Разработка автоматизированного комплекса диспетчеризации строительных и дорожных машин на распределенных производственных объектах
Парк строительных и дорожных машин российских организаций эксплуатируется при среднем уровне использования производственных мощностей около 56% и высокой доле техники, выработавшей амортизационный срок, что задаёт разрыв между наличным ресурсом парка и фактической выработкой. Регуляторный контур цифровизации строительства выстроен вокруг информационной модели объекта капитального строительства и не охватывает оперативные данные о работе машин; требования к бортовой навигационно-связной аппаратуре распространяются на колёсные транспортные средства и не затрагивают самоходные машины, состоящие на учёте в органах гостехнадзора. Цель работы – разработка структуры и количественное обоснование параметров автоматизированного комплекса диспетчеризации, обслуживающего парк машин на нескольких пространственно разнесённых участках. Применены дискретно-событийное имитационное моделирование годового цикла эксплуатации с 10 000 итераций по методу Монте-Карло, факторное разложение приращения наработки методом цепных подстановок и расчёт дисконтированного эффекта по трём вариантам архитектуры комплекса. На модельном парке из 37 машин, распределённых по семи участкам, средневзвешенная годовая наработка возрастает с 929,8 до 1171,6 маш.-ч, коэффициент использования парка – с 0,465 до 0,586. Факторное разложение относит 40,6% приращения к росту технической готовности и 59,4% – к внутрисменному использованию. Сокращение среднего времени согласования переброски машины ниже 26 мин приращения уже не даёт: ограничение переходит на транспортное плечо протяжённостью около 96 км. Полная архитектура с предиктивной диагностикой даёт чистый дисконтированный доход 16,85 млн руб. против 16,50 млн руб. у варианта без неё, требуя при этом на 69,5% больших капитальных вложений. Преобладание внутрисменного фактора над фактором технической готовности означает, что резерв выработки парка сосредоточен в диспетчерском контуре планирования и согласования, а диагностический контур выполняет по отношению к нему подчинённую роль и насыщается заметно быстрее. The fleet of construction and road machines of Russian companies operates at an average capacity utilisation level of about 56% and with a high share of equipment that has exhausted its depreciation period, which creates a gap between the available fleet resource and the actual output. The regulatory framework of construction digitalisation is built around the information model of a capital construction facility and does not cover operational data on machine performance; requirements for on-board navigation and communication equipment apply to wheeled vehicles and do not affect self-propelled machines registered with the technical supervision authorities. The aim of the study is to develop the structure and to substantiate quantitatively the parameters of an automated dispatching complex serving a machine fleet at several spatially separated sites. Discrete-event simulation of the annual operation cycle with 10 000 Monte Carlo iterations, factor decomposition of the operating-time increment by the chain substitution method, and calculation of the discounted effect for three architectural options of the complex were applied. For a model fleet of 37 machines distributed across seven sites, the weighted average annual operating time rises from 929,8 to 1171,6 machine-hours, and the fleet utilisation coefficient from 0,465 to 0,586. Factor decomposition attributes 40,6% of the increment to the growth of technical readiness and 59,4% to within-shift utilisation. Reducing the average machine relocation approval time below 26 minutes yields no further increment: the constraint shifts to the transport leg of about 96 km. The full architecture with predictive diagnostics yields a net present value of 16,85 million roubles against 16,50 million roubles for the option without it, while requiring 69,5% higher capital investment. The predominance of the within-shift factor over the technical readiness factor means that the fleet output reserve is concentrated in the dispatching contour of planning and approval, whereas the diagnostic contour plays a subordinate role in relation to it and saturates noticeably faster.