УДК 004.02 Методы решения задач
В статье обозначена актуальность повышения эффективности стратегии технического обслуживания оборудования на предприятии, представлен обзор практики планирования технического обслуживания и ремонтов, рассматривается практика применения, смешанного целочисленного линейного программирования на предприятиях различных отраслей. Приводятся проблемы, связанные с изменчивостью графика ремонтов, потребностью добавления в график внеплановых ремонтных мероприятий, анализируются сложности при распределении работ и балансировки нагрузки ремонтных бригад. Представлена модель на основе смешанного целочисленного линейного программирования для динамического планирования работ по техническому обслуживанию и ремонту оборудования в условиях ограничений. Основное внимание уделено распределению работ между ремонтными бригадами с учетом ограничений их пропускной способности, необходимости последовательного выполнения работ, штрафов за задержки и сверхурочное время, а также соблюдения гибкости планирования за счет мягких и жестких дедлайнов. Обсуждаются полученные результаты о том, что предложенная модель эффективно минимизирует операционные штрафы, обеспечивает равномерное распределение нагрузки между бригадами, повышается адаптивность графика к изменениям. Рассматриваются перспективы дальнейшего усовершенствования модели, включая интеграцию методов машинного обучения и ее применение в условиях реального времени. В заключении представлен вывод о том, что разработанный подход позволяет повысить производительность ремонтных бригад и улучшить стратегию профилактического обслуживания.
оптимизация, ремонтная бригада, планирование, балансировка, график ремонтов, техническое обслуживание, система технического обслуживания и ремонтов.
1. Насонов М. А. Стратегии технического обслуживания и ремонтов оборудования для применения на химическом предприятии // Достижения науки и технологий-ДНиТ-11-2023 : Сборник научных статей по материалам II Всероссийской научной конференции. Красноярск, 2023. с. 418-427.
2. Rakyta M, Bubenik P, Binasova V, Gabajova G, Staffenova K. The Change in Maintenance Strategy on the Efficiency and Quality of the Production System. Electronics. 2024; 13.
3. Khalid W., Albrechtsen S.H., Predicting maintenance work hours in maintenance planning / Khalid W., Albrechtsen S.H., Sigsgaard K.V., Mortensen N.H., Hansen K.B. and Soleymani I. // Journal of Quality in Maintenance Engineeringю – 2021. Vol. 27 No. 2, pp. 366-384.
4. Yeardley A.S., Integrating machine learning techniques into optimal maintenance scheduling / A. S. Yeardley, J. O. Ejeh, L. Allen, S.F. Brown, J. Cordiner //Computers & Chemical Engineering. – 2022. Vol. 166. 107958.
5. Nemeth I., Kocsis F., Maintenance schedule optimisation for manufacturing systems / I. Nemeth, A. Kocsis, D. Takac,s B. W. Shaheen, M. Takacs, A. Merlo, A. Eytan, L. Bidoggia, P. Olocco //IFAC-PapersOnLine. Vol. 53, Issue 3. – 2020. Pages 319-324.
6. M. Geurtsen M. Production, maintenance and resource scheduling: A review / M. Geurtsen, Jeroen B.H.C. Didden, J. Adan, Z. Atan, I. Adan // European Journal of Operational Research, Volume 305, Issue 2, 2023, Pages 501-529, ISSN 0377-2217.
7. AlHamouri H. Utilization of workface planning for the execution of maintenance activities, shutdowns and turnarounds in petrochemical facilities – a case study AlHamouri H., Carlos H. Caldas, Bon-Gang Hwang // International Journal of Construction Management. - 2019.
8. Roslof J. An MILP-based reordering algorithm for complex industrial scheduling and rescheduling / J. Roslof *, I. Harjunkoski, J. Bjo¨ rkqvist, S. Karlsson, T. Westerlund // Computers and Chemical Engineering. Vol. 25. – 2001. pp. 821–828.
9. Kunath S. Kühn M. MILP performance improvement strategies for short-term batch production scheduling: a chemical industry use case. // SN Appl. Sci. 4, 87. – 2022.
10. Kianpour, P., Gupta, D., Krishnan, K. K., & Gopalakrishnan, B. Automated job shop scheduling with dynamic processing times and due dates using project management and industry 4.0. // Journal of Industrial and Production Engineering, 38(7). – 2021. pp. 485–498.
11. Huang L., Su R., An Auto-MILP Model for Flexible Job Shop Scheduling Problem //IFAC-Papers OnLine. Vol. 55, Issue 3. – 2022. Pages 137-142.
12. Garcia-Sabater, J.P., Maheut A two-stage sequential planning scheme for integrated operations planning and scheduling system using MILP: the case of an engine assembler // Flex Serv Manuf J 24. – 2012. pp. 171–209.
13. Jin, L., Tang, Q., Zhang, C., Shao, X., & Tian, G. (2016). More MILP models for integrated process planning and scheduling. International Journal of Production Research, 54(14), 4387–4402.
14. Насонов М. А. Профилактическое обслуживание оборудования на промышленном предприятии химической отрасли: проблемы и подход к повышению эффективности / М. А. Насонов, С. А. Манцеров // Достижения науки и технологий, культурные инициативы и устойчивое развитие - ДНиТ-III-2024 : сборник научных статей по материалам III Всеросс. Науч. конф. с межд. Уч. – Красноярск. 2024. – С. 170-178.
15. Насонов, М. А. Концепция управляемой загрузки для ремонтных бригад на промышленном предприятии / М. А. Насонов // Современные тенденции и инновации в науке и производстве : Материалы ХIII международной научно-технической конференции. – Междуреченск: Кузбасский государственный технический университет им. Т.Ф. Горбачева, 2024.
16. Tight big-Ms for Optimal Transmission Switching / S. Pineda, Ju. M. Morales, Á. Porras, C. Domínguez // Electric Power Systems Research. – 2024. – Vol. 234. – P. 110620.
17. Fahimeh Khoshniyat Analysis of Strengths and Weaknesses of a MILP Model for Revising Railway Traffic Timetables. ATMOS 2017. (OASIcs), Vol. 59, pp. 10:1-10:17 – 2017.
18. Big-M based MILP method for SCUC considering allowable wind power output interval and its adjustable conservativeness / L. Zhang, Q. Zhang, H. Fan [et al.] // Global Energy Interconnection. – 2021. – Vol. 4, No. 2. – P. 193-203.
19. Stetsyuk, P. A Penalty Approach to Linear Programs with Many Two-Sided Constraints / P. Stetsyuk, A. Fischer, O. Pichugina // MOTOR: International Conference on Mathematical Optimization Theory and Operations Research : Proceedings, Irkutsk, 05–10 июля 2021 года. – Irkutsk: Springer Link, 2021. – P. 206-217..
20. Michael L. Pyomo — Optimization Modeling in Python / Michael L. Bynum, Gabriel A. Hackebeil, William E. Hart, Carl D. Laird, Bethany L. Nicholson, John D. Siirola, Jean-Paul Watson, David L. Woodruff, Springer – 2021. – 225 pages.
