煤矿机电设备管理资源投入研究

摘要:为了提高煤矿机电设备管理资源配置效率，降低机电事故损失，本文进行了优化模型的构建，构建时约束为资源投入，目标为机电事故损失最低，构建后利用逆优化方法，转化原模型，变为逆优化模型，再求出解，获得最优解，同时，利用实例验证本文逆优化模型及方法构建的有效性，旨在为实际应用提供参考。

关键词:煤矿;机电设备;管理;资源投入;逆优化方法

现阶段，机电设备投入已经超过生产成本的50%，使机电设备投入成为重要的生产投资组成部分。但与此同时，机电事故仍旧占据全部煤矿事故的较大比重，所以，煤矿生产企业必须要积极优化机电设备管理资源配置，不断提高设备使用性能，并增强设备使用的安全性。逆优化方法是目前较为适合的优化煤矿机电设备管理资源投入的方法，可使优化需求得到充分满足。

1煤矿机电设备管理资源配置优化中逆优化

方法应用的可行性目前，机电设备管理资源配置方法多数属于线性规划方法，而在优化资源配置算法方面，主要采用动态规划、遗传算法、启发式算法等。从实际应用结果来看，煤炭企业在进行机电设备资源配置及优化工作时，呈现出明显动态化特点，由此，上述资源配置及优化方法并不能使其需求得到充分满足。另外，现有资源配置及优化方法的目标为成本最低或效益最大，配置资源在子系统间进行，并不能对已有资源做出合理调整，无法最大化满足整体需求，因而优化效果并不理想。1992年，Burton等人提出逆优化问题，该问题提出的基础为网络中逆向优化最短路问题。随后，国内外众多学者开始研究逆优化问题，并尝试构建逆优化模型，在构建逆优化模型时，采用的方法主要为逆数据包络分析、多目标规划、双层优化。近年来，资源配置问题解决过程中开始采用逆优化算法，解决效果相对较为理想。已有研究及实践表明，利用逆优化方法进行资源配置及优化时，通过对模型参数做出调整，可以有效满足动态需求。由此看来，逆优化方法应用到煤矿机电设备管理资源配置优化中的可行性非常强。

