85924

Структура карьерного производства, методы управления, планирования и организации работы автотранспортными средствами

Дипломная

Логистика и транспорт

На предприятии в течение длительного времени от момента его создания до настоящего времени не было достаточно эффективного современного средства текущего и перспективного планирования работы автосамосвалов в карьере. С целью улучшения качества продукции снижения ее себестоимости и повышения конкурентоспособности на внешнем и внутреннем рынках для комбината разработана комплексная программа планирования работы автосамосвалов на основании плановых показателей предприятия имитационная модель системы текущего и перспективного планирования...

Русский

2015-04-01

511 KB

13 чел.

68

Введение

Планами развития промышленности Украины предусматривает дальнейшее расширение открытого способа добычи полезных ископаемых применение на карьерах нового высокопроизводительного горно-транспортного оборудования, значительное повышение производительности труда.

В связи с этим особое значение приобретает совершенствование организации работы карьерного автомобильного транспорта, являющегося наиболее трудоемким звеном при добыче полезных ископаемых открытым способом.

Анализ работы карьерного автомобильного транспорта свидетельствует о наличии значительных резервов для повышения производительности труда, в первую очередь за счет внедрения научной организации труда и прогрессивных методов планирования эксплуатации и ремонта автомобиле с применением ЭВМ.

При текущем планировании появляется возможность учесть реальное изменение горнотехнических условии и применить наряду с данными статистической отчетности расчетные величины технико-экономических показателей работы карьерного автотранспорта.

Принятый для исследования ОАО «Новокриварожский горно-обогатительный комбинат (НКГОК) - крупнейшее горнодобывающее предприятие Европы с законченным циклом подготовки доменного сырья – железорудного концентрата и окатышей. Сырьевой базой комбината являются крупные месторождения железных кварцитов.

Транспортирование руды и вскрыши из забоев на обогатительные фабрики и отвалы осуществляется комбинированным транспортом: автомобильно-конвейерно-железнодорожным.

На предприятии в течение длительного времени (от момента его создания до настоящего времени) не было достаточно эффективного современного средства текущего и перспективного планирования работы автосамосвалов в карьере.

В дипломе рассмотрена структура карьерного производства, методы управления, планирования и организации работы автотранспортными средствами.

С целью улучшения качества продукции, снижения ее себестоимости и повышения конкурентоспособности на внешнем и внутреннем рынках для комбината разработана комплексная программа планирования работы автосамосвалов на основании плановых показателей предприятия,  имитационная модель системы текущего и перспективного планирования работы автосамосвалов в карьере.

Применение компьютеризированной системы планирования, учета и отчетности работы автотранспортных средств на предприятии создает условия для ритмичной работы, оптимизирующей деятельность предприятия. Созданная компьютеризированная система планирования работы автосамосвалов на основании плановых показателей предприятия обеспечит качественно более высокий уровень в работе предприятия, откроет широкие возможности повышения эффективности работы ОАО «НКГОК» и повысит рентабельность предприятия.

Исследованы пути дальнейшей работы на перспективу по повышению эффективности работы карьерного автотранспорта, организации его работы в карьере, учета связанных с этим затрат.


Раздел 1. Анализ работы карьерного производства

Разработка карьера

Из общего числа карьеров более 80% разрабатывается с применением автотранспорта.

В качестве транспортных средств на карьерах в большинстве случаев используют автосамосвалы с задней разгрузкой.

При разработке глубинных карьеров в начальный период эксплуатации месторождений наибольшие объемы приходятся на перевозку вскрышных пород. По мере развития добычных работ относительный удельный вес автотранспорта на транспортирование полезного ископаемого обычно значительно возрастает. Большие объемы вскрышных работ, как правило, вызывают необходимость применения большого числа транспортных средств. Автомобильный транспорт на добычных работах в карьерах глубинного типа в связи с необходимостью преодоления значительной высоты характеризуется повышенной удельной мощностью, но в ряде случаев применяются автосамосвалы меньшей грузоподъемности и габаритов, чем на вскрышных работах.

В период эксплуатации карьеров вскрышные породы транспортируются в основном во внешние отвалы, расположенные на расстоянии 2,5 — 3 км и более от контуров карьера.

В карьерах глубинного типа вскрытие и подготовка новых горизонтов производится в стесненных условиях при большой концентрации выемочного и транспортного оборудования и при высоких темпах углубки. Выемочное оборудование состоит в основном из экскаваторов и фронтальных погрузчиков [2].

После вскрытия горизонта в рассмотренных случаях наиболее целесообразна ступенчатая разработка с поперечными заходками (Новокриворожский ГОК), что позволяет увеличить число одновременно разрабатываемых уступов по полезному ископаемому и рассредоточить по ним погрузочное оборудование. Автомобили при этом движутся преимущественно по маятниковым схемам с кольцевыми и тупиковыми заездами в пунктах погрузки и разгрузки.

При планомерной углубке карьеров сначала сокращаются, а затем в некоторых случаях и полностью затухают вскрышные работы. При этом осуществляется только добыча полезного ископаемого. Происходит заметное уменьшение размеров разрабатываемого карьерного поля в длину и ширину.

В процессе сокращения фронта работ происходит освобождение горно-транспортного оборудования и снижение производительности карьера. При этом следует отметить, что ввод новых, более мобильных транспортных средств не всегда позволяет полностью компенсировать сокращение производительности карьера из-за уменьшения длины фронта.

Если в период эксплуатации карьера глубинного типа основная цель применения автомобильного транспорта заключается в интенсификации разработки месторождения, то при его доработке основная цель состоит в обеспечении наиболее полного извлечения полезного ископаемого.

В период доработки карьера автомобильный транспорт позволяет наиболее рационально вести разработку отдельных участков месторождения. Расстояние транспортирования в период доработки карьера составляет 0,8 — 1,5 км, а в отдельных случаях при углубочных работах на коротком фронте они еще меньше [1].

При эксплуатации автотранспорта на больших глубинах и при доработке месторождений обычно предусматривается:

- частичное хранение транспортного оборудования в межсменное и нерабочее время в зоне производства работ для выполнения контрольно-осмотровых работ и мелких ремонтов;

- применение передвижных заправочных станций для обеспечения топливом и смазочными материалами и выполнение этих операций за 0,2 — 0,3 ч;

- использование передвижных ремонтных мастерских с комплектами узлов и запасных частей для выполнения мелких ремонтов трудоемкостью до 4 — 5 чел/ч;

- доставка и смена водительского состава непосредственно на рабочих местах в карьере;

- обязательное оснащение автосамосвалов нейтрализаторами отработавших газов, а кабин водителей кондиционерами и другими устройствами, облегчающими работу в карьере;

- комплектование, в отдельных случаях на период доработки месторождений (5 — 7 лет), рабочего парка специализированными автосамосвалами повышенной удельной мощности, до 8 — 9 л. с./т;

- использование на нижних горизонтах мощных снегоочистителей и снегоуборочных средств, обеспечение надежного водоотвода с автомобильных дорог и т. д.

Автомобили в карьерах глубинного типа движутся по постоянным и временным дорогам, соотношение между которыми бывает различным.  Большей частью длина постоянных дорог не превышает 60% общей протяженности дорог, но с увеличением глубины карьеров она обычно увеличивается и нередко достигает 80 — 90%. В свою очередь, длина временных дорог сокращается за счет отработки верхних уступов и перестройки ряда временных дорог в постоянные. Временные дороги в карьере расположены на разрабатываемых горизонтах и обычно не имеют усовершенствованных покрытий, только при наличии мягких пород в основании дороги улучшаются добавками камне-щебеночных материалов или различных отходов производства (хвостов, шламов, шлаков и т. д.). Выезды с горизонтов, соединительные участки дорог и магистральные автодороги на поверхности обычно имеют усовершенствованные и капитальные покрытия [13].

С увеличением глубины разработок внутрикарьерные автомобильные трассы становятся все более сложными, что, как правило, сопровождается повышением уклонов на съездах, уменьшением до предельно допустимых радиусов кривых и некоторым уменьшением ширины дорог для сокращения разноса бортов карьера. Это неизбежно отражается на скоростях движения автомобилей. (По совокупности отмеченных выше причин условия работы автомобильного транспорта значительно усложняются, что приводит к относительному снижению его производительности и увеличению себестоимости транспортирования горной массы.)

Уклоны автомобильных выездов из карьера составляют обычно не более 8% и только на временных съездах достигают 10 — 11%. Протяженность максимальных уклонов автодорог в общей их длине обычно не превышает 20 — 25%.

Транспортирование на поверхности обычно происходит по сравнительно ровной местности, с уклонами, не превышающими 3 — 4%, по дорогам с капитальными покрытиями (железобетон, асфальтобетон). При этом скорость самосвала достигает 50 —60 км/ч и более.

Интенсивность движения на главных магистралях крупных карьеров с большим масштабом работ достигает 8 — 10 тыс. машин в сутки, однако на внутрикарьерных трассах она редко превышает 150 автомобилей в час. Вследствие неравномерности движения автомобилей в карьере расстояния между ними нередко уменьшаются до 30 — 40 м.

 


Применение технологического автотранспорта

В отличие от грузовых перевозок общего назначения транспортировка горной массы в условиях глубоких карьеров имеет следующие особенности: эксплуатация автомобилей-самосвалов происходит в стесненных условиях, где с увеличением глубины карьера уменьшается карьерное пространство на каждом нижерасположенном рабочем горизонте; перевозка горной массы автомобильными транспортными средствами осуществляется в основном до перегрузочного пункта; рабочее место автомобилей-самосвалов значительно удалено от ремонтно-технической базы и автотранспортного цеха.

На современных карьерах можно рассматривать несколько видов применения технологического автотранспорта в процессе разработки месторождения.

I. Самостоятельное использование, при котором в течение всего срока существования карьера или рассматриваемого периода транспортирование всей горной массы из карьера до пунктов назначения осуществляется только автомобильным транспортом.

II. Одновременное использование:

1. Параллельное, при котором автомобильный и другие виды транспорта независимо друг от друга и по различным трассам доставляют горную массу из разных участков рабочей зоны карьера до пунктов назначения;

2. Комбинированное, при котором вся горная масса из рабочей зоны карьера до перегрузочных пунктов доставляется автотранспортом, а дальше до пунктов назначения другим видом транспорта;

3. Совместное, при котором часть рабочей зоны карьера обслуживается автотранспортом, а другая часть — комбинированным транспортом с входящим в него автомобильным звеном.

III. Поочередное использование, при котором на разных стадиях разработки месторождения автотранспорт эксплуатируют поочередно с другими видами транспорта.

Разнообразные топографические условия  (относительные отметки, крутизна склонов и др.) обуславливают различный подход к решению вопросов применения автотранспорта для перемещения горной массы при разработке карьеров. Основными факторами, определяющими условия работы транспортного оборудования, являются расположение полезного ископаемого относительно господствующего уровня земной поверхности, условия залегания (наклонное, крутопадающее) и конфигурация месторождения, объем горной массы подлежащий транспортированию, физико-механические свойства горных пород [18].

