CC BY
8
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2022. No 4
Научная статья
УДК 665.6/.7:502.171
doi: 10.17213/1560-3644-2022-4-27-34
АНАЛИЗ РЕСУРСНОЙ ЦЕННОСТИ И РЕСУРСНОГО ПОТЕНЦИАЛА ОБЪЕКТОВ СИСТЕМЫ ПЕРЕРАБОТКИ НЕФТЕСОДЕРЖАЩИХ ОТХОДОВ НА ОСНОВЕ DEA-МЕТОДА
М.Ю. Деревянов, Ю.Е. Плешивцева
Самарский государственный технический университет, г. Самара, Россия
Аннотация. Предлагается разработанный на основе метода Data Envelopent Analysis (DEA) новый подход к расчету оценок ресурсной ценности нефтесодержащих отходов (НСО) в хранилище и ресурсного потенциала объектов системы переработки НСО, в качестве которых рассматриваются комбинации «хранилище НСО - технология переработки». Применение предложенного подхода к оценке системы переработки НСО, включающей 20 хранилищ и 10 технологий переработки, и последующий анализ результатов показали, что ранжированные оценки ресурсного потенциала объектов системы, полученные с учётом оценок ресурсной ценности НСО в хранилищах, позволяют определить наиболее эффективную очередность переработки отходов соответствующими технологиями. Впервые приводятся результаты анализа влияния оценок ресурсной ценности НСО в хранилищах на оценки ресурсного потенциала объектов системы переработки, которые позволяют научно обосновывать принимаемые управленческие решения в системах переработки промышленных НСО. Определены оптимальные технологии в анализируемой системе, позволяющие максимально эффективно извлекать ценные ресурсы из НСО в хранилищах. Предлагаемый способ может получить множественные применения для комплексного системного анализа процессов переработки НСО в различных регионах Российской Федерации и принятия эффективных управленческих решений.
Ключевые слова: нефтесодержащие отходы, технология переработки, ресурсная ценность, ресурсный потенциал, data envelopment analysis
Благодарности: работа выполнена при поддержке грантов РФФИ № 20-08-00353, 20-08-00240.
Для цитирования: Деревянов М.Ю., Плешивцева Ю.Э. Анализ ресурсной ценности и ресурсного потенциала объектов системы переработки нефтесодержащих отходов на основе DEA-метода // Изв. вузов. Сев.-Кавк. регион. Техн. науки. 2022. № 4. С. 27-34. http://dx.doi.org/10.17213/1560-3644-2022-4-27-34
Original article
ANALYSIS OF THE RESOURCE VALUE AND RESOURCE POTENTIAL OF THE OBJECTS OF THE OIL-CONTAMINATED WASTES RECYCLING SYSTEM BASED ON THE DEA METHOD
M. Yu. Derevyanov, Yu.E. Pleshivtseva
Samara State Technical University, Samara, Russia
Abstract. The article proposes a new approach developed on the basis ofthe Data Envelopent Analysis (DEA) method that provides assessments of the resource value of oil-contaminated waste (OCW) in the storage and the resource potential of the objects of the OCW processing system. As the analyzed objects, the combinations of "OCW storage - processing technology" are considered. The proposed approach has been applied to assessing the system of waste processing, including 20 storages and 10 processing technologies. The subsequent analysis of the results showed that the ranked assessments of the resource potential of the system objects, obtained taking into account the assessments of the resource value of waste in storage facilities, make it possible to determine the most effective order of waste processing by appropriate technologies. For the first time, the results of the analysis of the influence of assessments of the resource value of OCW in the storage facilities to the assessment of the resource potential of the combinations "OCW storage - processing technology" in the processing system are presented. The new approach allows scientifically substantiating the decision making in the systems for industrial OCW processing. The optimal technologies in the analyzed system are determined, which provide the most efficient extraction of valuable resources of OCW in storage facilities. The proposed method can receive multiple applications for a comprehensive system analysis of the processes of OCW utilization in various regions of the Russian Federation and making effective management decisions.
