УДК 338.94:622
Игорь Евгеньевич Афанасьев
Криворожский национальный университет
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ОПЕРАЦИОННО-ОРИЕНТИРОВАННЫМ РАСПРЕДЕЛЕНИЕМ РЕСУРСОВ ЖЕЛЕЗОРУДНОГО СЫРЬЯ ГОРНОРУДНОГО ПРЕДПРИЯТИЯ
Исследование условий современного состояния производственно-экономической деятельности горнодобывающих предприятий показывает, что выбор оптимального варианта развития горных работ необходимо обосновывать исходя из наилучшего распределения во времени использования объемов пород и руды и, кроме того, нужен объективный критерий оценки рассматриваемых вариантов.
При этом необходимо отметить, что в процессе анализа технико-экономических показателей работы железорудных горнообогатительных комбинатов (ГОК) наблюдается определенное несоответствие прогнозируемых и фактических значений результатов их производственно-экономической деятельности, что в свою очередь сказывается на качественных характеристиках концентрата (основного вида продукции ГОК), уровень стабилизации которых непосредственно влияет на оценку величины значения неопределенности возможных незапланированных расходов и потерь производственного процесса предприятия [1, а 2].
Методом коллективной экспертной оценки причин возникновения указанной проблемы было установлено, что рекомендованные оптимальные пределы обогащения железных руд не были достигнуты из-за несовершенства методов экономической оценки управленческих решений менеджмента горнорудного предприятия (ГРП) [6, а 73]. Последнее усугублялось определенными проблемами относительно обеспечения соответствующего уровня техники и технологии переработки руд в результате резко менявшихся условий горных работ, снижения качества добываемых железистых кварцитов с ростом глубины и наличия на месторождениях нескольких технологических сортов руд и их валовой переработки на обогатительных фабриках [3-6].
© И.Е. Афанасьев, 2012
Таким образом, на сегодня для достижения желаемых положительных технико-экономических показателей ГРП, что должно обеспечить их рациональное функционирование, актуальными являются задачи, решения которых будут направлены на строгое выполнение заданных нормативных технико-экономических показателей (в частности, коэффициентов ритмичности, пропорциональности, непрерывности, параллельности, прямоточности и др.). Обобщая, можно сказать, что именно эти показатели являются ключевыми характеристиками технико-экономических результатов функционирования технологических процессов ГРП [6, с. 31].
В этой связи главной задачей статьи можно поставить рациональное использование теории вероятностей и закона больших чисел. В теории вероятностей закон больших чисел основывается на доведении ряда теорем для различных условий сходимости по вероятности средних значений результатов (на основании большого количества наблюдений) к некоторым величинам [7, а 78-80].
Под законом больших чисел понимают несколько теорем. В частности, одна из теорем Чебышева формулируется следующим образом: при неограниченном увеличении независимых испытаний (п) среднее арифметическое значение переменных свободных от систематических ошибок эксперимента можно считать в качестве элементов участвующих в эксперименте и имеет определенное значение точечных результатов наблюдений X случайной величины X, имеющей конечную дисперсию ДХ), что совпадает по вероятности с математическим ожиданием тх = М(X) этой случайной величины.
Это можно записать
Економта промисловостi Есопоту of
1т Р
n
—-- <Т
n
= 1,
(1)
где х - как угодно малое положительное число.
Вместе с тем теорема Бернулли трактует: при неограниченном увеличении числа независимых проб (п) при одних и тех же
т
условиях относительная частота — наступ-
п
ления случайного события совпадает с вероятностью р, то есть
ИтР
<х^ = 1.
(2)
Согласно этой теореме для получения вероятности определенного события р,,1 = 1, ...^ вычисляют относительные част,
тоты р, = — для числа реализаций, равного
п
п. Результаты усредняют и с некоторым приближением получают искомые вероятности состояний системы. Чем больше будет п, тем точнее будет результат вычисления этих вероятностей. Это в нашем случае объясняет обоснованность использования метода статистического моделирования для решения задачи оценки выхода товарного концентрата у из руды, заказанной потребителем качества Рj, и других экономических показателей
процесса доразведки запасов железорудного сырья на основе больших выборок натурной информации о значении выхода концентрата, обусловленных i-м качеством запасов ресурсов железорудного сырья в блоках карьера ГРП.
При этом отклонения от установленного режима распределения запасов ресурсов железорудного сырья в первую очередь отражаются на ритмичности работы предприятия в целом и вместе с тем вызывают нарушение других основных принципов рациональной организации производства, что в итоге негативно сказывается на эффективности использования как основных, так и оборотных фондов предприятия.
