Оптимизация параметров карьерных экскаваторно-автомобильных комплексов с учетом внеплановых простоев

Во введении обоснована актуальность выбранной темы диссертационно- го исследования, посвященного оптимизации параметров ЭАК с учетом ВП, определены цель и задачи для её достижения, сформулированы защищаемые положения, научная новизна работы и личный вклад автора, описаны теоре-
тическая и практическая значимость полученных результатов.
В первой главе определено множество основных параметров ЭАК, ис- пользуемых для определения эффективности его работы. С использованием элемента комбинаторики «сочетание» доказано, что количество возможных вариантов комплектации параметров ЭАК может достигать сотен тысяч, что
значительно усложняет задачу выбора оптимального решения.
Проведен анализ состояния и тенденций развития методов математического моделирования и оптимизации параметров карьерных ЭАК. Выявлены недостатки, которые приводят к ис-
можный пропуск рационального варианта приводит к необоснованной трате
ресурсов при ведении открытых горных работ.
каженным оценкам при выборе оптимальных параметров ЭАК
.
При этом воз-
Во второй главе решена первая задача. Для ее решения выполнена си-
стематизация простоев экскаваторов и автосамосвалов в виде много- уровневой схемы. Часть схемы, отображающая причины простоев автосамо- свалов, представлена на рис. 1. Полная схема включает 151 причину просто- ев.
Рисунок 1– Причины простоев карьерных автосамосвалов
Идентифицированы законы распределения периодичности и продол- жительности ВП с использованием методов статистического анализа. На рис. 2 в качестве примера представлена гистограмма и полигон наблюдаемых частот при идентификации закона распределения продолжительности веро- ятностного простоя по причине ремонта гидравлического оборудования ав- тосамосвалов марки БелАЗ-7513, работающих на разрезе ООО СП «Барзас- ское товарищество».
Разработана концептуальная аналитико-имитационная модель функционирования ЭАК с учетом ВП. Разработаны математические модели основных процессов в виде систем массового обслуживания (СМО). Процес- сы «прибытие и установка автосамосвалов под погрузку/разгрузку» отобра- жены СМО вида g/g/m/N, процесс «загрузка автосамосвалов экскаватором» – СМО вида g/g/1/0, а процесс «разгрузка автосамосвалов» – СМО вида g/g/m/0. Модели процессов объединены в единую сеть массового обслужива- ния (СеМО) вида (g/g/m/N) ∪(g/g/1/0)∪ (g/g/m/N), структурная схема которой представлена на рис. 3.
В СеМО заявки представляют собой автосамосвалы различных типораз- меров. Приборами, обслуживающими эти заявки, являются забои, экскавато- ры и пункты разгрузки. Продолжительность обслуживания заявок в каждом приборе зависит от горнотехнических условий эксплуатации, физико- механических свойств горных пород и параметров экскаваторов и автосамо- свалов.

торы, представлена в виде функции:
tпогр.  f(Eэкс.,dфр.,kнк,qmax,kqAC,kр,Nk,Ck,,)
(2)
Рисунок 2 – Гистограмма и полигон наблюдаемых частот при идентификации закона распределения продолжительности ВП по причине ремонта гидравлического оборудования автосамосвалов
Продолжительность задержки заявок в забое отображена в виде функции:
tман.заб.  f (ni )
где ni– тип принятой схемы выполнения маневровых работ (тупиковая,
сквозная, петлевая с разворотом).
Продолжительность задержки заявок в приборах, отображающих экскава-
где Eэкс– вместимость ковша экскаватора, [м3]; dфр.– средний размер взорван- ной горной породы, [м]; kнк– коэффициент наполнения ковша экскаватора; qmax– грузоподъемность автосамосвала, [тонн]; kqAC– коэффициент использо- вания грузоподъемности автосамосвала; kр– коэффициент разрыхления гор- ных пород; Nk– число ковшей, разгружаемых экскаватором в кузов автосамо- свала, [шт.]; Сk– соотношение линейных размеров ковша и наибольшего раз- мера самого крупного куска взорванной горной породы; β – угол поворота экскаватора, [град.]; ρ – плотность горных пород, [т/м3].