© Деревянов М.Ю., Плешивцева Ю.Э., 2022
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2022. No 4
Keywords: oil-contaminated waste, recycling technologies, resource value, resource potential, data envelopment analysis Acknowledgments: the work was supported by RFBR grants No. 20-08-00353, 20-08-00240.
For citation: Derevyanov M.Yu., Pleshivtseva Yu.E. Analysis of the Resource Value and Resource Potential of the Objects of the Oil-Contaminated Wastes Recycling System Based on the Dea Method. Izv. vuzov. Sev.-Kavk. region. Techn. nauki=Bulletin of Higher Educational Institutions. North Caucasus Region. Technical Sciences. 2022; (4):27-34. (In Russ.) http://dx.doi.org/10.17213/1560-3644-2022-4-27-34
Введение
В России в настоящее время отсутствуют законодательно утвержденные нормы утилизации и обезвреживания нефтесодержащих отходов (НСО). По данным Росстата только при добыче нефти и природного газа с 2016 по 2020 г. образовалось 40,7 млн т НСО, при этом только 25 % из них были утилизированы и обезврежены, а оставшаяся часть размещена в хранилищах [1]. Аналогичная ситуация сложилась за этот период и в секторе производства кокса и нефтепродуктов, в котором образовалось 17,2 млн т НСО, 29 % из которых были утилизированы и обезврежены. Большая часть перерабатываемых НСО (почти 70 %) подвергается сжиганию, что приводит к большому количеству вредных выбросов и ухудшению экологической обстановки в местах обезвреживания, тогда как в развитых странах Европы доля перерабатываемых НСО с целью извлечения полезного углеводородного сырья для вторичного использования составляет около 90 % [2]. В этой ситуации научно обоснованные подходы к принятию решений в области утилизации НСО в РФ приобретают первостепенное значение для улучшения экологической ситуации и решения проблемы ресурсосбережения, связанной с задачей вторичного использования отходов путём рецик-линга и рекуперации [3, 4].
Авторами в статье [5] предложен подход к определению сравнительных оценок ресурсной ценности НСО в хранилищах, полученных на основе метода Data envelopment analysis (DEA) [6]. Под ресурсной ценностью понимается количественная оценка компонентного состава НСО, определяющая степень пригодности отходов для использования в качестве материальных ресурсов в технологиях вторичной переработки (рецик-линга). Ранжирование хранилищ НСО по величине относительных оценок ресурсной ценности позволяет принимать обоснованные решения по очередности переработки находящихся в них отходов. Однако оценки ресурсной ценности НСО не учитывают эффективность применения конкретных технологий переработки для извлечения полезных ресурсов из отходов.
Для комплексной оценки эффективности процессов переработки отходов авторами в работе [7] предложен двухэтапный подход к определению ресурсного потенциала НСО и технологий их переработки на предприятиях нефтегазового комплекса, разработанный на основе DEA-метода и позволяющий учитывать оценки ресурсной ценности НСО в хранилищах. В качестве объектов системы переработки рассматриваются хранилища НСО и технологии переработки, поэтому в [7], отдельно для каждого вида объекта, определено понятие ресурсного потенциала. Под оценкой ресурсного потенциала отходов в хранилище понимается комплексный количественный показатель возможности их эффективного вторичного использования, а оценка ресурсного потенциала технологии количественно характеризует эффективность ее применения для извлечения полезных вторичных продуктов из НСО в процессе переработки.
В статье предлагается новый подход к расчету оценок ресурсной ценности отходов в хранилищах и ресурсного потенциала объектов системы переработки НСО, в качестве которых, в отличие от подхода в [7], рассматриваются комбинации «хранилище НСО - технология переработки». Впервые приводятся результаты анализа влияния оценок ресурсной ценности НСО в хранилищах на оценки ресурсного потенциала объектов системы переработки, которые позволяют научно обосновывать принимаемые управленческие решения в системах переработки промышленных НСО.
Оценка ресурсной ценности НСО в хранилищах
Постановка задачи определения оценок ресурсной ценности НСО на основе DEA-метода представлена авторами в работе [5] в форме линейной задачи математического программирования (ЗМП), сформулированной на основе модели Super-Efficiency метода DEA, ориентированной на изменение входных параметров [8]:
SqV = Щ/Ле ^max (1)
"1 j V
при условии
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION.
