ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Journal influence

Higher Attestation Commission (VAK) - К1 quartile
Russian Science Citation Index (RSCI)

Bookmark

Next issue

2
Publication date:
16 June 2024

Oil wells technical repair service processes imitating modeling

The article was published in issue no. № 4, 2010
Abstract:The goals of spare parts and components maintenance are relevant to any complex technical systems. The solution to this problem for the case of supply of drilling equipment requires the creation of complex models, which are traditionally, used mathematical apparatus of queue systems. The way of the decision of a problem of drilling spare parts using the results of diagnosis and prediction of emergency situations based on the technology of neural networks.
Аннотация:Решение задачи обеспечения запасными частями и комплектующими комплекса буровых установок требует создания сложных моделей, для чего традиционно используется математический аппарат систем массового облужи-вания. Рассматривается решение этой задачи при использовании результатов диагностики и прогнозирования не-штатных ситуаций на основе применения технологии нейросетей.
Authors: Abu-Abed, F.N. (aafares@mail.ru) - Tver State Technical University (Associate Professor, Dean), Tver, Russia, Ph.D
Keywords: queuing services system, queuing systems, tools and accessories, system to ensure spare parts
Page views: 15342
Print version
Full issue in PDF (6.26Mb)
Download the cover in PDF (1.28Мб)

Font size:       Font:

Чтобы формализовать ситуации, связанные с функционированием системы обеспечения запасными частями, можно использовать математические модели. Это целесообразно, когда проблемы достаточно просты и удовлетворяют всем основным предпосылкам, введенным в модели. Однако иногда возникают более сложные задачи, решение которых с помощью простых математических моделей не отвечает существу поставленной проблемы. Поэтому необходимо обращаться к иной группе методов, которые можно использовать в ситуациях, выходящих за рамки системы предпосылок, лежащих в основе простых моделей.

Как правило, логистические системы функционируют в условиях неопределенности окружающей среды. При управлении материальными потоками должны учитываться факторы, многие из которых носят случайностный характер. В этих условиях создание аналитической модели, устанавливающей четкие количественные соотношения между различными составляющими логистических процессов, может оказаться либо невозможным, либо слишком затратным.

Под системой обеспечения запасными частями, инструментами и принадлежностями (ЗИП) буровых установок (БУ) подразумевается многоуровневая система, состоящая из совокупности одиночных, групповых комплектов эксплуатационных ЗИП и запасов центральных довольствующих органов. Компоненты системы связаны между собой и имеют определенные характеристики. Система ЗИП предназначена для восстановления работоспособности БУ после отказов в процессе эксплуатации.

Рассмотрим двухуровневую систему запасов элементов с периодическим пополнением, экстренными доставками и ремонтом отказавших элементов в ремонтных органах.

Анализ руководящих документов и работ ведущих специалистов в области развития методов исследований по данной тематике показывает, что используемый для оптимизации эксплуатационных комплектов ЗИП методический аппарат не позволяет получить достаточно эффективное решение, так как не учитывает ряд факторов, таких как обоснованное применение критериев оценки достаточности для многоуровневой системы ЗИП, совместная оптимизация состава одиночных и группового эксплуатационных комплектов ЗИП, а также учет различных законов распределения интенсивности отказов элементов.

Имитационное моделирование включает два основных процесса – конструирование модели реальной системы и постановка экспериментов на ней. При этом могут преследоваться такие цели, как понимание поведения логистической системы и выбор стратегии, обеспечивающей наиболее эффективное функционирование логистической системы.

Рассматриваемые в статье системы БУ и обслуживающих их складов ЗИП являются динамическими, то есть их параметры изменяются во времени. Поэтому состояние системы, свойства объекта и число активных объектов, параметров, действий и задержек являются функциями времени и постоянно изменяются в процессе моделирования.

Тем не менее, в процессе моделирования можно выделить дискретные моменты, когда происходят события, отражающие последовательность изменений состояний системы во времени. Если при этом поведение системы в остальные моменты не является принципиально важным, можно использовать технологию дискретно-собы­тийного моделирования. Именно такое моделирование в данной статье называется имитационным.

В качестве блоков (подпрограмм) имитационной модели для данной предметной области необходимо реализовать:

·     блок генерации событий, связанных с нештатными ситуациями на буровой; данный блок создает динамический объект – требование на ремонт, в котором фиксируется наименование вышедшей из строя комплектующей;

·     блок назначения объекту требования другого динамического объекта – склада ЗИП, который должен удовлетворить запрос на вышедшую из строя комплектующую;

·     блок обслуживания требования, при необходимости (в случае группового ЗИП) создающий требование на транспортировку комплектующей из группового ЗИП до буровой;

·     блок назначения требованию на транспортировку динамического объекта транспорт, который будет осуществлять доставку комплектующей на буровую;

·     блок ремонтных операций, реализующий запланированное действие – восстановление работоспособности буровой после доставки необходимой комплектующей.

