Сетевое издание
Современные проблемы науки и образования
ISSN 2070-7428
"Перечень" ВАК
ИФ РИНЦ = 0,940

ОЦЕНКА ПРОИЗВОДСТВЕННОЙ ДЕЯТЕЛЬНОСТИ ОПЕРАТОРОВ ТРАНСПОРТНО ТЕХНОЛОГИЧЕСКИХ МАШИН ПО ОБОБЩЕННОМУ КРИТЕРИЮ

Абдрахманов А.А. 1 Великанов В.С. 1 Усов И.Г. 1 Сафин Г.Г. 1
1 ФГБОУ ВПО «Магнитогорский государственный технический университет им. Г.И. Носова»
В статье предложено решение актуальной проблемы оценки качества внутрифирменной подготовки специалистов (на примере операторов карьерных гусеничных экскаваторов) как в условиях учебных центров горных предприятий, так и на базе учебных заведений с использованием разработанного компьютерного тренажерно-моделирующего комплекса (КТМК). Комплекс позволяет с минимальными затратами и в короткие сроки подготовить оператора для реальных условий работы. Разработана методика оценки качества обучения и тренажерной подготовки оператора горной техники по обобщенному критерию (коэффициенту эффективности) с использованием математического аппарата теории нечеткой логики и нечетких множеств. Аппарат нечеткой логики позволяет формализовать и преобразовывать количественно нечеткие (качественные) понятия, которыми оперируют эксперты при описании своих представлений о реальной системе, рекомендаций и целей управления.
переменные
модели
нечеткие множества
тренажеры
системы
подготовка
обучение
1. Великанов В.С. Подготовка и тренинг операторов горно-транспортных машин с использованием компьютерного тренажерно-моделирующего комплекса / Горный информационно-аналитический бюллетень–2011. – СВ № 5. – С. 312–318.
2. Великанов В.С., Шабанов А.А., Исмагилов К.В Тренажерная подготовка кадров для горной промышленности как системообразующий фактор в сфере обеспечения эффективной эксплуатации горного оборудования / Горный информационно-аналитический бюллетень 2012. – СВ № 2 – С. 153–158.
3. Кофман А. Введение в теорию нечетких множеств. – М.: Радио и связь, 1982. – 432 с.
4. Осипова В.А., Даныкина Г.Б. // Повышение эффективности обучения операторов технологических процессов на базе компьютерных тренажеров. Системы. Методы. Технологии. – 2011. – № 3(11). – С. 106–114.
5. Скороход С.В. Отбор персонала в условиях нечеткой информации на основе экспертных оценок // Известия Южного федерального университета. Серия: Технические науки, 2008. – № 9 (Т. 86). – С. 125–130.
6. Стратегия развития системы подготовки рабочих кадров и формирования прикладных квалификаций в Российской Федерации на период до 2020 года / Министерство образования и науки Российской Федерации – М., 2013.
7. Файзрахманов Р.А., Полевщиков И.С. Оценка качества выполнения упражнений на компьютерном тренажере перегрузочной машины с использованием нечетких множеств // Инженерный вестник Дона, 2012, № 4 (часть 1) URL: ivdon.ru/ru/magazine/archive/n4p1y2012/1265
8. Федосеев С.А., Вожаков А.В., Гитман М.Б. Модель оптимального планирования производства на тактическом уровне с нечеткими ограничениями и критериями // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2009. — №4. — С. 57–65.
9. Хафизов Ф.Ш., Кудрявцев А.А., Шевченко Д.И. Общая концепция интегрированной обучающей системы для трубопроводного транспорта нефти // Электронный научный журнал «Нефтегазовое дело». 2011. № 5. С. 476–487.
В соответствии с «Энергетической стратегией России на период до 2030 года» горная промышленность должна достигнуть принципиально нового уровня развития. Для достижения поставленных целей необходимо решение ряда актуальных проблем, таких как: физический и моральный износ основных фондов; усиливающаяся зависимость отрасли от импорта технологий и оборудования; дефицит специалистов, способных быстро и адекватно осваивать технику и технологии.