TECHNICAL SCIENCES. 2022. No 4
M
Z VijxB = h i=1
M
ицуц -zvjxj ^ o,
i=1
(2)
Vj > 0, ui; > 0, j ф g, j = 1, N, i = 1, M, g = 1, G.
0 СЯУ СЯУ
Здесь Ьц = ое - оценка ресурсной
ценности НСО в у'-м хранилище; ] = 1, N; 0 -индекс целевого хранилища, в котором оценивается ресурсная ценность НСО, из
множества 0 = 1, N, N - общее число хранилищ НСО; хг0, г = 1,М и у19 - значения входных и выходного параметров для целевого хранилища НСО соответственно; М - число анализируемых входных параметров НСО; Хц и уц - значения
входных и выходного параметров для каждого у'-го хранилища НСО, г = 1, М , ц = 1, N; Уу и и у -весовые коэффициенты для входных и выходного параметров соответственно; g - порядковый номер хранилища со значением оценки ресурсной
яу —
ценности НСО, равной К = 1, g = 1, G в
анализируемой группе из N объектов, полученные на основе решения ЗМП по базовой ССЯ модели ОЕА-метода [9], сформулированной в [5], которые исключаются из (2), где G - число
хранилищ со значением оценки = 1, g = 1, G.
В ЗМП (1), (2) входными параметрами Хц,
ц = 1, N, г = 1,4 , отрицательно влияющими на оценку ресурсной ценности НСО в хранилищах, являются средневзвешенное содержание компонентов НСО: воды, асфальтенов и смол, минеральных и механических примесей и серы соответственно. Выходным параметром у ц, положительно влияющим на ресурсную ценность, является средневзвешенное содержание углеводородов в НСО.
ЗМП в форме (1), (2) решается N раз, т.е. для каждого у'-го хранилища НСО отдельно, при этом
аЯУ
рассчитываются значения Ьц , Уу и и у, за
исключением коэффициентов у^ и и^, которые получены на основе решения ЗМП по базовой ССЯ модели ДЕА-метода, сформулированной в
[5]. Максимальная оценка характеризует
наивысшую ресурсную ценность НСО в хранилище, входящем в анализируемую систему переработки НСО.
Оценка ресурсного потенциала объектов системы переработки НСО
В разделе рассматривается ресурсный потенциал применения конкретной технологии переработки к НСО в определенном хранилище, который характеризует сравнительную количественную оценку технологической эффективности переработки НСО с учётом ресурсной ценности отхода в хранилище.
Задача определения оценок ресурсного потенциала отдельно для хранилищ и технологий переработки НСО на основе ДЕА-метода представлена авторами в [7]. Аналогично (1), (2), задача определения оценки ресурсного потенциала комбинаций «хранилище НСО - технология переработки» может быть сформулирована в виде к
cRP V
Sr =Z У
r=1
ГфУ Гф
■ max
W ,H
(3)
при условии
' B
м
K B
Twrvyrp ~Th№X№ -0'
Г=1
КР > 0, wrp > 0, p Ф f, p = 1P Ц = Щ r = 1д, f = 17.
(4)
Здесь Ьр = Ьф - оценка ресурсного
потенциала р-й комбинации «хранилище НСО -технология переработки», рассматриваемой в качестве объекта сравнения в системе
переработки НСО, р = 1, Р; Р - общее число возможных комбинаций (объектов сравнения) в системе, включающей N хранилищ и Т технологий переработки НСО; ф - индекс целевого объекта сравнения из множества
ф = 1, Р, ресурсный потенциал которого
оценивается; х№ ц = 1, В и у„Р, г = 1, К - значения входных и выходных параметров для целевого объекта в анализируемой системе соответственно; В - число анализируемых входных параметров; К - число анализируемых выходных параметров; х^р и уГр - значения входных и выходных параметров для каждого р-го объекта, р = 1, Р;
и -№Гр - весовые коэффициенты для входных и выходных параметров соответственно; /- порядковый номер объекта со значением оценки
ресурсного потенциала, равной Я1^ = 1, / = 1, Е ,
в анализируемой группе из Р объектов, полученная на основе решения ЗМП по базовой ССЯ модели ДЕА-метода, сформулированной в
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION.