Кроме перечисленных блоков, необходима программа управления процессом моделирования, которая запускает этот процесс и отслеживает движение каждого требования по модели путем вызова названных блоков обработки событий. Другое назначение программы – ведение списка упорядоченных во времени событий и продвижение часов модельного времени от события к событию.

Системы массового обслуживания (СМО) с большим числом генераторов заявок и обслуживающих приборов часто имеют структуру, которую можно представить в виде сети. В общем случае сеть CMO представляет собой граф, вершинами которого являются одноканальные и многоканальные CMO (дуги определяют потоки передачи требований).

Простейшая разомкнутая или открытая сеть получается при последовательном соединении. Она еще называется многофазной CMO. Более сложная сеть содержит K узлов и N требований, которые находятся в сети. Каждый узел может иметь одно или несколько одинаковых устройств обслуживания. C вероятностью (или частотой) q0j требования поступают к любому узлу сети, a c вероятностью qkj (j=1, ..., К) требование, которое оставляет узел k, направляется к узлу j. Таким образом, любое требование до завершения своего обслуживания в сети может пройти несколько узлов.

Внешняя среда обозначается как узел 0 сети. Если сеть замкнутая, требования c выхода направляются на вход (рис. 1, пунктирная линия) и количество требований N в сети не изменяется.

При моделировании технического обслуживания и ремонтных работ буровых установок использование аппарата сетевых СМО целесообразно в случае, если ремонтные работы выполняются силами бригад, располагающихся в пунктах хранения группового ЗИП. При этом можно выделить два случая.

1.   Каждая буровая имеет свой фиксированный пункт группового ЗИП, ответственный за ее обслуживание. Одновременно каждый пункт группового ЗИП имеет фиксированное множество обслуживаемых буровых. В этом случае сеть СМО вырождается во множество замкнутых подсетей.

2.   Каждая буровая может обратиться к нескольким пунктам ЗИП (в пределе – к любому такому пункту), который может либо принять, либо отвергнуть заявку на ремонт. В последнем случае заявка будет переходить от одного пункта обслуживания к другому, то есть имеется разновидность сети обслуживания, подобная изображенной на рисунке 1.

Выбор того или иного способа формализации существующей сети материально-технического обслуживания БУ зависит от реально сложившейся топологии сети обслуживания.

Разработка имитационной модели

При разработке любой имитационной модели необходимо сделать выбор между универсальными языками программирования и специализированными языками и программными пакетами (оболочками), разработанными для имитационного моделирования. Выбор этот не всегда очевиден и зависит от целей разработки модели и окружения, в котором эта модель должна использоваться.

Подпись:  Рис. 1. Пример сети, состоящей из узловобслуживания

В данном случае при построении имитационной модели необходимо обеспечить использование ранее разработанных средств распознавания аварийных и предаварийных ситуаций на БУ, написанных на языке С++ [1–3]. Поэтому брать готовые оболочки нецелесообразно, возможно лишь применение языков программирования высокого уровня, совместимых с С++. Из современных кроссплатформенных языков программирования таковым является C#, который и принят для разработки имитационной модели системы материально-технического снабжении буровых.

Этот язык поддерживает технологию объектно-ориентированного программирования, в соответствии с которой все данные и функции, необходимые для реализации процесса моделирования, инкапсулируются в виде некоторого количества классов.

Состав разрабатываемых классов обычно зависит от предметной области, в данном случае от предмета моделирования. Система материально-технического снабжения состоит из множества взаимодействующих объектов, основными из которых являются следующие.

·     БУ, для которых необходимо обеспечить функционирование с минимальными простоями. Каждая установка состоит из множества комплектующих, обеспечивающих ее работу, а также имеет определенные географические координаты. Поскольку целью данной работы не является создание специализированной геоинформационной системы, где все данные обязательно привязаны к географическим координатам, точными координатами можно пренебречь. Для построения модели системы снабжения достаточно данных об удалении буровой от соответствующего пункта ЗИП, откуда в случае необходимости она может получить комплектующие.

·     Склады ЗИП (одиночные и групповые), хранящие заданную номенклатуру комплектующих, необходимых для замены вышедших из строя как в результате исчерпания ресурса, так и в случае аварий, вызванных нештатными ситуациями.

·     Сами комплектующие с определенной стоимостью, остаточным ресурсом, а также ценой хранения на складе.

·     Транспортные средства, необходимые для доставки комплектующих из группового ЗИП на буровые в случае выхода их из строя и для снабжения самих складов группового ЗИП.

