Вестник Сибирского государственного университета путей сообщения. 2022. № 2 (61). С. 44-56. The Siberian Transport University Bulletin. 2022. No. 2 (61). Р. 44-56.
ТРАНСПОРТ
Научная статья УДК 658.51
doi 10.52170/1815-9265_2022_61_44
Организация эксплуатации и рабочих процессов снегоуборочных машин типа СМ и ПСС на основе автоматизированного мониторинга
Михаил Андреевич Семенов
Сибирский государственный университет путей сообщения, Новосибирск, Россия, MikeSemenov13111996@yandex.ru
Аннотация. Гарантией бесперебойной и безопасной работы железнодорожного транспорта и соблюдения срока перевозок является в первую очередь оперативная очистка путей от снега. Причем научных исследований, посвященных решению проблем, связанных с оптимизацией эксплуатации снегоуборочных машин, применимо к ОАО «РЖД» нет, что и обусловило выбор темы данного исследования.
Цель исследования - выявление закономерностей рабочих процессов снегоуборочных машин в зависимости от длины убранных путей и объема возможной загрузки, с учетом влияния факторов окружающей среды. Предметом исследования выступают: совокупность методов и средств автоматизированного мониторинга и пути повышения эффективного функционирования и совершенствования рабочего процесса снегоуборочной техники.
Объем убранного снега и время работы снегоуборочной машины в рабочем режиме являются изменяющимися величинами, на которые оказывает влияние множество других факторов, поэтому целесообразно не использовать эти данные для сравнительной характеристики и статистического анализа. В качестве сравнительного показателя, на который внешние факторы оказывают не столь существенное влияние, предложено использовать длину убранных путей. Разработано математическое обоснование зависимости между длиной убираемых путей и объемом убранного снега, временем рабочего цикла, количеством выпавшего снега, температурой окружающего воздуха посредством множественной регрессии. Из полученной математической зависимости можно выразить время рабочего цикла и определить затраты на проведение ремонтов, необходимое количество топлива, количество задействованных людей, а следовательно, спланировать фонд заработной платы и премиальный фонд.
Теоретическая значимость исследования состоит в создании математической модели процесса уборки снега и оценки эффективности эксплуатации снегоуборочных машин типа СМ и ПСС. Практическая значимость работы заключается в разработке предложения по реформированию системы принятия плановых решений и контроля эффективности работ по уборке снега посредством автоматизированного мониторинга системой АС КРСПС.
Ключевые слова: снегоуборочные машины типа СМ и ПСС, АСУ СПС, АС КРСПС, автоматизированный мониторинг, анализ использования снегоуборочной техники, организация эксплуатации, математическая модель, оптимизация структуры затрат, новый регламент
Для цитирования: Семенов М. А. Организация эксплуатации и рабочих процессов снегоуборочных машин типа СМ и ПСС на основе автоматизированного мониторинга // Вестник Сибирского государственного университета путей сообщения. 2022. № 2 (61). С. 44-56. DOI 10.52170/1815-9265_2022_61_44.
TRANSPORT
Original article
Snowplows operation organization and work processes of the SM and PSS types based on automated monitoring
Mikhail A. Semenov
Siberian Transport University, Novosibirsk, Russia, MikeSemenov13111996@yandex.ru
Abstract. The guarantee of the uninterrupted and safe railway transport operation and the fulfillment of the term of transportation is, first of all, the prompt cleaning and removal of snow from the tracks. Moreover, there are no scientific studies devoted to solving problems related to optimizing the operation of snowplows applicable to Russian Railways - this led to the choice of the study.
© Семенов М. А., 2022
The purpose of the study: to identify the snowplow work processes patterns, depending on the length of the removed paths and the volume of possible loading, taking into account the influence of environmental factors. The subject of the study is: a set of methods and means of automated monitoring and ways to improve the efficient functioning and improvement of the snowplow workflow.
The amount of snow removed and the operating time of the snow blower in the operating mode are changing values that are influenced by many other factors, so it is advisable not to use these data for comparative characteristics and statistical analysis. As a comparative indicator, on which external factors do not have such a significant impact, we propose to use the length of the removed paths. We will develop a mathematical justification for the relationship between the length of the removed paths and the volume of snow removed, the time of the working cycle, the amount of snow that has fallen, and the ambient temperature through multiple regressions. From the obtained mathematical dependence, we can express the time of the working cycle and determine the costs of repairs, the required amount of fuel, the number of people involved, and therefore plan the payroll and bonus fund.
The theoretical significance of the study lies in the creation of a mathematical model of the snow removal process and the snowplow operating efficiency evaluation of the SM and PSS types. The practical significance of the work lies in the development of a proposal for reforming the system for making planned decisions and monitoring the effectiveness of snow removal operations through automated monitoring by the AS KRSPS system.