TECHNICAL SCIENCES. 2G22. No 4
[7], которая исключается из (4), где F - число объектов со значением оценки RRRP = 1, f = 1, F.
В ЗМП (3), (4) входными параметрами х№, ц = 1,3 p = 1, P, отрицательно влияющими на оценки ресурсного потенциала объектов системы, являются: x - время переработки НСО, ч;
%2 p - масса реагентов, т; Х3 p - расход энергии (топлива), т. Выходными параметрамиуф, r = 1,2, p = 1, P, положительно влияющими на ресурсный потенциал объектов системы, являются: у ip - масса
r<RV
полезных продуктов рециклинга, т; p = Sj -
соответствующая оценка ресурсной ценности НСО в j-м хранилище, определяемая в ходе решения ЗМП (l), (2).
ЗМП в форме (3), (4) решается P раз, т.е. для каждого р-го объекта сравнения отдельно, при
cRP 1
этом рассчитываются значения Sp , hVp и wrp, за исключением коэффициентов hf и Wf, которые
получены на основе решения ЗМП по базовой CCR модели DEA-метода, сформулированной в [7].
Пример оценки системы переработки НСО Самарского региона
Разработанный авторами и описанный выше подход, основанный на DEA -методе, был апробирован для анализа системы переработки НСО в Самарской области, включающей N = 20 хранилищ НСО и Т = 10 технологий переработки. Решение задач (1)-(4) позволило определить ресурсный потенциал Р = 200 возможных комбинаций «хранилище НСО - технология переработки» (объектов сравнения).
В табл. 1 представлены компонентные составы НСО в N хранилищах и результаты решения ЗМП (1), (2) в виде соответствующих оценок
SRV, j = 1,20 ресурсной ценности, рассчитанных
с помощью разработанного программного обеспечения [10].
Анализ результатов, представленных в табл. 1, показывает, что максимальной ресурсной ценностью обладает НСО в хранилище № 11 с оцен-
RV
кой Sjj = 1,702, а минимальную ценность имеет
RV
НСО в хранилище № 17 с оценкой S17 = 0,205.
В табл. 2 представлены основные характеристики технологий (установок) переработки НСО анализируемой системы.
Для получения оценок ресурсного потенциала в ЗМП (3), (4) рассчитываются время переработки НСО xip, масса реагентов Х2р, расход
энергии (топлива) X3p и масса полезных продуктов рециклинга у для каждой р-й комбинации
«хранилище НСО - технология переработки», p = 1,200 [7]. Оценка У2p = SjV ресурсной ценности НСО в хранилище принимается в соответствии с табл. 1.
Объекты системы переработки отходов могут быть ранжированы в соответствии с оценками CRP
Sp ресурсного потенциала, полученными в результате решения ЗМП (3), (4) (рис. 1). Как показывает анализ, только 11 комбинаций «хранилище НСО - технология переработки» обладают наивысшим ресурсным потенциалом с оценками cRP ^ 1
Sp > 1, следовательно, при принятии решения
по очередности переработки в системе входящие в эти комбинации хранилища должны быть переработаны в первую очередь соответствующими технологиями.
