股道 i 的效率函数，T（1）qmax代表任务 q 最大作业量状态下的单个人工作业时间，T（1）q代表任务 q 对应的实际人工作业时间，T（1）代表人工平均 实际作业时间，T（2）i，j代表在车站股道 i 上机器工种 j 对应的实际工作时间，T（2）代表智能机器设备的平均实际作业时间，T 代表人工与机器的平均交叉作业时间，Kq代表任务 q 所需外勤总人数的上限，Lq代表任务 q 的最大作业量，Ii代表股道 i 对应任务标号的集合。2.3.2.2 模型中的决策变量假设智能设备优化替代模型中的股道数量为 m 条，由人工方式和机器设备共同完成所有任务，其中机器设备的类型为 n 种，人工作业类型为 Q 种。在模型中引入 0-1 决策变量，记为 xi，j，其含义为在股道 i 上是否引入机器设备 j。根据股道数量和机器设备类型，在变量 xi，j中，i=m，j=n。模型中的决策变量设置方法见表 1。xi，j的取值为 0 或者 1，yt（q）为模型中的另一个决策变量，Fq的取值决定于变量 yt（q）。表 1 模型中决策变量设置股道编号机器工种1机器工种2机器工种3.机器工种n人工工种1人工工种2.人工工种Q1x1，1x1，2x1，3.x1，n.2x2，1x2，2x2，3.x2，nF1.3x3，1x3，2x3，3.x3，n.FQ4x4，1x4，2x4，3.x4，n.5x5，1x5，2x5，3.x5，nF2.mxm，1xm，2xm，3.xm，n.2.3.3 建立目标函数2.3.3.1 目标函数组成分析目标函数旨在使总成本 z 最小化，根据前文所述，z=z1+z2+z3，因此在目标函数中存在 3 个组成部分。在资金投入成本方面，目标函数的组成部分如公式（4）所示5。min,zCFCxCxfqqQji ji jjimim1112111?qQ1 （4）式中：fj为单个机器工种 j 需要配置的室内人工数量。由公式（4）可知，资金成本主要包括 2 个方面，即智能设备成本和人工成本。设备成本主要来自采购费用、运行费用和维修费用，人工成本以工人工资为主。在安全成本方面，目标函数中的组成部分如公式（5）所示。min,zFDFSxSxqqqQii jjnii jjn21111?Sxii jjnimqQ11111,（5）式中：Si-1为股道i-1的效率函数；Si+1为股道i+1的效率函数。在式（5）中，风险主要来自 2 个方面。1）集运站外勤人员作业时潜在的安全风险。2）智能设备出现通信故障所引起的安全风险。在时间成本方面，目标函数中的组成部分如公式（6）所示。min,zFKTFFTxqqqqqQqi ji jjni31121?1 1mTm?（6）式中：为人工与机器工作时间的重合系数。时间成本对于企业的营运效率以及盈利能力有直接影响。从微观层面来看，时间成本主要包括 3 个部分。1）智能设备处理任务时长。这部分时间成本主要体现在设备对任务的处理速度方面，对于企业来说，采用高性能的智能设备，能够缩短任务处理时间，降低时间成本。在选购设备的过程中，企业管理者应充分考虑设备的性能、稳定性以及可扩展性，确保设备能在不影响既有工作的前提下，提高工作效率。2）人工作业时间。该项时间成本与员工的工作效率密切相关。在实际工作中，为了降低人工作业时间，企业管理者强对员工的培训，提高其工作效率。3）设备与人工作业的重叠时间。此类时间成本是设备与人，在任务执行过程中进行的协同作业所产生的。合理安排设备与人工作业的时间以及人机协作工作方式，能够有效降低重叠时间，避免出现“窝工”现象。2.3.3.2 目标函数的数学描述方法将目标函数中的 3 个部分组合在一起，即可得到目标函数的完整表达式，如公式（7）所示6。minz=（1minz1+2minz2）eminz3 （7）式中：1为资金投入成本对应的权重系数；2为安全成本对应的权重系数；e 为自然对数的底数。在目标函数模型中，将安全成本和资金投入成本作为自变量，时间成本为函数中指数部分的自变量，系数 1和 2需要根据实际情况来确定。2.3.4 目标函数的约束条件2.3.4.1 针对资金投入成本的约束条件在资金成本约束中，需要设置上限，该上限同时限制了智能设备成本和人工成本，约束条件可为公式（8）。C（1）Q q=1Fq+n j=1（C（2）jm xi，j Cmax （8）式中：Cmax为资金投入成本的上限值。2.3.4.2 针对机器数量的约束条件由于股道空间有限，因此每条股道上只能放置数量有限的智能设备，并且设备之间有可能存在信号干扰，针对股道 i设置机器设备数量的上限值，记为 Nmax，i，机器数量约束条件可为公式（9）7。n j=1xi，j Nmax，i （9）2.3.4.3 针对人工数量的约束条件当车站任务q处于最大作业量时，人工数量也达到上限值，然而实际情况下可使用智能机器设备代替人工，从而减少人工数量。但设备有可能出现故障，此时仍需要以人工方式完成相关任务8。结合以上情况，针对人工数量的约束条件如公式（10）所示。Q q=1Fqmin Q q=1Fq Q q=1Kq （10）式中：Fqmin为当完成任务 q 时所需外勤人员的最低数量。2.3.4.4 针对股道的约束条件列车股道具有合并功能，假设存在智能机器设备 j，那么中国新技术新产品2024 NO.4（上）-130-技 术 经 济 与 管 理可将其放置在汇入线股道或者站外线股道上，将此类设备的集合记为 Gv。