Энергетика. Инновационные направления в энергетике. CALS-технологии в э

Для того чтобы электроэнергетическое оборудование находилось в исправном виде, предприятия используют следующие виды ТОиР [3]:

1.Ремонт после поломки оборудования (аварийный ремонт).

2.Ремонт по регламенту.

3.Ремонт по фактическому состоянию.

Методы ТоиР графически представлены на рис. 1, они базируются на диагностике, предполагающей последовательное приближение к дате отказа Tотк .

Первый вид ТОиР не предусматривает определение Tотк .

В этом случае происходит эксплуатация оборудования до полного его отказа. Стратегия аварийного ремонта основывается на фактической функции fф (кривая 3, см. рис. 1). Однако ЭО со-

стоит из множества узлов и дорогостоящих деталей, поэтому проведение ТоиР по такому принципу приведет не только к денежным, но и временным потерям.

Рис. 1. Графическое представление методов ремонта

Обслуживание по регламенту обеспечивает формирование план-графика ТОиР по каждой единице электроэнергетического оборудования, а также по основным узлам и агрегатам с учетом

171

наработки оборудования и календарной периодичности (кривая 2, см. рис. 1). Детали меняют через определенные промежутки времени t, что приводит к частичному использованию фактического ресурса, однако это снижает общее количество аварийных отказов. На сегодняшний день многие предприятия пытаются использовать планово-предупредительный ремонт (ППР) по фактической наработке оборудования.

Обслуживание по состоянию (кривая 1, см. рис. 1), предполагает, что через определенный промежуток времени оценивается состояние детали (узла, подсистемы), соответствующее фактической кривой fф (t ) . В случае, если деталь находится на границе

предотказного состояния, то назначают её замену или ремонт. Данная тактика позволяет максимально использовать ресурс детали, однако требует контроля параметров, характеризующих техническое состояние оборудования.

Можно структурировать решение задачи планирования ТОиР в виде иерархии критериев, сравнить и определить оценку альтернативных вариантов решения, используя метод анализа иерархий (МАИ). При структуризации проблемы принятия решений предполагается декомпозиция исходной многокритериальной проблемы на простые составные и их анализ экспертами, которые принимают решение. Чтобы проанализировать проблему принятия решений в МАИ строят иерархическую структуру, в которую входят цель, критерии, альтернативы и другие рассматриваемые факторы, влияющие на выбор (рис. 2).

Получив результаты мнений экспертов, определяют значимость локальных критериев и альтернатив, при помощи которых принимаются управленческие решения относительно локальных критериев, которые находятся на разных уровнях иерархии. Данные локальные критерии задачи можно описать набором целевых

функций: f1 (x) – вид оборудования; f2 (x) – технические показатели; f3 (x) – экономические показатели или экономические

172

подходы [4], позволяющие выполнять оценку результативности путём сопоставления затрат на ТОиР и потерь производства; f4 (x) – производственно-технологические показатели.

Рис. 2. Иерархическая структура критериев

Далее нужно сформировать матрицу парных сравнений, которая показана в табл. 1, она показывает отношение критериев друг другу. Чтобы установить относительную важность элементов иерархии используют девятибалльную шкалу предпочтений по Саати [5]:

{1/9, 1/8, 1/7, 1/6, 1/5, 1/4, 1/3, 1/2, 1, 2, 3, 4, 5, 6, 7, 8, 9}.

173

Следующим шагом будет составление нормативной матрицы. По формуле (1) определяем ее элементы:

ωfij = αf 11 / (αf 11 + αf 21 + αf 31 + αf 41 ) = 1/ (1+ 2 +1/ 3 +1) = 0,230.

Весовые коэффициенты (2) частных критериев вычисляются как средние значения элементов соответствующих m строк нормированной матрицы парных сравнений:

f1 (x) определяется как

ωf 1 = (ωf 11 + ωf 12 + ωf 13 + ωf 14 ) / m =

=(0,230 + 0,111+ 0,357 + 0,571) / 4 = 0,317.

Результаты вычисления относительного и усредненного весового коэффициента были занесены в нормативную матрицу

(табл. 2).

174

Далее определяют коэффициенты превосходства альтернатив аналогично, как и коэффициенты превосходства частных критериев.

Формирование набора предпочтительных весовых коэффициентов превосходства альтернатив принимаемых решений осуществляется на основании информации о значениях весовых коэффициентов частных критериев и весовых коэффициентов альтернатив принимаемых решений относительно каждого из частных критериев.

Вычисление предпочтительного весового коэффициента происходит для всех альтернатив А согласно формуле (3) и табл. 3.

i=1

ωA1 = ωf 1 ωf 1 ( A) + ωf 12 ωf 2 ( A) + ωf 3 ωf 3 ( A) + ωf 4 ωf 4 ( A) =

=0,317 0,315 + 0,392 0,394 + 0,209 0,296 + 0,231 0,523 = 0,436.

Выполнив расчеты, можно сказать, что предпочтительной альтернативой, которую рекомендуется выбрать, считается А1, поскольку значение ее глобального приоритета является максимальным.

Таблица 3

Результирующие значения глобального приоритета

При планировании ТОиР эффективно используют метод анализа иерархий. На современных предприятиях можно ис-

175

пользовать данный метод, который позволит принимать эффективные решения в условиях неопределенности.

Список литературы

1.Надежность в технике. Термины и определения. ГОСТ Р

53480-2009 [Действует с 2009-12-09]. – М.: Стандартинформ, 2009. – 31 с.

2.Антоненко И.Н., Крюков И.Э. Информационные системы

ипрактики ТОИР: Этапы развития // Главный энергетик. – 2011. – № 10. – С. 37–44.

3.Баркова Н.А. Введение в виброакустическую диагностику роторных машин и оборудования: учеб. пособие. – СПб.: Изд. центр СПбМТУ, 2002. – 156 с.

4.Ченцов Н.А. Организация, управление и автоматизация ремонтной службы: учебник / под ред. д-ра техн. наук, проф. В.Я. Седуша; Донецкий национальный технический университет. – Донецк: Норд-Пресс-УНИТЕХ, 2007. – 258 с.

5.Саати Т. Принятие решений. Метод анализа иерархий. – М.: Радио и связь, 1993. – 320 с.

Сведения об авторах

Хорошев Николай Иванович – кандидат технических на-

ук, доцент кафедры микропроцессорных средств автоматизации Пермского национального исследовательского политехническо-

го университета, e-mail: horoshevni@mail.ru.

Баяндина Юлия Сергеевна – студентка кафедры микро-

процессорных средств автоматизации Пермского национального исследовательского политехнического университета.

176