Анализ холостых пробегов - расчет доли порожних рейсов и выявление направлений с избыточными перемещениями пустых вагонов

Холостые пробеги и порожние рейсы представляют собой критический показатель эффективности использования подвижного состава в логистике. Неправильно управляемые перемещения пустых вагонов приводят к простоям, увеличению времени доставки и дополнительным затратам на топливо и экипаж. В рамках BI DWH задача состоит в том, чтобы системно измерять долю холостых рейсов, выявлять направления, где эта доля наиболее заметна, и предлагать управленческие сценарии по оптимизации парка и маршрутной сети. Глава освещает концептуальные основы, архитектуру данных, алгоритмы расчета, а также практические подходы к реализации в инструментарииях BI и DWH.

Краткое введение

Холостые прогоны вагонов возникают тогда, когда подвижной состав перемещается без полезной загрузки или возвращается на базу без выполнения к первичному назначению. Анализ таких перемещений требует согласованной картины данных: фактов по рейсам, измерений по маршрутам, времени движения и статусов загрузки. Эффективная модель данных должна соединять события GPS/Телеметрии, расписания, данные ERP/TMS и справочники по маршрутам, чтобы вычислять не только долю холостых рейсов, но и их структуру по направлениям, временным окнам и типам вагонов. Внедрение такого анализа в BI-пайплайн обеспечивает управленческим подразделениям четкие индикаторы для перераспределения вагонов, пересмотра маршрутов и расчета экономически обоснованных сценариев.

Краткое содержание главы

Определение понятий, целей и ключевых метрик для анализа холостых пробегов.
Модель данных и алгоритмы расчета доли холостых рейсов, а также методика выявления избыточных перемещений пустых вагонов.
Архитектура DWH, интеграционные каналы, источники данных и подходы к ETL/ELT.
Реализация в BI: схемы запросов, структура дашбордов и принципы визуализации для принятия решений.
Контроль качества данных, риски и операционные аспекты эксплуатации аналитики.

Контекст и задачи анализа холостых пробегов

Холостые прогоны - это перемещения подвижного состава без загрузки или с пустой загрузкой. Их доля влияет на эффективность флотилии, так как пустые рейсы не производят ценность для перевозки и могут сопровождаться дополнительными затратами. В рамках DWH задача состоит не только в измерении этой доли, но и в сегментации по направлениям, времени суток, типу вагона и типу маршрута. Такой подход позволяет выявлять направления с избыточными перемещениями пустых вагонов, где возможна оптимизация парка и маршрутов.

Основные концепты:

Доля холостых рейсов: отношение числа рейсов, выполненных без загрузки, к общему числу рейсов за заданный период.
Избыточные перемещения пустых вагонов: перемещения, которые не соответствуют бизнес-логике загрузок (например, повторные возвращения без загрузок, слишком долгие ожидания без смены статуса загрузки).
Направления риска: маршруты или сочетания пунктов отправления/назначения, где доля холостых значительно выше средних по бизнес-сегменту.
Этапы анализа: сбор и нормализация данных, расчеты, агрегирования, визуализация, мониторинг изменений во времени.

Для реализации в BI DWH требуется целостная архитектура данных и четко определенные правила расчета. В частности важны: корректная идентификация статуса загрузки, точность привязки событий к маршрутам, устойчивость к пропускам в данных и возможность прогноза на основе исторических трендов.

Модель данных, метрики и алгоритмы расчета

Моделирование данных для анализа холостых пробегов опирается на три слоя: факты по рейсам, размерности и временная размерность. В качестве фактов выступают события рейсов, включая время отправления/прибытия, фактическое состояние загрузки, дистанцию и продолжительность. Размерности включают маршрут (Origin-Destination), вагонный парк (тип вагона, идентификатор), дата/время, перевозчика и тип подвижного состава. Временная размерность обеспечивает агрегацию по дням, неделям, месяцам и часам суток.

