摘要:爲了提高煤礦機電設備管理資源配置效率，降低機電事故損失，本文進行了優化模型的構建，構建時約束爲資源投入，目標爲機電事故損失最低，構建後利用逆優化方法，轉化原模型，變爲逆優化模型，再求出解，獲得最優解，同時，利用實例驗證本文逆優化模型及方法構建的有效性，旨在爲實際應用提供參考。
關鍵詞:煤礦;機電設備;管理;資源投入;逆優化方法
現階段，機電設備投入已經超過生產成本的50%，使機電設備投入成爲重要的生產投資組成部分。但與此同時，機電事故仍舊佔據全部煤礦事故的較大比重，所以，煤礦生產企業必須要積極優化機電設備管理資源配置，不斷提高設備使用性能，並增強設備使用的安全性。逆優化方法是目前較爲適合的優化煤礦機電設備管理資源投入的方法，可使優化需求得到充分滿足。
1煤礦機電設備管理資源配置優化中逆優化
方法應用的可行性目前，機電設備管理資源配置方法多數屬於線性規劃方法，而在優化資源配置算法方面，主要採用動態規劃、遺傳算法、啓發式算法等。從實際應用結果來看，煤炭企業在進行機電設備資源配置及優化工作時，呈現出明顯動態化特點，由此，上述資源配置及優化方法並不能使其需求得到充分滿足。另外，現有資源配置及優化方法的目標爲成本最低或效益最大，配置資源在子系統間進行，並不能對已有資源做出合理調整，無法最大化滿足整體需求，因而優化效果並不理想。1992年，Burton等人提出逆優化問題，該問題提出的基礎爲網絡中逆向優化最短路問題。隨後，國內外衆多學者開始研究逆優化問題，並嘗試構建逆優化模型，在構建逆優化模型時，採用的方法主要爲逆數據包絡分析、多目標規劃、雙層優化。近年來，資源配置問題解決過程中開始採用逆優化算法，解決效果相對較爲理想。已有研究及實踐表明，利用逆優化方法進行資源配置及優化時，透過對模型參數做出調整，可以有效滿足動態需求。由此看來，逆優化方法應用到煤礦機電設備管理資源配置優化中的可行性非常強。
2煤礦機電設備管理資源投入的逆優化方法
2．1構建模型。
2．1．1構建機電設備管理資源投入模型。
機電設備是煤礦開採期間使用的設備之一，其類型包含兩種，一種爲機械設備，另一種爲電氣設備。煤礦機電設備通常成本較高，會嚴格要求安全和作業環境，基於此種特點，研究管理資源配置問題時，爲能合理構建指標，劃分投入指標過程中，可以功能差異作爲標準。經劃分後，共有4個投入指標［1］:①安全執行投入x1，該項投入指標的具體內容包含人員培訓投入、人員管理投入、水電資源投入等，用於保障設備的安全執行;②維護保養投入x2，該項投入指標具體內容包含建立並落實機電設備維修保養制度、機電設備定期檢查、保養耗材等;③設備維修投入x3，該項投入指標的具體內容包含培訓維修人員、定期檢修機電設備、購買設備備件等;④改造更新投入x4，機電設備與經濟、技術要求不滿足時，局部改造或替換、購買及安全新型設備的投入均是該項投入的主要內容。根據煤礦生產的特點，本文構建目標函數時，目標確定爲機電事故損失最小化。同時，生產過程中，表述投入－產出關係的常用函數爲柯布－道格拉斯生產函數，所以本文近似模擬機電設備管理資源投入與機電事故損失最小化的關係時，即採用該函數模型，並將管理資源配置模型建立起來，求出最優的配置管理資源的方案，最大化的.降低機電事故損失［2］。在一定範圍內，各投入指標需要發揮出其最佳效果，如果投入過低，效應將不能充分發揮，而投入過高，不僅浪費資源，且其他指標會出現投入不足問題，因此，此一定範圍即爲需求滿足基礎上的指標投入上下限，用s．t．bi≤mi(i=1，2，3，4)表示。煤炭企業管理機電設備過程中，各個指標之間會產生影響、調節作用，幾項指標可能會同時影響某一項指標，同時，幾項指標總投入也會對整體管理資源投入效果產生影響，爲使系統整體需求得到滿足，需在相互關係基礎上，設定某幾項指標投入的下限，表示爲bh≤(x1+x2+…xh)。此外，爲保證企業整體利益，還要進行總上限的設定，即x1+x2+x3+x4≤C。
2．1．2構建逆優化模型。
實際生產過程中，各種資源投入時均會存在一定彈性，與運算最優解相比，模型可行解或非可行解更爲適合情況下，反映出模型原有的約束條件與實際需求不相符的問題，需調整各項資源的投入。實際作業時，最優解爲xi*(i=1，2，3…n)，因約束條件需要做出適當的條件，所以改變b和m，變爲b*、m*，令bi*=bi+σi－βi、mi*=mi+ηi－γi，其中，bi、mi的增量、減量分別爲σi≥0、βi≥0、ηi≥0、γi≥0，目標函數選擇總體變化最小，據此即可將逆優化模型建立起來。
2．2應用實例。