Структура парка большегрузного автотранспорта на карьерах и ее формирование

Одним из основных направлений улучшения показателей работы отраслей горнодобывающей промышленности является создание крупных комплексно механизированных предприятий с оптимальным сочетанием парка погрузочного и транспортного оборудования. Для современных карьеров характерна взаимосвязь технологических звеньев экскавации — транспортирования автосамосвалами — отвалообразования (либо доставки на перегрузочный склад, к бункеру дробилки, в скип и т. д.). Требования технологического процесса добычи предусматривают при различных горно-геологических и горнотехнических условиях разработки оптимальное сочетание занятого оборудования. В этом случае целесообразно рассматривать структуру парка автотранспорта во взаимосвязи с экскаваторами и условиями эксплуатации на предприятиях. Это обстоятельство особенно важно, так как условия эксплуатации автотранспорта отличаются сложностью и разнообразием, а технологический автопарк может быть представлен автосамосвалами различного типа и грузоподъемности. Кроме того, карьерные автосамосвалы подвержены старению или физическому, экономическому и моральному износу. Поскольку освоение новых моделей карьерных автосамосвалов большой грузоподъемности осуществляется невысокими темпами, физический износ автомобилей проявляется быстрее, чем моральный. Интенсивное и своевременное обновление парка автосамосвалов в настоящее время определяется экономическими критериями, так как в практике карьеров суммарные эксплуатационные расходы за срок эксплуатации нередко в 8 — 10 раз превышают первоначальную стоимость автомобиля, что отрицательно отражается на себестоимости перевозок. В силу различных условий эксплуатации, развития и оснащенности производственных баз наиболее распространены два случая соотношения физического и экономического износов.

1. Опережающий или повышенный экономический износ автосамосвала. Характерен для большинства автохозяйств, особенно при большом списочном составе автосамосвалов, невысоких показателях использования (коэффициент технической готовности КТ.Г = 0,4 — 0,5, коэффициент использования парка КП = 0,35 — 0,45; коэффициент использования времени смены КВ = 0,6 — 0,7. В данном случае при достаточном оснащении производственной базы за амортизационный период проводится два-три капитальных ремонта автосамосвала, что в значительной степени увеличивает эксплуатационные расходы — эксплуатация автомашины становится экономически нецелесообразной.

2. Физический износ автосамосвала наступает раньше рационального или экономически выгодного срока эксплуатации. Это положение характерно для тех предприятий, где слабо развита и недостаточно оснащена производственная база, нарушаются правила технической эксплуатации, несвоевременно и не в полном объеме выполняются ТО-1 и ТО-2, неудовлетворительно осуществляется содержание и хранение автосамосвалов.

Лучшие экономические показатели могут быть достигнуты в случае объективного совпадения физического и экономически выгодного срока службы автомобиля, который может быть получен путем моделирования и оптимизации с использованием экономического критерия. Исследованиями Института горного дела доказано, что при существующем на карьерах режиме использования автосамосвалов и современном оснащении производственной базы оптимальным сроком службы автосамосвалов БелАЗ-540А и БелАЗ-548А следует считать 5 — 5,5 лет при полном амортизационном пробеге 200 тыс. км и пробеге до капитального ремонта 120 тыс. км. Естественно, указанный срок службы необходимо корректировать по мере повышения эксплуатационной надежности и совершенствования технической эксплуатации и содержания автотранспорта, с одной стороны, и усложнения горнотехнических условий работы в карьере, с другой. Следует отметить, что существует тесная корреляционная взаимосвязь между сроком службы автосамосвала и его основным техническим параметром — грузоподъемностью. Если в пределах грузоподъемности 25 — 75 т она проявляется незначительно, то в пределах 75 — 300 т становится очевидной. Опыт эксплуатации автосамосвалов особо большой грузоподъемности на зарубежных карьерах подтверждает данный вывод.

Срок службы автотранспорта имеет важное значение при решении вопросов формирования структуры парка горнодобывающих предприятий в случае моделирования, математического описания и поиска оптимальных решений. Задача усложняется тем, что структура парка в общей постановке бывает неоднородной по типу и грузоподъемности автосамосвалов, их возрасту и темпам обновления.

При эксплуатации автомобильного парка может встретиться ряд принципиально различающихся случаев:

1. Автосамосвалы заменяются однотипными или более прогрессивными после капитального ремонта по достижении определенного установленного пробега.

2. Автосамосвалы заменяются однотипными или более прогрессивными после истечения оптимального по экономическому критерию срока службы и пробега.

3. Автосамосвалы заменяются новыми после ряда ремонтов и достижения полного физического износа.

4. Автосамосвалы заменяются на более прогрессивные модели до истечения срока их амортизации.

При решении вопросов оптимизации автопарка для перечисленных и других возможных случаев разрабатываются математические модели, суть которых заключается в создании и математическом описании принципиальной схемы формирования автопарка при введении определенных ограничений и упрощений. В основу математического аппарата может быть положен аналитический метод, теория массового обслуживания, теоретическая основа марковских процессов теории вероятностей и т. д.

Общим для всех моделей, различающихся по формализации, является выбор и использование экономического критерия решения задачи.

В практике проектирования и планирования работы автотранспорта на карьерах влияние срока эксплуатации автосамосвалов и старения технологического автопарка на эксплуатационные показатели не учитывается, что приводит к существенным погрешностям, требует оперативной корректировки. Так, анализ возрастной структуры технологического автотранспорта на карьерах Кузбасса показывает, что с увеличением среднего возраста автосамосвала БелАЗ-540 и 2,1 года до 3,5 лет выработка на один списочный автосамосвал снизилась на 12%, коэффициент технической готовности — с 0,61 до 0,58, а годовой пробег автомобиля уменьшился на 19% [15, 17].

Статистические исследования подтверждают тесную корреляционную связь между основными эксплуатационными показателями автосамосвала и сроком его эксплуатации. В течение эксплуатации автосамосвала его техническое состояние в связи со старением и износом ухудшается, что ведет соответственно к снижению показателей сменности, пробега, производительности, увеличению расхода горюче-смазочных материалов, запасных частей и периодичности технического обслуживания и ремонта. Изменение эксплуатационных показателей за период эксплуатации автосамосвалов характеризуется следующими эмпирическими формулами:

Коэффициент сменности КСМ = 3,0 — 0,14 Т;    (1.1)

Коэффициент использования рабочего времени КИВ = 0,739 -

- 0,067 Т;          (1.2)

Среднегодовой пробег, тыс. км  LГ = 59,9 — 6,1 T.   (1.3)

Кроме указанных факторов на уровень эффективности эксплуатации автосамосвала влияют продолжительность и периодичность технического обслуживания, частота и продолжительность технических воздействий на автомобиль, изменяющиеся с увеличением срока его эксплуатации. В результате техническое состояние автосамосвала может быть оценено интегральным коэффициентом, суммирующим влияние перечисленных выше факторов (табл. 1.1).


Таблица 1.1

Влияние факторов физического износа и старения на эффективность работы автосамосвала

Факторы

Годы эксплуатации автосамосвала

1-й

2-й

3-й

4-й

5-й

6-й

7-й

Коэффициент износа и старения К1

0,97

0,94

0,91

0,88

0,86

0,83

0,80

Коэффициент, учитывающий внутрисменные отказы К2

0,99

0,98

0,97

0,95

0,93

0,91

0,89

Коэффициент сменности К3

0,9

0,91

0,87

0,82

0,7

0,7

0,6

Влияние числа и продолжительности ремонтов

0,9

0,94

0,91

0,87

0,8

0,8

0,7

Увеличение времени на техническое обслуживание

1,0

1,0

0,99

0,98

0,9

0,8

0,7

Интегральный коэффициент технического состояния

0,89

0,79

0,69

0,59

0,49

0,39

0,29

Режим эксплуатации автомобильного транспорта и экскаваторно-автомобильного комплекса

Технические и временные параметры транспортного процесса зависят от условий эксплуатации и характеризуются величиной уклонов автомобильных дорог, сопротивлением и состоянием их покрытия, средним расстоянием транспортирования, общей высотой подъема, физико-механическими свойствами перевозимой горной массы, погодно-климатическими условиями и другими факторами.

Если эти факторы неблагоприятны, то неравномерно поступают автосамосвалы в карьер, порожние автомобили к экскаватору и груженые — к пунктам выгрузки, неравномерно и их движение в общем потоке. Все это в конечном итоге вызывает колебание показателей работы автомобильного транспорта.

Для одинакового интервала времени эффективность режимов эксплуатации автосамосвала зависит от мощности его двигателя, степени загрузки, погрузочно-транспортного оборудования, уровня развития производственных ресурсов автохозяйства и т.д.

При небольших расстояниях транспортирования экономически целесообразно обеспечивать более полное использование экскаваторов. С увеличением расстояний транспортирования резко возрастает транспортная составляющая в общей сумме приведенных затрат, и экономически выгодно стремиться к более полному использованию автотранспортных средств. С увеличением расстояния транспортирования, как показывают исследования, оптимальное соотношение числа экскаваторов и автосамосвалов (или оптимальное число автосамосвалов на один экскаватор) уменьшается, оптимальная величина степени использования экскаватора снижается, а автосамосвалов повышается до определенного предела.

На рис. 1.1 показана зависимость числа автосамосвалов п, обслуживаемых одним экскаватором, и коэффициента резерва kl от расстояния транспортирования l. В данном случае коэффициентом резерва называется отношение оптимального количества автосамосвалов к нормативному; этот коэффициент предусматривает увеличение или уменьшение рабочего парка против нормативного.


 

Рис. 1.1. Зависимость числа автосамосвалов я, обслуживаемых экскаватором ЭКГ-4,6 (а), и коэффициента резерва kl (б) от расстояния транспортирования I (штриховая линия — оптимальное, сплошная  —нормативное количество автосамосвалов грузоподъемностью 12, 27, 40 и 75 т) [14].

Закономерность изменения производительности перегрузочного пункта от числа автосамосвалов не является линейной; предельная пропускная способность перегрузочного пункта определяется фронтом разгрузки, продолжительность разгрузки автосамосвалов не зависит от числа автомобилей; при работе перегрузочного пункта в режиме предельной пропускной способности производительность автосамосвалов снижается на 25-30 %, что требует повышения их числа, чтобы обеспечить заданный уровень производительности перевозки; достижение наибольшей производительности самосвалов в определенных горнотехнических условиях возможно при снижении общего количества циклов перегрузки горной массы путем уменьшения числа автосамосвалов или увеличения фронта разгрузки.

Автомобильные потоки отличаются значительной неравномерностью; число автосамосвалов проходящих выездную траншею в единицу времени, колеблется в широких пределах.

На карьерах со средним расстоянием доставки 1,5 — 2 км неравномерность транспортных потоков, создаваемых 17 — 25 автосамосвалами, практически не сказывается на показателях производительности, если соотношение числа автосамосвалов и экскаваторов близко к оптимальному. При 40—50 автосамосвалах в карьере и одной выездной траншее неравномерность транспортных потоков приводит к снижению средней скорости движения автосамосвалов показателей их производительности и общих объемов перевозок. Число случаев нарушений интервала безопасности  с увеличением количества автосамосвалов, проезжающих через одну транспортную траншею, возрастает. Достаточно одного автомобиля, имеющего низкую скорость движения по техническому состоянию, чтобы сдержать весь поток автосамосвалов.

