Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
m1061.pdf
Скачиваний:
115
Добавлен:
15.11.2022
Размер:
20.13 Mб
Скачать

1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ФОРМИРОВАНИЯ ПАРКОВ МАШИН

1.1. Критерии оценки состояния организационно- технологической надежности систем машин

Отсутствие комплексных показателей и критериев экономической оценки прогрессивности организационно-технологических решений наиболее существенный методологический недостаток применяемых методов оценки в строительстве. Например, в [90] предложена субъек- тивная трехбалльная оценка качества наружных поверхностей зданий и сооружений. При этом часто не учитываются качество и долговечность конструкций, моральная долговечность зданий, степень соответствия ГОСТам, технологичность проектов, организационно-технологическая и экономическая надежность, управляемость, уровень организации производства и т.д.

На практике часто возникает необходимость выбора технологии про- изводства работ по нескольким частным критериям. Например, в качестве частных критериев при оптимизации проектных решений при производстве земляных работ приняты следующие показатели: продол-

жительность работ (Т, дни); удельные энергозатраты (Э, Вт ч/м2); трудо- емкость процесса (Е, чел-смен/м3); себестоимость продукции (С, р./м3).

По опыту производства работ на объектах транспортного строи- тельства предлагается весовые коэффициенты частных критериев

соотносить между собой следующим образом: aТ aЭ aС aЕ . Но

могут быть и исключения, когда предпочтение отдается двум или даже одному частному критерию.

Нахождение оптимального варианта производства строительных работ можно свести к процессу уменьшения (или увеличения) некото- рого единого критерия, обобщающего и дополняющего частные критерии. Существуют различные способы задания обобщённой целе-

вой функции Z = f (Т, Э, Е, С) [64, 65].

Первый способ по заданной системе предпочтений частных критериев с учетом aТ aЭ aС aЕ 1. Предложенная для такого случая формула имеет вид:

Z1 aТ

T T

 

aЭ

Э

Э

min

aС

С

С

min

aЕ

Е

Е

min

, (1.1)

i min

i

 

 

i

 

 

i

 

T

 

Э

 

 

С

i

 

 

Е

i

 

 

i

 

 

 

i

 

 

 

 

 

 

 

 

 

 

где Тmin, Эmin, Сmin и

Emin – «идеал» (минимальные значения) частных кри-

териев.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Необходимость введения весов критериев объясняется тем, что в реальных условиях некоторые из критериев могут выступать в качестве определяющих, более значимых, другие в качестве второстепенных, менее значимых. При этом значение частного критерия, переведенное в безразмерную шкалу желательности (значимости, весомости,

5

предпочтительности), может принимать значения в интервале от нуля до единицы.

Второй способ без системы предпочтений частных критериев. В этом случае обобщенная целевая функция имеет следующий вид:

Z2

Ti Tmin

 

Эi Эmin

 

Сi Сmin

 

Еi Еmin

, (1.2)

Tmax Tmin

Эmax Эmin

Сmax Сmin

 

 

 

 

 

Еmax Еmin

где Тmax, Эmax, Cmax и Еmax максимальные значения частных критериев.

Можно также применить два способа нахождения обобщенной це- левой функции Z = f (Т, Э, Е, С).

Третий способ по заданной системе предпочтений частных кри- териев с учетом коэффициентов предпочтения ат, аэ, ас, ае.

Предложенная для такого случая обобщённая целевая функция имеет

вид:

 

Ti

 

 

Эi

 

Сi

 

 

Еi

 

 

Z3

aТ

aЭ

 

aС

aЕ

 

 

, (1.3)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

T

Э

С

 

Е

где Т, Э,С, Е средневзвешенные значения частных критериев.

Четвёртый способ без системы предпочтений частных критери- ев. В этом случае обобщенная целевая функция имеет вид:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

Еi Е 3 Е

 

Z4

 

Ti T 3

Т

 

Эi Э 3 Э

 

Сi С 3 С

 

 

, (1.4)

3

 

Т

 

 

Э

 

С

 

Е

 

 

 

 

 

 

 

 

 

 

 

 

 

 

где Т , Э , С , Е среднее квадратическое отклонение частных кри-

териев.

Все изложенное позволяет использовать алгоритм многокритери- альной оптимизации не только для выбора эффективных машин и механизмов при проектировании комплекса, но и для оптимизации других сложных процессов.