Актуальность обозначенных выше задач ГРП позволяет сформировать цель науч-
ного исследования этой статьи, а именно: теоретическое обоснование и разработка инструментария процесса управления рациональным использованием производственных мощностей ГРП в процессе переработки железорудного сырья в концентрат, используя объективные критерии оценки эффективности управления распределением имеющихся запасов ресурсов железной руды.
В соответствии с рекомендациями специалистов горного дела решение указанной проблемы осуществлялось в основном посредством совершенствования техники (увеличение единичной мощности, создание новых машин и механизмов), технологии (многостадийные схемы, классификация и де-шламация) и геолого-технологического картирования месторождений (для обеспечения необходимого соотношения технологических разновидностей руд в общем потоке). Вместе с тем не всегда учитывается экономический аспект процесса производства концентрата.
Проведенные исследования, которые касаются как усовершенствования управления запасами ГРП, так и повышения эффективности использования их производственных фондов за счет рационализации управления самим процессом производства путем синхронизации входа и выхода производственной системы предприятия, показывают, что учету взаимосвязи между горно-геологическими, технико-экономическими и другими условиями, которые влияют на разработку месторождений, оценке качества полезных ископаемых, которая осуществляется в соответствии с требованиями действующих государственных, отраслевых стандартов, технических условий, должно уделяться больше внимания. При этом важно учитывать технологические аспекты добычи полезного ископаемого и его переработки, что в конечном итоге обеспечивает высокоэффективное комплексное использование добытого железорудного сырья.
На основании изложенного выше можно утверждать, что для дальнейшего улучшения технико-экономических показателей производства концентрата в настоящее время не теряет своей актуальности необходимость в организации решения задач оптимизации плана развития ГРП с позиций оценки объемов и структуры его минерально-сырьевой базы и кондиций промышленных запасов
ISSN 1562-109X
Економжа npoMucnoeocmi ^ Экономика промышленности
железорудного месторождения с учетом процессов их разведки и эксплуатации для уточнения по показателям выхода концентрата из руды, что обусловлено необходимостью отслеживания одновременного функционирования в современных условиях разработки карьеров большого количества технологических линий, которые могут формировать, усреднять и перемещать несколько разделенных рудопотоков с заданными характеристиками для переработки руд на концентрат по индивидуальным режимам обогащения.
Установлено, что вероятностная природа геологических показателей по количеству, качеству и пространственному положению залежей железной руды в недрах порождает дополнительную неопределенность при оценке экономических показателей освоения месторождений и усложняет задачу оценки запасов железорудного сырья по его добыче и переработке на конечную продукцию. Вместе с тем исследование выборок технико-экономических показателей производства железорудного концентрата, в частности ОАО "Ингулецкий ГОК", показывает, что допущение об их нормальном законе распределения, на основе которого осуществляется моделирование экономических показателей проектов разведочных и эксплуатационных кондиций запасов железорудного сырья ГРП с учетом риска, является несколько грубым.
Анализ сопоставления динамики плановых (смоделированных предприятием) и фактических значений выхода концентрата из руды помесячно за 2008-2010 гг. (на примере обогатительной фабрики № 2 Ингу-лецкого ГОКа) показывает, что в подавляющем большинстве периодов планирования прогнозные значение выхода концентрата существенно отличаются от фактических значений соответствующих периодов. При этом определенный коэффициент детерминированности (уровень надежности) показывает низкую корреляцию между динамикой плановых и фактических значений выхода концентрата, что соответствует в 2008 г. — 0,52; в 2009 г. — 0,14 и в 2010 г. — 0,34.
Следовательно, указанное обусловливает актуальность совершенствования моделирования экономических показателей процессов дооценки запасов железорудного сы-
рья, в частности как результата выхода концентрата из руды в контексте снижения его себестоимости и достижения максимально возможных уровней производительности оборудования в цикле измельчения и обогащения руды соответственно индивидуальных режимов технологических линий с ограниченными производственными мощностями.
Проведенные исследования результатов деятельности предприятия относительно прогнозов и анализа качества исходного сырья приведены в таблице.
За критерии оценки прежде всего была выбрана абсолютная ошибка прогноза
\ = 0 — °, (3) где (гг - фактическое значение среднего квад-ратического отклонения качественных показателей железной руды ретроспективного периода, полученное в результате экспресс-анализа проб, отобранных от конкретных
объемов руды в контрольные смены за каж-
*
дый час; ой - прогнозное значение среднего квадратического отклонения качественных показателей железной руды /-го варианта моделирования (/ = 1; 2).
