- 相關推薦
煤礦機電設備管理資源投入研究論文
摘要:為了提高煤礦機電設備管理資源配置效率，降低機電事故損失，本文進行了優化模型的構建，構建時約束為資源投入，目標為機電事故損失最低，構建后利用逆優化方法，轉化原模型，變為逆優化模型，再求出解，獲得最優解，同時，利用實例驗證本文逆優化模型及方法構建的有效性，旨在為實際應用提供參考。
關鍵詞:煤礦;機電設備;管理;資源投入;逆優化方法
現階段，機電設備投入已經超過生產成本的50%，使機電設備投入成為重要的生產投資組成部分。但與此同時，機電事故仍舊占據全部煤礦事故的較大比重，所以，煤礦生產企業必須要積極優化機電設備管理資源配置，不斷提高設備使用性能，并增強設備使用的安全性。逆優化方法是目前較為適合的優化煤礦機電設備管理資源投入的方法，可使優化需求得到充分滿足。
1煤礦機電設備管理資源配置優化中逆優化
方法應用的可行性目前，機電設備管理資源配置方法多數屬于線性規劃方法，而在優化資源配置算法方面，主要采用動態規劃、遺傳算法、啟發式算法等。從實際應用結果來看，煤炭企業在進行機電設備資源配置及優化工作時，呈現出明顯動態化特點，由此，上述資源配置及優化方法并不能使其需求得到充分滿足。另外，現有資源配置及優化方法的目標為成本最低或效益最大，配置資源在子系統間進行，并不能對已有資源做出合理調整，無法最大化滿足整體需求，因而優化效果并不理想。1992年，Burton等人提出逆優化問題，該問題提出的基礎為網絡中逆向優化最短路問題。隨后，國內外眾多學者開始研究逆優化問題，并嘗試構建逆優化模型，在構建逆優化模型時，采用的方法主要為逆數據包絡分析、多目標規劃、雙層優化。近年來，資源配置問題解決過程中開始采用逆優化算法，解決效果相對較為理想。已有研究及實踐表明，利用逆優化方法進行資源配置及優化時，通過對模型參數做出調整，可以有效滿足動態需求。由此看來，逆優化方法應用到煤礦機電設備管理資源配置優化中的可行性非常強。
2煤礦機電設備管理資源投入的逆優化方法
2．1構建模型。
2．1．1構建機電設備管理資源投入模型。
機電設備是煤礦開采期間使用的設備之一，其類型包含兩種，一種為機械設備，另一種為電氣設備。煤礦機電設備通常成本較高，會嚴格要求安全和作業環境，基于此種特點，研究管理資源配置問題時，為能合理構建指標，劃分投入指標過程中，可以功能差異作為標準。經劃分后，共有4個投入指標［1］:①安全運行投入x1，該項投入指標的具體內容包含人員培訓投入、人員管理投入、水電資源投入等，用于保障設備的安全運行;②維護保養投入x2，該項投入指標具體內容包含建立并落實機電設備維修保養制度、機電設備定期檢查、保養耗材等;③設備維修投入x3，該項投入指標的具體內容包含培訓維修人員、定期檢修機電設備、購買設備備件等;④改造更新投入x4，機電設備與經濟、技術要求不滿足時，局部改造或替換、購買及安全新型設備的投入均是該項投入的主要內容。根據煤礦生產的特點，本文構建目標函數時，目標確定為機電事故損失最小化。同時，生產過程中，表述投入－產出關系的常用函數為柯布－道格拉斯生產函數，所以本文近似模擬機電設備管理資源投入與機電事故損失最小化的關系時，即采用該函數模型，并將管理資源配置模型建立起來，求出最優的配置管理資源的方案，最大化的降低機電事故損失［2］。在一定范圍內，各投入指標需要發揮出其最佳效果，如果投入過低，效應將不能充分發揮，而投入過高，不僅浪費資源，且其他指標會出現投入不足問題，因此，此一定范圍即為需求滿足基礎上的指標投入上下限，用s．t．bi≤mi(i=1，2，3，4)表示。煤炭企業管理機電設備過程中，各個指標之間會產生影響、調節作用，幾項指標可能會同時影響某一項指標，同時，幾項指標總投入也會對整體管理資源投入效果產生影響，為使系統整體需求得到滿足，需在相互關系基礎上，設置某幾項指標投入的下限，表示為bh≤(x1+x2+…xh)。此外，為保證企業整體利益，還要進行總上限的設置，即x1+x2+x3+x4≤C。
2．1．2構建逆優化模型。
實際生產過程中，各種資源投入時均會存在一定彈性，與運算最優解相比，模型可行解或非可行解更為適合情況下，反映出模型原有的約束條件與實際需求不相符的問題，需調整各項資源的投入。實際作業時，最優解為xi*(i=1，2，3…n)，因約束條件需要做出適當的條件，所以改變b和m，變為b*、m*，令bi*=bi+σi－βi、mi*=mi+ηi－γi，其中，bi、mi的增量、減量分別為σi≥0、βi≥0、ηi≥0、γi≥0，目標函數選擇總體變化最小，據此即可將逆優化模型建立起來。
2．2應用實例。
以某煤業集團下屬煤礦為例，分析上述逆優化模型構建的有效性。該煤礦生產能力為0．22Mt/a，預計有324萬t的開采儲量，以18年作為該煤礦的服務年限。從資產價值看，該煤礦機電設備共值114．6億元，每年最多要投入980萬元的管理費用。