Фактовая таблица рейсов (fact_trips) должна содержать：
- trip_id, wagon_id, route_id, carrier_id, scheduled_departure, actual_departure, scheduled_arrival, actual_arrival, distance_km, duration_min, load_status (_loaded/Empty), is_empty (1/0).
Размерности:
- dim_route (route_id, origin, destination, distance_km, typical_run_time)
- dim_wagon (wagon_id, wagon_type, capacity)
- dim_time (date, week, month, quarter, year, day_of_week, is_holiday)
- dim_carrier (carrier_id, name)
Временная и кросс-дименсиональная логика позволяют рассчитывать метрики на уровне направления, поезда, даты и типа вагона.

Ключевые метрики:

Доля холостых рейсов (empty_trip_share) = count_empty_trips / total_trips за период.
Средняя дистанция холостых (avg_empty_distance_km).
Среднее время холостых (avg_empty_duration_min).
Энергетически-экономические показатели: расход топлива на холостые прогоны на вагон/класс, если доступны данные по топливу.
Тепловые карты направлений: доля холостых по паре origin-destination и времени суток/периода.

Алгоритм расчета, который можно воспроизвести в SQL-движке DWH:

Фильтрация валидных рейсов за период.
Определение признака is_empty на основе статуса загрузки или occupancy в момент рейса.
Расчёт дистанции и продолжительности холостых рейсов.
Агрегации по маршрутам, направлениям, времени и вагонному типу.

Вычисление доли холостых и метрик сравнения с базовыми значениями (например, сравнение с прошлым периодом).

WITH trips AS ( SELECT t.trip_id, t.wagon_id, t.route_id, t.carrier_id, t.actual_departure, t.actual_arrival, t.distance_km, t.duration_min, t.load_status, -- 'LOADED' | 'EMPTY' CASE WHEN t.load_status = 'EMPTY' THEN 1 ELSE 0 END AS is_empty ## FROM raw_trips t ## WHERE t.actual_departure >= DATE '2025-01-01' AND t.actual_departure

В данном примере демонстрирован простой сценарий расчета доли холостых рейсов по дню и направлению. В реальной реализации следует учесть:

корректную обработку пропусков в загрузке и недостающих координатах маршрутов;
учет специальных состояний рейса (пересадки, отмены) и их влияние на метрики;
дополнительные сегменты: по типу вагона, по перевозчику, по времени суток или по сезонности.

Дополнительно полезно расчитать локальные коэффициенты по маршрутам для раннего выявления аномалий:

коэффициент отклонения доли холостых по маршруту относительно среднего по сети;
пороговые значения для «красной зоны» и «желтой зоны» для оперативного оповещения.

Модель данных и обработка качества

Чтобы обеспечить качество анализа, следует внедрить линейку валидаций:

проверки полноты данных по рейсам и маршрутам (небоеприятные пропуски в route_id, wagon_id);
сопоставление фактов между источниками (GPS-события vs расписания);
консистентность между датой в dim_time и фактическими датами рейсов;
мониторинг дубликатов и коррекция - идентификация дубликатов рейсов и повторных событий.

Архитектура DWH, источники данных и интеграции

Для устойчивого анализа холостых пробегов необходима целостная архитектура, которая обеспечивает источник данных, обработку и нормализацию, а также доступ к данным через BI-инструменты. В базовой схеме применяются три слоя: стейджинг, ядро DWH и слой представления (data mart) для конкретных задач.

Источники данных:
- TMS/ERP для расписания, статуса загрузки и перевозчиков.
- GPS/Telematics-системы для фактического времени отправления/прибытия и траектории.
- Системы контроля склада и привязки к маршрутам.
Интеграционные каналы:
- Бегущие пайплайны на Apache Kafka для потоковых данных, особенно по GPS-сообщениям.
- Партнерские ETL/ELT-процессы на Apache Airflow или аналогах для планирования пакетной обработки.
- Трансформации в dbt для управления моделями данных, тестами и документированием.
Архитектура хранилища:
- staging-слой с сырыми данными из источников.
- core/интегрированная модель в DWH с формализованными фактами и размерностями.
- data marts для ключевых доменов: операции, планирование и аналитика по холостым пробегам.
Инструменты визуализации:
- BI-платформы с поддержкой MDX/SQL-запросов и возможности создания интерактивных дашбордов.
Технологические варианты:
- для обработки больших объемов и сложных агрегаций целесообразны современные OLAP-решения, такие как ClickHouse или Snowflake, а также Spark-процессы для сложной трансформации.
- для оркестрации и управления зависимостями - Apache Airflow; для управления моделями данных - dbt.

Важно обеспечить прозрачность происхождения данных и трассируемость изменений: от источника к агрегированным метрикам. В рамках российских и открытых практик можно упоминать, например, dbt для трансформаций и Apache Airflow для оркестрации, а как альтернативу - Snowflake или ClickHouse в зависимости от инфраструктуры. В любом случае архитектура должна обеспечивать качественную документированность и контроль версий моделей.

Реализация в BI: от запросов к дашбордам

Разработка аналитических материалов по холостым пробегам начинается с определения требований к дашбордам. Основной набор визуализаций должен включать:

карта направлений с подсветкой доли холостых пробегов по origin-destination;
временные тренды по доле холостых пробегов (денежные и сезонные паттерны);
топ-N маршрутов по доле холостых; разрезы по типу вагона и перевозчику;
агрегации по дневной, недельной и месячной частоте для сравнения между периодами;
показатели по времени цикла (lead time) и расстоянию холостых.

Пример структуры SQL-запросов и визуализаций:

маршрутная таблица с трендами по дням:

SELECT
  day,
  origin,
  destination,
  AVG(empty_trip_share) AS avg_empty_trip_share
FROM (
  SELECT
    DATE_TRUNC('day', t.actual_departure) AS day,
    r.origin,
    r.destination,
    CASE WHEN t.load_status = 'EMPTY' THEN 1 ELSE 0 END AS is_empty,
    COUNT(*) OVER (PARTITION BY DATE_TRUNC('day', t.actual_departure), r.origin, r.destination) AS total_trips_day
## FROM trips t
  JOIN dim_route r ON t.route_id = r.route_id
) s
GROUP BY day, origin, destination
ORDER BY day, origin, destination;

по-временным интервалам и сегментации по вагону:

SELECT
  date,
  wagon_type,
  SUM(empty_trips) AS empty_trips,
## SUM(total_trips) AS total_trips,
  (SUM(empty_trips)::decimal / NULLIF(SUM(total_trips), 0)) AS empty_trip_share
FROM (
  SELECT
    DATE(actual_departure) AS date,
    w.wagon_type,
    CASE WHEN t.load_status = 'EMPTY' THEN 1 ELSE 0 END AS empty_trips,
    COUNT(*) AS total_trips
## FROM trips t
  JOIN dim_wagon w ON t.wagon_id = w.wagon_id
  GROUP BY 1, 2, t.load_status
) s
GROUP BY date, wagon_type
ORDER BY date, wagon_type;

визуализация и взаимодействия:
- дашборд должен поддерживать фильтры по periodo, по перевозчику, по вагонному типу и по направлению.
- граничные значения и предупреждения (thresholds) могут быть интегрированы как сигналы в BI-инструменте для оперативного реагирования.

Реализация требует внимания к производительности, особенно в агентских запросах и многократных агрегациях по маршрутам и времени. Для повышения скорости целесообразна реализация материализованных представлений или агрегаций по наиболее часто запрашиваемым разрезам, а также настройка партиционирования по дате и маршрутам. В критических сценариях - перенос части вычислений в OLAP-движок, который оптимизирован под аналитические запросы.

Визуализация и сценарии внедрения

Дашборд «Холостые прогоны» должен позволять сравнение текущего периода с прошлым, а также с базовыми регламентными значениями. Визуализация должна быть адаптивной и поддерживать детальные разрезы по времени суток, сезону, направлениям и типам вагонов.
Сценарий внедрения: начать с пилотного набора маршрутов и вагонных типов, затем расширение по сети. Необходимо обеспечить сбор и проверку данных по всем каналам, чтобы не допускать расхождений между источниками и разрозненными копиями фактов.
Важен механизм оповещений: когда доля холостых пробегов превышает пороги по конкретному направлению или вагонному парку, система должна автоматически формировать уведомления для ответственных лиц.

