某型钻机经济使用寿命期关于采矿业的一项个案研究外文文献翻译、中英文翻译

附录 1外文文献翻译某型钻机经济使用寿命期: 关于采矿业的一项个案研究Hussan Al-Chalabi*Division of Operation, Maintenance and Acoustics, Lule University of Technology,SE-971 87 Lulea, SwedenandMechanical engineering Department, College of Engineering,University of Mosul, 41002 Mosul, IraqEmail: hussan.hamodiltu.se*Corresponding authorJan LundbergDivision of Operation, Maintenance and Acoustics, Lule University of Technology,SE-971 87 Lulea, SwedenEmail: Jan.Lundbergltu.seAdam JonssonDivision of Mathematic Science, Lule University of Technology, SE-971 87 Lulea, SwedenEmail: adam.jonssonltu.se摘要：第 13 页在钻井，充填，爆破，装载，结垢，锚杆栓接等地下矿山流动性开采过程中，需要使用许多不同种类的机械设备。钻机在矿物开采过程中起着至关重要的作用，因此在经济层面上也扮演着非常重要的角色。然而，伴随着机器的老化，其效率和效用性下降， 对生产力和盈利能力产生负面影响，并增加总成本支出。因此，机器的经济更迭寿命周期关键取决于性能指标。本文介绍了一种为钻机提供最佳的使用寿命的优化模型。并在瑞典地下矿山已经进行了一项案例研究，以确定钻机的经济更迭周期。其考虑因素分别之于购买价格，维护和操作成本以及机器的二手价值。调查结果显示，一台钻机在完成在该矿井 96 个月服役后更换较为适宜。所提出的模型可以用于其他地下采矿机械。关键词：钻机，经济更迭期，优化模型，资产管理参考：此文章应该做如下引述：Al-Chalabi, H.,Lundberg, J. and Jonsson, A. (2015) 某型钻机经济使用寿命期：关于采矿业的一项个案研究，国际性期刊，战略性工程资产管 理，第 2 卷 ，第 2 期， 177-189 页。作者简介：Hussan Al-Chalabi 于 1994 年在伊拉克摩苏尔大学机械工程系获学士学位，并于 2008 年获得伊拉克摩苏尔大学的热力学机械工程硕士学位同时担任摩苏尔大学机械工程系讲师。自 2011 年起，他加入了 LTU 的操作，维护和声学部门，担任博士研究生。Jan Lundberg，是律勒欧大学技术学院的机械元件教授，同时也是运营和维护方面的教授，专注于产品开发。在 1983-2000 年期间，他的研究主要涉及工业环境中机械元件领域的工程设计。在 2000-2006 年期间，他的研究主要涉及工业设计，人类工程学和相关问题，如文化方面的设计和工业环境中有效工业设计的现代工具。从 2006 年开始， 他的研究就完全集中在维修问题上，如测量故障源的方法，如何设计维护以及如何设计以便于维护。Adam Jonsson 是瑞典吕勒奥理工大学工程科学与数学系的高级讲师。他于 2008 年获得了统计博士学位。他的研究是应用概率和社会经济。本文是其出席 2013 年 9 月 12-13 日，芬兰拉彭兰塔召开的 MPMM 2013 时发表的题为某型钻机经济使用寿命期：关于采矿业的一项个案研究的修订和扩展版本。1.介绍矿山是能源和矿物的来源。因此，矿业在工业化国家的经济增长中起着关键的作用。许多不同的机器在矿物开采过程中是必不可少的。其中一例便是钻机，经济竞争和客户需求推动公司通过更大的机械化和自动化来实现更高的生产率。 （Duffuua et al。1998） 地下采矿中设备越来越大，价格越来越昂贵的趋势越来越成为成本效益的问题提出了替代的问题。公司何时应该更换现有的设备以降低成本？由于钻机是生产的关键部件，它们在经济上是非常重要的，一个重要的成本问题是机器的维护成本。在长期的盈利能力上，维护对于企业来说可以起到关键的作用，因为它可以对成本产生重大影响（Baglee 和 Knowles，2010）。维护成本占据了高达 40的重工业的产值（ Lee 和 Wang，1999 年）瑞典采矿业的一项研究表明，高度机械化矿山的维护成本可能是运营成本的 40-60（Danielson，1987）。因此，为衡量他们的表现需要以这些成本背后的重要因素，比如测量由维护创造的价值，证明投资和修改资源分配（Patida and Kumar，2006）。而这些事实与采矿设备的成本及其经济寿命息息相关。2.文献调查面临生产机器的经济替代的基本问题是研究人员，经济工程师和管理工程师。关注成本优化的研究人员则对生产成本优化的最佳更换时间特别感兴趣。近几十年来，对资本设备经济寿命建模的兴趣日益增长，因为第一个最优资产置换模型是由 Bellman 在 1955 年开发的（Hritonenko 和 Yatsenko，2008）Elton 和 Grube（r 1976）证明了在技术无限变革下的等寿命原则是最优的。