Скорость движения автосамосвалов на уклонах основных транспортных траншей изменяется от 8 до 17 км/ч. Это зависит от технического состояния автосамосвалов, квалификации водителей и, главным образом, особенностей формирования автомобильных потоков в карьере. Достижение наибольшей скорости движения автосамосвалов и наилучших показателей производительности возможно при уменьшении плотности потоков автосамосвалов (применения меньшего количества АС большей грузоподъемности). Уменьшение числа автосамосвалов в одной транспортной траншее, улучшает условия безопасности движения.

При высокой интенсивности автомобильных потоков увеличение числа транспортных траншей, позволяет исключить влияние неравномерности транспортных потоков на общую производительность карьера, однако это связано с дополнительными капитальными вложениями [3, 26].

В карьерных автохозяйствах суточный режим работы автосамосвалов определяется численностью водителей, ремонтного персонала, имеющегося парка автомобилей, достигнутым уровнем сложившейся организации технического обслуживания и ремонта автосамосвалов и другими организационными и техническими факторами. Предполагалось, что рациональным является двухсменный режим работы автосамосвалов, обеспечивающий минимальные приведенные затраты на автомобильный транспорт. Трехсменный режим считался экономически нецелесообразным по следующим причинам: существовавшие нормы амортизации соответствовали 7 — 8 годам эксплуатации автосамосвалов, или их, годовой производительности при 1,5 — 2 сменной работе, при более высокой годовой производительности автомобили достигали, своего номинального пробега  3 — 4 года; при трехсменном режиме интенсивность износа автосамосвалов выше, чем при двухсменном; объемы обслуживания и ремонтов, простои, связанные с: невыполнением, также выше, чем при двухсменном. Это приводило к тому, что фонд времени работы автосамосвалов увеличивался в 1,5 — 2 раза медленнее, чем ожидалось при переводе автомобилей на трехсменный режим.

В общей себестоимости перевозок автомобильным транспортом амортизационные отчисления на восстановление были основной частью условно-постоянных расходов (70 — 85%), т. е. их абсолютная величина не зависела от фактической производительности автосамосвалов. Это обстоятельство, а также недостаточно интенсивный рост производительности автосамосвалов при их переводе на более экстенсивный режим приводили к тому, что приведенные затраты не снижались с увеличением сменности автосамосвалов, Поэтому минимум приведенных затрат соответствовал фактической сменности КCM= 1, 8...2,1.


Раздел 2. М
оделирование работы карьерного транспорта

Описание объекта моделирования

Опишем модели, использованные при разработке реальных автоматизированных систем управления карьерным транспортом и ориентированных на управление технологией добычи и транспортировки горной массы. Имитационные эксперименты с указанными моделями позволили выбрать эффективные критерии задач оптимального управления, проверить точность управляющих алгоритмов и оценить экономическую эффективность от внедрения комплекса задач оперативного управления. Проверено также влияние вариаций исходных данных на результаты решения задач оптимального планирования работы транспорта. Некоторые результаты данной главы описаны ранее в работах авторов.

Горнотранспортный комплекс карьера по добыче полезных ископаемых является сложной системой управления. Цель его функционирования направлена на выемку полезного ископаемого и сопутствующих пород, а также транспортировку горной массы соответственно на обогатительные фабрики для дальнейшей переработки полезного ископаемого и на отвалы для складирования сопутствующих пород. Выемка осуществляется экскаваторами, которых на мощном карьере может быть несколько десятков, а транспортировка — либо автосамосвалами, либо железнодорожным транспортом, либо в их комбинации с участием конвейерного транспорта.

Далее с помощью имитационных моделей исследуется работа карьерного автосамосвального транспорта и отмечается, что полученные результаты можно обобщить на любую другую аналогичную замкнутую производственно-транспортную систему.

Говоря о сложности управления карьерным транспортом, необходимо отметить следующие особенности его функционирования.

1. Разветвленная транспортная сеть с незначительными расстояниями между пунктами погрузки и выгрузки горной массы;

2. Высокая интенсивность движения автосамосвалов по челночной схеме.

3. Тесная взаимосвязь работы транспорта с технологическими процессами добычи и последующей переработки руды.

На первом этапе имитационных экспериментов проводились обследование и экономико-статистический анализ "функционирования транспорта на некоторых горно-обогатительных комбинатах. Из результатов обследования был сделан прежде всего вывод о том, что перечисленные выше особенности предопределяют высокую сложность управления карьерным транспортом и, как следствие, значительные экономические потери, вызванные неоперативностью в принятии управленческих решений. Например, простои экскаваторов в ожидании транспорта составляют 16—20 % их рабочего времени, или 70—80 % всех простоев экскаваторов по организационным причинам.

Устранить указанные недостатки призваны создаваемые на многих карьерах автоматизированные системы управления карьерным транспортом. При создании последних возникает ряд трудностей, устранение которых требует дополнительных исследований, и в частности проведения имитационных экспериментов с моделями функционирования транспортных систем. В некоторых описанных ранее исследованиях с помощью имитационного моделирования устанавливался эффективный уровень автоматизации транспортных работ, а также необходимый объем информационного обеспечения автоматизированных систем управления карьерного транспорта.

Известно, что наиболее важными и эффективными задачами, решаемыми в автоматизированных системах управления карьерным транспортом, являются оптимизационные задачи подсистемы оперативного управления, к которым относятся следующие:

а) выбор пункта назначения для порожнего автосамосвала;

б) выбор пункта назначения для груженого автосамосвала;

в) выбор оптимальной очередности разгрузки автосамосвалов с рудой на входе обогатительной фабрики.

Задача решается при возникновении производственной ситуации, когда очередной состав закончил разгрузку на одном из конечных пунктов транспортной сети: обогатительной фабрике или отвале. Такую ситуацию можно сравнить с появлением на входе многоканальной системы массового обслуживания очередной заявки. Каналами обслуживания здесь являются экскаваторы, добывающие руду и извлекающие сопутствующую породу. При оперативном управлении ставится задача выбирать такие экскаваторы, чтобы в конечном итоге достигался максимальный эффект от работы всего горнотранспортного комплекса.

Аналогично для ситуации, когда автосамосвал окончил погрузку, решается задача управления «б», где в качестве выбираемого конечного пункта (канала обслуживания) служат приемные склады обогатительных фабрик или отвальные экскаваторы.

Отметим, что при решении задач «а» и «б» конечные пункты погрузки и выгрузки могут выбираться по различным критериям оптимальности, но эти критерии должны в конечном счете обеспечить максимальную эффективность работы транспорта и сопряженных технологических процессов.

Задача «в» решается в том случае, когда на входе обогатительной фабрики под разгрузкой находится более одного автосамосвала. Тогда формируется оптимальная очередь для разгрузки по критерию, учитывающему содержание полезного компонента (качество) в руде, поступающей на обогащение.

Процесс переработки руды можно рассматривать как одноканальную многофазную систему массового обслуживания, где фазами служат последовательные процессы дробления, измельчения и сепарации (выделения полезного компонента) руды. Поскольку на получение концентрата (обогащенной руды) нужного качества оказывает значительное влияние колебание качества в исходной руде, то составляется график, обеспечивающий минимальные колебания качества. Таким образом, автосамосвалы могут разгружаться не в порядке их поступления, а согласно графику, обеспечивающему оптимальное содержание полезного компонента в потоке обогащенной руды.

В дальнейшем для упрощения первой части имитационных экспериментов будем предполагать, что автосамосвалы на входе обогатительной фабрики разгружаются в порядке их поступления [10, 17].

Для имитационных экспериментов построим математические модели задач выбора пунктов назначения для порожнего и груженого автосамосвала. Целью имитационных экспериментов с построенными моделями является определение наиболее эффективных критериев оптимальности задач управления, методов их решения и оценки экономической эффективности от внедрения подсистемы оперативного управления.

По результатам имитационных экспериментов оценивалось влияние различных критериев оптимальности решаемых задач на величину суммарных простоев экскаваторов в ожидании транспортного обслуживания. Последняя как бы служила интегральным критерием оптимальности функционирования горнотранспортного комплекса карьера. Для упрощения исследований задача «в» решалась только с одним критерием оптимальности, минимизирующим колебания качества руды, поступающей на обогащение, и поэтому ее влияние на интегральный критерий не рассматривалось.

Перейдем непосредственно к описанию математических моделей и алгоритмов решения задач «а» и «б» при различных критериях оптимальности. Введем следующие обозначения:

А = (1, 2, ..., n) — множество пунктов разгрузки горной массы, из которых Ар — подмножество пунктов разгрузки руды (Ар  А);

В = (1, 2, ..., m) — множество пунктов разгрузки горной массы, из которых Вр — множество пунктов разгрузки руды (приемных складов обогати тельной фабрики Вр  В);

D = (1, 2, ..., d) — множество автосамосвалов, используемых для перевозки горной массы, из которых Dр — множество автосамосвалов, закрепленных по каким-либо организационным причинам за пунктами погрузки руды (Dр  D);

L = || lij || — матрица расстояний между пунктами погрузки и выгрузки горной массы;

К = || kij || — матрица плановых заданий по количеству рейсов автосамосвалов между пунктами погрузки и разгрузки на отрезок времени Т.

Для решения задачи «а» в процессе имитационных экспериментов использовались три критерия оптимальности:

1) обеспечение максимальной равномерности загрузки экскаваторов;

2) обеспечение минимальных простоев экскаваторов из-за отсутствия транспорта;

3) обеспечение минимальных простоев автосамосвалов.

При решении задачи по каждому из перечисленных критериев в момент времени τs для s-го автосамосвала, закончившего разгрузку в j-м пункте, формируется подмножество номеров экскаваторов А, к которым может быть направлен данный состав. При этом из множества А исключаются экскаваторы, выполнившие свое производственное задание, т. е. такие, для которых . Здесь  — количество автосамосвалов, погруженных i-м экскаватором для j-го пункта разгрузки с начала планового отрезка времени Т до момента τs.

При решении задачи по первому критерию из оставшихся экскаваторов в подмножество А включаются экскаваторы, для которых текущий коэффициент загрузки меньше планового:

,

где ;  — текущий и плановый коэффициенты загрузки i-го экскаватора.

Из подмножества Аs в качестве адреса для s-го автосамосвала выбирается f-й экскаватор с минимальным отставанием выполнения производственного задания:

.       (2.1)

Отметим, что решение задачи «а» по первому критерию (2.1) обеспечивает максимально равномерные коэффициенты загрузки экскаваторов в течение всего планового отрезка времени Т.

При решении задачи выбора пункта назначения для порожнего состава по второму критерию в момент времени τs вычисляется вектор Θss1, Θs2, …, Θsn) прогнозируемых моментов времени прибытия s-го автосамосвала к пунктам погрузки. Здесь i компоненту вектора можно вычислить по формуле:

Θsi = τs + lij / V(n)ср,

где Vnср — средняя скорость движения порожнего автосамосвала.