К тому же недостаток квалифицированных кадров усугубляется общей демографической обстановкой. По прогнозу Росстата сокращение численности населения в трудоспособном возрасте в 2007–2025 гг. составит 16,2 млн человек. При этом уровень общей образовательной подготовки непрерывно снижается [6].

Решение проблемы дефицита квалифицированных специалистов нашло отражение в «Стратегии развития системы подготовки рабочих кадров и формирования прикладных квалификаций в РФ на период до 2020 года». Целями данной «Стратегии» являются: повышение привлекательности рабочих специальностей, формирование прикладных квалификаций, обеспечение взаимовыгодного партнерства профобразования и бизнеса, повышение внутренней эффективности системы профессионального образования [7].

С целью конкретизации объекта исследования в статье рассмотрены вопросы повышения качества подготовки высококвалифицированных специалистов для предприятий горной промышленности и оценки результатов внутрифирменного обучения.

Совершенствование структуры парка экскаваторов, модернизация и улучшение технико-эксплуатационных характеристик машин, внедрение современных технологий горных работ предопределяют необходимость обновления содержания и повышения качества подготовки машинистов экскаваторов.

Исследование современных методов обучения показывает [9], что традиционные подходы к проведению занятий на курсах подготовки и переподготовки малоэффективны по сравнению с практикой. Согласно исследованиям Национальной тренинговой лаборатории США спустя две недели после занятий разных типов в памяти человека фиксируется лишь часть из полученных знаний (рис. 1).

Рис. 1. «Пирамида обучения»

Традиционным методом обучения операторов являются упражнения на реальном оборудовании. Однако при этом виде обучения возникает ряд трудностей, таких как: частое отсутствие поэтапности и непрерывности; отсутствие объективного контроля; ограничение времени тренировок; отсутствие возможности для самоподготовки; высокая вероятность создания аварийной ситуации. Для обучения из производственного технологического процесса отвлекается техника, которая в процессе обучения изнашивается, дополнительно расходуется электроэнергия.

Как показывает практика, данный недостаток можно исправить путем использования в обучении тренажеров. В настоящее время большинство специалистов утверждает, что использование тренажеров сокращает время обучения в шесть-восемь раз по сравнению с обучением на реальном объекте.

Подготовка операторов для предприятий горной промышленности имеет свои особенности, связанные с тем, что технологические процессы производятся, как правило, в сложных горно-геологических и климатических условиях. На карьерах, разрезах и шахтах эксплуатируются агрегаты большой единичной мощности. Кроме того, обучение персонала на действующих горных машинах требует значительных капитальных затрат и может привести к возникновению аварий.

При обучении оператора целесообразно использовать именно те устройства, которые будут использоваться в его дальнейшей профессиональной деятельности. Основой функционирования тренажеров являются имитационные математические модели. Такие модели строятся на основе знаний экспертов, представленных в виде таблиц и графиков.

Необходимо учитывать то, что первоначально подготовка (в основном теоретическая) технологического персонала осуществляется в учебных заведениях. В результате обучение, повышение уровня подготовки и переподготовка специалистов горного профиля в рамках как вузовского, так и послевузовского образования находятся в сфере ответственности образовательного учреждения [4].

На кафедре горных машин и транспортно-технологических комплексов ФГБОУ ВПО «МГТУ им. Г.И. Носова» разработан компьютерный тренажерно-моделирующий комплекс (КТМК). В нем реализованы различные тренажерные системы, они направлены на отработку как практических действий, так и виртуальных, а также несут в себе методические приемы, ориентированные на предметное изучение и освоение теоретического материала (рис. 2).

Преимущества подготовки специалистов на базе КТМК: мобильность, размещается в компьютерных классах учебных заведений и учебных центрах предприятий; новый формат проведения занятий — использование возможностей КТМК позволяет сочетать в учебном процессе освоение теоретического курса, лабораторных работ и практических занятий с самостоятельной работой; повышение качества подготовки за счет наглядности обучения и имитации реальных ситуаций и режимов работы; уменьшение затрат на обучение.

