Управление эффективностью уборочно-транспортного процесса согласованием производительностей его фаз с применением цифровой модели

Введение . Обеспечить устойчивое развитие зернового хозяйства и нейтрализовать последствия объявленных Западом санкций можно при рациональном использовании имеющейся сельскохозяйственной техники. Для инженерно-технической подсистемы сельскохозяйственной организации значимым является обеспечение непрерывности технологических процессов производства сельскохозяйственной продукции растениеводства за счет согласованности машиннотракторного парка по производительности при условии поддержания технической готовности на регламентированной уровне.

В связи с возрастанием сложности тракторов, зерноуборочных и иных комбайнов, сельскохозяйственных машин и машинно-тракторных агрегатов задача эксплуатации указанной техники может быть решена более эффективно при использовании информационных технологий, основанных на математическом моделировании, что к настоящему времени является достаточно инновационным направлением модернизации уборочно-транспортных и заготовительных процессов при уборке всего биологического урожая зерновых колосовых культур [1, с. 33]. Эффективное управление уборочно-транспортным процессом предполагает согласование производительностей его фаз, что возможно посредством симуляции различных вариантов его организации с последующим выбором оптимального по критерию эффективности. Известно, что за счет согласования фаз процесса по производительности, сокращения технологических разрывов во время уборки снижаются параметрические и функциональные отказы рассматриваемой технологической системы [2, с. 5]. В результате уменьшается себестоимость зерна и улучшается результат хозяйственной деятельности сельскохозяйственной организации [3, c. 8].

Следовательно, необходимо исследовать сложные производственные процессы, происходящие в уборочно-транспортном процессе, выявить факторы эффективности и разработать мероприятия, обеспечивающие сокращение параметрических и функциональных отказов.

Научная гипотеза состоит в том, что рациональная организация технологической системы эксплуатации машин во время уборки зерновых культур на основе математического моделирования снизит параметрические и функциональные отказы за счет согласования фаз технологических процессов по производительности, тем самым повысит эффективность использования технических средств.

Цель работы: разработка методики управления эффективностью уборочно-транспортного процесса согласованием производительностей его фаз с применением математического моделирования.

Объект исследования – функционирование технологической системы уборочно-транспортной системы.

Предмет исследования – зависимости и закономерности, возникающие при управлении эффективностью уборочно-транспортных работ в аграрных холдингах.

Система уборочно-транспортных и заготовительных работ, условия и организация использования машинно-тракторного парка сельскохозяйственных организаций рассмотрена в работах академиков Э.И. Липковича, М.С. Рунчева, В.М. Кряжкова, В.И. Черноиванова, А.И. Селиванова, А.Э. Северного и др. Исследование вопросов организации с использованием теории марковских процессов и её приложений было выполнено докторами наук Н.И. Агафоновым, Ю.А. Царевым, А.И. Бурьяновым и др., исследование надежности зерноуборочных комбайнов в рядовых условиях эксплуатации на примере Ставропольского края выполнено профессором А.Т. Лебедевым [4, c. 409–415].

Методы исследования этой задачи , по результатам изучения состояния вопроса, определяются следующими факторами. Рассматриваемая система в соответствии со стандартом [2, с. 3–20] относится к технологическим, которые имеют несколько фаз (скашивание в валки и последующий обмолот, уборка напрямую, транспортирование зерна и незерновой части урожая, лущение, вспашка, культивация), и состоит из множества вероятностных элементов, и цель работы имеет стохастический характер. Рассматриваемая система характеризуется влиянием случайных факторов, возникающих по следующим причинам: непредвиденные изменения цен на продукцию и используемые в производственном процессе ресурсы из-за колебания рыночной конъюнктуры; периодически возникающие кризисные явления в экономике и финансах; природно-климатические факторы зоны рискованного земледелия.