Пусть ti — момент окончания погрузки предыдущего автосамосвала i-м экскаватором. Тогда можно сформировать подмножество Аs  А экскаваторов, оканчивающих погрузку предыдущих автосамосвалов раньше прогнозируемого момента времени прибытия s-го состава:

Из сформированного таким образом подмножества выбирается f-и экскаватор, для которого достигается максимум критерия:

.         (2.2)

т. е. выбирается экскаватор, который дольше других будет простаивать в ожидании автосамосвала. К указанному экскаватору и будет направлен s-й состав.

Решение задачи по второму критерию (2.2) обеспечивает первоочередную загрузку простаивающих экскаваторов.

Для решения задачи по третьему критерию формируется подмножество экскаваторов Аs  А, оканчивающих погрузку предыдущего состава позже момента времени прибытия s-го состава

.

Из подмножества As выбирается f-й экскаватор, обеспечивающий минимальный простой s-го автосамосвала,

.         (2.3)

К этому экскаватору и адресуется s-й автосамосвал. Решение задачи по третьему критерию (2.3) обеспечивает в течение всего планового отрезка времени Т минимальные простои автосамосвалов в ожидании погрузки.

Отметим, что если s-й автосамосвал закреплен за рудными пунктами погрузки S  Dр, то при формировании подмножества А для решения задачи по любому из трех критериев номера экскаваторов выбираются из подмножества Ар.

При решении задачи выбора пункта назначения для груженого состава в процессе имитационных экспериментов использовались два критерия оптимальности:

1) обеспечение минимальных простоев автосамосвалов в ожидании разгрузки;

2) обеспечение минимума простоев разгрузочного технологического оборудования в ожидании транспорта.

При решении задачи по первому критерию в момент времени окончания погрузки r-го состава в i пункте (i  А) рассчитывается вектор Θr = (Θr1 …, Θrm) прогнозируемых моментов времени прибытия r-го автосамосвала к пунктам разгрузки. При этом если i  Аp, компоненты вектора Θr, соответствующие отвальным экскаваторам, принимаются равными Θrj = + ∞; [j  (В \ Вp)], что запрещает выбор адреса любого отвального экскаватора для автосамосвала, груженного рудой. Аналогично, если i  (A \ Ap), для всех i  Вр компоненты вектора Θ, принимаются равными Arj = + ∞, т. е. запрещается выбор приемного склада обогатительной фабрики для автосамосвала, груженного породой. Все остальные компоненты вектора можно вычислить по формуле , где средняя скорость движения груженого автосамосвала.

Пусть ti — момент времени освобождения j-го пункта разгрузки. Тогда подмножество конечных пунктов, к которым можно направить r-й автосамосвал, определяется так:

.

Из подмножества Вr выбирается f-й пункт разгрузки, для которого достигается максимум критерия:

,         (2.4)

f-й пункт является адресом разгрузки r-го автосамосвала, выбор которого по критерию (2.4) обеспечивает в течение планового отрезка времени минимальные простои экскаваторов.

Решение задачи выбора пункта назначения для груженого автосамосвала по второму критерию осуществляется аналогично (2.2) с использованием обозначений, принятых при расчете критерия (2.4). Отметим, что в целях запрещения выбора адреса приемного склада обогатительной фабрики для автосамосвала, груженного породой, соответствующие значения компонентов вектора Θr принимаются равными равными Θrj = ∞.

Имитационные эксперименты с моделью оперативного управления карьерным транспортом

Остановимся более подробно на алгоритмической структуре имитационной модели оперативного управления карьерным транспортом.

При технической реализации модели были использованы организационно-технологические параметры функционирования горнотранспортного комплекса Новокриворожского ГОКа, НКГОКа, которые являются достаточно типичными для железорудных горнообогатительных комбинатов. В частности, было задано: максимальное количество пунктов погрузки горной массы — 15, максимальное количество пунктов разгрузки горной массы 12, из них 2 пункта — приемные склады обогатительной фабрики, максимальное количество работающих автосамосвалов — 50. В качестве нормативных параметров в модель вводились производительности карьерных и отвальных экскаваторов, а также пропускные способности приемных складов. В качестве случайных переменных в модели использовались скорости движения груженых и порожних автосамосвалов, длительности обмена автосамосвалов под экскаваторами, длительности погрузки и разгрузки автосамосвалов. Параметры законов распределения случайных величин получены в результате статистической обработки данных хронометражных наблюдений и графиков исполненного движения на НКГОКе.

Для организации датчика системного времени при алгоритмизации имитационной модели выбран метод «особых состояний». При этом все исходные данные были объединены в массивы, каждый из которых соответствует одному конечному пункту транспортной сети. В массивы в процессе работы алгоритма заносится информация, характеризующая текущее состояние конечных пунктов, например: качество и запас руды, момент освобождения экскаватора, текущие суммарные простои, выполнение плана погрузки автосамосвалов и т. д. Для реализации системного времени можно организовать дополнительный массив информации, в который записываются текущие моменты освобождения (окончания погрузки или выгрузки) работающих автосамосвалов. Очередным «особым состоянием» служит минимальный момент времени освобождения одного из автосамосвалов.

Для перемещения выбранного таким образом автосамосвала из конечного пункта, в котором он закончил очередную производственную операцию, в конечный пункт, выбранный в результате решения одной из поставленных выше задач оперативного управления, в модели использован так называемый эстафетный метод. Согласно этому методу осуществляется перенос номера автосамосвалов и всех его реквизитов (грузоподъемность, скорость движения и т. п.) из массива, соответствующего старому конечному пункту, в массив выбранного пункта погрузки — выгрузки.

После такого перемещения выполняется пересчет моментов времени окончания производственной операции технологическим оборудованием и автосамосвалом в новом конечном пункте. Полученный момент времени записывается в массив «особых состояний», а затем осуществляется переход к поиску следующего автосамосвала с минимальным временем освобождения. Если момент времени, соответствующий очередному «особому состоянию», оказывается больше длительности планового отрезка времени Т, модель заканчивает работу.

Опишем численный пример имитационных экспериментов, в котором были выполнены серии расчетов по предложенной модели с использованием различных сочетаний критериев оптимальности задач «а» и «б». В качестве исходных данных использовались основные параметры реальной горнотранспортной системы (на примере автосамосвального транспорта НКГОКа). При этом адекватность имитационных экспериментов реальному процессу обеспечивалась как путем введения перечисленных ранее параметров карьерного транспорта НКГОКа, так и фактических данных по шести отработанным сменам.

Имитация стохастического характера работы транспорта и таких переменных, как скорости движения, длительности погрузки и выгрузки и т. д., производилась с помощью датчиков случайных чисел, моделирующих различные законы распределения.

Эксперимент был спланирован следующим образом. Факторами эксперимента (в данном случае - качественными) можно считать критерии оптимальности задач «а» и «б», а поверхностью отклика (реакцией) — средние простои карьерных экскаваторов.

Результаты экспериментов по данному примеру приведены в табл. 2.1.

Таблица 2.1

Номер серии

Задача «а» «б»

Среднее значение простоев одного автосамосвала

Мij, мин

Мij,

% Т

х1

х2

1

2

3

4

5

6

75

87

83

82

92

90

79

67

85

89

105

98

78

86

91

89

94

93

72

89

84

92

88

98

76

88

82

95

87

96

72

85

89

91

93

95

77

86,8

85,7

89,4

91,5

95,0

10,8

12,1

11,9

12,4

12,6

13,2

Отсюда видно, что проведено шесть параллельных экспериментов, для которых совпадали следующие данные, взятые из сменных графиков исполненного движения: фактическое количество работающих автосамосвалов и экскаваторов, плановые и фактические объемы перевозки горной массы, фактические простои экскаваторов, автосамосвалов и приемных складов обогатительных фабрик. Сравнение результатов экспериментов с фактически исполненными графиками движения автосамосвалов показывает, что внедрение в составе автоматизированного системного управления комплекса задач оперативного управления позволяет снизить простои карьерных экскаваторов на 5 — 7 %, автосамосвалов — на 8—9 %, а простои приемных складов обогатительных фабрик на 3 — 4 %.

При сравнительной оценке полученных результатов с помощью F-критерия Стьюдента установлено, что разности между математическими ожиданиями простоев экскаваторов в различных сериях испытаний являются значительными. Это позволяет сделать вывод о том, что наиболее эффективна в данном примере оптимизации решения задачи выбора пункта назначения для порожнего состава по критерию, обеспечивающему максимальную равномерность загрузки экскаваторов, а задачи выбора пунктов назначения для груженого автосамосвала — по критерию, минимизирующему простои автосамосвалов в ожидании разгрузки [6, 8].

Одной из наиболее эффективных в составе комплекса задач оперативного управления карьерным транспортом является задача по выбору оптимальной очередности разгрузки автосамосвалов с рудой на входе обогатительной фабрики. Указанная задача является важной задачей управления качеством руды и связана непосредственно с управлением работой усреднительных сооружений — приемных и промежуточных складов дробильной фабрики. Известно, что существует довольно тесная связь между очередностью разгрузки автосамосвалов с рудой различного качества на входе обогатительной фабрики и степенью ее усреднения перед обогащением. Меняя очередность разгрузки, можно добиться существенного сокращения колебаний содержания полезного компонента в руде, что весьма положительно сказывается на всех последующих переделах ее переработки.

Для описания алгоритма выбора оптимальной очередности разгрузки автосамосвалов с рудой в нашем примере при возникновении ситуации, когда предыдущий автосамосвал окончил разгрузку, формализуем очередь автосамосвалов в виде множества F {f1,f2, …, fn}. Каждому элементу множества F соответствует грузоподъемность автосамосвала qi = 1, 2, ..., п и качество руды αi1, 2, ..., п. Очередь F формируется из автосамосвалов, уже прибывших на разгрузку, а также автосамосвалов, момент времени прибытия которых на вход фабрики меньше момента времени окончания разгрузки предыдущего автосамосвала.

Критерием оптимальности поставленной задачи служит минимум отклонений средневзвешенного качества руды от планового. При этом средневзвешенное качество считается по руде, содержащейся в усредняющей емкости — приемном складе дробильной фабрики и в разгружаемом автосамосвале. Таким образом, мы рассчитываем прогнозируемое качество руды на выходе дробильной фабрики по формуле

,         (2.5)

где — объем руды в усредняющей емкости до начала разгрузки автосамосвала f1;  — средневзвешенное качество руды до начала разгрузки автосамосвала f1;  — прогнозируемое качество руды в усредняющей емкости после разгрузки автосамосвала f1.

Состав f1 выбирается из очереди F таким образом, чтобы достигался минимум критерия:

,        (2.6)

где  — заданное качество по i-й обогатительной фабрике. При этом должны соблюдаться следующие ограничения: автосамосвал, который может быть выбран для разгрузки, должен обеспечить отклонение прогнозируемого качества руды от планового меньше заданного порога Δαs. Величина Δαs определяется исходя из технологических особенностей работы конкретной обогатительной фабрики. Проверка ограничения для всех автосамосвалов выполняется по формуле

(i = 2, 3, …, n)       (2.7)

Здесь прогнозируемое качество рассчитывается аналогично (2.5). В случае нарушения ограничения (2.7) для какого-либо либо автосамосвала, алгоритм исключает из очереди элемент f1 и производит новый выбор состава f1 по критерию (2.6). Такой поиск производится до тех пор, пока не будут удовлетворены ограничения задачи.