2．2．1構建模型。
按照上述條件，利用Minitab軟件，回顧性分析該煤礦2009年至2016年的機電設備管理投入費用、機電事故損失費用，同時，與其投入計劃相結合，完成優化模型的構建。在構建的模型中，主要包含:①求解各項指標(x1，x2，x3，x4)投入最優的管理資源配置方案，并最大化降低機電事故損失;②x1，x2，x3，x4的投入上限、下限分別為285－335萬元、130－166萬元、245－300萬元、229－256萬元;③x1+x2、x2+x3、x3+x4、x1+x2+x3、x2+x3+x4的總投入至少要達到482萬元、380萬元、458萬元、745萬元、630萬元;④這4項指標的總投入要控制在980萬元以內。隨后，轉化該模型，使其變為標準形式，同時，求解在Matlab遺傳算法工具箱輔助下進行，迭代94次后，模型獲得最優解的條件為4項治療分別投入323．308萬元、165．327萬元、261．563萬元、229．802萬元，此時模型解為120．99萬元。由生產實踐可知，這四項指標分別投入180萬元、220萬元、411萬元、179萬元時，與模型最優解相比，進一步降低了機電事故損失，降低幅度達9．85%。這說明，原模型與實際需求并不相符，需對約束條件利用逆優化方法調整，以使優化效果最佳。按照本文理論方法建立逆優化模型，并將上述指標投入值輸入Matlab中，獲得新的模型。
2．2．2結果分析。
(1)安全運行方面。原模型時，該指標投入下限為285萬元，利用逆優化方法優化后，投入下限降低到176．815萬元。經調查，該煤礦十分重視操作人員的培訓教育工作，但實際開展過程中，由于未能明確分工，導致冗余大量人員，同時，能源浪費問題也明顯存在。基于此種現狀，分工要科學開展，以使操作人員數量適當減少，并以節能減排等方法降低能源消耗，促進運行投入減少。
(2)維護保養方面。原模型時，機電設備用于維護保養的投入上限為166萬元，經優化后，提高到221．1317萬元。該指標投入上限的升高，說明該煤礦在使用機電設備過程中并未徹底落實定期檢查與潤滑保養制度，導致疲勞運行的機電設備數量眾多。為避免機電事故的發生，維護保養力度必須要加大，定期開展潤滑保養工作，以減少安全隱患，保證機電設備運行狀態良好。
(3)設備維修方面。原模型時，維修機電設備的投入上限為300萬元，優化后，提高了114．1437萬元，達到414．1317萬元。因優化后該指標投入上限升高，因此，對該煤礦的機電設備維修工作展開調查、分析，結果顯示，盡管該煤礦頻繁的進行機電設備維修工作，但存在未能徹底維修、未全面落實維修計劃的問題，而且為降低成本，較少更換損壞部件，造成機電設備頻繁發生故障。為了解決此問題，逆優化后，提高了機電設備的維修投入，并建立完善的維修監督機制、定期考核機制，促進維修質量的提高，同時還規定該煤礦要及時更換損壞部件，避免故障的發生。
(4)更新改造方面。原模型時，更新改造投入下限為229萬元，優化后，投入下限變為177．1437萬元。該煤礦管理機電設備過程中，十分注重更新改造工作，但由于僅采取了更換廢舊設備的措施，導致出現高投入、低效益的問題。對此，應糾正該煤礦的認識，讓其正確認識何為更新改造，從而減少該項工作的投入。
(5)安全運行及維護保養方面。煤礦機電設備的安全運行緊密聯系著維護保養工作，因此，還需要對二者的總投入做出嚴格的控制。原模型時，這兩項指標的總投入下限高達482萬元，經優化后，投入下限重新設定為399．62萬元。該煤礦為了保證機電設備運行的安全性，投資相應管理資源時力度較大，但卻并未重視與此息息相關的維護保養投入，不僅導致存在資源浪費問題，也無法獲得資源投入后的預取目標。因此，該煤礦應在將維護保養重視程度顯著提升的基礎上，通過合理協調二者投入比例，使總投入適當減少。
3結論
本文優化配置煤礦機電設備管理資源時，應用了逆優化方法，通過逆優化模型的建立，合理設置各項資源投入的上下限，實現總的資源投入不增加基礎上對各項管理資源進一步的優化配置，促進管理效率及管理質量有效提高，保障機電設備的平穩運行，且能最大化的減少機電事故損失，提高煤炭生產企業的經濟效益。
參考文獻:
［1］于杰．加強煤礦機電管理的探討［J］．機械管理開發，2017，32(5):153－154．
【煤礦機電設備管理資源投入研究論文】相關文章：
煤礦機電設備管理研究11-27
煤礦機電設備管理與維護的探討11-24
煤礦機電管理論文07-21
小議煤礦機電監管與維護舉措論文11-16
煤礦機電安全管理論文03-16
（實用）煤礦機電管理論文07-23
[優]煤礦機電管理論文07-24
(必備)煤礦機電管理論文07-25
煤礦機電安全管理論文07-25
機電設備管理論文11-22