Keywords: snowplows of the SM and PSS types, ACS SPS, AS KRSPS, automated monitoring, analysis of the use of snowplows, organization of operation, mathematical model, optimization of the cost structure, new regulations
For citation: Semenov M. A. Snowplows operation organization and work processes of the SM and PSS types based on automated monitoring. The Siberian Transport University Bulletin. 2022;(61):44-56. (In Russ.). DOI 10.52170/1815-9265 2022 61 44.
Введение
Снегоборьба (термин, встречающийся только на железной дороге) - это система мероприятий и средств по предотвращению заносов, защите железнодорожных путей от снега и непосредственно очистке путей и стрелочных переводов для обеспечения непрерывности движения поездов и бесперебойной работы станций [1, 2].
В последнее время снежные метели становятся все более сильными, а снегопады все более обильными, что объясняется усилением циклонической деятельности и, в свою очередь, приводит к малоконтролируемой ситуации в населенных пунктах и на транспорте. Гарантией бесперебойной и безопасной работы железнодорожного транспорта и соблюдения срока перевозок является в первую очередь оперативная очистка и уборка путей от снега. Особенно это актуально для Западно-Сибирской железной дороги, которая по степени снегозаносимости относится к 1-й группе, т. е. к территории, на которой в течение зимы наблюдаются снегопады и метели с очень сильной интенсивностью [3].
В подразделениях ОАО «РЖД» зимой возникают проблемы, аналогичные проблемам до-рожно-эксплуатационных служб и жилищно-коммунального хозяйства, связанные с быстрой и качественной очисткой дорог от снега, при ограниченных ресурсах и погодных условиях, которые нельзя предугадать. Поэтому как никогда актуальна проблема оптимизации процесса эксплуатации снегоуборочной техники с ис-
пользованием современных технологий. Причем научных исследований, посвященных решению проблем дорожно-эксплуатационных служб и жилищно-коммунального хозяйства, связанных с уборкой снега, в настоящее время осуществлено немало, в то время как подобные исследования применимо к ОАО «РЖД» отсутствуют, что и обусловило выбор темы данного исследования.
Цель исследования - выявление закономерностей рабочих процессов снегоуборочных машин в зависимости от длины убранных путей и объема возможной загрузки, с учетом влияния факторов окружающей среды, позволяющих определить качественные и количественные закономерности протекания рабочего цикла и являющиеся основой для расчета технологических параметров, а также разработка математической модели планирования и контроля процесса уборки снега.
Материалы и методы исследования
Для достижения указанной цели поставлены следующие задачи:
- проанализировать процесс загрузки снегоуборочных машин за один рабочий цикл и выявить существующие принципы его планирования;
- установить закономерность между длиной убираемых путей и загрузкой машины, временем рабочего цикла, а также факторами окружающей среды и производительностью машины;
- подвергнуть анализу структуру затрат на процесс уборки снега и оптимизировать структуру затрат на эксплуатацию снегоуборочной техники посредством автоматизированного мониторинга;
- выявить показатели, влияющие на регламентные промежутки ремонтов.
Объектом исследования является организация и технология снегоборьбы, производственная эксплуатация машин типа СМ в подразделении ОАО «РЖД».
Предметом исследования выступают совокупность методов и средств автоматизированного мониторинга, а также пути повышения эффективного функционирования и совершенствования рабочего процесса снегоуборочной техники.
Для анализа ситуации по уборке снега возьмем парк снегоуборочных машин типа СМ и ПСС. На Западно-Сибирской железной дороге парк данных машин составляет 78 единиц, из них ПСС - 19 и СМ - 59 машин; в ПЧМ Новосибирск - 16 единиц: ПСС - 3, СМ - 13, т. е. структура парка ПЧМ Новосибирск почти идентична структуре парка Западно-Сибирской железной дороги, поэтому результаты исследовательской работы, проведенной на базе ПЧМ Новосибирск, можно экстраполировать на всю Западно-Сибирскую железную дорогу [4].
Результаты исследования
Парк снегоуборочных машин ПЧМ Новосибирск насчитывает всего 33 единицы, из них 50 % приходится на машины типа СМ и ПСС.
На СМ, ПСС приходится 72 % от затрат на все снегоуборочные машины ПЧМ Новосибирск. В структуре 60 % составляют затраты на заработную плату, 25 % на ТО и 15 % на топливо. Особо следует отметить, что техническое обслуживание машин финансируется за счет текущих средств предприятия, в то время как средства на ТР и КР закладываются в бюджет и финансируются из центра. Структуру затрат необходимо оптимизировать.