Системный анализ и математическое моделирование на основе представления процесса как марковского позволяет оптимизировать организацию ЭМТП на основе: идентификации входящих потоков транзактов [5, c. 278–293], изучения их обслуживания в различных фазах рассматриваемой технологической системы, формирования показателей параметрических отказов, в т.ч. образование очереди на обслуживание. Технологическая система уборки зерновых – достаточно сложная система, на её работу влияют одновременно множество технических, организационных и природных факторов. По этой причине результат её функционирования – намолот – каждый день разный. В таком случае обычно констатируют стохастический смысл функционирования данной группировки рабочих средств, что определяет её как систему, общесистемные свойства которой являются проявлением синергии, то есть они – не простая сумма свойств комбайнов, транспортных средств и тракторов.

Подобные системы изучают методом моделирования. В нашем случае математическое моделирование предусматривало разработку формализованной схемы, математической модели и алгоритма моделирования и использование «системы моделирования дискретных систем» (GPSS), которая разработана математиками университета штата Мичиган [6, c. 278– 293]. Вначале рассмотрели формализованную схему, вытекающую из описания процесса. Общие признаки исследуемого процесса: наличие основных машин (машинно-тракторные агрегаты, уборочные агрегаты) и их сервис, который представлен грузовыми автомашинами, агрегатами ТО, автозаправщиком, МПР (расшифровывается как «мастерская передвижная ремонтная») и др. На процесс воздействуют стохастические факторы. Процесс регламентирован особенностями растений убираемого массива, организацией выполнения операций и тактико-техническими данными задействованной техники. «Отмеченные признаки характерны для систем массового обслуживания (СМО), известных из теории массового обслуживания (ТМО)», – отмечается в источнике [7, с. 63–90]. ТМО, как всякая теория, имеет свою научную терминологию. Последняя видоизменяется при применении к различным отраслям. Если в военном деле обслуживаемая подсистема – летательные аппараты, а обслуживающая подсистема – ракеты «земля – воздух», то в нашем случае условились о следующем: «СМО – сложная многофазовая технологическая система уборочнотранспортного и заготовительного процесса, обладающая общесистемными свойствами эмерджентно-сти, устойчивости, надежности функционирования и др., подсистемы и элементы которой объединены целевой функцией». Согласование производительностей его фаз возможно с применением цифровой модели.

Описанная СМО состоит из подсистем, которые, в свою очередь, состоят из элементов. Фазы процесса – это подсистемы. Они обмениваются сигналами – заявками на обслуживание (далее – заявка на выполнение работ – ЗВР). Последняя может обозначать как возникшую потребность в проведении операций ТО или устранении отказов, так и потребность в обслуживании транзактов – элементарных частичек предмета труда, проходящего последовательно через фазы уборочно-транспортного и заготовительного процесса (УТЗП). Поток транзактов – дискретный, транзакты между фазами образуют технологические заделы. Поток транзактов был идентифицирован в производственном элементе, который позволил установить его вероятностный характер, точечные характеристики данного случайного процесса, доверительные вероятности и ошибки согласования принятого закона распределения и фактически существующего. Методом хронометража установили количество обслуживаемых автомашин, комбайнов, МТА и других элементов [8, с. 53–56]. Входящий поток заявок на обслуживание может быть регулярным или случайным. В первом случае промежутки между ∆t определены как разница во времени между моментами поступления предыдущего и последующего объекта ∆ti=ti – ti–1, они равны друг другу Atl = At2 = ••• = Ati– 1 = At. Во втором – промежутки между ∆t, определенные аналогично (как разница во времени между моментами поступления предыдущего и последующего объекта ∆ti =ti – ti–1), не равные, носят стохастический характер. Из опыта предшествующих исследований известны случаи поступления стохастических потоков, когда заявки про- являются в случайные моменты, последовательно через разные интервалы. «В этом случае промежутки времени между моментами поступления заявок с вероятностью, практически равной единице, не равны между собой» – так было установлено в литературном источнике [9, с. 35–37]. Ранее было доказано, что потоки ЗВР могут быть с достаточной степенью вероятности идентифицированы стохастическими закономерностями [10, с. 50–52]. Время от времени возникают отказы техники, требуются технологические перерывы и т.д. В итоге, замеряя промежутки времени между окончаниями обработки очередных гектаров поля с достаточной повторностью, мы неизбежно фиксировали бы наличие случайных потоков. В правомерности данного типа моделирования мы основывались на удачной попытке моделирования технического обслуживания сельскохозяйственной техники [11, с. 742–751].