В КТМК реализованы структура компьютерной обучающей системы, математическое и программное обеспечение с учетом опыта промышленного использования горного оборудования и требований, предъявляемых технологической инструкцией к персоналу (машинистам экскаватора) [1, 2].

Рис. 2.Обобщенная схема КТМК

В данное время оценка и управление эффективностью деятельности являются одной из проблемных процедур в большинстве предприятий и компаний. Менеджменту необходимы гарантии того, что каждый сотрудник на своем месте выполнит стоящие перед ним задачи в полном объеме и в срок. Поэтому для компании очень важно иметь адекватные информационные «портреты» своих сотрудников.

Методика оценки

Анализ трудовой деятельности операторов, учет мнений экспертов, изучение требований технологических регламентов и инструкций по эксплуатации горных машин позволили определить круг задач профессиональной деятельности. Авторами предлагается оценивать качество обучения и тренажерной подготовки операторов горной техники по обобщенному критерию — коэффициенту эффективности деятельности.

Оценке подлежит текущий уровень профессиональных знаний и навыков, каждая из групп складывается в результате обработки соответствующих ключевых индикаторов.

Классификация по группам, определяющих эффективность функционирования оператора, представлена в таблицах 1, 2.

Таблица 1

Классификация по группам ключевых индикаторов

Группа

Ключевые индикаторы

Балльная оценка

 

 

 

 

 

 

 

 

 

 

 

Теоретические знания

К1 — устройство и технические характеристики обслуживаемого экскаватора

 

К2 — принцип работы механического, гидравлического и электрического оборудования экскаватора

 

К3 — рациональные режимы работы экскаватора и приемы черпания; приемы управления механизмами экскаватора при разработке тяжелых и легких грунтов

 

К4 — правила разработки горной массы и грунта на поверхности

 

К5  — способы разработки забоя

 

К6 — основные сведения о ведении открытых горных работ и горно-геологическая характеристика участка

 

К7 — признаки оползневых явлений

 

К8 — физико-механические свойства разрабатываемых пород и отличие полезных ископаемых от породы

 

К9 — разработка и ведение линии забоя, методы применения различных способов экскавации в зависимости от системы и условий разработки

 

К10 — правила погрузки горной массы и грунта в железнодорожные составы, думпкары, автомашины и в люки бункеров у конвейерных линий

 

К11 — причины возникновения неисправностей в работе экскаватора и способы их устранения

 

К12 — виды ремонта, монтажа и демонтажа экскаватора; конструкции быстроизнашивающихся деталей и узлов экскаватора и порядок их замены

 

 

Практические навыки

К13 — разработка горной массы и грунта

 

К14 — перемещение топлива и различных материалов на складах, на транспортные средства, в отвал

 

К15  — планировка забоя, верхней и нижней площадок уступа

 

К16 — перемещение экскаватора в процессе работы

 

К17 — обеспечение технически правильной разработки забоя и эффективного использования экскаватора

 

К19 — послойное разрабатывание грунта. Обеспечение выемки горной массы по сортам

 

К20 — погрузка полезного ископаемого и породы в железнодорожные составы, думпкары

 

К21 — производство селективной разработки забоя

 

К22 — профилирование трассы экскаватора

 

К23 — погрузка полезного ископаемого и породы в автомашины

 

К24 — очистка ковша от налипшего грунта

 

К25 — профилактический осмотр и участие в ремонте экскаватора

 

К26 — укладка породы в выработанном пространстве и на отвале

 

Таблица 2

Балльная оценка и интерпретация ключевых индикаторов

Балл

Интерпретация

0

оценивается вид деятельности, качество которого не проявляется

1

оценивается вид деятельности, качество которого проявляется удовлетворительно

2

оценивается вид деятельности, качество которого проявляется на достаточно хорошем уровне

3

оценивается вид деятельности, качество которого проявляется на высоком уровне

Учитывая, что многие из показателей, характеризующих уровень профессиональной компетентности машинистов карьерных экскаваторов и подлежащих экспертному описанию, могут быть отнесены к слабоформализуемым, представляется целесообразным применить математический аппарат теории нечетких множеств для количественной обработки информации, получаемой в виде нечисловых вербальных оценок. Впервые такой подход был предложен американским математиком Л. Заде и предназначался для формализации неточных понятий, анализа и моделирования систем, в которых участвует человек. Отличительной особенностью данного математического аппарата является возможность формализовать и преобразовывать количественно нечеткие (качественные) понятия, которыми оперируют эксперты при описании своих представлений о реальной системе, своих пожеланий, рекомендаций, целей управления.