На снегоуборочных машинах для мониторинга анализа работы используется программное обеспечение АСУ СПС и АС КРСПС [5, 6]. АСУ СПС (автоматизированная система управления процессами эксплуатации и обслуживания специального подвижного состава) является частью комплекса и отвечает за автоматизацию
рабочих процессов на линейных предприятиях при безусловном использовании данных: о персонале; о подвижном составе; о допуске к работе бригад и единиц СПС на основании данных из информационных систем ОАО «РЖД»; о результатах обработки ранее переданной статистической информации. АСУ СПС передает данные в учетные системы ОАО «РЖД» и формирует аналитическую отчетность.
АС КРСПС (автоматизированная система контроля работы специального подвижного состава) предназначена для контроля и регистрации технологических характеристик СПС, имеет возможность передавать информацию в АСУ СПС с использованием системы ГЛОНАСС/GPS и каналов GSM/GPRS.
Программы АСУ СПС и АС КРСПС направлены на решение разных задач. В программе АСУ СПС контроль за работой машины осуществляется через информацию, предоставленную машинистом, в то время как в программе АС КРСПС для контроля и регистрации технологических характеристик СПС используются датчики [7].
Система контроля определяет время и место начала работы машины, продолжительность работы в рабочем режиме, количество выгрузок, температуру окружающего воздуха в момент уборки снега. Погрешность измерений составляет менее 5 %.
Показатели с датчиков выводятся на ЖК-монитор микрокомпьютера в кабине машиниста снегоуборочной машины, на смартфон мастера участка, оператора удаленного доступа и для других работников в виде программного приложения ОАО «РЖД».
Десять машин типа СМ всех модификаций ПЧМ Новосибирск оснащены проверенными датчиками АС КРСПС. Проведем сравнительный анализ двух программных обеспечений и выявим, данные какого программного обеспечения соответствуют реальным, для этого в том числе выполнялось наблюдение - фотография рабочего дня.
На диаграммах (рис. 1) представлены данные по парку Новосибирской механизированной дистанции инфраструктуры, содержащие информацию по каждой машине парка предприятия за 2019, 2020, 2021 гг. Данные позволяют оценить заявленное и реально затраченное на работу время, а также объем убираемого снега.
Мы видим расхождение показателей между программами АСУ СПС и АС КРСПС в 4-6 раз.
На данном графике (рис. 2) можно увидеть слабую зависимость объема убираемого снега, полученного в программе АСУ СПС, от длины убираемых путей и температуры окружающей среды, в отличие от данных, полученных в программе АС КРСПС. По данным программного обеспечения АС КРСПС, пики и впадины показателей температуры окружающей среды, наработки и длины очищенных путей идентичны, в то время как программа АСУ СПС не показывает такой закономерности.
По представленным диаграммам (см. рис. 1) и графику (см. рис. 2) можно сделать следующие выводы: наблюдается несоответствие объемов фактически погруженного снега с регистрируемым в журнале учета работы; объем убираемого снега не зависит от длины убираемых путей, плотности снега, количества осадков.
Анализ фотографии рабочего дня позволил выявить, что рабочий режим машины составляет 33 % от времени ее работы. Если же учитывать время смены машины, составляющее 12 ч, то рабочий режим в ее структуре составляет всего 24 %, а время простоя машины в среднем - 4 ч 12 мин, или 34 %. Таким обра-
Продолжительность работы Т, ч
Рис. 1. Сравнительная характеристика показателей по машинам парка, полученных с помощью программного обеспечения АСУ СПС и АС КРСПС
Рис. 2. График сравнения показателей (длины убранных путей, температуры окружающей среды, объема убранного снега), определенных в программах АСУ СПС и АС КРСПС
зом определено, какую часть времени смены реально работают снегоуборочные машины.
В настоящее время планирование работы снегоуборочных машин и проведение ремонтов определяются по объему убранного снега. Мы знаем, что есть теоретическая, техническая и эксплуатационная наполняемость машины (полувагона). У машин типа СМ теоретически возможная наполняемость составляет 340 м3, техническая - 234 м3, а эксплуатационная может колебаться от 30 до 175 м3.
Анализ статистики загрузок машин парка за смену показывает, что 44 % машин отправляются на выгрузку с недогрузом, составляющим 25 %, а 25 % парка работает с перегрузом (рис. 3). Таким образом, одни машины не дорабатывают до планового ТО, а другие - ускоряют отказы рабочих органов.
Мы видим, что объем убранного снега и время работы снегоуборочной машины в рабочем режиме являются изменяющимися величинами, на которые оказывает влияние множество других факторов, поэтому целесообразно не использовать эти данные для сравни-
тельной характеристики и статистического анализа. В качестве сравнительного показателя, на который внешние факторы оказывают не столь существенное влияние, мы предлагаем использовать длину убранных путей. Для подтверждения нашего предположения будем использовать математические инструменты, например, выявим парную корреляционную зависимость между длиной очищаемых путей и объемом убранного снега, длиной очищаемых путей и временем работы [8].
