А.С. Исаев
ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ РЕГИОНАЛЬНОГО ЭЛЕКТРОРЕМОНТА
Необходимость роста электровооружённости труда ведёт к увеличению количества установленного электрооборудования. Одним из эффективных путей повышения надёжности работы электрооборудования является своевременное и качественное проведение их технического обслуживания и ремонтов. Затраты на ремонт и обслуживание превышают стоимость выпуска новых машин. Численность ремонтного персонала на порядок превышает численность персонала, занятого изготовлением двигателей [3]. Поэтому актуальна минимизация затрат при проведении технического обслуживания и ремонтов электрических машин, которыми занято до 10% электротехнического персонала промышленности.
В настоящее время нет единой методики, которая позволяла бы обоснованно планировать сроки и объёмы ремонтных мероприятий. Это связано с огромным количеством электрических машин (для предприятий химической промышленности установленных электрических машин порядка 15тыс.), большим разнообразием номенклатуры машин (по металлургии средняя повторяемость типоразмера на уровне четырёх-пяти) и условий работы. Для специализированных ремонтных предприятий при заказе комплектующих и планировании ремонтных работ временные характеристики вероятности безотказной работы электрооборудования неприменимы. Реальный выход в ремонт оборудования не соответствует расчётному (по нормам ППР). Объективной причиной тому является то, что современные отраслевые нормы ППР основаны на некоторых усредненных показателях, и поэтому невыполнимы для массового оборудования. Имеется противоречие между подходом к нормированию трудоёмкости индивидуального ремонта изделия и планированием массового поступления в ремонт, разработкой норм массового обслуживания.
Практически невозможно по фактическому перечню электрических машин зоны обслуживания специализированного предприятия на основе имеющихся нормативных периодичностей и сроков проведения технического обслуживания и ремонта составить график поступления электрических машин. Во-первых, определение среднего времени безотказной работы затруднено большой трудоёмкостью сбора данных, отсутствием достоверной информации о распределении отказов по времени. Во-вторых, большое количество установленного электрооборудования отличается высоким разнообразием, что не может быть в полной мере отражено в нормах. При этом сам выход в ремонт и показатели надёжности изделия (средняя интенсивность потока отказов, среднее время восстановления и т.д.) характеризуются большим разбросом и зависит от времени работы электрических машин после ремонта.
необходимо разработать метод, позволяющий на основе формализованных математических процедур, оптимизировать различные виды ремонта специализированными ремонтными предприятиями и ремонтными цехами различных предприятий. При этом метод должен опираться на объективные закономерности формирования ремонтных потоков (ремонтных выборок) и множества установленного электрооборудования, входящего в зону обслуживания ремонтного предприятия.
В связи с необходимостью обширной статистики для построения математических моделей актуальна задача создания информационной базы данных для учёта и специальной обработки данных по ремонтируемому и установленному электрооборудованию. Комплекс программных средств для анализа видового разнообразия установленного электрооборудования, разработан нами для IBM-совместимых компьютеров. Применение данного прикладного пакета позволит значительно повысить обоснованность планирования ремонтных мероприятий, оптимизировать складские запасы, запасных частей и материалов.
Комплекс программных средств использует общепринятую идеологию построения простейших реляционных баз данных (аналогичных MS Access) и может быть легко адаптирован к новым задачам. Реляционная база данных обладает в общем случае гибкостью, удобством работы, связанностью и простотой ввода новых данных. При этом нет необходимости в узкоспециализированном программировании СУБД. Для модификации программ достаточно "расширить " имеющиеся программные средства, используя, прикладные программы для построения макроопределений (например , Visual Basic).
В состав пакета входят группы программ, решающие задачи:
1. управление информационной базой данных по установленному и ремонтируемому электрооборудованию (электрическим машинам);
2. автоматическая группировка исходных статистических данных, позволяющая определить показатели разнообразия и соотношения между массовыми и уникальными изделиями, получить количественные характеристики, отражающие структурные закономерности анализируемой информации и необходимые для построения прогнозной модели;
3. прогнозирование массовых серий входного ремонтного потока, на основе выявленной устойчивости видовой структуры техноценоза и технический анализ временных рядов параметров распределения (по видам и количеству электрических машин);
4. прогнозирование появления в ремонтном потоке уникальных изделий, на основе выявленных соотношений между различными видами распределений;
5. формирование обоснованного заказа комплектующих и запасных частей по прогнозной модели.