Контроль качества данных и эксплуатационные риски

Эффективная аналитика холостых пробегов невозможна без устойчивого контроля качества и процесса эксплуатации аналитического решения. Основные направления:

полнота и согласованность данных: проверка наличия ключевых полей (route_id, wagon_id, actual_departure, load_status); сопоставление событий между источниками (GPS/Telementry против расписания); устранение дубликатов.
актуальность данных: обеспечение корректной частоты обновлений и синхронизации между источниками; мониторинг задержек в загрузке данных и логирование ошибок.
корректировка пропусков: в случае отсутствия данных применить дипломатическую трактовку (например, пометка пропуска и использование прогностических допущений) и прозрачные сигналы качества.
валидность моделей: тестирование бизнес-правил и проверка устойчивости метрик к изменению сценариев (например, сезонные колебания, изменения в расписании).
управление изменениями: фиксация версий моделей данных, регламент по развёртыванию изменений и регламент по откату, чтобы минимизировать риск нарушения бизнес-процессов.

Качественный подход к данным - залог доверия к аналитике. Важно поддерживать понятную документацию по источникам данных, их преобразованиям и критериям расчета метрик. В долгосрочной перспективе следует внедрять блоки тестирования на уровне модельного слоя (unit tests для моделей dbt, тесты на целостность первичных ключей и соответствие диапазонов значений).

Примеры сценариев внедрения и комментарии к эксплуатации

Пилотный этап: ограничение по сетке маршрутов и типам вагонов; сбор исходных данных и построение первых метрик; оценка качества данных и выявление узких мест в источниках.
Масштабирование: добавление новых маршрутов, расширение по временным интервалам, гибридная модель обработки данных - часть данных в реальном времени, часть - пакетно.
Интеграция с маршрутной оптимизацией: использование результатов анализа холостых пробегов для перераспределения вагонов и переработки расписания в целях минимизации холостых пробегов.
Управление рисками: регулярный мониторинг качества данных, тревожные пороги и автоматизированные уведомления, документированная политика по исправлению ошибок и откату изменений.

Key takeaways

Холостые прогоны являются важной метрикой эффективности использования вагонного фонда и требуют согласованной модели данных и точной идентификации загрузки в событиях рейсов.
Эффективный подход к анализу объединяет факты по рейсам, размерности маршрутов и временную размерность, позволяя рассчитывать долю холостых рейсов, расстояние и длительность холостых прогонах.
Архитектура DWH должна поддерживать источники данных TMS/ERP и GPS-телеметрии, обеспечивая процессы ETL/ELT и инструменты визуализации, а также мониторинг качества данных.
Реализация в BI требует четких SQL-сценариев и возможностей для агрегаций по маршрутам и временным интервалам, а также продуманной визуализации для принятия управленческих решений.
Ключевым элементом является обеспечение качества данных: мониторинг пропусков, дубликатов, консистентности и прозрачности происхождения данных.
Эффективная интерпретация результатов требует учета сезонности, различий по вагонным типам и особенностей маршрутов, а также возможности сегментировать результаты по направлениям и времени суток.
Внедрение должно сопровождаться планом мониторинга, управляемыми порогами и автоматизированными оповещениями для раннего реагирования на отклонения.
Практика внедрения включает пилот на ограниченной сети, постепенное расширение и тесное взаимодействие с операционным блоком для реализации управленческих сценариев на основе анализа.

FAQ

Что такое «доля холостых пробегов» и зачем она нужна в логистике?

Доля холостых пробегов отражает долю рейсов, которые проходят без загрузки, по сравнению с общим количеством рейсов за период. Она служит индикатором эффективности использования подвижного состава и помогает выявлять направления, где вагонный парк перемещается неэффективно. Понижение этой доли приводит к снижению затрат на топливо, сокращению времени доставки и увеличению общего уровня сервиса. В BI-DWH подобная метрика должна опираться на точные статусы загрузки и синхронизацию с расписанием.

Какие данные необходимы для расчета и какие источники чаще всего используются?