以某煤業集團下屬煤礦爲例，分析上述逆優化模型構建的有效性。該煤礦生產能力爲0．22Mt/a，預計有324萬t的開採儲量，以18年作爲該煤礦的服務年限。從資產價值看，該煤礦機電設備共值114．6億元，每年最多要投入980萬元的管理費用。
2．2．1構建模型。
按照上述條件，利用Minitab軟件，回顧性分析該煤礦2009年至2016年的機電設備管理投入費用、機電事故損失費用，同時，與其投入計劃相結合，完成優化模型的構建。在構建的模型中，主要包含:①求解各項指標(x1，x2，x3，x4)投入最優的管理資源配置方案，並最大化降低機電事故損失;②x1，x2，x3，x4的投入上限、下限分別爲285－335萬元、130－166萬元、245－300萬元、229－256萬元;③x1+x2、x2+x3、x3+x4、x1+x2+x3、x2+x3+x4的總投入至少要達到482萬元、380萬元、458萬元、745萬元、630萬元;④這4項指標的總投入要控制在980萬元以內。隨後，轉化該模型，使其變爲標準形式，同時，求解在Matlab遺傳算法工具箱輔助下進行，迭代94次後，模型獲得最優解的條件爲4項治療分別投入323．308萬元、165．327萬元、261．563萬元、229．802萬元，此時模型解爲120．99萬元。由生產實踐可知，這四項指標分別投入180萬元、220萬元、411萬元、179萬元時，與模型最優解相比，進一步降低了機電事故損失，降低幅度達9．85%。這說明，原模型與實際需求並不相符，需對約束條件利用逆優化方法調整，以使優化效果最佳。按照本文理論方法建立逆優化模型，並將上述指標投入值輸入Matlab中，獲得新的模型。
2．2．2結果分析。
(1)安全執行方面。原模型時，該指標投入下限爲285萬元，利用逆優化方法優化後，投入下限降低到176．815萬元。經調查，該煤礦十分重視操作人員的培訓教育工作，但實際開展過程中，由於未能明確分工，導致冗餘大量人員，同時，能源浪費問題也明顯存在。基於此種現狀，分工要科學開展，以使操作人員數量適當減少，並以節能減排等方法降低能源消耗，促進執行投入減少。
(2)維護保養方面。原模型時，機電設備用於維護保養的投入上限爲166萬元，經優化後，提高到221．1317萬元。該指標投入上限的升高，說明該煤礦在使用機電設備過程中並未徹底落實定期檢查與潤滑保養制度，導致疲勞執行的機電設備數量衆多。爲避免機電事故的發生，維護保養力度必須要加大，定期開展潤滑保養工作，以減少安全隱患，保證機電設備執行狀態良好。
(3)設備維修方面。原模型時，維修機電設備的投入上限爲300萬元，優化後，提高了114．1437萬元，達到414．1317萬元。因優化後該指標投入上限升高，因此，對該煤礦的機電設備維修工作展開調查、分析，結果顯示，儘管該煤礦頻繁的進行機電設備維修工作，但存在未能徹底維修、未全面落實維修計劃的問題，而且爲降低成本，較少更換損壞部件，造成機電設備頻繁發生故障。爲了解決此問題，逆優化後，提高了機電設備的維修投入，並建立完善的維修監督機制、定期考覈機制，促進維修質量的提高，同時還規定該煤礦要及時更換損壞部件，避免故障的發生。
(4)更新改造方面。原模型時，更新改造投入下限爲229萬元，優化後，投入下限變爲177．1437萬元。該煤礦管理機電設備過程中，十分注重更新改造工作，但由於僅採取了更換廢舊設備的措施，導致出現高投入、低效益的問題。對此，應糾正該煤礦的認識，讓其正確認識何爲更新改造，從而減少該項工作的投入。
(5)安全執行及維護保養方面。煤礦機電設備的安全執行緊密聯繫着維護保養工作，因此，還需要對二者的總投入做出嚴格的控制。原模型時，這兩項指標的總投入下限高達482萬元，經優化後，投入下限重新設定爲399．62萬元。該煤礦爲了保證機電設備執行的安全性，投資相應管理資源時力度較大，但卻並未重視與此息息相關的維護保養投入，不僅導致存在資源浪費問題，也無法獲得資源投入後的預取目標。因此，該煤礦應在將維護保養重視程度顯著提升的基礎上，透過合理協調二者投入比例，使總投入適當減少。
3結論
本文優化配置煤礦機電設備管理資源時，應用了逆優化方法，透過逆優化模型的建立，合理設定各項資源投入的上下限，實現總的資源投入不增加基礎上對各項管理資源進一步的優化配置，促進管理效率及管理質量有效提高，保障機電設備的平穩執行，且能最大化的減少機電事故損失，提高煤炭生產企業的經濟效益。
參考文獻:
［1］于傑．加強煤礦機電管理的探討［J］．機械管理開發，2017，32(5):153－154．