Коэффициент парной корреляции рассчитывается по формуле [9]:
£г(х, - х)(У( - у) гхч = , ' ; ■, (1)
У Л^ - *)2 - У)2 где Х( - х - отклонение факторного признака от среднего; у^ - у - отклонение результативного признака от среднего.
По абсолютной величине коэффициент парной корреляции изменяется в промежутке 0 < \гху \ <1, причем чем значение гху ближе к единице, тем теснее связь, а чем ближе к нулю, тем слабее.
Рис. 3. Статистика загрузки снегоуборочных машин за цикл работы
После определения коэффициента корреляции перейдем к уравнению парной регрессии, т. е. выявим парную корреляционную зависимость, формула которой в нашем случае представлена уравнением прямой:
ух = а — Ьх, (2)
где ух - среднее значение результативного признака при определенном значении факторного признака х; а - свободный член уравнения регрессии; Ь - коэффициент регрессии, указывающий, на сколько единиц в среднем изменится результативный признак при изменении факторного признака на одну единицу его измерения.
Член а является коэффициентом, позволяющим дополнить соотношение между средними х и у. Предположим, что а - это часть очищенного пути, которая не зависит от объема убранного снега, тогда коэффициент регрессии Ь показывает, что с увеличением объема убранного снега на 1 м3 длина очищаемых путей в среднем возрастает примерно на 8,56 м (за 2019-2020 гг.).
Определим корреляционную связь между длиной очищаемых путей и объемом убранного снега за 2019-2020 и 2020-2021 гг. По уравнениям полученной зависимости (рис. 4) можно сделать вывод о том, что связь оказалась средней, так как входит в промежуток 0,3 < гху < 0,7.
Корреляционная связь между длиной очищаемых путей и временем работы (рис. 5) в данном случае входит в промежуток 0,7 < гху < 1 и является сильной.
Для оптимизации затрат на эксплуатацию снегоуборочной техники необходимо смоделировать процесс уборки снега. Модель будет включать в себя элементы структуры рабочей смены, производительности машины и погодных условий. Все эти факторные признаки могут в той или иной степени оказывать влияние на длину убираемых путей, как результативный признак; только при одновременном учете всех факторов возможно корректно оценивать эффективность работы снегоуборочной машины через убираемую длину пути.
а)
б)
Рис. 4. Корреляционная связь между длиной очищаемых путей и объемом убранного снега:
а - 2019-2020 гг.; б - 2020-2021 гг.
а)
б)
Рис. 5. Корреляционная связь между длиной очищаемых путей и временем работы: а - 2019-2020 гг.; б - 2020-2021 гг.
Степень влияния каждого из факторных признаков будем устанавливать посредством множественной регрессии. Считается, что на любое явление сильное влияние могут оказать три фактора, но мы включим четыре фактора и выявим степень влияния каждого из них на снегоуборку.
Разработаем математическое обоснование зависимости между длиной убираемых путей у и следующими показателями:
- объемом убранного снега х\;
- временем рабочего цикла Х2;
- количеством выпавшего снега Х3;
- температурой окружающего воздуха Х4.
Математическое обоснование зависимости между длиной убираемых путей и другими факторами выявим посредством множественной регрессии.
Общий вид формулы коэффициента частной корреляции к-го порядка и линейного уравнения множественной регрессии представлен ниже [9]:
С1-г:2
УХк,Х2Хз ..Хк
-1)(!"
■Х1Хк,Х2Хз...Хк
-1)2
Ух1х2...хк = а + Ь1,2...кх1 + Ь2,13...кх2 + + Ьз,124...кх3 + + Ьк,12...к-1хк.
(3)
(4)
Найдем линейное уравнение множественной регрессии для наших данных, построив прямоугольную матрицу коэффициентов множественной регрессии (табл. 1).
Коэффициент множественной детерминации составляет Я2 = 0,939. Можно сделать вывод о том, что длина убираемых путей на 94 % определяется учтенными переменными.
Для возможности прогнозирования и определения эффективности работы снегоуборочной машины в зависимости от длины убираемых путей необходимо вычислить уравнение множественной регрессии.
Каждый выбранный фактор влияет на длину убираемых путей по-разному (табл. 2). Так, объем убранного снега объясняет 70 % длины убираемых путей, а температура окружающей среды - всего 1 %.