«В многофазных процессах, какими являются процессы использования техники в растениеводстве, выходящий поток предыдущей фазы является входящим для последующей. Для зерноуборочных комбайнов зерновой ворох является выходящим потоком, а для подсистемы автотранспортного обслуживания – входящим. Часть агрегатов разделяет входящий поток: хлебостой разделяется комбайнами на зерновую часть и незерновую часть урожая (НЧУ); входящий поток в виде поля с копнами в подсистеме уборки незерновой части урожая разделяется на подготовленное для лущения поле и свезенную к месту скирдования НЧУ», – установил академик Э.И. Липкович [1, с. 74–75].

В рассматриваемой сети массового обслуживания между фазами процесса существуют потоки ЗВР. Они могут быть пуассоновскими, а могут и не быть ими. Если поток пуассоновский, то расчет по формулам ТМО дает 3–5% погрешности при доверительной вероятности 0,9, а если нет – погрешность может вырасти до 10–12%. Но дело в том, что многофазовый искомый процесс ни под одну из схем ТМО не подпадает. Он – уникальный и поэтому требует разработки алгоритма и математической модели – тоже уникальной.

Из теории известно, что СМО может быть как открытой, так и закрытой. Число требований может быть ограниченным (количество обслуживаемых ремонтной мастерской тракторов) или практически неограниченным. В первом случае «закрытая система» – обслуженное требование, например, отремонтированный трактор остается в системе, во втором – покидает систему. Исследуемая система имеет и то (транзакты покидают систему и не возвращаются) и другое – восстановленное техническое средство остается в процессе.

Формализованное описание технологической системы уборочно-транспортной системы основано на применении теории сложных систем, ранее изложенной в статье [10, с. 50–52]. В таком случае состояние z уборочной системы описывается набором объектов z 1, z 2 ,… z п , причем zZ , i= 1, 2, .., п, где Z i – заданные множества:

Z ˆ Z Z ... Z . (1) 12 n

В этом случае множество Z ˆ – это пространство состояний процесса уборки урожая, которое представляет собой множество всех упорядоченных совокупностей z_x , z ₂,..., z_n , в том числе и не принадлежащих состоянию рассматриваемого процесса уборки урожая, для которой все состояния системы характеризуются множеством точек интервала Z_x - (0, z 0 ) на оси O_{Z ;} Z — множеством точек интервала (0, z 0 ) на оси _{0 Z} и т.д. по аналогии. На вход поступают тран-закты xX , где X – множество входов системы, причем транзакт, поступающий в систему в момент t е Т , обозначается x ( t ). Входные и выходные сигналы в данном случае – транзакты, обслуживаемые в фазах процесса. Пусть за промежуток времени Δt i в обработку поступает часть хлебного поля dx , тогда они вместе за указанное время составляют транзакт [10, с. 50–52]:

t 2

Р=\ ft , г)i dt.          (2)

t i

В таком случае вход х системы описывается x e X_t = 1,2,..., m, где Xi - заданные множества. Множество транзактов определяется множеством входов х=L(t), соответствующих условиями работы уборочной системы. Последняя также генерирует обслуженные транзакты, которые для yY при tT обозначили как y ( t ).