Таблица 1 / Table 1 Характеристики хранилищ и оценки ресурсной ценности НСО / Characteristics of storages and assessments of the resource value of the oil-contaminated waste
j Масса HCO, т Средневзвешенное содержание компонентного состава НСО в j-м хранилище, % по массе Оценка C.RV Sj
х1/ х2/ х3/ х4/ y1/
1 7770 72,88 5,33 0,93 8,32 12,54 0,243
2 1740 67,89 4,78 0,93 13,81 12,59 0,259
3 24452 53,06 9,31 1,32 10,10 26,21 0,359
4 7584 72,67 5,74 0,62 11,09 9,88 0,289
5 5170 62,06 4,71 1,14 16,36 15,73 0,313
6 1483 35,44 11,03 1,20 9,12 43,22 0,650
7 1923 40,58 12,09 2.17 7,22 37,94 0,527
8 2095 39,04 5,60 2,20 5,54 47,62 0,861
9 907 25,97 7,24 1,52 17,83 47,44 0,634
10 1975 32,17 12,24 1,94 14,42 39,24 0,365
11 1718 19,51 6,59 1,19 6,62 66,09 1,702
12 1480 32,29 16,49 1,47 12,66 37,09 0,456
13 800 25,14 10,48 1,98 13,60 48,80 0,573
14 3330 26,53 13,09 1,60 19,70 39,07 0,440
15 1590 35,82 5,22 0,93 20,90 37,13 0,719
16 400 31,82 21,34 2,28 6,96 37,60 0,542
17 594 33,76 16,13 2,10 24,61 23,40 0,205
18 1151 25,24 4,91 1,70 10,18 57,98 1,178
19 2050 34.,16 20,07 2,32 11,10 32,35 0,292
20 1125 26,26 9,78 1,00 14,29 48,67 0,878
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2022. No 4
Таблица 2 / Table 2
Характеристики технологий переработки НСО / Characteristics of technologies for recycling of the oil-contaminated waste
m Наименование технологии по переработке НСО Производительность, т НСО/ч Реагенты Топливо
Вид* Расход, т/т НСО Вид* Расход, ед./т НСО
1 МегаМакс 15 ДТ 0,02 ДТ 0,006
2 Минералоль 50 - 0 ЭЭ 50
3 COMPEX HTP 20 2,3 - 0 ЭЭ 8,7
4 БРНШ-50 2 - 0 ДТ 0,05
5 Holo-Scru 10 10 - 0 ДТ 0,065
6 Фортан - 200 12,5 - 0 ЭЭ 10
7 ПУ-01 1,5 Сорбент Эконафт 1,2 ЭЭ 5
8 УПБШ-10С 10 Цемент ПЦ-500 Д20; Природный силикагель; 20%-е жидкое стекло 0,6; 0,4; 0,15 ЭЭ 0,9
9 У0Г-15-В2ГЦ2-10 20 Вода 0,5 ЭЭ 6,85
10 Eco-TechRecOil Oy 50 Реагент РекОйл 0,0001 ЭЭ 45
*ДТ - дизельное топливо, т; ЭЭ - электрическая энергия, кВт-ч.
только пять комбинаций «хранилище НСО - технология переработки» в анализируемой системе обладают наивысшим ресурсным потенциалом с
Решения по остальным объектам системы переработки НСО принимаются исходя из конкретных задач с учётом ранжированных оценок
БррР ресурсного потенциала каждой р-й комбина- оценками 5> 1, а для 46 объектов сравнения ции «хранилище НСО-технология переработки». оценки реСурСного потенциала уменьша-
ются (Бр^ > Б2р^ и Д > 0, табл. 3).
Величина Др отклонения оценок ресурсного
(рр рр\ Др = Бр - Б2р I может рассматриваться как мера эффективности использования ресурсной ценности НСО. Чем больше Др, тем выше эффективность извлечения ценных ресурсов из отхода при переработке соответствующей технологией. Это означает, что ресурсный потенциал технологии в такой комбинации «хранилище НСО - технология переработки» использован максимально эффективно.