Целью экспериментов была проверка адекватности модели реальному процессу и оценка эффективности решения поставленной задачи в составе автоматизированной системы диспетчерского управления карьерным транспортом. Пример результатов моделирования процесса разгрузки 10 составов с рудой на входе обогатительной фабрики приведен в табл. 2.3. На рис. 4.3 показаны колебания качества руды на входе из усреднительных вкладов дробильной фабрики, полученные при разгрузке автосамосвалов в порядке очередности их прибытия и в очередности, составленной управляющим алгоритмом.


Таблица 2.3

Очередь автосамосвалов, ожидающих разгрузки

Номер выбранного автосамосвала

Прогнозируемое качество руды на выходе

1, 2, 3, 0

1, 2, 4, 5

1, 2, 5, 6

2, 5, 6, 0

2, 6, 7, 8

6, 7, 8, 9

7, 8, 9, 0

7, 8, 10, 0

7, 10, 0, 0

10, 0, 0, 0

3

4

1

5

2

6

9

8

7

10

23,60

24,30

23,94

24,57

24,16

24,13

24,10

24,70

24,26

24,33

Рис. 2.1. Колебания качества руды на выходе из усредняющего склада:

а — фактические результаты; б — оптимальные, полученные в результате моделирования на ЭВМ.

Серия имитационных экспериментов на ЭВМ с реальными исходными данными позволила оценить эффективность внедрения поставленной задачи в составе автоматизированной системы диспетчерского управления. Для условий таких комбинатов, как ЮГОК, НКГОК, экономический эффект от решения данной задачи в комплексе с задачей составления графиков перевозки руды очень велик.

Имитационное исследование оптимизационной модели планирования работы карьерного транспорта

В составе комплекса задач планирования работы карьерного транспорта важное место занимает задача расчета на смену оптимального количества рейсов автосамосвалов на перевозке руды. Остановимся на содержательной постановке задачи в типичных условиях работы карьерного транспорта, когда для перевозки горной массы используются автосамосвалы различной грузоподъемности и при этом руда перевозится с нескольких пунктов погрузки (забоев или перегрузочных складов) на одну и более обогатительную фабрику. Работа транспорта должна быть организована таким образом, чтобы кроме обеспечения бесперебойной работы технологических агрегатов — экскаваторов и дробильно-обогатительного комплекса, а также выполнения плана по объему поставок руды обеспечивалось заданное усреднение качества руды в сменном объеме поставок. Последнее условие является чисто технологическим и существенно отличает модели планирования работы карьерного транспорта от известных постановок транспортных задач общего вида.

Сформулируем поставленную задачу следующим образом. Имеется множество Мд = {1, 2, ..., тд} пунктов разгрузки и множество Nр = {1, 2, ..., пр} пунктов погрузки руды, а также множество L = {1, 2, ..., lp} различных по грузоподъемности автосамосвалов. Заданы сменные производительности экскаваторов Рpi (i  Nр) с учетом технологических особенностей пунктов погрузки (типа экскаватора, расстояния до разминовки автосамосвалов и т. п.). Отметим, что на многих карьерах по организационным и технологическим условиям некоторые автосамосвалы закрепляются за отдельными пунктами погрузки руды. Закрепление автосамосвалов за экскаваторами можно задать матрицей || ρti ||, в которой:

ρti = 1, если t-й состав закреплен за i-м пунктом погрузки;

ρti = 0, в противном случае.

При всех сформулированных выше условиях требуется рассчитать оптимальное количество рейсов автосамосвалов с каждого пункта погрузки на каждый пункт разгрузки, обеспечивающих выполнение плана по объему поставок руды на каждую фабрику:

; ρtiQs; S  Mд,       (2.8)

где ktis — искомое количество рейсов автосамосвалов t-й грузоподъемности, выполняемых с i-го пункта погрузки на s-ю фабрику; qt — грузоподъемность t-го автосамосвала; Qs — сменный план по объему транспортировки руды на s-ю обогатительную фабрику. Объем поставок руды с каждого пункта погрузки должен быть таким, чтобы обеспечивалось заданное качество руды на входе s-й фабрики:

, S  Mд,    (2.9)

где αзад — заданное качество руды, поступающей на обогащение; Δαs — допустимые отклонения качества руды от заданного; αi — содержание железа в руде i-го пункта погрузки. При расчете количества рейсов учитываются ограничения на производительность экскаваторов или запаса руды (Zрi) в пунктах погрузки

, i  Nр,     (2.10)

а также ограничения по парку выделенных автосамосвалов:

; t  L      (2.11)

Здесь Тс — длительность смены; τis — средняя длительность рейса автосамосвала с i-го пункта погрузки на s-ю фабрику.

При ограничениях (2.8) — (2.11) необходимо рассчитать такое количество рейсов автосамосвалов, выполняемых в течение смены, при котором достигается минимум транспортных затрат:

,      (2.12)

где Сt — себестоимость транспортных работ для t-го типа автосамосвала; lis — расстояние между i-м пунктом погрузки и входом s-й фабрики.

Отметим, что аналогично формулируются задачи планирования оптимального количества рейсов на перевозку вскрышных пород, а также оптимального прикрепления автосамосвалов к пунктам погрузки или разгрузки.

Очевидно, что при решении задач оперативного планирования использование только нормативных показателей не всегда приводит к желаемым результатам, так как процесс функционирования горнотранспортного комплекса имеет стохастический характер. Для многих показателей, используемых при оперативном планировании на коротких промежутках времени, возможен широкий диапазон изменения.

При решении практических задач, использующих в качестве исходной экономической и технологической информации некоторые случайные параметры, целесообразно провести исследования моделей планирования на устойчивость. Такие исследования позволяют установить зависимость точности решения от колебаний исходных данных и определить необходимость решения задачи методами параметрического программирования, которые позволяют получать наиболее устойчивые решения при вариациях случайных параметров. Для этого предварительно определяются параметры, имеющие наиболее высокие коэффициенты вариации и изменение которых весьма чувствительно для модели линейного программирования.

Исследования на устойчивость модели планирования оптимального количества рейсов на перевозке руды методами имитационного моделирования выполнялось с использованием реальных организационно-технических параметров функционирования железнодорожного транспорта ЮГОКа. При этом авторами были рассчитаны коэффициенты вариации (V) для большинства переменных, имеющих случайный характер.

Наиболее высокие коэффициенты вариации наблюдаются для длительностей рейсов автосамосвалов на различных маршрутах перевозки руды. Статистические показатели случайной величины τis, имеющей наибольшие значения Vτ, на пяти маршрутах транспортировки руды в карьере ЮГОКа приведены в табл. 2.3.

Таблица 2.3

Маршрут движения

Mτ, мин

σt, мин

Vτ

Экскаватор

Пункт разгрузки

28

23

27

3

2

ОФ-1

ОФ-2

ОФ-2

ОФ-1

ОФ-1

112,1

117,5

114,0

129,5

142,4

16,0

15,2

17,3

13,6

15,8

0,143

0,130

0,152

0,105

0,111

Для изучения влияния параметра τis на устойчивость модели (2.8) — (2.12) произведена серия расчетов и построено множество оптимальности, соответствующее множеству вариаций: τis  {τis ± εiτn}, i  p; s  Δ. Здесь p, Δмножества конечных пунктов погрузки и выгрузки руды, связанные маршрутами, на которых имеют место наиболее высокие коэффициенты вариации длительностей рейсов; τn — нормативные длительности рейсов на указанных маршрутах.

В качестве исходной информации для получения первоначального решения задачи использовались нормативные параметры и фактические данные одной из отработанных смен.

Для получения устойчивого решения необходимо найти на множестве оптимальности граничные решения, а затем выбирать решения, наиболее удаленные от граничных. В описываемом эксперименте граничные решения рассчитывались для односторонних изменений параметра τis при максимальном значении εi, равном: max εi = ± Vτ. В первом граничном решении вводились отрицательные погрешности — Vττn на пяти маршрутах перевозки руды, а для второго решения с положительными погрешностями + Vττn.

Общая потребность в автосамосвалах осталась прежней, однако значительные различия наблюдались в распределении автосамосвалов различных грузоподъемностей на разных маршрутах. Характерно, что в решениях менялось суммарное количество рейсов за счет изменения интенсивностей использования составов различной грузоподъемности. Результирующие данные по трем решениям приведены в табл.2.4.

Таблица 2.4

Вариант решения задачи

Суммарное количество рейсов автосамосвалами

Грузоподъемность, т

120

170

180 + 120

С нормативными параметрами

С положитель-ными погреш-ностями

С отрицатель-ными погреш-ностями

26,01

27,73

24,65

45,35

44,04

46,52

71,37

71,77

71,22

Из табл. 2.4 можно заметить, что увеличение длительностей рейсов приводит к увеличению суммарного количества рейсов за счет большего использования автосамосвалов меньшей грузоподъемности, а это приводит к увеличению планируемых транспортных затрат.

Следует отметить, что наиболее удаленными от граничных решений множества оптимальности в серии имитационных экспериментов оказались решения, использующие математические ожидания случайных переменных. Эти результаты показывают, что в данном случае нет необходимости в разработке специально алгоритма параметрического программирования. Для получения устойчивых решений при изменяющихся исходных параметрах достаточно иметь их математические ожидания, которые можно получить путем накопления статистического материала и соответствующей его обработки в подсистеме учета анализа и регулирования нормативов работы транспорта.

Следующая серия имитационных экспериментов с моделью (2.8) — (2.12) производилась с целью проверки предположения о зависимости транспортных затрат от суммарного количества рейсов автосамосвалов различной грузоподъемности. В качестве исходных данных экспериментов использовались реальные результаты работы карьерного транспорта НКГОКа.

При моделировании зависимости транспортных затрат от суммарного количества рейсов в модель вводилось искусственное ограничение:

.

В процессе экспериментов выполнялись расчеты по модели (2.8) — (2.12) с учетом данного искусственного ограничения. При этом полученные в результате очередного расчета значения переменных  суммировались, затем суммарное количество рейсов  увеличивалось на единицу и производился следующий расчет. По результатам моделирования построена зависимость транспортных затрат Z от суммарного количества рейсов К (рис. 2.2). В процессе экспериментов исследовались также сравнительные показатели использования автосамосвалов различной грузоподъемности в зависимости от суммарного количества рейсов. Динамика изменения показателей приведена на рис. 2.3, а в табл. 2.5 даны численные значения этих показателей. Через K1, K2, K3 на рис. 2.3 обозначено количество рейсов отдельными типами автосамосвалов (K = K1 + K2 + K3). Отметим, что в процессе расчетов количество составов наименьшей грузоподъемности не ограничивалось.

Рис. 2.2. Зависимость транспортных затрат от суммарного количества рейсов.

Рис. 2.3. Динамика изменения количества рейсов автосамосвалов различной грузоподъемности в зависимости от суммарного количества.