Продолжительность задержки заявок в пунктах разгрузки представлена в виде функций:
(3)
tман.разг.  f(rAC,Rман.разг.,Lман.,lac,Lос.дор.,Vср.разг.)
где rAC– минимальный радиус поворота автосамосвала, [м]; Rман.разг.– радиус поворота автосамосвала при выполнении маневровых операций на разгрузку, [м]; Lман.– длина маневрового пути при выполнении маневровых операций на разгрузку, [м]; lас -– длина автосамосвала, [м]; Lос.дор.– расстояние между осе- выми линиями дорог, [м]; Vср.разг. – скорость маневрирования карьерных авто-
самосвалов в пунктах разгрузки, [м/с],
(1)
tразг.  f (tпод.куз.,tопуск.куз.)
где tпод.куз.– время подъема кузова автосамосвала, [сек]; tопуск.куз.– время опус-
кания кузова автосамосвала, [сек].
Для учета ВП экскаваторов и автосамосвалов в СеМО веден дополни-
тельный источник, генерирующий заявки через вероятностные интервалы времени. При генерации эти заявки задерживают заявки-автосамосвалы на
время их простоя, а также закрывают своеобразные клапаны ( ) и ограни- чивают доступ заявок-автосамосвалов к обслуживающим устройствам. Усло- вия открытия (K = 1) и закрытия (K= 0) клапанов:
{mсв.m
K1, при
K0,при{mсв.0 , (6)
Дэкс. 0
где Дэкс. – доступность экскаватора (1 – доступен; 0 – не доступен);
mсв.- количество свободных мест у экскаватора до и после погрузки автосамо- свалов, находящиеся в интервале 0 ≤ mсв. ≤ m, m – количество каналов много- канального устройства «Забой», [шт.].
Эксплуатационная производительность ЭАК определяется интенсивно- стью выходного потока в СеМО, а удельные затраты на погрузку и транспор- тирование горных пород – количеством и типом заявок во входном потоке, а также количеством и типом приборов обслуживания. СеМО является замкну- той с ограниченным количеством заявок, соответствующим количеству авто- самосвалов.
Путем программной реализации СеМО посредством языка имитационно- го моделирования GPSS World, разработана аналитико-имитационная модель с учетом ВП, состоящая из 7 сегментов: 1. Прибытие автосамосвалов и при- своение им значений параметров; 2. Работа экскаваторов и автосамосвалов в забое; 3. Транспортирование горных пород в пункт разгрузки и возвращение автосамосвалов к экскаватору; 4. Работа автосамосвалов в пунктах разгрузки; 5. Простои экскаваторов и их продолжительность; 6. Простои автосамосвалов и их продолжительность; 7. Расчет объема взорванных горных пород. В та- кой модели заявки СеМО соответствуют динамическим элементам – транзак- там имитационной модели, которые двигаются от блока к блоку и задержива- ясь в них, отображают технологические процессы ЭАК.
Продолжительность задержки транзактов в блоках, устанавливается пу- тем ввода гамма распределения с соответствующими параметрами, получен- ными по хронометражным данным. В случае отсутствия хронометража про- должительность определяется по известным аналитическим формулам. Для примера, на рис.4 представлена часть аналитико-имитационной модели, отображающая работу автосамосвалов в пунктах разгрузки.
(4)
Дэкс.1
, (5)
Рисунок 3 – Структурная схема модели взаимодействия экскаваторов и автосамосвалов в виде СеМО
Рисунок 4 – Сегмент 4. Работа автосамосвалов в пунктах разгрузки
Математическое ожидание интервалов поступления автосамосвалов в
пункт разгрузки (μтранс.) определяется как среднее время транспортирования
, (7)
j1 U
горных пород от забоя в пункт разгрузки (tтранс.) по формуле: U
S L транс. ~ U ~
j t  j1
Vср. V ср.j
где S – дальность транспортирования, [м]; Lj– длина j-ого участка трассы, [м]; ~~
Vср. – средняя техническая скорость движения автосамосвалов, [м/c]; Vср. j –
средняя техническая скорость движения автосамосвалов, на j-ом участке трассы, [м/c]; U – количество участков трассы (забойный, карьерный, тран- шейный, отвальный).
Математическое ожидание продолжительности выполнения маневровых операций автосамосвалами перед разгрузкой (μман.разг.) определяется по фор-
муле:
а продолжительность разгрузки (μразг.)
t
ман.разг.
4lac.(1,45rac)Lос.дор. , (8) Vср.разг.
tразг. 1,5(tпод.куз. tопуск.куз.), (9) где rAC– минимальный радиус поворота автосамосвала, [м]; Lман. – длина ма- неврового пути при выполнении маневровых операций на разгрузку, [м]; lас– длина автосамосвала, [м]; Lос.дор. – расстояние между осевыми линиями дорог, [м]; Vср.разг.– скорость маневрирования карьерных автосамосвалов в пунктах разгрузки, [м/с]; tпод.куз.– время подъема кузова автосамосвала, [сек];
tопуск.куз.– время опускания кузова автосамосвала, [сек].
Значение среднеквадратического отклонения интервалов поступления ав-
тосамосвалов в пункт разгрузки, а также продолжительность маневровых операций перед разгрузкой и сама разгрузка (σi.) определяются согласно пра- вилу 3-х сигм по формуле:
i ti , (10) 3
где i – тип операции (транспортирование, маневрирование).
Оценена адекватность аналитико-имитационной модели, которая проводилась путем сравнения данных диспетчерских отчетов автоколонн по прошлому периоду с результатами моделирования для одних и тех же усло-
вий эксплуатации. В результате расхождение не превысило 10,0%.
Проведена оценка степени влияния ВП на добычу из забоя угольного разреза. Для примера, на рис.5 представлены результаты одного из вычисли- тельных экспериментов по оценке суточного объема добычи забоя с учетом различных видов простоев. Имитировалась работа одного ЭАК, действующе- го в условиях угольного разреза ООО «СП Барзасское товарищество».
Рисунок 5 – Динамика суточной добычи забоя с учетом простоев
Пунктирная линия отображает плановую добычу забоя, сплошная – добы- чу с учетом ВП технического и организационного характера. Видно, что пла- новая добыча отличается от добычи с учетом ВП, где возникают «периоды провалов добычи». Так, в период (А), в течение 44-46 суток происходили простои, связанные с заменой гидроцилиндра подъема стрелы и гидромотора экскаватора, протяжкой колес автосамосвалов, ремонтом их пневмогидро- подвески (ПГП), охлаждением и ремонтом гидросистемы у автосамосвалов. В период (Б), 98-100 сутки проводились ремонт двигателя внутреннего сго- рания (ДВС), замена рукава высокого давления (РВД), ремонт гидравличе- ской части экскаватора, подкачка колеса, ремонт гидросистемы, ходовой ча-

сти и системы управления автосамосвалов и т.д. Аналогичным образом про-
ведены вычислительные эксперименты по пяти разрезам Кузбасса.
В третьей главе представлено решение второй задачи. Выполнена оцен- ка степени влияния предложений по минимизации ВП горных машин на эксплуатационную производительность ЭАК. В качестве примера исполь- зования аналитико-имитационной модели для минимизации простоев экска- ватора и автосамосвалов в условиях угольного разреза ООО «СП Барзасское товарищество» организована работа экскаватора в подготовленных забоях на два подъезда с удовлетворительным состоянием подъездных и забойных ав-
тодорог (рис.6).
Рисунок 6 – Динамика добычи забоя с учетом различных видов простоев (организация работы экскаватора на два подъезда)
Установлено, что организация работы экскаватора на два подъезда не только уменьшит отклонение плановой добычи забоя от добычи с учетом ВП на 11,7%, но и увеличит добычу забоя в среднем на 5,4%.
Исследован характер влияния периодичности и продолжительности ВП на эксплуатационную производительность ЭАК. На примере условий ООО СП «Барзасское товарищество» с ЭАК, включающим экскаватор Hita- chiEX-1900 с ковшом вместимостью11 м3 и четыре автосамосвала марки Бе- лАЗ-7513 грузоподъемностью 130 тонн, установлен ряд зависимостей. Например, на рис. 7 видно, что увеличение периодичности ВП экскаватора по причине ремонта гидравлического оборудования в интервале от 340 до 936 часов, увеличивает эксплуатационную производительность ЭАК на 1,61- 4,36%, при постоянных продолжительностях между 7,86 и 25,94 часов соот- ветственно.
Разработан критерий оценки влияния периодичности и продолжи- тельности ВП на эксплуатационную производительность ЭАК. Одним из наиболее распространенных и проработанных формализмов выявления сте- пени влияния факторов на отклик в моделях, учитывающих вероятностные процессы, является дисперсионный анализ. Так как ВП характеризуется пе- риодичностью его возникновения и продолжительностью, применен двух- факторный дисперсионный анализ.

Рисунок 7 – Ремонт гидравлического оборудования экскаватора Hitachi EX-1900 (периодичность)
При этом принято, что фактор Ai – математическое ожидание продолжи- тельности i-го вероятностного простоя, [сек]; фактор Bj – математическое ожидание периодичности возникновения j-го вероятностного простоя; отклик Yij – суточная эксплуатационная производительность ЭАК [т/сут.]. Выбороч- ный коэффициент детерминации каждого из факторов, показывающий сте- пень его влияния, определялся по формуле:
(11)
~2
где k – дисперсия групповых средних по k-ому фактору;Y – общая выбо-
рочная дисперсия. Для расчета значимости влияния вероятностного простоя на эксплуатационную производительность ЭАК предложен критерий:
~2 где  А
~2
k  ~2 , Y
~2 ~2 k
~2 ~2
Ki  А B , (12) 2
– выборочный коэффициент детерминации фактора – продолжитель- ~2
ность простоя, B – выборочный коэффициент детерминации фактора – пери- ~2 ~2
одичность простоя при следующих ограничениях:  А  0 ;  B  0 .
Выполнено ранжирование степени влияния ВП на эксплуатационную производительность ЭАК для условий угольного разреза ООО СП «Барзас- ское товарищество». С использованием разработанного критерия (формула (12)) установлено, что наибольшее влияние оказывают ВП по причине отсут- ствия автосамосвалов (Ki = 47,22%), а наименьшее – ожидания погрузки (Ki = 28,20%). Учет только наиболее значимых ВП на основе критерия, определяе- мого посредством двухфакторного дисперсионного анализа с повторениями, позволит упростить процесс оптимизации параметров горных машин за счет исключения множества простоев, оказывающих меньшее влияние на эксплу- атационную производительность ЭАК.
В четвертой главе представлено решение третьей задачи. Для этого
определены целевые функции и ограничения оптимизации параметров ЭАК с учетом ВП. При выборе параметров ЭАК с одновременным учетом технологического (эксплуатационная производительность) и экономического (удельные затраты на транспортирование и погрузку горных пород) показа- телей эффективности, возникает противоречие: производительность необхо- димо максимизировать, а затраты минимизировать. При этом необходимо учитывать весомость каждого из показателей эффективности в зависимости от требований исследователя. Таким образом, возникает задача многокрите- риальной оптимизации.
Для решения данной задачи предложен комплексный критерий оптимиза- ции показателей эффективности ЭАК, основанный на методе свертки, а именно – мультипликативной в агрегированном виде
Q
F эак max (13)
где Qэак – суточная эксплуатационная производительность ЭАК, [т/сут.]; C – удельные затраты на погрузку и транспортирование горных пород, [руб./т.]; α – весовой коэффициент эксплуатационной производительности; β – весовой коэффициент удельных затрат на погрузку и транспортирование горных пород. При следующих ограничениях: α+β = 1; α(0;1); β(0;1); C≠ 0; hргп. ≤ 1,5 Hч.max; Vmax≤ 30; hргп. – высота уступа, [м]; Hч.max – максималь- ная высота черпания экскаватора, [м]; Vmax –- максимально допустимая сред- няя техническая скорость движения автосамосвалов на участках трассы, [км/ч]; (в соответствии с требованиями техники безопасности); 3 ≤ Nk≤ 10; Nk – число ковшей, разгружаемых экскаватором в кузов автосамосвала, [шт.]; 45 ≤ qmax≤ 130 (добыча); 30 ≤ qmax≤ 450 (вскрыша); 1 ≤ Nac≤ 20; Nac– количе- ство автосамосвалов, закрепленных за экскаватором, [шт.]; 5 ≤ Eэкс ≤ 11 (до- быча); 5 ≤ Eэкс ≤ 35 (вскрыша); Eэкс – вместимость ковша экскаватора, [м3].
Эксплуатационная производительность ЭАК определяется с использова- нием аналитико-имитационной модели. Удельные затраты на погрузку и транспортирование горных пород:
С
ССпогр. 
i1
NС

трасп. , (14) N
где: Спогр. – удельные затраты на погрузку горных пород экскаватором в авто- самосвалы, [руб./т]; Странсп. – удельные затраты на транспортирование горных пород автосамосвалами, [руб./т], N – количество автосамосвалов, [шт].
Целевые функции (15), (16) включают в себя 38 параметров, из которых 9 параметров являются факторами оптимизации:
QЭАК = f1(Rgt, Rfm, Rgm, REAK) → max, (15) C = f2 (Rgm , Rgt , REAK ) → min, (16) где Rgt – множество параметров горнотехнических условий эксплуатации; Rfm – множество параметров физико-механических свойств горных пород;
Rgm – множество параметров горных машин; REAK – множество параметров
ЭАК.
Характер целевой функции в сложной аналитико-имитационной модели
ЭАК, в которой есть обратные связи и разнородные заявки, позволяет гово- рить о неприменимости точных методов решения оптимизационных задач. Численные методы на основе алгоритмов эвристического класса позволяют найти оптимальные параметры систем за кратчайшее время с высокой точно- стью, при этом нет необходимости в полном исследовании области допусти- мых значений и аналитическом описании целевой функции. Произведена адаптация генетического алгоритма оптимизации, который включает в себя пять шагов (рис. 8).
Рисунок 8 – Оптимизация параметров ЭАК посредством эволюционного алгоритма
На первом шаге, создаётся крупное число так называемых кортежей, т.е. сочетаний параметров ЭАК. Затем происходит рекомбинация параметров. Число кортежей увеличивается в 2 раза, при этом новые кортежи генериру- ются как сочетание параметров уже существующих. На третьем шаге для каждого сочетания параметров происходит оценка производительности с использованием аналитико-имитационной модели и удельных затрат. На четвёртом шаге все кортежи сортируются по значению комплексного муль- типликативного критерия оптимизации в агрегированном виде. Половина из них, обладающих наименьшими значениями критерия, удаляется. На пятом шаге в некоторых кортежах происходит рекомбинация параметров: некото- рым параметрам случайным образом присваиваются новые значения. Затем шаги 2-5 повторяются до тех пор, пока среднее значение критерия оптимиза- ции всех сочетаний параметров не перестанет расти.

Разработано программно-методическое обеспечение для определения оптимальных параметров ЭАК с учетом ВП на основе аналитико- имитационной модели, структурная схема которого представлена на рис. 9.
Рисунок 9 – Структурная схема программно-методического обеспечения оптимизации параметров ЭАК
Программно-методическое обеспечение включает в себя модули: диспер- сионного анализа для оценки степени влияния вероятностных простоев на производительность; имитационного моделирования и оптимизации для оценки вариантов сочетаний параметров и выбора эффективного решения; визуализации для вывода результатов моделирования вместе с анимацией работы ЭАК, а также интерфейс пользователя для интерактивного взаимо- действия.
Определены оптимальные параметры ЭАК на примере условий уголь- ного разреза ООО СП «Барзасское товарищество» и сформулированы реко- мендации по использованию экскаватора и автосамосвалов (табл. 2).
Согласно данным, полученным с диспетчерских отчетов автоколонн раз- реза ООО СП «Барзасское товарищество», при использовании на вскрышном забое No44 девяти автосамосвалов грузоподъемностью 130 тонн, закреплен- ных за экскаватором ЭКГ-10, а также двенадцати автосамосвалов грузоподъ- емностью 130 тонн во вскрышном забое No32, закрепленных за экскаватором Hitachi EX-1900, суммарная суточная производительность с двух забоев со- ставит 96,09 тыс.т/сут. при удельных затратах на погрузку и транспортирова- ние горной породы 10,88 руб./т. Значение критерия эффективности составля- ет 2,97.
Применение рекомендуемых значений параметров позволит увеличить суточную эксплуатационную производительность на 41,8%, при этом сокра- тив удельные затраты на погрузку и транспортирование горных пород на 10,7%. Значение критерия эффективности ЭАК повыситься на 39,1%.

Таблица 2 – Результаты экспериментов поиска оптимальных параметров с
учетом ВП горных машин Параметр
Вместимость ковша, [м3] Максимальный радиус черпания, [м] Максимальная высота черпания, [м] Максимальная высота разгрузки, [м] Пример модели
экскаватора
Вес тары, [тонн] Минимальный радиус поворота автосамосвала, [м]
Значение
Вскрышной забой No44
20,9
20,6
13,1 Hitachi-EX-5500
70 – 113 10 – 16,6
Вскрышной забой No32
21,78 15,56
9,2 Caterpillar 7295
100 – 164 12 – 15,1
Грузоподъёмность автосамосвала, [тонн] (количество, [шт.])
90 – 91 (5), 130 – 136 (3)
130 – 156,9 (5), 180 – 181 (2), 221 – 240 (3)
Габаритные размеры автосамосвала, [м] (длина/ширина/высота)
9,78 / 5,89 / 5,12 – 11,5 / 7 / 5,90
11,37 / 6,89 / 5,85 – 14,15 / 8,45 / 6,88
Пример модели автосамосвала
БелАЗ-7557,
БелАЗ-7513, Caterpillar 777D, Hitachi EH 1600,
Hitachi EH 3000, БелАЗ-7518, БелАЗ-7531, БелАЗ-7513
Qэак, [тыс.т./сут.] C, [руб./т.]
F
Показатели эффективности 165,49
9,72 4,13
ЗАКЛЮЧЕНИЕ
Диссертация является научно-квалификационной работой, в которой со- держится решение научной задачи выбора оптимальных параметров экскава- торно-автомобильных комплексов с учетом внеплановых простоев горных машин, обеспечивающее повышение эффективности открытых горных работ, что имеет существенное значение для развития угольной отрасли Российской Федерации.
В диссертации решены взаимосвязанные задачи:
1) Результатом решения задачи – «Разработать аналитико-имитационную модель функционирования ЭАК с учетом внеплановых простоев» является:
– Произведена систематизация простоев экскаваторов и автосамосвалов на плановые и внеплановые. Установлено, что периодичность и продолжитель-
ность ВП экскаваторов и автосамосвалов соответствует гамма-
распределению с ограниченной правосторонней областью.
– Разработана концептуальная модель функционирования ЭАК с приме-
нением теории массового обслуживания и выполнена ее программная реали- зация с помощью языка имитационного моделирования GPSS World, что поз- воляет оценивать суточную производительность ЭАК и удельные затраты на погрузку и транспортирование горной массы с учетом ВП экскаваторов и автосамосвалов. Максимальная погрешность выходных модельных данных по сравнению с данными диспетчерских отчетов не превышает критического значения в 10%.
– Установлено, что расхождение суточной плановой добычи с добычей при учете ВП составляет в среднем 17,2% при доверительной вероятности 95,0%.
2) Результатом решения задачи – «Определить степень влияния внеплано- вых простоев на эксплуатационную производительность ЭАК» на примере условий угольного разреза ООО «СП Барзасское товарищество» является:
– Установлено, что организация работы экскаватора на два подъезда с учетом ВП позволит повысить добычу из забоя на 5,43%.
– Установлено, что увеличение продолжительности ВП экскаватора по причине ремонта гидравлического оборудования в интервале от 7 до 26 ча- сов, линейно снижает эксплуатационную производительность ЭАК на 2,36- 5,08%, при постоянных периодичностях между 346 и 931 часов соответ- ственно. Увеличение периодичности ВП экскаватора по причине ремонта гидравлического оборудования в интервале от 340 до 936 часов, увеличивает эксплуатационную производительность ЭАК на 1,61-4,36%, при постоянных продолжительностях между 7,86 и 25,94 часов соответственно. Увеличение продолжительности ВП автосамосвалов по причине ремонта ДВС в интерва- ле от 3 до 392 часов, линейно снижает эксплуатационную производитель- ность ЭАК на 0,79-25,61%, при постоянных периодичностях между 1623,3 и 19265,6 часов соответственно. Увеличение периодичности ВП автосамосва- лов по причине ремонта ДВС в интервале от 1623 до 19295 часов, увеличива- ет эксплуатационную производительность ЭАК на 0,24-19,95%, при постоян- ных продолжительностях между 3,4 и 392,4 часов соответственно.
– Разработан критерий оценки влияния ВП на эксплуатационную произво- дительность ЭАК (Ki), который определяется как среднее арифметическое между коэффициентами детерминации факторов периодичности и продол- жительности внепланового простоя.
– Произведено ранжирование внеплановых простоев экскаваторов и авто- самосвалов с использованием разработанного критерия Ki для условий угольного разреза ООО СП «Барзасское товарищество»: отсутствие автоса- мосвалов (Ki ≈ 47,22%); ремонт рабочего оборудования экскаватора (Ki ≈ 46,23%); ремонт гидравлического оборудования экскаватора (Ki ≈ 45,80%); ремонт ходового и механического оборудования экскаватора (Ki ≈ 43,98%); ремонт электрооборудования экскаватора (Ki ≈ 41,91%); ремонт/замена ав- тошин (Ki ≈ 39,23%); ремонт системы управления автосамосвала (Ki ≈
38,66%); ремонт электрооборудования автосамосвала (Ki ≈ 34,48%); ремонт двигателя внутреннего сгорания (Ki ≈ 30,58%); ремонт гидросистемы автоса-
мосвала (Ki ≈ 29,90%); ожидание погрузки (Ki ≈ 28,20%).
3) Результатом решения задачи – «Разработать программно-методическое
обеспечение для определения оптимальных параметров ЭАК с учетом вне- плановых простоев» является:
– Определены целевые функции оптимизации параметров ЭАК, которые устанавливают связь между входными параметрами: 27 параметров горно- технических условий (множество Rgt), 2 параметра физико-механических свойств горных пород (множество Rfm), 8 параметров горных машин (множе- ство Rgm), 1 параметр ЭАК (множество REAK) и откликом: эксплуатационной производительностью (QЭАК), удельными затратами на погрузку и транспор- тирование горной массы (С).
– Разработано программно-методическое обеспечение, позволяющее оце- нивать эксплуатационную производительность ЭАК, а также удельные затра- ты на погрузку и транспортирование горной массы и выбирать оптимальные параметры ЭАК посредством имитационного моделирования совместной работы горных машин с учетом их ВП.
– Определены оптимальные параметры ЭАК для условий угольного разре- за ООО «СП Барзасское товарищество», позволяющие повысить суточную эксплуатационную производительность ЭАК на 41,8%, а также сократить затраты на погрузку и транспортирование горных пород на 10,7%, и повы- сить значение критерия оптимизации на 39,1%. Сформированы рекоменда- ции по использованию горных машин для забоя No44: экскаватор Hitachi EX- 5500, автосамосвалы БелАЗ-7557 или Caterpillar-777D и БелАЗ-7513 или Cat- erpillar-785D; для забоя No32: экскаватор Caterpillar 7295, автосамосвалы Бе- лАЗ-7513 или Hitachi EH 3000, БелАЗ-7518 и БелАЗ-7531 или Komatsu HD- 830E.
Направление дальнейших исследований заключается в:
1) Расширении функционала программно-методического обеспечения для повышения эффективности выбора оптимальных параметров ЭАК за счет учета параметров буровзрывных работ, а также показателей надежности гор- ных машин, изменяющихся в зависимости от условий их эксплуатации и сро- ка службы.
2) Исследовании и оптимизации параметров ЭАК при автоматизации и роботизации горных машин, в том числе при совместной работе ЭАК и ком- плекса глубокой разработки пластов (КГРП) при добыче угля открыто- подземным способом.