? ^
^ «>чЛ й^ й.ьчЛ ^ & V
^ ^ ^ 7
Диапазоны оценок ресурсного потенциала Рис. 1. Распределение объектов системы переработки НСО aRP
по диапазонам оценок Sp ресурсного потенциала
/ Fig. 1. Distribution of objects of the oil-contaminated wastes recycling system by ranges of resource potential
--RP
assessments S p
При анализе результатов решения ЗМП (3), (4) необходимо определить взаимосвязь между оценками ресурсной ценности НСО в хранилищах и оценками ресурсного потенциала объектов системы переработки НСО, что позволит выявить наиболее эффективные с точки зрения извлечения ценных для вторичной переработки ресурсов технологии утилизации НСО. Для этого ЗМП (3), (4)
решается повторно без учета оценок SRV ресурсной ценности НСО в хранилищах (т.е. K = 1 в (3), (4)) и определяются оценки S 2RpP ресурсного потенциала объектов системы переработки НСО. Полученные результаты (рис. 2) показывают, что
s
ц
о У
„ , , , ^ , , ^ ^ #
[VV [i'i. С1-
Диапазоны оценок ресурсного потенциала
Рис. 2. Распределение объектов системы переработки НСО
o-iRP
по диапазонам оценок S2 p ресурсного потенциала
(без учета оценок SRV ресурсной ценности НСО)
/ Fig. 2. Distribution of objects of the oil-contaminated wastes recycling system by ranges of resource potential assessments
S 2rp (excluding resource value assessments SRV of the oil-contaminated wastes)
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2022. No 4
Таблица 3 / Table 3
Сравнительная характеристика объектов системы переработки НСО, ранжированных по отклонению оценок ресурсного потенциала / Comparative characteristics of objects of the oil-contaminated wastes recycling system with
changed assessments of the resource potential
Номер Оценка ресурсного потенциала р-го объекта Отклонение Номер Оценка ресурсного потенциала р-го объекта Отклонение
Р j m QRP S р S 2RP Ар Р j m S р S 2RP Ар
152 16 2 1,322 0,569 0,753 148 15 8 0,837 0,770 0,068
156 16 6 1,322 0,569 0,753 180 18 10 0,920 0,854 0,066
159 16 9 1,319 0,567 0,753 58 6 8 0,835 0,770 0,065
153 16 3 1,208 0,569 0,639 78 8 8 0,830 0,770 0,060
158 16 8 1,322 0,770 0,553 168 17 8 0,818 0,770 0,048
157 16 7 1,129 0,623 0,505 118 12 8 0,811 0,770 0,041
160 16 10 0,831 0,499 0,332 68 7 8 0,805 0,770 0,035
177 18 7 0,848 0,623 0,225 199 20 9 0,764 0,736 0,028
107 11 7 0,833 0,623 0,210 154 16 4 0,079 0,052 0,028
151 16 1 0,412 0,227 0,185 192 20 2 0,764 0,736 0,028
178 18 8 0,940 0,770 0,171 193 20 3 0,764 0,736 0,028
108 11 8 0,935 0,770 0,165 196 20 6 0,764 0,736 0,028
198 20 8 0,897 0,770 0,127 171 18 1 0,449 0,429 0,020
128 13 8 0,885 0,770 0,115 98 10 8 0,789 0,770 0,019
197 20 7 0,736 0,623 0,113 175 18 5 0,192 0,176 0,017
88 9 8 0,882 0,770 0,112 200 20 10 0,729 0,715 0,014
179 18 9 0,975 0,877 0,098 18 2 8 0,782 0,770 0,013
155 16 5 0,200 0,114 0,086 188 19 8 0,781 0,770 0,012
172 18 2 0,961 0,877 0,084 138 14 8 0,779 0,770 0,010
173 18 3 0,961 0,877 0,084 195 20 5 0,153 0,147 0,006
176 18 6 0,961 0,877 0,084 147 15 7 0,627 0,623 0,003
127 13 7 0,707 0,623 0,083 57 6 7 0,626 0,623 0,003
87 9 7 0,698 0,623 0,075 77 8 7 0,625 0,623 0,002
При Ар = 0 сравнительные оценки ресурсного потенциала не изменяются Бр^ — Б2^ . Однако это не означает, что р-й объект сравнения не меняет своего положения в анализируемой системе, т.е. установленная очередность переработки НСО в хранилищах с помощью соответствующих
пр
технологий после ранжирования оценок Бр
ресурсного потенциала может быть пересмотрена. Величина Ар является дополнительным показателем при принятии решений по очередности переработки НСО в хранилищах в анализируемой системе.
Заключение
В статье рассмотрен новый, основанный на ЛЕЛ-методе, подход к расчету оценок ресурсной ценности хранилищ НСО и ресурсного потенциала объектов системы переработки НСО, в качестве которых рассматриваются комбинации «хранилище НСО - технология переработки». В зависимости от полученных оценок ресурсного потенциала объектов сравнения в системе определяется очередность переработки НСО соответствующей технологией.