Нечеткие модели имеют ряд особенностей по сравнению с традиционными:

1) являются более гибкими, поскольку учитывают опыт и интуицию специалиста;

2) являются более адекватными при моделировании реальности и позволяют получать наиболее точное решение;

3) затраты времени для получения результата несущественны;

4) позволяют сократить время обработки информации;

5) нечеткие модели создаются тогда, когда построение четких невозможно или затруднительно.

Отметим, что важнейшей особенностью жизнеспособности любой теоретической концепции является ее реализация и поддержка в соответствующих программных продуктах. В настоящее время доступно порядка 100 пакетов прикладных программ, которые в малой или большей степени затрагивают нечеткую логику [3].

Среди данных пакетов большой популярностью пользуются FuzzyTECH и расширение Fuzzy Logic Toolbox for MatLab. Важным плюсом среды MatLab является тот факт, что она востребована в СНГ и имеется достаточное количество документации и информационных источников по ее применению [8].

В настоящей работе для компьютерной реализации математических моделей с элементами нечеткой логики использовано расширение Fuzzy Logic Toolbox for MatLab.

Нечеткая модель состоит из двух входных лингвистических переменных (теоретические знания и практические навыки машиниста), базы логических правил управления и выходной лингвистической переменной — коэффициента эффективности деятельности (рис. 3–5) [5].

Рис. 3. Числовые значения, необходимые для формирования аргумента функции принадлежности выходной переменной

Рис. 4. Вид функций принадлежности выходной переменной «коэффициент эффективности деятельности машиниста экскаватора»

Рис. 5. Вид функций принадлежности входной переменной «теоретические знания»

Логические правила объединяются в одну базу, которая является множеством отдельных условий управления, согласованных относительно используемых в них лингвистических переменных, соответствующих показателям в форме структурированного текста:

Правило_1(Ri): если «условие_1», то «заключение_1»(F1)→….→Правило_n(Rn):если «условие_n», то « заключение_n» (Fn)

Метод нечеткого логического вывода может быть использован для выявления итоговой оценки по каждому индикатору в отдельности с целью установления эффективности выполнения конкретных технологических операций, а также ранжирования машинистов путем сравнения соответствующих им траекторий профессионального развития.

Вывод

Использование предлагаемой методики позволит периодически оценивать профессиональные качества работников горно-добывающих предприятий и результатов внутрифирменного обучения, а также формировать динамические ряды, отражающие их профессиональное развитие.


Рецензенты:

Першин Г.Д., д.т.н., профессор, профессор кафедры ГМиТТК ФГБОУ ВПО «МГТУ им. Г.И. Носова», г. Магнитогорск;

Анцупов А.В., д.т.н., доцент, заведующий кафедрой «Технологии машиностроения» ФГБОУ ВПО «МГТУ им. Г.И. Носова», г. Магнитогорск.

 


Библиографическая ссылка

Абдрахманов А.А., Великанов В.С., Усов И.Г., Сафин Г.Г. ОЦЕНКА ПРОИЗВОДСТВЕННОЙ ДЕЯТЕЛЬНОСТИ ОПЕРАТОРОВ ТРАНСПОРТНО ТЕХНОЛОГИЧЕСКИХ МАШИН ПО ОБОБЩЕННОМУ КРИТЕРИЮ // Современные проблемы науки и образования. – 2015. – № 1-2. ;
URL: https://science-education.ru/ru/article/view?id=19845 (дата обращения: 07.12.2021).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074