2煤矿机电设备管理资源投入的逆优化方法

2．1构建模型。2．1．1构建机电设备管理资源投入模型。机电设备是煤矿开采期间使用的设备之一，其类型包含两种，一种为机械设备，另一种为电气设备。煤矿机电设备通常成本较高，会严格要求安全和作业环境，基于此种特点，研究管理资源配置问题时，为能合理构建指标，划分投入指标过程中，可以功能差异作为标准。经划分后，共有4个投入指标［1］:①安全运行投入x1，该项投入指标的具体内容包含人员培训投入、人员管理投入、水电资源投入等，用于保障设备的安全运行;②维护保养投入x2，该项投入指标具体内容包含建立并落实机电设备维修保养制度、机电设备定期检查、保养耗材等;③设备维修投入x3，该项投入指标的具体内容包含培训维修人员、定期检修机电设备、购买设备备件等;④改造更新投入x4，机电设备与经济、技术要求不满足时，局部改造或替换、购买及安全新型设备的投入均是该项投入的主要内容。根据煤矿生产的特点，本文构建目标函数时，目标确定为机电事故损失最小化。同时，生产过程中，表述投入－产出关系的常用函数为柯布－道格拉斯生产函数，所以本文近似模拟机电设备管理资源投入与机电事故损失最小化的关系时，即采用该函数模型，并将管理资源配置模型建立起来，求出最优的配置管理资源的方案，最大化的降低机电事故损失［2］。在一定范围内，各投入指标需要发挥出其最佳效果，如果投入过低，效应将不能充分发挥，而投入过高，不仅浪费资源，且其他指标会出现投入不足问题，因此，此一定范围即为需求满足基础上的指标投入上下限，用s．t．bi≤mi(i=1，2，3，4)表示。煤炭企业管理机电设备过程中，各个指标之间会产生影响、调节作用，几项指标可能会同时影响某一项指标，同时，几项指标总投入也会对整体管理资源投入效果产生影响，为使系统整体需求得到满足，需在相互关系基础上，设置某几项指标投入的下限，表示为bh≤(x1+x2+…xh)。此外，为保证企业整体利益，还要进行总上限的设置，即x1+x2+x3+x4≤C。2．1．2构建逆优化模型。实际生产过程中，各种资源投入时均会存在一定弹性，与运算最优解相比，模型可行解或非可行解更为适合情况下，反映出模型原有的约束条件与实际需求不相符的问题，需调整各项资源的投入。实际作业时，最优解为xi*(i=1，2，3…n)，因约束条件需要做出适当的条件，所以改变b和m，变为b*、m*，令bi*=bi+σi－βi、mi*=mi+ηi－γi，其中，bi、mi的增量、减量分别为σi≥0、βi≥0、ηi≥0、γi≥0，目标函数选择总体变化最小，据此即可将逆优化模型建立起来。2．2应用实例。以某煤业集团下属煤矿为例，分析上述逆优化模型构建的有效性。该煤矿生产能力为0．22Mt/a，预计有324万t的开采储量，以18年作为该煤矿的服务年限。从资产价值看，该煤矿机电设备共值114．6亿元，每年最多要投入980万元的管理费用。2．2．1构建模型。按照上述条件，利用Minitab软件，回顾性分析该煤矿2009年至2016年的机电设备管理投入费用、机电事故损失费用，同时，与其投入计划相结合，完成优化模型的构建。在构建的模型中，主要包含:①求解各项指标(x1，x2，x3，x4)投入最优的管理资源配置方案，并最大化降低机电事故损失;②x1，x2，x3，x4的投入上限、下限分别为285－335万元、130－166万元、245－300万元、229－256万元;③x1+x2、x2+x3、x3+x4、x1+x2+x3、x2+x3+x4的总投入至少要达到482万元、380万元、458万元、745万元、630万元;④这4项指标的总投入要控制在980万元以内。随后，转化该模型，使其变为标准形式，同时，求解在Matlab遗传算法工具箱辅助下进行，迭代94次后，模型获得最优解的条件为4项治疗分别投入323．308万元、165．327万元、261．563万元、229．802万元，此时模型解为120．99万元。由生产实践可知，这四项指标分别投入180万元、220万元、411万元、179万元时，与模型最优解相比，进一步降低了机电事故损失，降低幅度达9．85%。这说明，原模型与实际需求并不相符，需对约束条件利用逆优化方法调整，以使优化效果最佳。按照本文理论方法建立逆优化模型，并将上述指标投入值输入Matlab中，获得新的模型。2．2．2结果分析。(1)安全运行方面。原模型时，该指标投入下限为285万元，利用逆优化方法优化后，投入下限降低到176．815万元。经调查，该煤矿十分重视操作人员的培训教育工作，但实际开展过程中，由于未能明确分工，导致冗余大量人员，同时，能源浪费问题也明显存在。基于此种现状，分工要科学开展，以使操作人员数量适当减少，并以节能减排等方法降低能源消耗，促进运行投入减少。(2)维护保养方面。原模型时，机电设备用于维护保养的投入上限为166万元，经优化后，提高到221．1317万元。该指标投入上限的升高，说明该煤矿在使用机电设备过程中并未彻底落实定期检查与润滑保养制度，导致疲劳运行的机电设备数量众多。为避免机电事故的发生，维护保养力度必须要加大，定期开展润滑保养工作，以减少安全隐患，保证机电设备运行状态良好。(3)设备维修方面。原模型时，维修机电设备的投入上限为300万元，优化后，提高了114．1437万元，达到414．1317万元。因优化后该指标投入上限升高，因此，对该煤矿的机电设备维修工作展开调查、分析，结果显示，尽管该煤矿频繁的进行机电设备维修工作，但存在未能彻底维修、未全面落实维修计划的问题，而且为降低成本，较少更换损坏部件，造成机电设备频繁发生故障。为了解决此问题，逆优化后，提高了机电设备的维修投入，并建立完善的维修监督机制、定期考核机制，促进维修质量的提高，同时还规定该煤矿要及时更换损坏部件，避免故障的发生。(4)更新改造方面。原模型时，更新改造投入下限为229万元，优化后，投入下限变为177．1437万元。该煤矿管理机电设备过程中，十分注重更新改造工作，但由于仅采取了更换废旧设备的措施，导致出现高投入、低效益的问题。对此，应纠正该煤矿的认识，让其正确认识何为更新改造，从而减少该项工作的投入。(5)安全运行及维护保养方面。煤矿机电设备的安全运行紧密联系着维护保养工作，因此，还需要对二者的总投入做出严格的控制。原模型时，这两项指标的总投入下限高达482万元，经优化后，投入下限重新设定为399．62万元。该煤矿为了保证机电设备运行的安全性，投资相应管理资源时力度较大，但却并未重视与此息息相关的维护保养投入，不仅导致存在资源浪费问题，也无法获得资源投入后的预取目标。因此，该煤矿应在将维护保养重视程度显著提升的基础上，通过合理协调二者投入比例，使总投入适当减少。

3结论

本文优化配置煤矿机电设备管理资源时，应用了逆优化方法，通过逆优化模型的建立，合理设置各项资源投入的上下限，实现总的资源投入不增加基础上对各项管理资源进一步的优化配置，促进管理效率及管理质量有效提高，保障机电设备的平稳运行，且能最大化的减少机电事故损失，提高煤炭生产企业的经济效益。

参考文献:

［1］于杰．加强煤矿机电管理的探讨［J］．机械管理开发，2017，32(5):153－154．

作者:苗晓强 单位:山西华晋吉宁煤业有限责任公司