Оптимизация ресурсов распределённых производственных процессов с использованием имитационного моделирования

Процессы неразрушающего контроля в технологическом цикле вагоноремонтного предприятия в значительной степени определяют безопасность объектов железнодорожного транспорта. Наиболее эффективные способы управления такими процессами могут быть определены только в результате имитационного моделирования, позволяющего оценить устойчивость работы производственной системы в широком спектре как внешних условий, так и внутренних факторов.

Цель работы – создание способа оптимизации ресурсов распределённых производственных процессов неразрушающего контроля вагоноремонтного депо на основе имитационного моделирования для уменьшения вероятности остановки производственного цикла и снижения необоснованных затрат предприятия.

Рассмотрены особенности неразрушающего контроля как этапа технологического цикла предприятия, проанализирована информация о квалификации специалистов вагоноремонтной компании. В работе позиции неразрушающего контроля и контролируемые детали описываются и анализируются в рамках теории массового обслуживания. Для оптимизации подразделения неразрушающего контроля используется имитационное моделирование, а для обработки результатов моделирования применяются методы математической статистики и корреляционный анализ.

Построена модель подразделения неразрушающего контроля с постами на участках по ремонту деталей автосцепного устройства и тележки вагона, колёсных пар. Предложена схема управления производственным персоналом, являющаяся основой оптимизации организационной структуры подразделения неразрушающего контроля.

В результате моделирования установлены требования к квалификации дефектоскопистов вагонного ремонтного депо. Показано, что оптимальная стратегия развития подразделения должна быть направлена на обеспечение универсальной квалификации работников, при которой они обладают необходимыми компетенциями для выполнения работ на всех позициях контроля. Это позволит повысить средний коэффициент занятости дефектоскопистов с 0,34 до 0,45, а среднее время задержки детали на позиции уменьшить с 650 % до 150 % от нормативного времени.

1. Большаков А. А., Слободянюк Л. А., Шашихина О. Е., Ковальчук Я. А. Системный анализ, математическое моделирование и оптимизация процесса формирования производственного расписания обработки металлоконструкций // Вестник технологического университета. – 2021. – № 7. – Т. 24. – С. 84–92. [Электронный ресурс]: https://elibrary.ru/item.asp?id=46423726. Доступ 16.12.2022.

2. Павлова Е. С., Кошелева Н. Н., Кошелева А. И. Комплексный подход к оптимизации решения некоторых транспортно-производственных задач предприятий // Азимут научных исследований: Экономика и управление. – 2020. – № 2 (31). – Т. 9. – С. 265–268. DOI: 10.26140/anie-2020-0902-0062.

3. Fessenmayra, F., Benferb, M., Gartnerb, P., Lanzab, G. Selection of traceability-based, automated decision-making methods in global production networks. Procedia CIRP, 2022, Vol. 107, pp. 1349–1354. DOI: 10.1016/j.procir.2022.05.156.

4. Fani, V., Antomarioni, S., Bandinelli, R., Bevilacqua, M. Data-driven decision support tool for production planning: a framework combining association rules and simulation. Computers in Industry, 2022, Vol. 144, 103800. DOI: 10.1016/j.compind.2022.103800 [ограниченный доступ].

5. Ito, A., Hagström, M., Bokrantz, J., Skoogh, A., Nawcki, M., Gandhi, K., Bergsjö, D., Bärring, M. Improved root cause analysis supporting resilient production systems. Journal of Manufacturing Systems, 2022, Vol. 64, pp. 468–478. DOI: 10.1016/j.jmsy.2022.07.015.

6. Nedeliaková, E., Štefancová, V., Kudláč, Š. Six Sigma and Dynamic Models Application as an Important Quality Management Tool in Railway Companies. Procedia Engineering, 2017, Vol. 187, pp. 242–248. DOI: 10.1016/j.proeng.2017.04.371.

7. Ray, D., Ramirez-Marquez, J. A Framework for Probabilistic Model-Based Engineering and Data Synthesis. Reliability Engineering & System Safety, 2020, Vol. 193, 106679. DOI: 10.1016/j.ress.2019.106679 [ограниченный доступ].

8. Шарнин Л. М., Кирпичников А. П., Нитшаев Р. А., Заляев Б. М., Васильев В. Д., Шайхутдинов Ш. А. Моделирование задачи производства изделий с помощью Anylogic // Вестник технологического университета. – 2019. – № 4. – Т. 22. – С. 153–157. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=38071957. Доступ 16.12.2022.

9. Рожкова Е. А., Ковригина И. В., Налабордин Д. Г. Разработка и моделирование автоматизированной линии ремонта колёсных пар // Современные технологии. Системный анализ. Моделирование. – 2020. – № 3 (67). – С. 32–40. DOI: 10.26731/1813-9108.2020.3(67).32-40.

10. Смирнов В. А. Оценка предельных параметров функционирования сложных технологических систем предприятий с общими производственными ресурсами // Транспорт Урала. – 2020. – № 3 (66). – С. 28–31. [Электронный ресурс]: https://www.usurt.ru/download-document/10079 [полный номер]. Доступ 16.12.2022.

11. Банников Д. А., Сирина Н. Ф. Цифровая трансформация организации сервисного технического обслуживания и ремонта пассажирских вагонов // Современные наукоёмкие технологии. – 2021. – № 3. – С. 22–26. DOI: 10.17513/snt.38525.

12. Зубков В. В., Сирина Н. Ф. Совершенствование стратегического планирования методом моделирования транспортно-производственных процессов // Вестник Сибирского государственного университета путей сообщения. – 2020. – № 4 (55). – С. 12–18. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=44533406. Доступ 16.12.2022.

13. Лакин И. К., Семёнов А. П. Использование технологии «Цифровой двойник» при управлении ремонтом локомотивов // Современные технологии. Системный анализ. Моделирование. – 2019. – № 3 (63). – С. 89–98. DOI: 10.26731/1813-9108.2019.3(63).89-98.

14. Erasmus, J., Vanderfeesten, I., Traganos, K., Grefen, P. Using business process models for the specification of manufacturing operations. Computers in Industry, 2020, Vol. 123, 103297. DOI: 10.1016/j.compind.2020.103297.

15. Rasaya, H., Taghipourb, S., Sharifib, M. An integrated maintenance and statistical process control model for a deteriorating production process. Reliability Engineering & System Safety, 2022, Vol. 228, 108774. DOI: 10.1016/j.ress.2022.108774 [ограниченный доступ].

16. Liu, Jinfeng; Wen, Xiaojian; Zhou, Honggen; Sheng, Sushan; Zhao, Peng Liu; Xiaojun, Kang; Chao; Chen, Yu. Digital twin-enabled machining process modeling. Advanced Engineering Informatics, 2022, Vol. 54 (6), 101737. DOI: 10.1016/j.aei.2022.101737 [ограниченный доступ].

17. Муравьёв В. В. Анализ результатов сертификации специалистов в области неразрушающего контроля объектов железнодорожного транспорта // Интеллектуальные системы в производстве. 2013. – № 2 (22). – С. 144–148. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=21037794. Доступ 16.12.2022.