Учет всех четырех показателей позволяет сократить степень погрешности при расчете полученных уравнений до 10 % в сравнении с реальными данными, тогда уравнение множественной регрессии для расчета длины убранных путей за год будет иметь вид
У = 308925,0939 + 9,9404х1 + + 426,5313х2 — 8644597,8302х3 +
+ 3911,732х4, (5)
Таблица 1
Матрица коэффициентов множественной регрессии
Признак у Х1 *3 Х4
У 1 0,719454 0,875277 -0,015950 0,128004
Х1 0,719454 1 0,611414 0,644725 -0,216120
0,875277 0,611414 1 -0,039610 0,095443
Х3 -0,015950 0,644725 -0,039610 1 -0,376530
х4 0,128004 -0,216120 0,095443 -0,376530 1
Таблица 2
Степень влияния каждого фактора на длину убираемых путей
Стандартизированный коэффициент регрессии Коэффициент раздельной детерминации
р1 = 0,977 а1 = 0,702
в2 = 0,245 а2 = 0,214
в3 = -0,603 а3 = 0,011
в4 = 0,089 а4 = 0,012
у = 3047,8014 + 11,6252% + + 165,4616х2 - 86198,1298х3 +
+ 17,0158х4. (6)
Уравнение (5) позволяет определить планируемую длину убираемых путей в перспективе, а в то время как уравнение (6) - за смену, что дает возможность быстро сравнить полученные в результате мониторинга данные с математически обоснованными.
Переход от объема убираемого снега к длине убранных путей позволит эффективнее планировать работу машины на год, так как длина убираемых путей - постоянная величина, потому что приравнивается к полезной длине путей станции. Таким образом, из уравнения (5) можем выразить время рабочего цикла Х2 и определить затраты на проведение ремонтов, необходимое количество топлива, количество задействованных людей, а следовательно, спланировать фонд заработной платы и премиальный фонд.
Уравнение (6) дает возможность определить эффективность работы бригады, а следовательно, учесть это при начислении премии. Согласно п. 7 разд. II [10], условия и показатели премирования распределены по трем уровням. Уровень III учитывает индивидуальные показатели премирования, характеризующие результативность работы конкретного работника или бригады, и оценивает конечные результаты их труда исходя из поставленных задач и их функциональных обязанностей. Если для бригад путевых машин при начислении премий учитывается эффективность их работы, то для бригад, обслуживающих снегоуборочные машины, размер премий не зависит от результатов работы.
В Приложении № 2 к Положению о премировании работников Новосибирской механизированной дистанции инфраструктуры основными результатами производственно-хозяй-
ственной деятельности машинистов, помощников машиниста снегоуборочных машин типа СМ считается: 1) выполнение производственного задания в человека-часах; 2) отсутствие случаев срывов работы по вине работников бригады; 3) выполнение лимита потребления дизельного топлива в тоннах. В зависимости от категории станции величина премирования составляет по первому и второму показателю от 19 до 29 %, по третьему - 10-14 %.
Выполнение производственного задания в человеко-часах подразумевает, что если бригада получила допуск к работе, то полагается премия; получается, что бригада не заинтересована в повышении эффективности работы машины.
Общая продолжительность работы 10 снегоуборочных машин за 2020-2021 гг. составляет 12 732 ч. Месячная норма часов для работников за декабрь 2020 г. - 183 ч, за январь и февраль 2021 г. - 120 и 151 ч соответственно. Исходя из нормы часов и учитывая, что работники не должны перерабатывать и не дорабатывать до нормы, рассчитаем количество бригад, задействованных в работе машин за 2020-2021 гг.
Получим
12 732
-=28 бригад.
(183 + 120 + 151) Р
Из 28 бригад 15 являются работниками ст. Инской с III уровнем премии, составляющей 72 %, у оставшихся 13 бригад других станций III уровень премии составляет 48 %.
Управление снегоуборочной машиной осуществляется бригадой в составе одного машиниста 6-го разряда и двух помощников машиниста 5-го разряда.
Если учитывать, что бригады снегоуборочных машин за 2020-2021 гг. не лишались премий, то можно рассчитать затраты предприятия на выплату премий машинистам и помощникам машиниста:
(Хб1Узи + ^б2Узд)(См + 2СП.М)0Т, (7) (15 • 0,72 + 13 • 0,48)(131,58 + 120,76 • 2) X X 12 732 = 80 945 268,77 р., где Кб1, Кб2 - количество бригад по ст. Инская и другим станциям, шт.; У3и, У3д - коэффициент III уровня премии по ст. Инская и другим станциям; См, Спм - стоимость часа работы машиниста и помощника машиниста, р.; ОТ -общее время работы за период, ч.
По предлагаемой методике премиальный фонд будет рассчитываться следующим образом: за вышеуказанный период по данным программы АС КРСПС в рабочем режиме машины отработали 2 080,7 ч, что соответствует 3 537 544 м. Отсюда следует, что за 1 ч рабочего хода в среднем очищалось 1 700 м.