Тогда пространство выходных «обслуженных» транзактов уборочной системы будет иметь вид :

F = Y x F ₂ х...х ү .              ⁽³⁾

Обобщая понятие данной системы, вслед за рядом исследователей, условимся, что z(t) для временных точек tel таких, что t>t₀ , определяется оператором переходов системы :

teTz ⁽ t ) = H t , t o , z ⁽ t o ^),( t , x_L ] t_o .       ⁽⁴⁾

Роль оператора выполняет разработанный нами алгоритм. В данном случае методика исследования сложных организационных систем начинается с его формализации, которая требует идентификации входных параметров и управляющих воздействий, причем ge Г, І- = Гix Г2x...x Гm .

Входные и управляющие воздействия считали точками пространства XXГ и обобщенных входных параметров :

x = ⁽ x , g ) = x i , x 2 ^,..•^, x n , g i , g 2 ,.-. g m .

При поступлении в систему транзактов и управляющих воздействий её состояние, если имеет место марковский процесс, зависит от (t, xL )т и (t, gM )т. С учетом этого обстоятельства оператор переходов приобретает вид:

^{z (} t ) = ^{H { t} , t 0 , ^{z (} t 0 ), ⁽ t , ^X L , g M ^] t ₀^} .

Оператор переходов реализуется алгоритмом по системе GPSS. «Пошаговое выполнение процедур в алгоритме символически изображается в виде передачи управления от одних блоков к другим. … Конфигурация блок-схемы отражает направления, по которым происходит движение перемещающихся элементов.

Транзакты – это движущиеся объекты GPSS-модели, работа которой заключается в моделировании движения транзактов от блоков к блокам.

В самом начале моделирования в GPSS-модели нет ни одного транзакта. В процессе моделирования транзакты входят в модель в определенные моменты времени в соответствии с теми логическими потребностями, которые возникают в моделируемой системе. Транзакт перемещается от блока к блоку, причем они представляют собой точки обращения к подпрограммам. Конечные блоки являются точками вывода транзактов. Условно считали, что обслуживания выполняются в «устройствах». В качестве «устройств» могут выступать как единичные объекты и машины (линии зерноочистительных комплексов), так и их совокупности (звенья зерноуборочных комбайнов, жаток, автоотряды и др.)» – данное описание приведено математиком-програм-мистом [6, рр. 37–40]. Устройство интерпретировано рисунком 1.

Нерациональный задел может вызвать, с одной стороны, в условиях действия случайных факторов простой жаток, комбайнов или МПУ из-за отсутствия фронта работ и, с другой стороны, – потери урожая из-за значительного задела в виде созревшего, но не убранного массива, а также по причине неудовлетворительного технического обслуживания [11, с. 742–751].

С целью моделирования представили созревание массива и его обработку в виде материального потока, который время от времени разделяется (рисунок 2). Имеет место следующая схема: за промежуток времени Δt i созревает элементарная порция массива dx , вся совокупность которых составляет:

R= ∫ f {t} dt.

Из этого массива формируются материальные потоки λ 1 , λ 2 , λ 3 и λ 4. Первая фаза процесса приводит к разделению потока в элементе 2 и 3 на два (незерновую и зерновую части урожая). Закономерности обработки потоков λ 1 , λ 2 , λ 3 и λ также могут быть интерпретированы в виде гистограммы.

Интересно отметить, что в первой фазе материальные потоки приобретают четко выраженный дискретный характер: бункер зерна, копна соломы, валок скошенного массива, на основании чего предположили неявное существование соответствующих порций (транзактов) еще в созревающем массиве.