Кроме этого, необходимо было учитывать и другие статистические показатели качества процесса, в том числе абсолютное значение ошибки
Д
1 Т
г=1
О
(4)
Недостатком приведенных показателей есть то, что значения этих характеристик зависят от масштаба измерения уровней данных эксперимента.
Потому абсолютную ошибку прогноза Дпр важно определять в процентах относительно фактических значений показателя
о — о ^ =-*—^ 100, о
(5)
а средняя относительная ошибка вычисляется по формуле
гп = I £ ^ 100.
„р Т ^^
(6)
г=1
В качестве сравнительных показателей точности прогнозов выбраны коэффициенты несоответствия.
Коэффициент несоответствия КН
Економта промисловосmi Есопоту of 1п<}тггу
КН =
Е )/ I
(7)
Анализ качества прогнозов числовых характеристик относительных качественных показателей железной руды
Таблица
Показатели точности прогноза
Год Месяц Факт Модель 1 Модель 2 Модель 1 Модель 2
Д пр д пр Д пр д пр
2008 I 3,09 2,93 3,02 0,16 5,18 0,07 2,27
II 2,57 2,28 2,48 0,29 11,28 0,09 3,50
III 2,64 3,04 2,65 -0,40 -15,15 -0,01 -0,38
IV 3,08 2,85 2,94 0,23 7,47 0,14 4,55
V 2,79 2,8 2,93 -0,01 -0,36 -0,14 -5,02
VI 2,64 2,64 2,72 0,00 0,00 -0,08 -3,03
VII 2,24 2,85 2,36 -0,61 -27,23 -0,12 -5,36
VIII 2,93 2,75 2,91 0,18 6,14 0,02 0,68
IX 2,52 2,64 2,70 -0,12 -4,76 -0,18 -7,14
X 3,18 3,18 3,14 0,00 0,00 0,04 1,26
XI 2,96 2,80 2,89 0,16 5,41 0,07 2,36
XII 2,57 2,59 2,69 -0,02 -0,78 -0,12 -4,67
2009 I 2,83 2,71 2,93 0,12 4,24 -0,10 -3,53
II 2,6 2,94 2,54 -0,34 -13,08 0,06 2,31
III 2,87 2,82 2,89 0,05 1,74 -0,02 -0,70
IV 2,57 2,43 2,53 0,14 5,45 0,04 1,56
V 2,28 2,65 2,42 -0,37 -16,23 -0,14 -6,14
VI 3,11 2,84 2,97 0,27 8,68 0,14 4,50
VII 2,77 2,64 2,73 0,13 4,69 0,04 1,44
VIII 2,44 2,67 2,51 -0,23 -9,43 -0,07 -2,87
IX 2,11 2,47 2,15 -0,36 -17,06 -0,04 -1,90
X 2,82 2,85 2,88 -0,03 -1,06 -0,06 -2,13
XI 2,47 2,26 2,36 0,21 8,50 0,11 4,45
XII 3,2 3,27 3,12 -0,07 -2,19 0,08 2,50
2010 I 3,34 3,00 3,27 0,34 10,18 0,07 2,10
II 2,7 2,70 2,73 0,00 0,00 -0,03 -1,11
III 2,25 2,29 2,31 -0,04 -1,78 -0,06 -2,67
IV 1,69 2,74 1,76 -1,05 -62,13 -0,07 -4,14
V 3,02 2,93 3,06 0,09 2,98 -0,04 -1,32
VI 2,72 2,57 2,74 0,15 5,51 -0,02 -0,74
VII 3,23 3,13 3,23 0,10 3,10 0,00 0,00
VIII 2,85 2,71 2,76 0,14 4,91 0,09 3,16
IX 2,83 2,72 2,91 0,11 3,89 -0,08 -2,83
X 2,89 2,74 2,78 0,15 5,19 0,11 3,81
XI 2,98 3,14 2,97 -0,16 -5,37 0,01 0,34
XII 2,98 2,83 2,81 0,15 5,03 0,17 5,70
а 2,74 2,76 2,74 - - - -
В случае идеального прогноза КН = 0 и КН = 1, когда прогноз имеет такую же ошибку, что и экстраполяции неизменности, КН не имеет верхней границы.
Модифицированный коэффициент несоответствия КН1 вычисляется как отношение средней квадратической ошибки к той же ошибке, что имела бы место, если в каче-
Економгка промисловостг Экономика промышленности
стве прогноза принять среднее значение переменной за весь период
=Л (->)2/ £ (*-а> )2, (8)
V t=\ / /=1
где
1 т
* = Т. (9)
т г=1
Если КН1 > 1, то прогноз на уровне среднего значения дал бы лучший результат, чем существующий прогноз.
