Лейзгольд Карина Анатольевна – старший преподаватель кафедры микропроцессорных средств автоматизации электротехнического факультета,
ул. Профессора Поздеева, д.7, г. Пермь, 614013.
Karina A. Leyzgold, Senior Lecturer, Department of Microprocessor Means of Automation,
7, Professora Pozdeeva Street, Perm, 614013.
Бочкарев Сергей Васильевич – доктор технических наук, профессор кафедры микропроцессорных средств автоматизации электротехнического факультета,
ул. Профессора Поздеева, д.7, г. Пермь, 614013.
Sergey V. Bochkarev, Doctor of Engineering, Professor, Department of Microprocessor Means of Automation,
7, Professora Pozdeeva Street, Perm, 614013
Цель. Целью работы является сокращение экономических издержек, связанных с простоем оборудования при выходе его из строя. Это особенно актуально для таких отраслей, как нефтедобывающая, в виду территориальной распределенности ремонтируемых объектов и удаленного расположения складов с запасными частями, что приводит к увеличению времени ремонта из-за ожидания нужной запчасти или экземпляра оборудования. В то же время на складе могут быть запчасти, которые в ближайшее время не пригодятся из-за нерационального их состава. Методы. Управление запасными частями оборудования, как правило, сводится к использованию вероятностных методов и составлению математических моделей для решения оптимизационных задач, однако такие методы требуют данных о техническом состоянии объекта, стоимостных характеристиках и др., что не всегда может быть доступно, поэтому присутствует необходимость в разработке метода без использования такой информации. Результаты. Предложен метод определения количества запасных экземпляров выходящих из строя объектов с использованием данных о наработках эксплуатируемых однотипных объектов и определения прогнозных вероятностей отказов, позволяющий при отсутствии статистических данных о техническом состоянии объектов свести к минимуму простой оборудования в ожидании запасных частей.
Aim. The paper aims to reduce the costs associated with the post-failure downtime of equipment. This is especially relevant for industries such as oil production due to the territorial distribution of the maintained facilities and remote location of spare part storage, which leads to increased time to repair due to the wait for the arrival of the right part or piece of equipment. At the same time, there may be spare parts in stock that will not prove to be useful in the near future due to the irrational content of the stock in storage. Methods. Managing equipment spare parts usually comes down to using probabilistic methods and mathematical models for solving optimization problems, but such methods require data on the technical condition of a facility, cost characteristics, etc., that may not always be available, so a method that does not use such information needs to be developed. Results. A method is proposed for defining the number of spare items using the times-to-failure of same-type items and identifying the predicted probabilities of failures, which allows, in the absence of statistical data on the technical condition of items, minimising the downtime of equipment while waiting for spare parts.
The authors declare that there are no conflicts of interest present.