Проанализировав работу снегоуборочных машин за 2020-2021 гг. (табл. 3), можно сделать вывод, что две машины, приписанные к ст. Инская (семь бригад), и две машины других станций (шесть бригад) не выполняли средний показатель по длине убираемых путей за 1 ч, составляющий 1 700 м. В связи с этим оплата III уровня премиального вознаграждения бригадам, выполнявшим работу на данных машинах, не должна была выплачиваться.
Тогда экономия премиального фонда составит:
(7 ■ 0,72 + 6 ■ 0,48)(131,58 + 120,76 ■ 2) X X 5 703 = 16 852 091,26 р.
Еще одной статьей сокращения затрат может стать оптимизация расходования топлива. В настоящее время расход топлива привязан к объему убираемого снега, а объем снега - величина непостоянная и передаваемая сменному персоналу со слов машиниста, поэтому и эффективность расхода топлива логично привязать к длине убранных путей. Через длину убранных путей проще рассчитать
Анализ работы снегоуборо
удельный расход топлива, так как рабочий режим машины определяется программой, а длина убираемых путей - постоянная величина для данного маршрута.
Возьмем данные по работе двигателя в рабочем и холостом режимах из программы АС КРСПС и сравним с показателями расхода дизельного топлива снегоуборочными машинами за 2020-2021 гг.
За 2020-2021 гг. снегоуборочные машины израсходовали 93 596 т дизельного топлива. При анализе рабочих режимов и норм расхода топлива в единицу времени получено, что расход дизельного топлива по программе АС КРСПС должен был составить 73 194 т. Разница действительных данных с расчетами составила 1,27 раза, что в денежном эквиваленте равно: (93 596 - 73 194) • 40,85 = 833 421,7 р.
Кроме того, в последнее время на ОАО «РЖД» введены штрафные санкции и за нерасход топлива, поэтому актуальным становится точное планирование потребления топлива.
В настоящее время объем убранного снега является нормативным показателем для межремонтного пробега снегоуборочной машины и составляет для ТР-1 - 300, ТР-2 - 600 и КР-1 - 1 800 тыс. м3 убранного снега.
Ранее было доказано, что объем убираемого снега не является величиной для определения эффективности работы снегоуборочной машины и необходимо производить расчет эффективности по длине убираемых путей, целесообразно также и нормативы на проведение ремонтов привести к длине убираемых путей.
Для определения зависимости длины убираемых путей от объема убранного снега построена корреляционная зависимость, позволяющая определить линейное уравнение парной регрессии (рис. 6). При подстановке регламентных сроков проведения ремонтов
Таблица 3
1х машин за 2020-2021 гг.
Станция приписки Номер Длина убранных путей, м Время рабочего режима, ч Средняя длина очищаемых путей за 1 ч
Инская СМ № 1608 332 564 230,0 1 445,9
СМ № 1801 484 018 396,8 1 219,8
СМ № 1825 318 822 133,2 2 393,6
ПСС №115 499 286 235,6 2 119,2
Новосибирск-Восточный СМ № 1651 71 297 46,7 1 526,7
СМ № 1810 646 593 366,9 1 762,3
СМ № 1026 562 040 302,8 1 856,1
Болотное СМ № 1195 282 707 181,0 1 561,9
определены новые сроки в зависимости от длины убираемых путей (табл. 4).
Из табл. 4 следует (если использовать данные об объеме убранного снега, полученные в программе АС КРСПС), что предприятие производило ремонт снегоуборочных машин в 4,7 раза чаще установленных нормативных показателей. Так, ТР-1, проводимый ранее раз в 2,4 г., по реальным данным должен производиться раз в 11,3 г. [11]. Данный промежуток времени является значительным для наработки узлов и агрегатов.
Наработка многих узлов и агрегатов производится по времени работы машины. Определим регламентное время работы снегоуборочной машины до проведения ремонтов, воспользовавшись так же уравнением парной регрессии (табл. 5). Средняя наработка машины в рабочем режиме за год составляет 250 ч.
Проведем анализ наработки основных узлов и агрегатов по существующим нормативам. Для снегоуборочных машин основными рабочими органами являются головной и выбросной транспортеры, а также приводные цепи.