Таблица 2.5

Пункт погрузки

Грузо-подъем-ность

Количество рейсов автосамосвалов в различном решении

1

2

3

4

5

6

7

8

9

1-й

Карьер (К1)

2-й

Карьер (К2)

3-й

Карьер (К3)

Транспортные затраты

K = K1 +

+ K2 + K3

170

180

170

180

170

180

5,5

12,0

0

19,0

0

18,5

2361

55

11,51

7,07

0

19,05

0

18,37

2370

56

17,51

2,07

0

19,05

0

18,37

2376

57

20,0

0

3,42

16,21

0

18,37

2382

58

20,0

0

9,51

11,12

0

18,37

2388

59

20,0

0

9,51

11,12

4,57

16,30

2395

60

20,0

0

9,51

11,12

10,27

10,10

2401

61

20,0

0

9,51

11,12

18,37

4,50

2416

62

20,0

0

9,51

11,12

23,87

0

2428

63

Полученные результаты показывают, что с увеличением суммарного количества рейсов, необходимых для выполнения одного и того же производственного задания, планируемые транспортные затраты возрастают, причем увеличение суммарного количества рейсов и соответственно транспортных затрат происходит за счет возрастания использования автосамосвалов наименьшей грузоподъемности.

Транспортные затраты также существенно зависят от использования автосамосвалов на различных маршрутах транспортировки горной массы. В этом смысле наиболее эффективным является использование автосамосвалов повышенной грузоподъемности для перевозки горной массы с отдаленных пунктов погрузки, что необходимо учитывать в процессе управления транспортом в реальном масштабе времени. Отметим, что во всех экспериментах приводилось точное количество рейсов. Для решения задач планирования в АСУ были разработаны специальные целочисленные алгоритмы, погрешность которых относительно точных решений не превышает 3 %.

Результаты проведенных экспериментов показывают также, что при неправильном задании исходных данных можно получить допустимое решение, т. е. решение, удовлетворяющее основным ограничениям задачи. Такое решение, однако, может оказаться существенно неоптимальным. Ухудшение экономических показателей работы транспорта при неоптимальных решениях поставленных задач планирования можно оценить на следующем примере. Ежесменное задание длительностей рейсов с положительными погрешностями (+ετ) только на пяти маршрутах перевозки руды для условий ЮГОКа может увеличить суточные транспортные затраты, что приведет к большим потерям по истечении года. Поэтому при разработке подсистем учета, анализа и регулирования нормативов работы транспорта, а также информационных баз автоматизированных систем управления необходимо предусматривать статистическую обработку случайных переменных, постоянное их обновление и корректировку для целей достоверного планирования.

Отметим, что результаты проведенных имитационных экспериментов можно использовать при проектировании горнотранспортных систем, в частности при выборе грузоподъемностей автосамосвалов об определении необходимых транспортных коммуникаций.


Раздел 3. О
писание планирования и организации работы автосамосвалов в карьере.

Оперативное управление автомобильным транспортом в карьере

Горнотранспортный комплекс включает пункты разгрузки, функционирующие в карьере, а также автосамосвалы, которые перевозят горную массу. Целью оперативного управления Горнотранспортным комплексом является обеспечение заданных режимов работы потребителей горной массы обогатительных фабрик и отвалов путем регулирования потоков автосамосвалов.

В зависимости от способа организации перевозки автосамосвалы закрепляются за пунктами и маршрутами (закрытый цикл) или свободно распределяются между ними (открытый цикл). Управление по открытому циклу является более эффективным и позволяет повысить производительность комплекса на 12— 20 %.

При свободном распределении в ручном режиме грузопотоками управляет диспетчер, принимающий решения о выборе маршрутов движения автосамосвалов.

Внедрение автоматизированных систем управления позволяет автоматизировать процесс принятия таких решений, характеризующихся сложностью формализации и требующих высокой оперативности. При этом выбор маршрута осуществляется по некоторому программно реализованному алгоритму с учетом сменных заданий для каждого пункта, текущей ситуации в карьере, требований к качеству перевозимой горной массы и некоторых других факторов.

Управление комплексом усложняется действием случайных факторов: выходами из строя пунктов погрузки, разгрузки и автосамосвалов, колебаниями качества горной массы в пунктах погрузки, погрешностями информационного обеспечения, неточностью выполнения решений водителями.

На рис. 4.6 показана укрупненная функциональная структура автоматизированных систем управления горнотранспортным комплексом, построенная с учетом указанных особенностей и опыта практической разработки такой системы.

1

Плановые решения высокого уровня

2

Анализ ситуации и выбор режимов управления

Средства диалогового взаимодействия человека и ЭВМ

Пакет оптимальных алгоритмов

Имитационная система

3

Алгоритм выбора маршрута

Объект управления

Рис. 3.1. Укрупненная функциональная структура автоматизированных систем управления горнотранспортным комплексом.

Сущность предлагаемого подхода заключается в следующем.

1. Выбор маршрута движения автосамосвала осуществляется автоматически по некоторому программно реализованному алгоритму (блок 3, рис. 3.1), использующему в качестве параметров характеристики режима управления, определенные на этапе анализа ситуации.

Для формализации критерия эластичности используется имитационное моделирование.

Моделирующий алгоритм для описанной выше математической модели построен по принципу последовательной проводки заявок и «особых состояний». При этом функционирование комплекса рассматривается как процесс выполнения каждым автосамосвалом последовательности рейсов, каждый из которых разбивается на ряд составных частей: проезд к пункту погрузки, ожидание погрузки у экскаватора, погрузка, проезд к пункту разгрузки, ожидание разгрузки, разгрузка.

Обработка статистических данных показала, что одноименные этапы рейсов, являясь случайными величинами, имеют одинаковые законы распределения и различаются только их параметрами для различных маршрутов. На каждом из этапов рейс может прерваться вследствие аварийного выхода из строя автосамосвала, пункта погрузки или разгрузки. Продолжительности этапов рейсов, количество аварийных остановок оборудования и другие случайные величины моделируются с помощью генераторов случайных чисел.

Информацию, обрабатываемую моделью, можно разделить на следующие основные группы.

А. Данные, характеризующие технологическую структуру горнотранспортного комплекса: количество пунктов погрузки, разгрузки и автосамосвалов, типы оборудования, качество горной массы в пунктах погрузки.

Б. Данные, характеризующие плановые характеристики функционирования комплекса: план перевозки горной массы, требуемое качество горной массы в пунктах разгрузки и другие.

В. Данные, характеризующие функционирование горнотранспортного комплекса во времени: деятельность имитируемого периода, данные о предусмотренных перерывах в работе оборудования, средние продолжительности этапов рейсов.

Г. Информация, характеризующая действие случайных факторов.

2. Анализ ситуации и выбор режима управления (блок 2, рис. 3.1) осуществляются в диалоговом режиме с использованием оптимизационных методов математического программирования и имитационного моделирования.

Для имитации процесса функционирования горнотранспортного комплекса разработана математическая модель, построенная с использованием соотношений, полученных для замкнутых линейных стохастических сетей.

Условия функционирования комплекса, состоящего из пунктов, описываются объектом N = (G, Z, T, α, β, S), где G = (U1, U2, Е) — двудольный ориентированный граф, в котором U1 = (1, 2, 3, ..., К1) — множество пунктов погрузки; U2 = (K1 + 1, K1 + 2, …, K) — множество пунктов разгрузки, а множество дуг Е определяет возможность проезда между пунктами, причем известна матрица D = || dij || (i = 1, К; j = 1, К), такая, что

dij = 1, если существует дуга, связывающая i-й пункт c j-м,

dij = 0 — в противном случае;

Z — вектор пропускных способностей пунктов погрузки и разгрузки, Z = (z1, z2, z3, ..., zk), где zk — максимальное количество автосамосвалов, обслуживаемое k-м пунктом за единицу времени; матрица Т = || tij || (i = 1, K; j = 1, K) определяет длительность проезда между пунктами; векторы α = 1, α2, ..., αk1) и β = (βk1+1, βk1+2, …, βk) задают исходное качество горной массы в пунктах погрузки и требуемое усредненное качество руды в пунктах разгрузки; s — количество автосамосвалов, обслуживающих систему.

Обозначим через уij интенсивность поступления автосамосвалов из пункта i в пункт j (среднее количество автосамосвалов, прибывающих в j-й пункт из i-го за единицу времени).

Стационарным потоком будем называть матрицу такую, что

1) уij ≥ 0 (i = ; j = );       (3.1)

2) суммарный поток автосамосвалов, прибывающих в j-й пункт за единицу времени, равен суммарному потоку автосамосвалов, выбывающих из j-го пункта:

(j = );       (3.2)

3) суммарная интенсивность поступления автосамосвалов в j-и пункт не должна превышать пропускной способности данного пункта:

 (j = );        (3.3)

4) усредняемое качество горной массы удовлетворяет заданным ограничениям для каждого пункта разгрузки:

(j = );      (3.4)

(j = );      (3.5)

где  и  — верхние и нижние допустимые отклонения усредняемого качества горной массы для j-го пункта разгрузки;

5) количество автосамосвалов, реализующих поток, не должно превышать имеющегося в наличии:

      (3.6)

Линейные ограничения пп. 4 — 9 определяют область допустимых потоков: Ω = Ω (N).

Задача реализации выбранного потока Y решается автоматически с использованием программно реализованного алгоритма распределения автосамосвалов. Особенности разработки такого алгоритма достаточно исследованы и здесь не рассматриваются.

Более сложной задачей является выбор оптимального потока Y  Ω.

Методами линейного программирования может быть определен поток , обеспечивающий максимальную производительность комплекса: Р (Y) = ,

где

P (Y) = .        (3.7)

Фактором, затрудняющим использование такого подхода, является воздействие неопределенности, что приводит к стохастическому изменению условий функционирования комплекса.

Наиболее существенно влияет на функционирование комплекса изменение вектора Z, отражающее выход из строя и изменение производительности пунктов погрузки и разгрузки. По нашим данным для комплекса, состоящего из 25 пунктов, в течение часа в среднем происходит около 10 изменений вектора Z. Кроме этого изменяются и остальные компоненты. В таких условиях приходится постоянно корректировать выбранный поток Y  Ω (N) в соответствии с изменениями N.

Данный подход состоит в выборе на каждом шаге оптимального потока, учитывающего специальный критерий эластичности, т. е. способности к корректировке данного варианта.

При разработке автоматизированных систем управления горнотранспортным комплексом используются различные по функциональному назначению имитационные модули. Поэтому целесообразно использовать многоцелевую имитационную систему, ориентированную как на ЛПР, так и на разработчиков автоматизированных систем управления. Такая система обеспечивает возможность активного участия пользователя в процессе моделирования и применяется:

а) для принятия управленческих решений;

б) в качестве инструмента исследования объекта управления;

в) для обучения управленческого персонала.

Конкретный набор модулей, а также способ их использования определяются моделирующим алгоритмом в зависимости от целей имитации.

Ниже показано использование имитационной системы при оперативном управлении горнотранспортным комплексом.

Рассмотрим задачу выбора оптимального потока Y* (N) при стохастически изменяющихся условиях функционирования горнотранспортным комплексом в течение отрезка времени [t0, T].