Анализ влияния оценок ресурсной ценности НСО в хранилищах на ресурсный потенциал объектов сравнения в анализируемой системе переработки предоставил возможность определить оптимальные технологии, позволяющие максимально эффективно извлекать ценные ресурсы из отходов. Мерой такой эффективности является величина отклонения оценок ресурсного потенциала Ар, которая является дополнительным показателем при принятии решений по очередности переработки объектов в системе. Чем больше величина Ар, тем выше эффективность извлечения ценных ресурсов из отхода при переработке соответствующей технологией.
Успешная апробация разработанного подхода в системе переработки НСО, включающей 20 хранилищ и 10 технологий, расположенных на территории Самарской области, позволяет рекомендовать его применение при принятии обоснованных управленческих решений. Предлагаемый способ может получить множественные применения для комплексного системного анализа процессов переработки НСО в различных регионах Российской Федерации и принятия эффективных управленческих решений.
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2022. No 4
Список источников
1. Отходы производства и потребления, окружающая среда: официальная статистика // Федеральная служба государственной статистики РФ, URL: https://rosstat.gov.ru/folder/11194 (дата обращения 14.10.2022).
2. Крапивский Е. И. Нефтешламы: уничтожение, утилизация, дезактивация. М.; Вологда: Инфра Инженерия, 2021. 432 с.
3. ГОСТ Р 56828.43-2018. Наилучшие доступные технологии. Утилизация и обезвреживание нефтесодержащих отходов. Показатели для идентификации (2018) // Федеральное агентство по техническому регулированию и метрологии. М.: Стандартинформ.
4. Утилизация отходов - проблемы и пути решения: аналитический обзор. ФГБНУ «Научно-исследовательский институт - Республиканский исследовательский научно-консультационный центр экспертизы». Министерство образования и науки РФ, 2015. 27 с. URL: https://www.extech.r^files/anr_2015/anr_5.pdf (дата обращения: 14.10.2022).
5. Сравнительная оценка ресурсной ценности объектов хранения нефтесодержащих отходов на основе DEA-метода / Ю.Э. Плешивцева, М.Ю. Деревянов, Д.В. Каширских [и др.] // Нефтяное хозяйство. 2018. № 11. С. 139-144. https://doi.org/ 10.24887/0028-2448-2018-11-139-144.
6. Banker R.D., Cooper W.W., Seiford L.M., Zhu J. (2011) Returns to Scale in DEA. In: Cooper W., Seiford L., Zhu J. (eds) Handbook on Data Envelopment Analysis. International Series in Operations Research & Management Science, vol 164. Springer, Boston, MA. https://doi.org/10.1007/978-1-4419-6151 -8_2
7. DerevyanovM., Pleshivtseva Yu., AfinogentovA., Mandra A., Pimenov A. Simulation and Multi-Objective Evaluation of Reuse Potential of Waste Recycling System for Oil And Gas Industry, 2019 XXI International Conference Complex Systems: Control and Modeling Problems (CSCMP), Samara, Russia, 2019. Pp. 429-434, https://doi.org/ 10.1109/CSCMP45713.2019.8976783
8. Деревянов М.Ю., Плешивцева Ю.Э., Афиногентов А.А. Многофакторный анализ ресурсо- и энергосбережения в системе переработки техногенных отходов предприятий нефтегазового комплекса // Вестн. Самарского гос. техн. ун-та. Серия «Технические науки». 2021. Т. 29, № 1. C. 19-5. DOI: 10.14498/tech.2021.1.2
9. Деревянов М.Ю., Плешивцева Ю.Э., Афиногентов А.А., Мандра А.Г., Пименов А.А. Многокритериальная оценка сложно-структурированной системы комплексной переработки техногенных отходов нефтеперерабатывающей промышленности. Математические методы в технике и технологиях: сб. тр. междунар. науч. конф. 2020. Т. 4. С. 37-44.
10. Charnes A., Cooper W.W., Rhodes E. Measuring the efficiency of decision-making units. European Journal of Operation Research. 1978. Vol. 6 (2). Pp. 429-444.