Таким образом, в практике управления процессами производства горнодобывающих предприятий на этапе их экономико-математического моделирования важно отражать динамику развития горных работ в пространстве и времени. Несомненно, что процедура построения достаточно адекватных для таких задач аналитических моделей является довольно громоздкой, а то и вообще невозможной, например, вследствие сложности производственно-экономических операций и ситуаций, содержащих множество случайных и неопределенных неконтролируемых факторов. Несмотря на сложности, в некоторых случаях удается получить аналитические зависимости [9]. Но такие зависимости при наличии случайных факторов, а особенно неопределенных, в отдельных ситуациях удается получить в том случае, если случайный процесс является марковским или близок к нему. Такая ситуация имеет место, например, в различных системах массового обслуживания с пуассоновским входным потоком и экспоненциальным распределением времени обслуживания. В теории произвольных потоков событий, переводящих производственно-экономическую систему ГОК из одного состояния в другое, аналитические решения получены только для частных случаев, что еще раз говорит о наличии определенных трудностей при формализации факторов такого класса систем и целесообразности применения для их исследования посредством теории статистического моделирования.
Теоретической основой метода статистического моделирования является закон больших чисел. В теории вероятностей закон больших чисел основывается на доказательстве ряда теорем для различных условий сходимости по вероятности средних значе-
ний результатов (на основании большого количества наблюдений) до некоторых величин [9, с. 116-117].
Обобщая исследования, которые представлены в этой научной публикации, можно придерживаться гипотезы, что геолого-технологические параметры и технико-экономические показатели, используемые в процессе эксплуатации запасов железорудного сырья, и определенные экономические показатели производственно-хозяйственной деятельности ГРП являются производными от них и их можно рассматривать как случайные величины. Это позволяет использовать имеющиеся эмпирические данные деятельности предприятия и определять их теоретико-вероятностные распределения, используя в имитационном моделировании экономических результатов проектов разведывательных кондиций запасов железорудного сырья, которые поступают на подсистему производственной деятельности ГРП "аккумулирующий склад - обогатительная фабрика".
За исходный объект имитационного моделирования принимается совокупность отдельных блоков карьера, где u - количество блоков; k = 1 + u ; 5 - порядковый номер значения выхода концентрата (у) заявленного качества (ßj, j = 1 + n) из руды с
качеством (а5), полученного в результате исследования совокупности 5 -х интервалов скважин блоков, 5 = 1 + mk , из которых формируются определенные комбинации рудо-потоков Cdu = uj(u - d)!d!; d - количество
блоков, задействованных для формирования одного рудопотока.
Общая постановка задачи операцион-но-ориентированного распределения запасов ресурсов железорудного сырья на стыке перерабатывающей подсистемы ГРП "аккумулирующий склад - обогатительная фабрика" в детерминированной постановке имеет следующую математическую формулировку:
n
F(Q,S) = V sjqj ^ min , при ограничениях
j=1
n 1 ___
V—q > w., i = 1,m; q > 0, j = 1,n, где
j=1 y.j
Економта npoMurnoeocmi Economy of Industry
Q = (q1 ,q2,...,qJ■,...,qn) — план выпуска товарного концентрата, Ж = ,...,м>,,..., м>т) — запасы ресурсов 7-го вида железорудного сырья; £ = (¿1 - вектор себестоимости единицы у-го вида товарного концентрата; А = (1 / у7у)тп - матрица затрат
выпуска товарного концентрата.
На основе формализации операционно-ориентированного распределения запасов ресурсов 7-го вида железорудного сырья на стыке перерабатывающей подсистемы ГРП "аккумулирующий склад - обогатительная фабрика" с учетом гибкого корректирования матрицы затрат выпуска товарного концентрата (по результатам розыгрыша у5) разработан комплекс моделей оценки экономических результатов проектов разведывательных кондиций запасов железорудного сырья с учетом риска.
Математическая концептуальная модель управления выпуском концентрата основана на минимизации погрешности вариации относительно параметров распределения выхода концентрата заказанного качества в соответствии с наличием технологических разновидностей сортов руд
у у усфз,
1 - k
±Да
(10)
где у у — смоделированный выход концентрата условно измененного качества, приведенный по ценности к концентрату желаемого качества (Рфу), доли единицы; усфзч -
среднее фактическое значение выхода концентрата из руд данной разновидности, доли единицы; а^ - расходы запаса 7-го вида
железорудного сырья определенного качества а7, необходимые для производства 1 т товарного концентрата качества Рсфз , доли единицы; Дасфз — изменение затрат запаса
-го вида железорудного сырья, необходимых для производства 1 т товарного концентрата на каждый процент отклонения его от качества Рф , доли единицы; ^р - коэффициент прироста выхода концентрата относительно уменьшения расходов запаса -го вида
железорудного сырья, необходимого для его производства, который определяется как функция
кР = т2сг),
(11)
-пр .1 1 '"СУ /
где - коэффициент погрешности вариации относительно параметров распределения выхода концентрата у необходимого
качества Ру (у =1,2,...,п) из руды с качеством а5 , полученной в результате исследования 5 -х интервалов скважин блоков карьера, доли единицы
k =
П-СУ
1, если 1ор—Хр— 5 аКь + е
< 0
СУ
у ' л-
если log-
X р
(12)
-> 0,
/СУпогт " аКь + е
где а, Ь - коэффициенты взаимосвязи степенной функции и табличного критерия согласия х2 (критерия Пирсона); СУс0к, СУпогт - коэффициенты вариации, рассчитанные относительно показателей, сгенерированных в соответствии с произвольным и нормальным законом распределения; К -степень свободы для распределения х2;
X р
- оценка отклонения от нор-
аКЬ + е
мального закона распределения выборок технико-экономических характеристик запасов ресурсов -го вида ресурса железорудного сырья, доли единицы; е - вектор случайных величин (ошибок), доли единицы.
Выводы
Основные производственно-экономические факторы, которые в первую очередь определяют возможность раздельного формирования и обогащения рудопотоков, можно разделить на три группы:
1. Исходная информация о породах месторождения.
2. Влияние производительности карьера на экономические показатели разработки месторождения.
3. Организационно-технический уровень производственных процессов предприятия.
Последнее обусловливает необходимость дальнейшего развития одного из прогрессивных научных направлений в горном
а
ф
Економгка промисловостг Экономика промышленности
деле - диагностики, мониторинга, прогнозирования и планирования технико-экономических показателей производства концентрата. Это позволит при соответствующем уровне организации работ в каждый конкретный момент времени определять, какая порода поступает из карьера на обогатительный передел и какой концентрат можно из нее получить.
Технико-экономический анализ работы ГОКов Украины в последние годы позволяет утверждать, что на карьерах имеются все необходимые производственные возможности для осуществления раздельного формирования рудопотоков с индивидуальными качественными характеристиками.
Литература
1. Азарян В.А. Разработка функциональной схемы управления качеством в ру-допотоках карьеров с целью повышения эффективности работы / В.А. Азарян // Качество минерального сырья: сб. науч. трудов. -Кривой Рог: Октан-принт, 2011. - С. 60-63.
2. Азарян А.А. Качество минерального сырья / А.А. Азарян, В.А. Колосов, Л. А. Ло-мовцев, А.Д. Учитель. - Кривой Рог: Минерал, 2001. - 203 с.
3. Бабец Е.К. Ситуационное управление технологическими процессами добычи и переработки руд (Производственный ме-
неджмент): моногр. / Е.К. Бабец, Н.И. Горлов, С.А. Жуков. - Днепропетровск: Наука и образование, 2001. - 289 с.
4. Бастан П.П. Смешивание и сортировка руд / П.П. Бастан, Н.К. Костина. - М.: Недра, 1990. - 176 с.
5. Жуков С.О. Ресурсозбереження в рудних кар'ерах / С.О. Жуков. - Кривий Рк-: Мшерал, 2000. - 234 с.
6. Ситуационное регламентирование геотехнологий с разделенными рудопотока-ми: моногр. / С. Жуков, Н. Горлов, Ш. Фарси, Н. Буауджа. - Кривой Рог: Минерал, 2004. -210 с.
7. Лук'яненко 1.Г. Економетрика: тд-ручник / 1.Г. Лук'яненко, Л.1. Красикова. -К.: Товариство "Знання", КОО, 1998. - 301 с.
8. Статистическое моделирование и прогнозирование / Г.М. Гамбаров, Н.М. Журавель, Ю.Г. Королев и др.; под ред. А.Г. Ган-берга. - М.: Финансы и статистика, 1990. -383 с.
9. Афанасьев 1.С. Концептуальш по-ложення та шструментарш iмiтацiйного мо-делювання щодо тдвищення ефективносп управлшня собiвартiстю залiзорудноl про-дукцп // Моделювання та шформацшш сис-теми в економщк зб. наук. праць. - К.: ДВНЗ "Кшвський нащональний економiчний уш-верситет iменi Вадима Гетьмана", 2011. — Вип. 83. - С. 106-119.
Представлена в редакцию 11.09.2012 г.
Економжа npoMurnoeocmi Economy of Industry