К—убрано напрямую скошено в валки

3^— собрано зернового вороха

3^— очищено зернового вороха

А^— собрано половы

Н^— стянуто соломы

Н^— перевезено соломы

35 — подготовлено к сдаче зерна

А^—перевезено половы

3^— перевезено и сдано

А5—заскирдовано половы

35— оставлено вСХП

Н5 —заскирдовано соломы

3^— сдано сильной пшеницы

Рисунок 1 – Графическая интерпретация устройства, транзактов и заделов

Во вторую фазу (см. рисунок 2) поступают валки, которые обмолачивают с запаздыванием, необходимым для их подсыхания до кондиционной влажности. Действительно, убираемый массив в будущем обязательно делится на порции зерна, копны, гектары убранной площади за минуту, час, смену и т.д., то есть транзакты существуют физически во все время протекания уборочно-транспортного и заготовительного процесса [12]. Если задел по валкам недостаточен, обмолачиваются недосохшие растения, если задел велик, колоски пересыхают и зерно осыпается: во время дождей зерно в валках прорастает, ветром валки может разметать по полю, при этом потери урожая достигают 40–70%. Следовательно, и в этом случае величина задела должна быть обоснована с точки зрения минимизации потерь урожая. Во второй фазе продолжается разделение материальных потоков. Выходом операций фазы являются: зерновой ворох 3 j = З' + З"+ З '" незерновая часть урожая (НЧУ) на поле и убранная по технологии с измельчением, задел по уборке НЧУ и лущению стерни. При уборке незерновой части урожая копны доставляют к месту скирдования. Выходом совокупности операций является площадь под лущение и солома в скирдах.

Для лущения и вспашки входящим потоком являются площади, освобожденные от НЧУ. Экспериментальные исследования подтвердили гипотезу о том, что потоки описываются случайными законами: время от времени возникают отказы техники, требуются технологические перерывы и т.д. При замере промежутков времени между окончаниями обработки очередных гектаров поля с достаточной повторностью, регулярно фиксировались случайные потоки.

Выявлены общие признаки исследуемого процесса: наличие основных и обслуживающих машин, наличие дискретности предмета труда, описанной в виде перемещения дискретных транзактов, выявлено действие стохастических причин, установлена последовательность фаз технологической системы и наличие заделов между ними. В результате исследуемый процесс идентифицирован как сеть массового обслуживания, в которой имеют место случайные процессы, приводящие к образованию заделов. Размер заделов позволяет управлять эффективностью уборочнотранспортного процесса посредством согласования производительностей его фаз, что может быть выполнено с применением цифровой модели системы GPSS.

Кошение

Зерновой во|Лх стерня (З/')

ворох

Уборка для стационара

Прямое

W*vVvW-AAAA комбайнированиес WWWWWWWWVWWWWWW'

измельчением х - задел

Рисунок 2 – К алгоритму моделирования «устройства» и транзактов

Прямое комбайнирование

Зерновой

Для повышения надёжности функционирования рассматриваемой системы возможно применение инновационных средств технического обслуживания, разработанных С.Л. Никитченко [14, с. 3807–3815].

Выводы. Адекватные представления о закономерностях функционирования уборочно-транспортной системы в аграрном холдинге были получены в результате исследования её функционирования в производственных условиях. В результате системных исследований установлен вероятностный характер её функционирования, даны характеристики входных и выходных параметров для каждой фазы процесса. Подобные потоки закономерно возникают в процессах эксплуатации сельскохозяйственной техники при наличии случайных внешних и внутренних воздействий. Экспериментальные исследования подтвердили гипотезу о том, что потоки описываются случайными законами: время от времени возникают отказы техники, требуются технологические перерывы и т.д. При замере промежутков времени между окончаниями обработки очередных гектаров поля с достаточной повторностью, регулярно фиксировались случайные потоки.

На основе формализованной схемы, вытекающей из описания процесса, разработан алгоритм моделирования на базе представления технологических процессов в виде марковской цепи. Разработаны, совместно с доцентом А.Г. Лишним, алгоритмы модели- рования и программа на основе системы GPSS Мичиганского университета. Разработан метод управления эффективностью уборочно-транспортного процесса посредством согласования производительностей его фаз с применением цифровой модели. Компьютерная модель адекватна и может быть использована для решения практических задач организационных систем. В частности, могут быть установлены оптимальные пропорции соотношения основных и обслуживающих машин, которые преимущественно выражаются простыми числами 1, 3, 5 и 7.