1.База данных охватывает статистические данные по поступлению в ремонт электрических машин для специализированного ремонтного предприятия Энерго-механического завода ( порядка 10 тыс. машин в год, 55 тыс. за шесть лет) и данные о выходе в ремонт и установленном оборудовании крупнейших предприятий г.Новомосковска, которые входят в зону обслуживания ЭМЗ. Крупнейшим из рассмотренных промышленных предприятий – абонентов является НАК "Азот" (25 тыс. установленных электродвигателей). Хранение информации в виде базы данных позволяет стандартизировать их формат, повышает надёжность и длительность хранения информации, исключает дублирование информации, обеспечивает общий доступ и унификацию процедуры обработки. Форма хранения информации по цехам включает в себя следующие показатели: регистрационный номер, технологический механизм, типоразмер, номинальную мощность, частоту вращения, дату последнего капитально ремонта. Кроме того, каждый элемент может иметь специфические характеристики в виде примечаний любого характера. Единая форма отчётности имеет несомненные достоинства, т.к. позволяет сравнивать между собой различные цеха одного предприятия или различные предприятия в целом, выявлять структурные закономерности в построении различных объектов, также тенденции их изменения во времени.
Сложности построения информационной базы вызваны тем, что часто невозможно жёстко связать конкретную позицию базы с конкретным двигателем. доля "именикового" оборудования относительно мала. По-видимому, определённую запись базы необходимо идентифицировать по технологическому механизму.
В общем случае банк данных установленного электрооборудования должен содержать при составлении долгосрочных прогнозов информацию об установленном электрооборудовании за последние двенадцать лет - средний срок службы асинхронного двигателя.
2.Рассматривая количество одинаковых видов двигателей в выборках как распределение случайной величины, можно говорить о наличии устойчивого распределения негауссового типа. Гипотеза о нормальном распределении этой случайной величины отвергается. Это подтверждает невозможность сведения прогноза к некоторым усреднённым показателям за некоторый временной интервал.
Учитывая некоторые известные ранее [3] количественные соотношения между массовыми и уникальными изделиями (массовых изделий порядка 60% от общего числа; уникальных типов порядка 40-60%) для обработки применён математический аппарат, аппарат рангового видового анализа. Он позволяет выделить группы массовых изделий, а параметры полученных распределений служат основой для построения прогнозной модели [2]. Аналитическое выражение видового рангового распределения (закон Ципфа) имеет вид:
L(r)=B/rb , (1)
где L(r)-частота появления изделия данного вида в выборке; r-номер ранга; В- коэффициент аппроксимации, равный L1; b-видовой ранговый коэффициент.
При проведении ремонта необходимо разумное сочетание мощностей специализированных, отраслевых, межотраслевых и внутризаводских ремонтных подразделений. При этом необходимо оптимальное распределение ремонтных мероприятий для машин определённой частоты встречаемости между подразделениями.
Данный блок программ позволяет сгруппировать изделия по видам, в соответствии с выбранным классификатором и, проранжировав их по частоте встречаемости, получить параметры распределения . Таким образом, рангу r соответствует Br изделий, отличающихся от других по какому-либо количественному признаку - классификатору вида. Видообразующим параметром распределения (1) является число изделий одного вида или относительная частота встречаемости вида в выборке.
Рис.1 Доля уникальных видов электрических машин ремонтного потока ЭМЗ.
В результате расчёта выделяются характерные группы изделий, для которых можно сформулировать единые требования к организации ремонтных потоков. После ранжирования статистических данных по установленному электрооборудованию можно все изделия разделить на ряд характерных групп:
· уникальные, на ремонт которых необходимо ориентировать ремонтные цеха этого же предприятия. Ремонт этих изделий всегда индивидуален, т.к. речь идёт о ремонте единичного изделия;
· массовые, для которых необходимо проведение общих ремонтных мероприятий через определённый интервал времени ;
· серийные, на ремонт которых необходимо ориентировать ремонтные цеха специализированных отраслевых ремонтных предприятий с применением теории массового обслуживания.
Рис.2 Основные параметры видового рангового распределения ремонтного потока ЭМЗ.
Способ выделения вида в исходной совокупности изделий определяется поставленной целью исследования, что предусмотрено в составленном пакете программ. Так для анализа установленного оборудования определяющим параметром для выделения вида служит номинальная мощность. При оптимизации электроремонта необходимо также учитывать отличия по типоразмеру, частоте вращения, исполнению и т.д.
3. Для современных ремонтных предприятий актуальным является составление краткосрочного прогноза, позволяющего на основании информации за короткий интервал предыстории ( порядка трёх лет) получать состав ожидаемых машин на следующий год, т.к. заказ комплектующих и планирование ремонтных мероприятий большинством предприятий осуществляется на год. Важность решения этой задачи особенно возрастает для ремонтных предприятий, которые в условия рыночных отношений вынуждены расширять или частично перепрофилировать свою деятельность. Такой прогноз получен для ЭМЗ, являвшегося изначально отраслевым региональным ремонтным предприятием угольной промышленности. При этом в качестве исходной статистики использована информация о поступлении в капитальный ремонт электрических машин с 1992 по 1997 г. Отличительной особенностью этого периода является значительное сокращение централизованных заказов шахт Подмосковного угольного бассейна ввиду их частичного закрытия из-за нерентабельности добычи угля. Проверка точности прогноза осуществлялась на фактических данных за 1998 г.
рис.3 Временной ряд видового рангового коэффициента ремонтного потока ЭМЗ.