Подпись:  Рис. 2. Схема иерархии классов имитационной моделиНа рисунке 2 изображена иерархия классов имитационной модели системы материального снабжения БУ, разработанная в соответствии с изложенными результатами объектно-ориентирован­ного анализа.

Главным классом для имитационной модели выступает Model, реализующий функции контейнера для остальных классов.

Класс модели использует три списка объектов. В первый список, Nodes, объединяются узлы, образующие моделируемую сеть СМО. В качестве таких узлов выступают БУ, склады, реализующие хранение группового ЗИП и снабжение буровых, а также один специальный узел, представляющий источник снабжения комплектующими всех складов. Второй список, Links, предназначен для хранения информации о связях узлов сети между собой. Третий список, Trans, объединяет объекты, моделирующие доставку комплектующих со складов ЗИП на буровую.

Исследование имитационной модели системы ремонтно-технического обслуживания

Исследование модели системы снабжения запасными частями группы БУ в пределах одного месторождения производилось для трех стратегий эксплуатации оборудования.

1)     по ресурсу (выработка заданного количества часов или метров проходки);

2)     Подпись:  
Рис. 3. Графики результатов моделирования 
для различных стратегий эксплуатации 
и параметров НСпо состоянию (обнаружение критического состояния во время очередного регламентного осмотра);

3)     до выхода из строя в результате отказа или поломки.

Необходимо уточнить, что обычной практикой при проведении буровых работ является применение одной из первых двух стратегий при немедленной замене внезапно вышедших из строя комплектующих. Третья стратегия используется в данном исследовании только для сравнения.

При применении любой из приведенных стратегий возможно использование нейросетевого анализатора аварийных и предаварийных ситуаций на буровой, который является источником дополнительной информации для оценки оста- точного ресурса комплектующих, что позволяет усовершенствовать стратегию их поставки и уменьшить суммарные затраты на эксплуатацию буровой и содержание сиcтемы снабжения запасными частями.

Критерием оптимизации в данном исследовании служит выражение S=Sэкс+Sпр+Sхр+Sтр.

Первые два слагаемых соответствуют затратам на эксплуатацию буровой – стоимости эксплуатации в рабочем состоянии и стоимости простоя при выходе из строя какой-либо комплектующей:

,  

,

Последние два слагаемых соответствуют стоимости хранения комплектующих на складах ЗИП и стоимости их транспортировки со складов на буровые соответственно. Для их вычисления используются следующие выражения:

 .

Для исследования влияния использования нейросетевого анализатора состояния буровой проводилось сравнение результатов моделирования для всех трех указанных стратегий эксплуатации оборудования.

Анализ результатов моделирования позволяет сделать вывод о целесообразности применения нейросетевого анализатора состояния БУ при организации системы снабжения буровых запчастями.

Для всех рассмотренных стратегий эксплуатации оборудования удельные затраты на снабжение буровых запчастями могут быть снижены при использовании информации о состоянии буровой, выдаваемой нейросетевым анализатором (рис. 3). При этом минимальное снижение наблюдается при использовании стратегии «до выхода из строя», которая редко применяется на практике.

Максимальное снижение удельных затрат наблюдается для стратегии «по состоянию» при наличии трех распознаваемых состояний буровой, а для стратегии «по ресурсу» – при наличии двух распознаваемых состояний буровой.

Поскольку различия в значениях показателя удельных затрат для случая использования стратегии «по состоянию» при наличии двух и трех распознаваемых состояний буровой невелики, в качестве универсального решения для первых двух стратегий эксплуатации оборудования можно рекомендовать использование нейросетевого анализатора с тремя состояниями на выходе.

Литература

1.   Абу-Абед Ф.Н., Борисов Н.А., Хабаров А.Р. Использование методов распознавания образов для анализа аварийных ситуаций // Математические методы и информационные технологии в экономике, социологии и образовании: сб. ст. XVI Междунар. науч.-технич. конф. Пенза, 2005. С. 428–431.

2.   Абу-Абед Ф.Н., Хабаров А.Р. Применение нейросетей для анализа аварийных ситуаций на буровых // Математические методы и информационные технологии в экономике, социологии и образовании: сб. стат. XVII Междунар. науч.-технич. конф. Пенза, 2006. С. 218–221.

3.   Абу-Абед Ф.Н., Допира Р.В. Применение средств моделирования нейросетей для анализа предаварийных ситуаций на буровых // Программные продукты и системы. 2010. № 3. С. 136–139.


Permanent link:
http://swsys.ru/index.php?page=article&id=2642&lang=&lang=en&like=1
Print version
Full issue in PDF (6.26Mb)
Download the cover in PDF (1.28Мб)
The article was published in issue no. № 4, 2010

Perhaps, you might be interested in the following articles of similar topics: