В статье дается определение подвижности мобильных наземных машин и технологических комплексов. Она рассматривается как интегральная характеристика конструкционных и эксплуатационных, экономических, эргономических и экологических свойств наземных мобильных систем и комплексов. Также подвижность характеризует конкурентоспособность объектов как товара. Приведена концептуальная схема иерархии задач управления технологическими машинами, включающая в себя четыре задачи, относящиеся к области конструкционных параметров: поддержание подвижности, курсовой ориентации, скорости движения и устранение критических ситуаций при движении технологической системы; а также задачи обеспечения экологической безопасности, номинальной экономической эффективности и комфортабельности технологической системы. Качество систем технического диагностирования определяется показателями, которые позволят определить достоинства и недостатки систем диагностирования, установить степень удовлетворения предъявляемых к ним требований, сравнить различные варианты систем диагностирования и выбрать из них лучшую.
Анализ условий применения ресурсов ремонтно-строительного производства, а также особенностей проектирования технологических ресурсов, планирования и оперативного управления позволяют выработать следующие классификационные признаки, наиболее полно отвечающие вышеуказанным требованиям: характер применения, функциональное назначение, функциональная специализация, степень специализации, мощность (вместимость) [1–4].
По признаку «характер применения» ресурсы подразделяются на две самостоятельные группы – возобновляемые и невозобновляемые.
Возобновляемые ресурсы в процессе выполнения строительно-монтажных работ [5–8] производят сами или в сочетании с другими ресурсами некоторый расходуемый фактор – человеко-дни, машино-смены и т.п., который не подлежит по своей физической природе складированию. Следовательно, возобновляемые ресурсы призваны функционально вырабатывать в течение всего срока службы соответствующий расходуемый фактор. По признаку «функциональное назначение» возобновляемые ресурсы состоят из групп – трудовые ресурсы, машины и оборудование, автотранспортные средства, подсобно-вспомогательные и обслуживающие здания, механизированный инструмент, монтажные приспособления.
Невозобновляемые ресурсы при выполнении строительно-монтажных работ расходуются непосредственно сами – полностью (например, трубы) или частями (например, материалы). В этой связи в качестве расходуемого фактора для невозобновляемых ресурсов могут служить как физические параметры (кубометры, квадратный метр, тонна, километр и т.п.), так и показатели трудоемкости (человеко-дни, машино-смены и т.п.). По признаку «функциональная специализация» трудовые ресурсы подразделяются на группы – рабочие, инженерно-технические работники, служащие и т.д.
Технические ресурсы по признаку «функциональная специализация» включают, например, для машин общестроительного назначения – машины для разработки немерзлых грунтов, машины для разработки сезонно- и вечномерзлых грунтов, машины для уплотнения грунтов, машины для буровых и взрывных работ, машины для погрузочно-разгрузочных работ.
По признаку «степень специализации», например, машины для разработки немерзлых грунтов включают экскаваторы одноковшовые, экскаваторы роторные, скреперы, бульдозеры, машины для зачистки дна траншей; машины для разработки сезонно и вечномерзлых грунтов – рыхлители, машины фрезерные, подкопочные машины, очистные и т.д.
По признаку «уровень квалификации» рабочие каждой профессии группируются по квалификационным разрядам, а инженерно-технические работники – по занимаемой должности в штатном расписании.
По признаку «мощность» технические ресурсы, например, по группе экскаваторы одноковшовые включают – ЭО-02621А, Э-2304Г, ЭО-3322Б и т.д.; экскаваторы роторные – ЭТР-134А, ЭТР-224, ЭТР-254А и т.д.; бульдозеры – ДЗН09, ДЗ-11ЭА, ДЗ-118 и ТА; рыхлители – ДП-22С.ДП-100 и т.д.
Формирование групп ресурсов ремонтно-строительного производства по классификационным признакам позволяет представить полную их систематизацию в виде многоуровневой системы – класс, подкласс, вид, тип, типоразмер. В дальнейшем под технологическими ресурсами будем иметь в виду машины и оборудование для строительства и ремонта объектов добычи и транспорта углеводородов. Качество систем технического диагностирования определяется показателями, которые позволят определить достоинства и недостатки систем диагностирования, установить степень удовлетворения предъявляемых к ним требований, сравнить различные варианты систем диагностирования и выбрать из них лучшую.
Вероятность правильного диагностирования (D) определяется как полная вероятность того, что система диагностирования определяет техническое состояние, в котором действительно находится технологический ресурс диагностирования. Аналитические выражения для оценки D определяются числом параметров и видом их распределения, характеристиками, возможностью скрытых отказов и надежностью средств диагностирования.
Рассмотрим наиболее распространенные в технике схемы процесса диагностирования, для которых определим вероятности правильного диагностирования D.
В первой схеме процесса диагностирования накладываются следующие ограничения. Состояние технологического ресурса диагностирования характеризуется значением одного обобщенного параметра х. Для указанного диагностического параметра определено поле допуска (а, Ь), где a, b – границы поля допуска. При наличии значения параметра х в поле допуска, т.е. а < х < Ь, технологический ресурс считается работоспособным, при наличии значения параметра вне поля допуска – неработоспособным. Предполагается, что систематические ошибки известны и исключены. Учитываются только ошибки измерения средства диагностирования. Истинное значение х под воздействием производственных и эксплуатационных факторов является случайной величиной, плотность распределения которой определяется зависимостью f1(х). Поэтому относительно состояния технологического ресурса при его диагностировании могут быть высказаны две взаимно исключающие гипотезы: S0 – технологический ресурс работоспособен, 0 – технологический ресурс неработоспособен. Априорные вероятности этих гипотез определяются как
При измерении параметра х возможно появление ошибок, вносимых средствами диагностирования. Считается, что результат измерения z = x + y, где у – случайная ошибка измерения, плотность распределения которой f2 (x).
При определении состояния технологического ресурса диагностирования по результату сравнения измерения z с полем допуска (а, Ь) возможно появление следующих несовместных событий:
Sxz – значение параметра х и результат измерений z в пределах поля допуска;
Sxczc – значение параметра х и результат измерений z вне поля допуска;
Sxzc – значение параметра х в поле допуска, результат z вне поля допуска;
Sxcz – значение параметра х вне поля допуска, а результат z в поле допуска.
При наличии событий Sxz и Sxczc делаются верные заключения о состоянии технологического ресурса диагностирования, при Sxzc и Sxcz неверные заключения о состоянии о состоянии технологического ресурса. Причем Sxzc называют ошибкой 1-го рода или ложным отказом, со6ытие Sxcz ошибкой 2-го рода или необнаруженным отказом. Перечисленные события составляют полную группу событий. Вследствие этого сумма вероятностей перечисленных гипотез равна единице: Sxz + Sxczc + Sxzc + Sxcz = 1.
В этом случае вероятность правильного диагностирования:
Если определить Sxzc = a и Sxcz = b и распространить зависимость (2) для технологического ресурса диагностирования с n независимыми параметрами, то получим формулу для оценки вероятности:
Вторая схема процесса диагностирования заключается в следующем. Состояние технологического ресурса диагностирования характеризуется совокупностью n параметров. Средство диагностирования по определенной программе проверяет всю совокупность параметров и в результате процесса диагностирования вырабатывает интегральное заключение о состоянии технологического ресурса.
Из-за недостаточного числа диагностируемых параметров, несовершенства методик измерений параметров, возможных проявлений отказов в используемых средствах диагностирования проявляется возможность нарушения соответствия результатов диагностирования и истинного состояния исследуемого технологического ресурса.
Как и в предыдущем случае, при определении состояния технологического ресурса по результатам диагностирования возможно наличие следующих событий:
Н11 – технологический ресурс работоспособен и результат диагностирования совпадает с состоянием технологического ресурса;
Н22 – технологический ресурс неработоспособен и результат диагностирования совпадает с состоянием технологического ресурса;
Н12 – технологический ресурс работоспособен, а результат диагностирования указывает на его неработоспособность;
Н21 – технологический ресурс неработоспособен, а результат диагностирования указывает на его работоспособность.
Перечисленные события также составляют полную группу событий и характеризуются соответствующими вероятностями, сумма которых равна единице:
P11 + P22 + P12 + P21 = 1, вследствие чего вероятность правильного диагностирования согласно определению
Очевидно, что средство диагностирования может находиться в одном из трех состояний:
L = 1 – работоспособность при правильной индикации своего состояния;
L = 2 – неработоспособность типа «средство диагностирования фиксирует результат – технологический ресурс находится в работоспособном состоянии», независимо от действительного состояния технологического ресурса диагностирования;
L = 3 – неработоспособность типа «средство диагностирования фиксирует результат – технологический ресурс находится в неработоспособном состоянии», независимо от действительного состояния технологического ресурса диагностирования» при индикации работоспособности средства диагностирования.
Известные методы теории вероятности [9–10] позволяют определить наиболее часто встречающиеся случаи наличия в средстве диагностирования скрытых отказов и определить для них значения P12 и P21.
Третья схема процесса диагностирования объединяет рассмотренные процессы диагностирования в единый процесс. В нем предполагается, что состояние технологического ресурса диагностирования определяют совокупностью п независимых диагностических параметров и средство диагностирования может находиться в перечисленных выше состояниях.
Литература
1. Беляков В.В. Проектирование наземных транспортно-технологических машин и комплексов / В.В. Беляков, В.Е. Колотилин, В.С. Макаров, Ю.И. Молев, У.Ш. Вахидов, А.В. Папунин. – М.: КноРус, 2021. – 448 с.
2. Бондаренко Е.В. Основы проектирования и эксплуатации технологического оборудования / Е.В. Бондаренко, Р.С. Фаскиев. – М.: Академия, 2015. – 304 с.
3. Айрапетов Д.А. Выбор методологии разработки программного комплекса управления процессом проектирования системы управления сложными технологическими объектами в рамках САПР / Д.А. Айрапетов, Г.Г. Арунянц. – Информационные технологии моделирования и управления. – 2013. – № 5 (83). – С. 468–474.
4. Арунянц Г.Г. Алгоритмизация процесса управления проектированием систем управления технологическими объектами в рамках САПР / Г.Г. Арунянц, Д.А. Айрапетов. – Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. – 2013. – № 9–10. – С. 7–11.
5. Алексанин А.В. Влияние информационных технологий на возможности ресурсосбережения в строительстве / А.В. Алексанин. – Инженерный вестник Дона. – 2021. – № 2 (74). – С. 11–19.
6. Казарян Р.Р. Моделирование и анализ технико-экономических показателей строительного переустройства / Р.Р. Казарян. – Научное обозрение. – 2017. – № 18. – С. 136–139.
7. Кузнецов С.М. Теория и практика формирования комплектов и систем машин в строительстве / С.М. Кузнецов. – М.: Директмедиа Паблишинг, 2015. – 271 с.
8. Пермяков В.Б. Организация материально-технической базы эксплуатационного предприятия / В.Б. Пермяков, Р.А. Мартюков. – Омск: Сибирская государственная автомобильно-дорожная академия (СибАДИ), 2016. – 47 с.
9. Севастьянов Б.А. Курс теории вероятностей и математической статистики / Б.А. Севастьянов. – М.: Ленанд, 2021. – 256 с.
10. Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике / В.Е. Гмурман. – М.: Юрайт. – 407 с.
11. Борзых Д.А. Теория вероятностей в задачах / Д.А. Борзых. – М.: Ленанд, 2021. – 304 с.
12. Морозова З.А. Математическая статистика с элементами теории вероятностей в задачах с решениями / З.А. Морозова, Л.И. Ниворожкина, И.Э. Гурьянова. – М.: Дашков и К. – 476 с.