Пусть в моменты времени t1, t2, t3, …, tk, такие, что t0 < t1 < t2 < …, < tk < T, условия функционирования комплекса дискретно изменяются: N0  N1  N2 → … → Nk-1 Nk и соответственно изменяются области допустимых потоков, определяемые ограничениями (3.1) — (3.6)

Ω0Ω1Ω2 → … → ΩK-1ΩK.      (3.8)

Предположим, что все множества Ωr (r = ) являются непустыми. Тогда для каждого Ωr методами линейного программирования может быть определен поток , обеспечивающий максимальную производительность комплекса (формула (3.7)).

Введем понятие «центральной» точки Y, для которой функция

,

т. е. взвешенная сумма расстояний до точек Yr (r = ) принимает минимальное значение.

Точка Y, называемая точкой Штейнера, определяется специальными градиентными методами.

Сущность предлагаемого метода повышения эластичности решений при выборе оптимальных потоков состоит в использовании специального критерия «близости» выбираемого потока к «центральной» точке Y:

E (Y) min, где

.         (3.9)

Использование такого критерия основано на предположении, что оптимальный поток, наименее удаленный от «центральной» точки, может быть наиболее легко скорректирован при изменении условий функционирования комплекса.

Это предположение можно считать справедливым для известной траектории функционирования комплекса (3.8), которая не может быть определена заранее.

Использование имитационного моделирования позволяет генерировать возможные траектории функционирования для последующего определения «центральных» точек для каждой траектории.

Пусть с помощью имитационного моделирования сгенерировано М траекторий, для каждой из которых определена «центральная» точка Ym (т = ). Тогда можно определить точку Штейнера Y** для точек Y1, Y2, …, YM, такую что

.

При использовании данного подхода для оперативного управления грузопотоками учитывалось, что для каждой смены можно выделить пять этапов, имеющих характерные особенности: начало смены; нормальная работа; «перерыв»; нормальная работа; завершение смены.

Для каждого из этих этапов существуют свои особенности действия случайных факторов, что находит отражение в параметрах законов распределения случайных величин. Поэтому указанным способом определяется не одна, а пять точек Штейнера Y1**, Y2**, Y3**, Y4**, Y5**, использующиеся при оценке эластичности потока.

Окончательная блок-схема алгоритма оперативного управления с применением имитационного моделирования приведена на рис. (3.2).


1

Настройка имитационной модели

2

Генерация траекторий функционирования и определение точек Штейнера 

Y1**, Y2**, Y3**, Y4**, Y5**

Выбор оптимального потока

3

Определение потока, максимизирующего производительность комплекса

 Ω

4

Определение подмножества допустимых потоков Ω'  Ω, такого, что

Y  Ω': p (Y) ≥  p () – δ

5

Определение точки Y* Ω' минимально уделенной от «центра» Yl**

6

Выбор потока Y' Ω'; Y' = Y' (, Y*)

Рис. 3.2. Оперативного управление горнотранспортным комплексом методом имитационного моделирования

Определение точек Y1** − Y5** производится перед началом смены. Для этого предварительно уточняются результаты, используемые при имитации данной смены (блок 1, рис 3.2): технологическая структура горнотранспортного комплекса: параметры законов распределения случайных величин с учетом времени года, погодных условий и т. п.

Затем (блок 2, рис 3.2) определяются точки Штейнера для каждого этапа моделируемой смены. При этом для l-го этапа генерируется М траекторий функционирования комплекса и для каждой m траектории определяется «центральная» точка , в которой достигается минимум функции f(Y). Точка Штейнера для каждого этапа Yl** (l = 1,5) определяется как точка, в которой достигается минимальное значение функции F (Y).

Предварительно определенные точки Yl** (l = 1,5) используются при определении оптимальных потоков в течение смены следующим образом.

1. При изменении условий функционирования горнотранспортного комплекса, вызвавшем необходимость корректировки потока, определяется поток   Ω, при котором достигается максимальная производительность комплекса (блок 3).

2. После этого определяется подмножество допустимых потоков Ω'  Ω, включающее потоки Y такие, что для любого Y   Ω' имеем Р (Y) Р (Y) δ, где Р (Y)производительность комплекса при данном потоке Y; δ — некоторое положительное число.

3. Методами нелинейного программирования определяется поток Y* Ω, наилучший по критерию элластичности (3.9): Е (Y*) = , причем при определении Е (Y*) используются координаты точки Штейнера для данного этапа.

4. Выбор окончательного решения Y' (блок 6, рис 3.2) осуществляется автоматически, например: Y' = Y', или лицом, принимающим решения на основе личного опыта и значений Y*, , определенных автоматически [4, 11].

Такая система принятия решений позволяет значительно улучшить технико-экономические показатели работы горнотранспортного комплекса.

Отметим, что отдельные результаты, нашли практическое применение в составе автоматизированных систем управления Новокриворожского ГОКа, а также использованы при проектировании автоматизированных систем управления других ГОКов черной металлургии.

Организация работы автомобильного транспорта

Оперативное управление автомобильным транспортом предусматривает, обоснование оптимальности плана перевозок горной массы, выполнение, запланированных объемов перевозок при соблюдении требуемого качества полезного ископаемого и обеспечение условий оптимального использования автотранспортных средств при ограниченных ресурсах производства. В такой общей формулировке основная цель управления автомобильным транспортом справедлива для всех горнорудных предприятий, однако круг задач, их постановка, математическое описание и критерии оптимальности в значительной мере определяются спецификой эксплуатации.

Для карьерного автомобильного транспорта характерны следующие задачи оперативного управления: планирование сменной производительности экскаваторов, с соблюдением его оптимальных режимов работы либо режимов усреднения качества транспортируемых руд; планирование и осуществление оптимального распределения автосамосвалов по экскаваторным забоям при парке машин разных марок; управление транспортными потоками в течение смены с помощью устройства адресования автосамосвалов на каждый рейс, обеспечивающее сокращение их простоев или оптимальность шихтования руды в карьере; сбор первичной информации, ее обработка и выдача результатов расчета оперативных показателей горнотранспортного оборудования для анализа, выработки решений и последующего планирования.

В том или ином объеме перечисленные задачи решаются с помощью системы автоматизированного управления на многих горнодобывающих предприятиях, однако в полном объеме их решение предусматривается не всегда. Во многих случаях управление карьерным автотранспортом сводится к регулированию транспортных потоков при организации по открытому циклу. На карьере Новокриворожского ГОКа регулирование транспортных потоков, сбор первичной информации осуществляются вручную, планирование оптимального количества шихты — с помощью математических методов по стандартной программе на ЭВМ. В отличие от других систем управления, на Новокриворожском ГОКе ежесменно учитываются автосамосвалы, для которых наступила очередь технического обслуживания.

Оптимизация режимов эксплуатации автомобильного транспорта в каждом интервале времени заключается в выборе таких технических параметров или такого оборудования, при которых эффективность использования автотранспортных средств будет наибольшей. Задачи, решаемые при этом, весьма многообразны и обусловлены оптимизируемым режимом (табл. 3.1).

Таблица 3.1

Задачи, решаемые при оптимизации режимов эксплуатации автотранспорта

Режим

Задачи, решаемые при оптимизации режимов

Критерий эффективности

Движения

Определение производительности автотранспортных средств для проектируемых карьеров

Средняя техническая скорость

и условия безопасности

Определение технических и конструктивных параметров

Часовая или сменная производительность авто-самосвалов

Определение оптимального сочетания мощности и грузоподъемности автосамосвалов

Приведенные затраты

Разработка технических условий рационального вождения авто-мобиля

Производительность

Сменный

Выбор оптимального сочетания выемочно-транспортного обору-дования

Приведенные затраты

Выбор оптимального сочетания количества автосамосвалов и экскаваторов

Эксплуатационные расходы (при планировании) и приведенные затраты (при проектирования)

Выбор формы организации работы

автосамосвалов (открытый, зак-рытый цикл)

Приведенные затраты и показатели использования во времени

Суточный

Определение оптимального объема перевозок при установленном парке

Приведенные затраты

Оптимизация парка автосамосвалов

при заданной производительности

автомобильного транспорта

Приведенные затраты

Несогласованность работы погрузочно-транспортного оборудования, обусловленная случайным характером протекания процессов экскавации и транспортирования, вызывает технологические и организационные простои экскаваторов и автосамосвалов. К простоям приводит неравномерность потоков автосамосвалов и их погрузки. Простои погрузочно-транспортного оборудования возникают из-за необходимости выполнения вспомогательных работ в экскаваторном забое, остановки оборудования для устранения мелкий неисправностей, организационных неувязок работы смежных участков, несвоевременности информации и др.

Повышение производительности экскаваторов и автосамосвалов за счет сокращения перечисленных простоев возможно при организации работы автомобильного транспорта по открытому циклу, когда каждому автосамосвалу на каждый его рейс выдается собственный маршрут следования. Адресование автосамосвалов при работе по открытому циклу осуществляется в соответствии со сложившейся ситуацией в карьере и запланированными объемами перевозок горной массы на смену.

Резервы повышения производительности погрузочно-транспортного оборудования достигают 20 % сменной выработки автосамосвалов и зависят от числа экскаваторов, участвующих в работе по открытому циклу. Организация работы двух экскаваторов по открытому циклу позволяет повысить производительность каждого из них не более чем на 5 — 6 %. Если в карьере число автосамосвалов намного меньше установленного по нормам для экскаваторов, находящихся в работе, или превышает нормативное, то реализация имеющихся резервов весьма затруднительна, регулирование потоков автосамосвалов не исключает простои. Таким образом, автоматизация управления автомобильным транспортом эффективна только в определенной области соотношения числа экскаваторов и автосамосвалов.

Как показывают опыт работы, а также результаты испытаний различных систем автоматизированного управления автомобильным транспортом на карьерах ряда комбинатов, резервы повышения производительности экскаваторов и автосамосвалов составляют 7 — 11%, на Сибайском карьере в отдельные смены повышение степени использования автосамосвалов составляло 15 — 20%. Внутрисменные резервы автомобильного транспорта зависят от обеспеченности экскаваторов автотранспортными средствами, уровня сложившейся организации их работы в карьере и не превышают 10 — 12 % от достигнутой производительности. Резервы роста производительности экскаваторов и автосамосвалов реальны при условии их обеспечения автосамосвалами в пределах 80 — 130% нормативного количества [9].

Несмотря на резкие отличия руды по содержанию полезного компонента в каждом забое, объем и качество поступающей на обогатительную фабрику руды должны удовлетворять предъявляемым к ней требованиям. Планирование объемов перевозок и управление процессами экскавации и транспортирования должны обеспечивать выпуск концентрата в необходимом количестве и заданного качества, исходя из возможностей карьера и фабрики (ограничения для модели).

Составленный на математических моделях оптимальный план по качеству шихты служит основанием для разработки недельно-суточных графиков в карьере, в которых указываются объемы руды, вынимаемой из каждого-горизонта, возможная выработка автосамосвалов и необходимое для перевозки этого объема количество машино-смен.