如果机器设备设置在站外线，那么站内的多个股道中有一个与站外线股道相联通。根据以上条件，针对股道合并的约束条件如公式（11）所示。i Buxi，j 1，j Gv （11）2.3.4.5 整数约束条件在模型中的决策变量 xi，j有 2 个取值，即 0 或者 1。当 xi，j=0时，含义为在股道 i 上未引进智能机器设备 j；当 xi，j=1 时，含义为股道 i 上引进智能机器设备 j。2.3.4.6 针对人工数量函数的约束条件智能设备替代优化模型的求解结果包括各条股道上智能设备的数量、任务 q 对应的人工数量。为了确定人工数量，在模型中设置一个虚拟变量，记为 yt（q），该变量同样为 0-1 决策变量。假设任务 q 所需的人工数量为一系列数值中的某一个，那么仅有一个数值的 yt（q）=1，其他数值对应的 yt（q）均为 0。2.3.4.7 针对任务作业量的约束条件对于特定任务 q，其作业量直接决定了实际所需的人工数量，将股道 i 上任务 q 的作业量记为 Hi（q），则针对任务 q 作业量的约束条件为各股道上任务 q 作业量之和应小于该任务的最大作业量。3 模型优化3.1 模型优化措施模型优化措施包括以下3个。研究人员需要确定合适的设备配置方案。在集运站中，设备种类繁多，不同的配置方案对作业效率和成本有不同的影响。因此，需要结合实际情况，选择最佳的设备配置方案，并充分考虑不同设备之间的协同效应9。研究人员需要制定合理的工作流程和调度计划。在集运站中，作业流程和调度计划对作业效率和成本有重要影响。因此，需要根据实际情况制定合理的工作流程和调度计划，并确保不同作业环节之间的有效衔接和协调。采用非线性 0-1规划理论对模型进行优化。在优化过程中，研究人员需要考虑决策变量之间的非线性关系，并确保最终解决方案的离散性。可以采用启发式算法或智能优化算法等求解方法来求解优化模型，从而得到最优的设备配置方案、工作流程和调度计划。在实际工作中，研究人员需要考虑集运站作业中可能涉及的一些关键变量和因素，包括以下 4 种。设备效率。不同类型的智能设备具有不同的作业效率，包括装卸速度、运输速度等。这些效率直接影响到站点的整体运作效能。设备成本。智能设备的购买和维护成本是一个重要的考虑因素。在替代模型中，需要权衡设备性能和成本之间的关系。运营时间。不同的设备可能在不同的时间段内效率更高。因此，研究人员需要考虑设备的运营时间参数。作业流程。集运站的作业流程可能涉及多个环节，例如卸货、分拣和装车等，智能设备的替代应考虑整个作业流程的优化。3.2 优化模型的实际效果为了全面评估新方案相较于传统作业方式的实际优势，研究人员建立一个非线性 0-1 规划理论的优化模型。对模型进行详细设计，研究人员考虑了很多因素，包括设备效率、成本、运营时间、作业流程等。为了使优化效果更具体并有说服力，研究人员进一步细化了对比数据（见表 2）。表 2 清晰地展示了优化模型在总效率、成本、运营时间利用率、作业准确性和适应性等方面，与传统作业方式相比有显著优势。通过比较，研究人员将更深入地了解智能设备替代优化模型的实际效果，为未来的决策提供参考。4 结语针对运煤专线集运站的升级改造问题，需要在股道上设置数量适宜的机器设备，以部分代替人工作业。但设备增加会影响人工用量、作业时间以及企业的综合成本，研究过程构建了相应的目标函数模型，其中包括设备资金投入成本、安全成本以及时间成本，通过人工数量、机器数量、任务量、资金投入成本以及股道合并等形成函数的约束条件，该过程运用了0-1 非线性规划理论。模型的输出结果包括最小成本、股道上的机器设备数量以及人工数量等。参考文献1 乔青山.大秦玉龙煤炭集运站设计研究 J.煤炭工程，2022，54（6）：28-31.2 王一波.煤炭集运站建设中储煤系统常见工艺形式 J.中华建设，2020（9）：94-95.3 曹佳峰.四道柳集运站铁路专用线运输组织模式研究 J.铁路采购与物流，2020，15（5）：54-55.4 苏志明.集运系统吨煤电耗控制模型构建及示范应用 J.内蒙古煤炭经济，2022（22）：160-162.5 武童.集运站方案设计及不同存储方式的优势分析 J.机械工程与自动化，2018（1）：129-131.6 常杰云.圣圆集运站深回填土灌注桩设计 J.煤炭工程，2018，50（1）：25-27.7 姚嘉胤.红河集运站储装运系统封闭改造工程设计 J.煤炭工程，2017，49（1）：18-20.8 安健，张国钧，赵博等.基于 PLC 的输送机集中控制系统设计 J.煤炭技术，2015，34（9）：271-274.9 吴琪.煤炭集运站到发线能力计算方法探析 J.铁道标准设计，2015，59（6）：36-39.表 2 优化模型与传统作业方式对比指标传统作业方式优化模型总效率每小时处理订单数量：120每小时处理订单数量：160成本人工成本/月：￥15，000 设备维护成本/月：￥10，000人工成本/月：￥13，000；设备维护成本/月：￥8，000运营时间利用率作业时间利用率：70%作业时间利用率：85%作业准确性错误率：3%错误率：1%适应性固定作业流程，难以应对突发订单根据需求调整作业流程，能够快速适应变化