рис.4 Прогноз квартального ремонтного потока.
Установлено, что за анализируемый период номенклатура и относительный количественный состав машин массовых серий практически неизменна, т.е. номера старших рангов, описываемых зависимостью (1), соответствуют одним и тем же видам двигателей. Так, неизменно первому рангу соответствует двигатель ВАО мощностью 7кВт c номинальной частотой вращения 1500 мин-1, второму - 2ВР 7.5/1500, третьему - КО 90/1500 и т.д. При этом можно констатировать неизменность представителей первых шестидесяти рангов. При этом для первых десяти рангов номер ранга за краткий период предыстории (3 года) строго неизменен, а для последующих меняется незначительно. Постулируя неизменность видовой структуры на основании постоянства рангов определённых видов можно получить прогнозную модель поступления в ремонт двигателей массовых серий. При этом с высокой точностью (относительная погрешность не превышает 5%) можно прогнозировать порядка 60% количества всех машин, поступающих в ремонт. Результатом прогнозирования является в этом случае ожидаемое количество машин каждого вида (рис.4).
4.Прогнозирование уникальных видов представляет значительную сложность. Прогнозирование поступления в ремонт двигателей, для которых отсутствует информация за предшествующий период по временным рядам невозможно, т.к. шаг временного ряда для различных групп двигателей различен, а для редких - стремится к бесконечности. Предлагается не строгое прогнозирование вида ( с указанием типоразмера, мощности и т.д.), а некоторой теоретической трудоёмкости ремонтных работ на тот или иной вид машин. Теоретической основой для построения прогнозной модели является совокупность выявленных взаимосвязей различных видов рангового распределения. Подобный подход реализован ранее для решения ряда технических задач при разработке методик оценки эффективности принимаемых решений [1].
Зависимость (1) описывает распределение дискретных величин. Рассматривая, удельную трудоёмкость ремонтных работ и количество машин ранга r можно перейти от дискретной величины Вr к непрерывной Wr. При этом для группы изделий ранга r:
Wr=Br×Kr×PH, (2)
где Kr - удельная трудоёмкость ремонтных мероприятий, зависящая от определённых характеристик машин ранга r (конструктивного исполнения, числа пар полюсов, вида тока и т.д.), час/кВт; РН- номинальная мощность двигателя , кВт.
Аналитическая зависимость для рангового параметрического распределения имеет вид:
W(x)=W/xbW , (3)
где W(x)- частота появления определённой трудоёмкости; W-коэффициент аппроксимации; x- параметрический ранг; bW- ранговый параметрический коэффициент.
Значение параметрического ранга х и видового ранга r в общем случае для машин определённого вида не совпадают, что объясняется достаточно широким разбросом полученных значений коэффициента Kr , который меняется в диапазоне от 1 для машин некоторых общепромышленных серий до 5 для машин взрывозащищённого исполнения или коллекторных машин.
Принимая во внимание стабильность ряда свойств, т.е. неизменность на коротком временном интервале норм на трудоёмкость ремонтных операций на группы машин, установлена из решения общего дифференциального уравнения линейная зависимость между величинами L(r) и W(x):
(4)
Коэффициенты a и b аналитически имеют вид :
(5)
Из выражений (4)и(5) следует, существует область допустимых значений а и b.
Используя расчётные выражения распределений (1)и(3) на основании обработки статистики информационной базы данных можно на кривой параметрического рангового распределения определить участки, соответствующие уникальным видам, прогнозирование экстраполяционными методами невозможно.
5. К комплексу программ, позволяющих с использованием модели рангового распределения (группы программ 3,4) обосновано формировать заказ комплектующих, относятся программные средства, решающие следующие задачи:
· разработка и составление годового плана-графика технического обслуживания и ремонта;
· разработка и составление месячного плана-графика технического обслуживания и ремонта (выборка из годового плана);
· получение оперативной информации по различным показателям деятельности электротехнических служб, характеристикам ремонтной базы, персоналу, техническому оснащению;
· учёт наличия и движения материалов, запасных частей и комплектующих изделий;
· оптимизация планов технического обслуживания и ремонта по цехам, участкам, исполнителям, трудоёмкости, очерёдности;
· учёт, отчётность и анализ простоев оборудования;
· расчёт сметы затрат на все виды технического обслуживания и ремонта.
Литература
1. Гнатюк В.И. Техноценологический подход к оценке эффективности вооружения и военной техники.- Математическое описание ценозов и закономерностей технетики. Ред. и сост. Б.И.Кудрин .-Абакан: Центр системных исследований, 1996.- 229-239 с.
2. Кудрин Б.И. Введение в технетику. 2-ое изд. Томск: Изд-во ТГУ, 1993.-552 с.
3. Кудрин Б.И. Распределение электрических машин по повторяемости как некоторая закономерность Электрификация металлургических предприятий Сибири. Вып.2.-Томск: Изд-во ТГУ,1974,с.31-40.