1.2. Обоснование рациональных границ организационно-

технологической надежности и оценки их влияния на технико- экономические показатели работы парков машин, комплексов

икомплектов

Воснову разработки принципа оценки ОТН заложен вероятност- но-статистический подход. Человеко-машинные системы, включаю- щие помимо технологических, экономические и социальные аспекты, характеризуются определенным уровнем надежности, который суще- ственно снижается по мере усложнения системы. При этом методы математической теории надежности практически неприемлемы, так как, формальное применение классической теории к реальной строитель- ной системе дает практически нулевую надежность. Выход из данной ситуации возможен лишь при детальном изучении специфики систем строительного производства, многообразных, многочисленных орга- низационно-технологических сбоев, дестабилизирующих производ-

6

a
Кр amax min

ство факторов, а также принципов взаимодействия этих факторов с имеющимися сбоями. Классификация факторов, влияющих на надёж- ность строительного производства приведена на рисунке 1.1 [276, 277].

Для определения ОТН системы используют методы теории надежно- сти, основанной на анализе распределений совокупностей случайных величин надежностей отдельных элементов комплекса. На наш взгляд, наиболее обоснованный подход к оценке организационно- технологической надёжности нашёл своё отражение [75–81].

В Сибирском государственном университете путей сообщения со- искателем разработана системотехника ресурсосберегающих технологических процессов строительства. Существенное повышение качества и эффективности в строительстве могут дать лишь экономич- ные решения, полученные при оптимизации проектных решений (инженерно-экономический принцип системотехники). Поэтому экономическая оценка прогрессивности конструктивных, организаци- онно-технологических и управленческих решений стала первоочередной научной и практической проблемой [141–171]. Для оценки организационно-технологических и управленческих решений следует создавать базы данных по результатам натурных испытаний ра- боты комплексов, комплектов и отдельных машин.

Для доказательства обоснованности значений базы данных по ре- зультатам натурных испытаний проводилось два этапа проверки (очистки) в соответствии с [176]:

логическая при которой по замечаниям наблюдателя из рядов исключаются значения, не относящиеся к нормируемому процессу (частный разговор во время работы; случайное применение другого, не соответствующего общей характеристике, материала);

математическая при которой методами математической стати- стики определяют правомерность отклонений.

Проверка устойчивости (реальности, адекватности) ряда (заметим, что ряд выборка значений фактора, включенных в базу данных) начиналась с вычисления коэффициента разброса

, (1.5)

гдерядуa.min и amax соответственно наибольшее и наименьшее значения в

В зависимости от значения коэффициента разброса устойчивость ряда проверялась по одному из трёх вариантов:

1. При значении коэффициента разброса Кр 1,3 – ряд считается

устойчивым и очистки не требует.

2. При значении коэффициента разброса 1,3 Кр 2 – проверка производится по методу определения предельных значений.

7

Рисунок 1.1. Факторы, влияющие на надёжность строительного производства (классификация проф. А.В. Гинзбурга)

Сразу вычисляется среднее значение ряда

 

 

 

 

 

 

 

n

 

 

 

 

 

 

 

 

 

 

 

ai

 

 

 

 

 

 

 

a

i 1

 

, (1.6)

 

 

 

 

n

 

 

 

 

 

 

 

 

 

 

где ai i-й член ряда; n количество членов в ряду.

Проверяются все подозрительныезначения (max , min) путем

расчета их теоретически возможных значений по формулам:

amaxт

a т k(amaxн

amin ) ; (1.7)

aminт

a т k(amax

aminн ) ; (1.8)

 

 

 

 

 

 

n

 

 

 

 

 

 

т

 

 

ai

aподоз

a

 

 

i 1

 

 

 

, (1.9)

 

 

 

 

 

 

 

 

n 1

 

 

 

 

 

 

 

 

 

 

где a т вычисляется после исключения из хронометражного ряда значений, подозреваемых в ошибочности; amaxн , aminн берутся в

очищенномряду (ближайшие к экстремальным очередные значения); k коэффициент, учитывающий количество наблюдений (n) приведён в таблице 1.1.

Если amaxт

amaxн

и aminт

aminн ,

то ряд очистки не требует, в про-

тивном случае amaxн

или aminн

должны быть исключены из ряда.

 

 

Таблица 1.1. Коэффициент, учитывающий размер ряда

 

n

4

 

5

 

6

 

7–8

 

9–10

 

11–15

 

16–30

31–50

 

 

k

1,4

 

1,3

 

1,2

1,1

 

1,0

 

0,9

 

0,8

0,7

 

3. При значении коэффициента разброса

Кр 2 – проверка осу-

ществляется по средней квадратической ошибке, которая определяется по формуле

 

 

 

 

n

 

 

 

E a

i

2

 

 

n(n 1) , (1.10)

 

1

i 1

 

 

 

 

 

 

 

 

 

где i

ai a .