Наработка тяговой цепи головного транспортера по ГОСТ 13568-97 составляет 750 ч. При существующих нормативах предусмотрен только осмотр и измерение геометрии цепи, выполняемые при ТР-2 через 600 тыс. м3 убранного снега. При выявлении несоответствия участки цепи должны быть заменены. В связи с тем что цепи не подвергаются замене и сроки проведения частичной замены значительны, необходимо внести новый, учитывающий рекомендации производителей регламент на проведение замены цепи Зц в зависимости от времени работы машины в рабочем режиме для исключения частых отказов техники из-за порыва це-
а)
б)
Рис. 6. Корреляционные зависимости длины убираемых путей: а - от объема убранного снега; б - от времени работы машины
Нормативные показатели проведения ТР, существующие в настоящее время, в зависимости от длины убираемых путей
Таблица 4
Вид ремонта Объем убранного снега, тыс. м3 Стоимость ремонтов, тыс. р. Периодичность проведения по АСУ СПС, лет Периодичность проведения (реальная) по АС КРСПС, лет Длина очищаемых путей, м Периодичность проведения, лет
ТР-1 300 1 615 2,4 11,3 2 648 981 6,4
ТР-2 600 3 116 4,8 22,7 5 102 411 12,4
КР-1 1 800 - 14,3 68,0 14 916 131 36,2
Таблица 5
Нормативные показатели проведения ТР в зависимости от времени работы машины
Вид ремонта Длина очищаемых путей, м Периодичность проведения, лет Время работы машины, ч
ТР-1 2 648 981 6,4 1 612,4
ТР-2 5 102 411 12,4 3 141,4
КР-1 14 916 131 36,2 9 170,9
а)
б)
а
г
я
и г; я а и о и
[VI
К
КР-1
п ТР-1 3-2 ТР ТР-1 '-2 П Р-1
10 лет
Рис. 7. Система проведения ТО и Р: а - существующая; б - предлагаемая
пей. С учетом данных, полученных ранее при установлении периодичности замены цепей, согласно ГОСТ 13568-97 (750 ч), замена будет производиться в среднем раз в три года эксплуатации снегоуборочной машины (рис. 7). Поскольку в головном транспортере используется 36 м цепи ПР-50,8-227, а стоимость одного метра такой цепи 1 573,21 р., стоимость одной цепи составит 56 636 р.
При существующих регламентах на проведение ремонтов предприятие за 10 лет на ремонт одной снегоуборочной машины тратит 9 462 тыс. р. При внедрении предлагаемой системы ремонтов и включении дополнительного регламента на проведение замены цепи за 10 лет предприятие израсходует 4 844,2 тыс. р. на одну снегоуборочную машину. Благодаря сокращению затрат на проведение ремонтов снегоуборочных машин за 10 лет предприятие при эксплуатации одной снегоуборочной машины сможет сократить свои затраты на 4 617,8 тыс. р., или в 1,96 раза.
Выводы
Проведенное исследование имеет следующие научные результаты:
1. Созданы математические модели рабочего процесса снегоуборочной машины, учитывающие данные автоматизированного мониторинга работы машин типа СМ и ПСС, отражающие его основные характеристики, которые позволяют определить степень влияния каждого фактора на эффективность использования машин. Получена сходимость моделей с экспериментом в пределах 10 %.
2. Получены математические зависимости между длиной убираемых путей, объемом убранного снега, временем рабочего цикла, количеством выпавшего снега, температурой окружающей среды, позволившие определить значения параметров, необходимых для обоснования расчетов при планировании процесса уборки снега.
3. Внесены предложения по оптимизации структуры затрат на эксплуатацию снегоуборочной техники посредством мониторинга с помощью созданных математических моделей.
4. На основании математических моделей разработаны методики, которые дают возможность осуществлять планирование и определять эффективность работы машины за год и за смену. Это позволит планировать затраты на процесс уборки снега и по эффективности работы снегоуборочной машины рассчитывать реальный размер премии машинистов и помощников машиниста.
5. Выявлена закономерность между длиной убираемых путей, загрузкой машины и временем рабочего цикла, являющаяся основой методики для расчета технологических параметров, обеспечивающих экономию средств на топливо, заработную плату, а также сокращение количества текущих ремонтов за счет перехода на новый норматив.
Теоретическая значимость работы заключается в разработке предложения по реформированию системы принятия плановых решений и контроля эффективности работ по снегоуборке посредством автоматизированного мониторинга системой АС КРСПС.
Практическая значимость исследования состоит в создании математической модели процесса снегоуборки и оценки эффективности эксплуатации снегоуборочных машин типа СМ и ПСС, которая позволит руководителям подразделений принимать обоснованные управленческие решения на этапе планирования или анализа эффективности работы.
На основании выполненных исследований необходимо внести изменения в инструкцию по подготовке к работе в зимний период: необходимое количество снегоуборочной тех-
ники следует определять в зависимости от длины убираемых путей, рассчитанной по полученной математической модели; эффективность работы снегоуборочной техники - в зависимости от длины убранных путей, а не от количества выгрузок.
В Положении о премировании работников Новосибирской механизированной дистанции инфраструктуры в качестве показателя премирования предполагается использовать выполнение производственного задания не в человеко-часах, а в метрах очищенных от снега путей.
Список источников
1. Жвакин В. В. Очистка путей и стрелочные переводы от снега на перегонах и станциях. Тула : Тульское подразделение Московского учебного центра профессиональных квалификаций, 2016. 61 с.