Улучшение качества усреднения, сокращение колебаний содержания полезного компонента в руде, достигаемое при осуществлении оптимального плана по качеству шихты, способствуют снижению затрат в смежных переделах. Например, осуществление плана по оптимальному качеству шихты при организаций работы автомобильного транспорта на карьере Новокриворожского ГОКа по открытому циклу обеспечивает экономическую эффективность за счет повышения качества концентрата более 100 тыс. руб. за год. Считается, что соблюдение оптимального плана по качеству шихты способствует снижению затрат на производство конечного продукта, например, при усреднении железной руды затраты на производство чугуна снижаются на 40—60 коп. на 1 т.

Решение задач распределения автотранспортных средств с помощью методов линейного программирования позволяет повысить общий объем перевозок на 7 — 14% либо снизить эксплуатационные расходы благодаря тому, что для автосамосвалов разных марок выбираются рациональные условия эксплуатации, в которых их производительность оказывается наибольшей. При однородном составе парка автосамосвалов подобные задачи решаются, если различия в их эксплуатационных показателях для одних и тех же забоев вызваны техническим состоянием автомобилей.

Снижение себестоимости погрузочно-транспортных работ при соблюдении их оптимальных режимов колеблется в пределах 0,8 — 1,3 коп. (в зависимости от расстояний транспортирования) на 1 т горной массы. Величина этого снижения и составляет резерв роста экономической эффективности экскаваторно-автомобильных комплексов, достигаемой соблюдением оптимальных режимов их работы.


Заключение

В данной бакалаврской работе разработана модель текущего и перспективного планирования работы автосамосвалов на основании плановых и отчетных показателей работы предприятия, а также   имитационная модель и программа текущего и перспективного планирования работы автосамосвалов в карьере.

Компьютеризированная система планирования, учета и отчетности работы автотранспортных средств в карьере оптимизирует деятельность предприятия. Она позволяет в автоматизированном режиме распланировать автосамосвалы по пунктам погрузки, выбирать оптимальный маршрут транспортирования груза, оптимизировать поставки горной массы на пункты разгрузки по требуемому объему и содержанию полезного компонента, при этом система учитывает производительность и исправность технических средств (погрузочных, транспортных). По итогам моделирования (планирования) программа формирует отчет.

Созданная компьютеризированная система планирования работы автосамосвалов на основании плановых и отчетных показателей предприятия обеспечит качественно более высокий уровень в работе предприятия, откроет широкие возможности повышения эффективности работы на предприятии ОАО «Новокриворожский ГОК» и повысит его рентабельность.

Исследованы пути дальнейшей работы на перспективу по повышению эффективности работы карьерного автотранспорта, заключающиеся в системе текущей организации его работы в карьере, учета связанных с этим затрат.


Список использованной литературы

1. Андреев А.В., Шешко Е.Е. Автоматизация карьерного транспорта. М., Недра, 1983.

2. Васильев М.В., Сироткин З.Л., Смирнов В.П. Автомобильный транспорт карьеров. М., Недра 1993.

3. Потапов М.Г. Карьерный транспорт. М., Недра, 1985.

4. Авен О. И. Автоматизация процессов управления.— М. : Знание, 1983.— 64 с.

5. Бакаев А. А., Костина Н. И., Яровицкий Н. В. Имитационные модели в экономике.— Киев : Наук, думка, 1978.— 297 с.

6. Бакаев А. А., Гриценко В. И., Михалевич В. С. Современное состояние и проблемы автоматизации комплексного управления разными видами транспорта.— Киев : ИК АН УССР, 1982.— 28 с.

7. Беллман Р., Грикеберг И., Гросс О. Некоторые вопросы математической теории процессов управления.— М. : Изд-во иностр. лит., 1962.— 335 с.

8. Белостоцкий А. А., Гершвальд А. С. Автоматизация слежения за движением транспорта // Пром. трансп.— 1973.— № 7.— С. 31—33.

9. Берников А. Р., Когон М. Г. Имитационная модель автосамосвальной силовой установки // Управляющие системы и машины.— 1994.— № 3.— С. 113—116.

10. Брайковский Н. О., Грановский Б. И. Моделирование транспортных систем.— М. : Транспорт, 1978.— 125 с.

11. Бусленко В. Н. Автоматизация имитационного моделирования сложных систем.— М. : Наука, 1987.— 143 с.

12. Бусленко Н. П. Моделирование сложных систем.— М. : Наука, 1978.— 340 с.

13. Бронштейн Л. А. Экономика и планирование автомобильного транспорта. М., «Транспорт», 1978. 399 с.

14. Васильев М. В. Научные основы проектирования и эксплуатации автомобильного транспорта на открытых горных разработках, Свердловск, «Уральский рабочий», 1982. 332 с. с ил.

15. Васильев М. В. Технический прогресс автотранспорта на рудных карьерах. М., ЦНИИТЭИ цветной металлургии, 1975. 105 с.

16. Васильев М. В., Яковенко Б. В., Фадеев Е. А. К методике выбора рационального суточного режима работы автосамосвалов на рудных карьерах». — «Организация и управление карьерным транспортом». Труды ИГД МЧМ СССР. 1987, вып. 18, с. 74—78.

17. М. В. Васильев, Л. В. Конюхов, Б. В. Яковенко Моделирование режимов эксплуатации карьерных автосамосвалов. — «Физико-технические проблемы разработки месторождений», 1983, № 2, с. 65—71.

18. Нефедов А. Ф. Расчет режимов движения автомобилей на вычислительных машинах. Киев, «Технжа», 1990. 172 с.

19. М. В. Васильев, Б. В. Яковенко, А. Н. Трощенко Организация технической эксплуатации карьерного автомобильного транспорта. М., «Недра», 1983. 54 с.

20. И. М. Казеев, Г. Н. Маматов, В. Н. Михайкин Опыт разработки, внедрение и эксплуатация подсистемы автоматизированных систем управления автотранспортом. Свердловск, 1983.

21. Власов С. А. Имитационное моделирование в задачах интегрированного проектирования.— 1981.

22. Гирик А. И., Калиниченко В. Ф., Панченко А. А. Имитационная модель выбора критериев оптимальности управления в АСУ карьерным автомобильным транспортом. 1989. с.

23. Гриценко В. И., Назаренко Н. А. Оперативное управление транспортными перевозками в многофазной системе снабжения // Управляющие системы и машиины.— 1980.— № 4.— С. 12—13.

24. Гриценко В. И., Панченко А. А. Модели и алгоритмы решения транспортно-технологических задач в АСУ карьерным транспортом.— Киев: ИК АН УССР, 1982.— 68 с.

25. Иванилов Ю. П., Лотов А. В. Математические модели в экономике.— М. : Наука, 1979,— 302 с.

26. Имитационное моделирование производственных систем / Под общ. ред. А. А. Вавилова.— М. : Машиностроение, 1983.— 234 с.

27. Карнаух Е. Л., Кирий В. Г., Подкорытов В. И., Свинин М.. М. Диалоговая система имитационного моделирования // Управляющие системы и машины.— 1982.—№ 2.— С. 116—119.

28. Колесник А. В. Моделирование работы автоматизированной системы управления индивидуальным транспортом // Эффективность и моделирование АСУ.- Киев : ИК АН УССР, 1980.- С. 16-30.

29. Ладенко И. С. Имитационные системы.— Новосибирск : Наука,1991.— 300 с.

30. Лутков В. И. Имитационное моделирование и управление производством : (Обзор).— М. : МЦНТИ,  1988.— 60 с.

31. Майдуюв Г. Л., Дышкант В. Г. Имитационное моделирование в системе планирования качества добываемого угля // Механизация  и автоматизация упр.— 1982.— № 2.— С.   11—15.

32. Моисеев Н. Н. Имитационные модели // Наука и человечество.— М. Знание,     1973.— С. 173—178.


 

А также другие работы, которые могут Вас заинтересовать

35961. Подходы к принятию инвестиционных решений на фондовом рынке: фундаментальный и технический анализ 94.14 KB
  Управление проектами – это методология планирования организации и координации трудовых финансовых и материальнотехнических ресурсов на протяжении проектного цикла направленные на эффективное достижение целей проекта путем применение современных методов техники и технологий управления для достижения определенных в проекте результатов по составу и объему работ стоимости времени качеству и удовлетворению участников проекта. Точечные факторы – факторы связанные с реализацией инвестиционного проекта и состоянием реципиента инвестиции....
35963. Неогей 92 KB
  Башкирский антиклинорий сложен почти не метаморфизованными терригеннокарбонатными отложениями рифеявенда общей мощностью 1014 км среди которых в эрозионном окне выступает глубокометаморфизованный дорифейский фундамент отложения которого объединяются в тараташский гранулитовый комплекс мощностью более 5 км сложенный гиперстеновыми плагиогнейсами и амфиболитами. Рифейсковендский комплекс парастратотипический для рифея разделяется на 3 эратемы снизу вверх: бурзяний R1 общей мощностью 34 км залегающую на архее и сложенную в...
35964. Внимание и его свойства 89 KB
  Устойчивость внимания – длительность сосредоточения внимания на объекте. Устойчивость внимания проявляется в способности в течение длительного времени сохранять состояние внимания на какомлибо объекте предмете деятельности не отвлекать и не ослаблять внимание. У младших школьников устойчивость внимания активно возрастает к 910 годам. Сосредоточенность внимания – степень концентрации внимания на объекте.
35966. Типы восприятия эфирной информации 87 KB
  Преодоление этого объективного противоречия между массовой направленностью и индивидуальностью приема радиопередачи является одним из важных критериев профессионализма радиожурналиста и требует с одной стороны умения говорить на языке потребностей и мотивов поведения всей аудитории выбирать темы и содержание актуальные для нее а с другой – особого стиля общения: доверительномежличностного уважительного по отношению к собеседнику. Пространственная и психологическая рассредоточенность аудитории Аудитория радио не просто...
35967. Понятийный аппарат АХД предприятия 85.5 KB
  Сам термин анализ происходит от греческого слова nlyzis что в переводе означает разделяю расчленяю . Следовательно анализ в узком плане представляет собой расчленение явления или предмета на составные его части элементы для изучения их как частей целого. Наиболее близок к анализу в этом смысле синтез который выявляет связи и зависимости между отдельными частями изучаемого предмета соединяет их в единое целое. под анализом в широком плане понимается способ познания предметов и явлений окружающей среды основанный на расчленении целого...
35968. Схема алкогольного брожения. Влияние основных и вторичных продуктов брожения на формирование органолептических качеств вина. Технохимический и микробиологический контроль брожения. Оформление результатов 84.69 KB
  Влияние основных и вторичных продуктов брожения на формирование органолептических качеств вина. Глюкоза Фосфоенолпируват Пируват Альдегид Этанол Пируватдекарбоксилаза Алкогольдегид рогеназа CO2 NDHH ND Из биологических процессов протекающих в сусле и винах при участии микроорганизмов главным является спиртовое брожение. глицерин влияет на вкус вина придавая ему ощущение сладости и мягкости. Лимонная кислота будучи малоустойчивой в вине может быть источником летучих кислот которые являются показателем наличия пороков у вина.