Основные источники включают TMS/ERP для данных по расписанию, маршрутам и статусу загрузки, а также GPS/теxеметрические системы для фактических времен движения и расстояний. Также полезны справочники по маршрутам и вагонному парку. Интеграция должна обеспечивать целостную картину: факты рейсов, размерности маршрутов, время и тип вагонов. В идеале данные должны проходить через этапы стейджинга и ядра DWH с последующим моделированием в data mart.

Как определить, что направление «в зоне риска» по холостым пробегам?

В рамках анализа направление считается рискованным, если доля холостых пробегов существенно выше среднего по сети и имеет устойчивые сегменты с высокой долей холостых во времени. Важна не только доля, но и контекст: время суток, сезонность, тип вагона, расстояние и вероятная причина - загрузка в соседних маршрутах или задержки на станции. Визуализация тепловых карт и пороговые сигналы позволяют оперативно реагировать.

Какие алгоритмы расчета предпочтительнее в DWH?

Элементарная, но эффективная формула: доля холостых рейсов = количество рейсов с is_empty = 1 / общее число рейсов. Однако реальная задача требует учета контекста: расчеты по маршрутам, датам, вагонным типам, временным интервалам и нормализация по сезонности. Более сложные подходы включают расчеты по скользящему окну времени, построение baselines и сравнение текущих значений с историческими.

Какие архитектурные решения поддерживают масштабируемость?

Структурированная звездная схема с фактовой таблицей рейсов и соответствующими размерностями; использование слоя data mart под аналитические потребности BI; применение материализованных представлений для часто запрашиваемых разрезов; параллельная обработка и партиционирование по дате и маршруту; использование потоковой передачи данных для критических источников (GPS) и пакетной обработки для полноты данных.

Как обеспечить качество данных на этапах ETL/ELT?

Необходимо реализовать проверки полноты и целостности на входе, тесты соответствия данных между источниками, устранение дубликатов и корректировку пропусков. Важна единая бизнес-логика расчета и документация по всем правилам. Регулярное тестирование моделей dbt, тесты целостности ключевых полей и регулярные проверки на соответствие между рассчитанными метриками и ожидаемыми значениями в операционных процессах.

Как представить результаты руководству?

Визуализации должны быть понятными и интерактивными: тепловые карты направлений, тренд-диаграммы, разрезы по вагонному типу и перевозчику. Дашборды должны позволять сравнивать периодами и быстро выявлять «шпаргалки» по направлениям. Важно обеспечить возможность экспорта данных и возможности drill-down для анализа причин.

Какие риски связаны с внедрением анализа холостых пробегов?

Риски включают некорректную идентификацию статуса загрузки, некорректную привязку событий к маршрутам, пропуски данных и задержки в обновлениях. Эти риски приводят к ложным выводам и неправильным управленческим решениям. Для снижения риска необходима ясная методология, документация, мониторинг качества и автоматизированные проверки.

Что сделать с сезонностью и изменениями в расписании?

Сезонность и изменения в расписании следует учитывать в модельной архитектуре: использовать временную размерность с группировками по периодам (день/неделя/месяц), нормализацию по базовому уровню и сравнение с аналогичными периодами прошлого года. Также можно внедрить сигнальные правила, которые учитывают сезонные пики и временные окна, чтобы не переоценивать влияние изменений в расписании на показатели холостых пробегов.

Какой минимальный набор метрик необходим для начала?

Доля холостых рейсов по маршрутам и по дневным периодам; средняя дистанция и длительность холостых; топ-N направлений по доле холостых; влияние вагонного типа на долю холостых; визуализация тенденций во времени. При старте важно иметь стабильные показатели по нескольким маршрутам и затем расширить анализ на всю сеть.

Значимое преимущество главы - дать конкретную методику расчета и практические примеры, которые можно адаптировать под различные инфраструктурные условия и требования бизнеса. В сочетании архитектура данных и практические SQL-примеры позволяют разворачивать анализ холостых пробегов в полноценный инструмент поддержки оперативной и стратегической логистики.

← Предыдущая статья

Контроль загрузки маршрутов - анализ количества вагонов и грузов по каждому направлению перевозок для выявления перегруженных маршрутов

Следующая статья →

Оптимизация распределения вагонов - анализ дисбаланса вагонного парка по направлениям перевозок и выявление потребности в перераспределении