References
1. Production and Consumption Waste, Environment: Official Statistics. Federal State Statistics Service of the Russian Federation. Available at: https://rosstat.gov.ru/folder/11194 (accessed 10.14.2022).
2. Krapivsky E. I. Oil Sludge: Destruction, Recycling, Decontamination. Moscow; Vologda: Infra Engineering; 2021. 432 p.
3. GOST R 56828.43-2018. The Best Available Technologies. Utilization and Neutralization of Oily Waste. Indicators for Identification. Federal Agency for Technical Regulation and Metrology. Moscow: Standartinform; 2018.
4. Waste Management - Problems and Solutions: an Analytical Review. FGBNU "Research Institute - Republican Research Scientific and Conssulting Center for Expertise". Minisstry of Education and Science of the Russian Federation. 2015. 27 p. Available at: https://www.extech.ru/files/anr_2015/anr_5 .pdf (accessed 10.14.2022).
5. Pleshivtseva Yu.E., Derevyanov M.Yu., Kashirskikh D.V., Pimenov A.A., Kerov A.V., Tyan V.K. Comparative Evaluation of the Reuse Value of Storage for Oil-Contaminated Waste Based on DEA Method. Neftyanoe khozyaystvo - Oil Industry. 2018; (11): 139-144. DOI 10.24887/0028-2448-2018-11-139-144. (In Russ.).
6. Banker R.D., Cooper W.W., Seiford L.M., Zhu J. Returns to Scale in DEA. In: Cooper W., Seiford L., Zhu J. (eds) Handbook on Data Envelopment Analysis. International Series in Operations Research & Management Science.2011; (164). Springer, Boston, MA. DOI:10.1007/978-1 -4419-6151 -8_2
7. Derevyanov M. et al. Simulation and Multi-Objective Evaluation of Reuse Potential of Waste Recycling System for Oil And Gas Industry, 2019 XXI International Conference Complex Systems: Control and Modeling Problems (CSCMP). Samara, Russia, 2019. P. 429-434. DOI: 10.1109/CSCMP45713.2019.8976783
8. Derevyanov M.Y., Pleshivtseva Yu.E., Afinogentov A.A. Multi-criteria Analysis of Resource Saving and Energy Efficiency in the Technogenic Waste Processing System of the Oil and Gas Industry. Vestnik of Samara State Technical University. Technical Sciences Series. 2021; 29(1):19-35. DOI: 10.14498/tech.2021.1.2 (In Russ.).
9. Derevyanov M.Yu., Pleshivtseva Yu.E., Afinogentov A.A., Mandra A.G., Pimenov A.A. Multi-criteria Assessment of a Complex-structured System of Complex Processing of Industrial Wastes of the Oil Refining Industry. Mathematical Methods in Engineering and Technology: Sat. tr. intl. scientific conf. 2020; (4): 37-44. (In Rus.).
10. Charnes A., Cooper W.W., Rhodes E. Measuring the Efficiency of Decision-making Units. European Journal of Operation Research. 1978; 6(2): 429-444.
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2022. No 4
Сведения об авторе
Деревянов Максим Юрьевичв- канд. техн. наук, доцент, кафедра «Управление и системный анализ теплоэнергетических и социотехнических комплексов», mder2007@mail.ru
Плешивцева Юлия Эдгаровна - д-р техн. наук, профессор, кафедра «Управление и системный анализ теплоэнергетических и социотехнических комплексов, yulia_pl@mail.ru
Information about the author
Derevyanov Maksim Yu. - Candidate of Technical Sciences, Associate Professor, Department «Control and System Analysis of Heat and Power and Sociotechnical complexes», mder2007@mail.ru
Pleshivtseva Yuliya E. - Doctor of Technical Sciences, Professor, Department «Control and System Analysis of Heat and Power and Sociotechnical complexes», yulia_pl@mail.ru
Статья поступила в редакцию / the article was submitted 08.11.2022; одобрена после рецензирования /approved after reviewing 21.11.2022; принята к публикации / acceptedfor publication 24.11.2022.