 

 

 

Если E Eдоп то ряд устойчив, очистки не требует. Допустимая

средняя квадратическая ошибка определяется по таблице 1.2.

Таблица 1.2. Допустимая средняя квадратическая ошибка

Число элементов процесса

Eдоп

до 5

7 % = 0,07

более 5

10 % = 0,10

Если E >Eдоп то ряд нуждается в очистке. Чтобы определить, ка- кое значение amax или amin подлежит исключению, необходимо рассчитать два коэффициента:

9

 

 

 

 

 

n

 

 

 

 

 

 

 

 

 

ai amin

; (1.11)

 

 

1

i 1

 

 

 

 

 

 

n

 

 

 

 

 

 

 

 

 

ai amax

 

 

 

 

 

 

n

i 1

 

n

 

 

 

 

 

 

 

 

 

 

 

 

 

ai2

amin ai

. (1.12)

2

i 1

 

 

i 1

 

 

 

 

 

n

 

n

 

 

 

 

 

 

amax ai ai2

 

 

 

 

 

 

i 1

i 1

 

 

Если 1 < 2 исключается amin

, иначе исключается amax .

За одну проверку можно исключить лишь одно значение. После каждой «очистки» снова определяется Кр. Исключается не более 10 % от числа наблюдений. В противном случае наблюдения объявляются некачественными, и их требуется повторить. Проверка и очистка ряда ведутся до тех пор, пока не будет доказана устойчивость ряда или его некачественность.

После того, как ряд будет очищен, среднее значение ( a ) по нему принимается за продолжительность выполнения данной операции.

Нормальное распределение на графике представляет собой сим- метричную куполообразную кривую, имеющую максимум в точке, соответствующей средней арифметической ряда. Эта же точка является модой и медианой ряда. Точки перегиба у нормальной кривой нахо- дится на расстоянии от средней арифметической (рисунок 1.2).

Кривая нормального распределения выражается следующим урав- нением

 

 

1

e

( x x )2

 

y

 

2 2

, (1.13)

 

2

 

 

 

 

 

где y – ордината кривой распределения;

 

x значение изучаемого признака;

 

 

 

x средняя арифметическая ряда;

среднее квадратическое отклонение изучаемого признака;– постоянное число (отношение длины окружности к её диаметру; e – основание натурального логарифма.

Рисунок 1.2. Кривая нормального распределения

10

Если отклонение значений случайной величины от среднего (математического ожидания) нормируется по среднеквадратическому отклонению (1.10), то получаемую случайную величину и называют нормальным отклонением (с нормированным нормальным распределением)

t = xσ- x . (1.14)

Для нормированной нормально распределенной случайной величины x = 0, σ = 1 и

 

 

1

 

e

t 2

y =ϕ( t ) =

 

 

2 . (1.15)

 

 

 

2π

 

 

 

 

 

Если площадь, ограниченную кривой нормального распределения принять за 1 или 100 %, то можно рассчитать площадь, заключенную между кривой, осью абсцисс и любыми двумя вертикальными прямыми, проходящими через заданные точки на оси абсцисс. Причем известно, что площадь под кривой распределения между прямыми,

проведенными на расстоянии σ с каждой стороны от средней арифметической, составляет 0,683 всей площади. Это означает, что 68,3 % всех исследованных единиц (частот) отклоняются от средней арифметиче-

ской не более чем на σ, т. е. находятся в пределах ( x ±σ ). Площадь

под кривой y(x) в интервале x ± 2σ составляет 0,954, т. е. 95,4 % всех единиц совокупности находятся в пределах ( x ± 2σ ). И наконец,

0,997, или 99,7 % всех единиц находятся в пределах ( x ±3σ ). Это так

называемое правило трёх сигм, характерное для нормального распределения [74].

Организационно-технологическую надежность (в процентах) производительности строительных машин xт можно рассчитать по следующей формуле

 

100

 

x

( xx )2

 

ОТН =

 

тe

 

2σ 2

dx . (1.16)

 

 

 

 

 

σ 2π

 

 

 

0

 

 

 

Организационно-технологический риск (в процентах) недостижения заданной производительности строительных машин xт определяется по следующей формуле

 

100

 

( xx )2

 

 

 

2σ 2

 

ОТР =

 

e

 

dx . (1.17)

 

 

 

 

 

σ 2π

 

 

 

 

xт

 

 

 

Значение организационно-технологической надёжности достижения рассматриваемой системой заданной производительности xт при

11

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]