2. Снегоборьба и снегоуборка // Трудовой десант : железнодорожное строительство : [сайт]. URL: https://www.tdesant.ru/content/snegoborba (дата обращения: 10.02.2022).
3. Семенов М. А. История организации снегоборьбы на железных дорогах России // Политранспортные системы : материалы XI Международной научно-технической конференции. Новосибирск : Издательство Сибирского государственного университета путей сообщения, 2020. С. 457-461.
4. Абрамов А. Д., Семенов М. А. Повышение эффективности работы снегоуборочной машины типа СМ на основе автоматизированного мониторинга // Вестник Сибирского государственного университета. 2021. Вып. № 3 (58). С. 40-49.
5. АСУ СПС. URL: http://asusps.svrw.oao.rzd/ (дата обращения: 10.02.2022). Режим доступа: для авто-ризир. пользователей.
6. АС КРСПС : Автоматизированная система контроля работы специального подвижного состава / НИАЦ АО «ВНИИЖТ». URL: https://sps.gis.ru.net/ (дата обращения: 10.02.2022).
7. Абрамов А. Д., Семенов М. А., Кочетков А. С. Оптимизация работы снегоуборочной техники на основе автоматизированного мониторинга // Путь и путевое хозяйство. 2021. Вып. 4. С. 37-40.
8. Optimization of work performance of snow removal work trains on the basis of linear programming / A. Manakov, A. Abramov, A. Ilinykh, V. Aksenov // MATEC: Web of Conferences. 2018. P. 04001.
9. Статистика / [И. И. Елисеева и др.] ; под ред. проф. И. И. Елисеевой. М. : Проспект, 2003. 448 с.
10. Положение о премировании работников Новосибирской механизированной дистанции инфраструктуры за основные результаты производственно-хозяйственной деятельности : утверждено приказом по Уральской дирекции по эксплуатации путевых машин № УРДПМ-34 от 31.01.2018.
11. Инструкция по подготовке к работе в зимний период и организации снегоборьбы на железных дорогах, в других филиалах и структурных подразделениях ОАО «РЖД», а также его дочерних и зависимых обществах : утверждена распоряжением ОАО «РЖД» № 2243р от 22.10.2013. М., 2013. 160 с.
References
1. Zhvakin V. V. Clearing tracks and turnouts from snow at hauls and stations. Tula: Tula subsection Moscow textbook center professional qualifications; 2016. 61 p. (In Russ.).
2. Snow fighting and snow removal. Labor landing: railway construction: [site]. (In Russ.). URL: https://www.tdesant.ru/content/snegoborba.
3. Semenov M. A. The history of the organization of snow fighting on the railways of Russia. Politransport systems: materials of the XIInternational scientific and technical conference. 2020. P. 457-461. (In Russ.).
4. Abramov A. D., Semenov M. A. Improving the efficiency of the snowplow type SM based on automated monitoring. The Siberian Transport University Bulletin. 2021;58:40-49. (In Russ.).
5. ACS SPS program. (In Russ.). URL: http://asusps.svrw.oao.rzd/.
6. AS CRSPS program: Automated system for monitoring the operation of special rolling stock. (In Russ.). URL: https://sps.gis.ru.net/.
7. Abramov A. D., Semenov M. A., Kochetkov A. S. Optimization of the work of snow-removing equipment based on automated monitoring. Way and track management. 2021;4:37-40. (In Russ.).
8. Manakov A., Abramov A., Ilinykh A., Aksenov V. Optimization of work performance of snow removal work trains on the basis of linear programming. MATEC: Web of Conferences. 2018. P. 04001.
9. Eliseeva I. I., Egorova I. I. [et al.]; prof. Eliseeva I. I., ed. Statistics. M.: Prospekt; 2003. 448 p. (In Russ.).
10. Regulations on bonus payments to employees of the Novosibirsk Mechanized Distance Infrastructure for the main results of production and economic activities: approved. by order of the Ural Directorate for the operation of track machines No. URDPM-34 dated January 31, 2018. (In Russ.).
11. Instructions for preparing for work in the winter and organizing snow fighting on railways, in other branches and structural divisions of Russian Railways, as well as its subsidiaries and affiliates: approved. Order of Russian Railways JSC No. 2243r dated October 22, 2013. M.; 2013. 160 p. (In Russ.).
Информация об авторе
М. А. Семенов - аспирант кафедры «Технология транспортного машиностроения и эксплуатация машин» Сибирского государственного университета путей сообщения.
Information about the author
M. A. Semenov - Post-graduate Student of the Technology of Transport Engineering and Machine Operation Department, Siberian Transport University.
Статья поступила в редакцию 18.03.2022; одобрена после рецензирования 06.04.2022; принята к публикации 18.04.2022.
The article was submitted 18.03.2022; approved after reviewing 06.04.2022; accepted for publication 18.04.2022.