相应地，许多后来的替代模型都假定资产的最佳寿命是不变的。许多研究人员已经研究了用新设备代替旧设备的最佳程序。（Bellman，1955; Bethuyne，1998; Elton and Gruber，1976; Hartman 和 Yatsenko，2008;Mardin 和 Arai，2012），有人使用了动态规划理论。另一项使用积分模型（Yatsenko和 Hritonenko，2005）优化了资本设备的使用寿命;本研究设计了一个最佳的 Scarf 和Bouamra（1999）的综合调查框架，在有限的时间范围内使用打折成本标准来解决资本置换问题。他们提出了一个强有力的方法来解决车队更换问题，车队的规模允许在更换时发生变化。 Hritonenko 和 Yatsenko（2007）研究了没有矛盾情境下的最佳设备更换规律。使用积分模型计算设备的经济寿命，并考虑技术更迭（TC），表明 TC 愈发激烈之时，设备使用的经济适用周期越短。许多研究者通过经济理论研究了资本设备的最优寿命，用数学方法用具有未知积分未知极限的非线性 Volterra 积分方程来表示（Boucekkine et al.，1997; Cooley et al.，1997; Hritonenko and Yatsenko， 2003; Hritonenko，2005）Hartman 和 Murphy（2006）提出了一种动态规划方法来解决固定成本的有限时域设备替换问题。他们的模型被引入研究无界的解决方案（在经济寿命末期不断取代设备）和有限时域解决方案之间的关系。 Krri（2007）研究了旧机器的最优更换时间（ORT），他使用了一个使机器成本最小化的优化模型，该模型用于扩展和替换情况，旧机器的成本用简单的线性函数他在研究中使用的所有成本都是没有通货膨胀的实际成本，他还使用了另一个最大化利润的优化模型Hritonenko 和 Yatsenko（2009）构造了一个计算算法来求解一个非线性积分方程。解决方案对于在技术进步中找到最佳的设备更换策略是很重要的。其他研究人员（如 Galar 等人，2012）使用不同的成本模型来定义在有限的时间范围内工业装置的运行效率。他们制定了计算工业设施运营成本的方法。设备的最佳更换年龄定义为总成本达到其最低值的时间（Jardine and Tsang，2006）。在本文中，钻机的经济寿命被定义为使调整成本总值最小化的最佳年限。“总调整成本” 一词定义为机器购买价格，运行成本，维护成本和机器二手价值的总和，机器二手价值是机器在公司销售在本研究中，考虑了钻机经济寿命中影响最大的因素，并收集了四年的成本数据。文献显示，有许多研究者专注于估计的最佳生命周期的设备考虑技术的变化通过使用积分模型，理论动态编程，复古资本模型和算法解决一个非线性积分方程。除去可用的信息，它可以是困难的用户能够实现复杂的模型来计算的 ORT 的设备。此外，这些模型有时需要特定类型的数据，因为在我们的情况下研究中，是不可获得的。这些则包括数据产量， labour/output 技术性系数，收入，利润等。因此，这项研究是旨在目前一个实际的优化模型更轻松地估计钻机的经济寿命，使用提供的数据的挖掘公司的目标我们的优化模型是为了最大限度地减少总钻孔机调整成本值。其余的研究如下所示。第 3 节描述了钻床，而第 4 节讨论数据收集。方法和模型开发是提出了在第 5 节;结果和讨论出现在第 6 部分;第 7 部分提供结束语和第 8 部分提供了未来工作。3 钻机所有采矿钻机都由相似的操作设计单元组成：机舱，动臂，凿岩机，给料机，服务平台，前千斤顶，液压泵，后千斤顶，电控箱，卷管机组，电缆卷取机组，柴油机，液压油箱，操作面板和水箱。图 1 显示了一台典型的钻机（阿特拉斯科普柯凿岩机 AB，2010）。由不同公司制造的钻机具有不同的技术特性，例如容量和功率。根据合作矿山的操作手册，现场观测和维护报告，本研究将钻机视为一个系统，将其划分为几个主要的子系统，以串联的形式连接起来。如果任何子系统发生故障，操作员将停止机器进行维护。因此，所有机器子系统同时工作以实现所需的功能。图 2 是钻机子系统的框图。图 1 钻机资源:Atlas Copco Rock Drills AB（阿特拉斯科普柯凿岩机 AB）图 1 钻机图 2 钻机子系统框表图 2 钻机子系统框表4 数据收集本研究中使用的成本数据是四年来在 Maximo 计算机化维护管理系统（CMMS）中收集的。成本数据包含纠正和预防性维护成本以及修复时间。纠正和预防性维修费用包含零部件和人工（维修人员）费用。在 CMMS 中，成本数据是根据日历时间记录的。由于钻井不是一个连续的过程，运营成本是通过考虑机器的利用率来估算的。本研究中使用的所有成本数据都是没有通货膨胀的实际成本。5 方法和模型的发展在这项研究中，维护和运营成本的表示法以及优化问题中使用的其他数量的机器购买价格在表 1 中给出。表 1 模型变量定义表 1 模型变量定义每个营业月的维护成本（纠正和预防）计算如下：确定钻机的利用率是基于估算运营成本，因为钻井不连续在合作矿井中的过程公司计划使用该机器十年因此，已经为维护和运营成本数据进行了外推。图 3 和图4 说明了预期的维护和运行成本数据外推。图 3 预期维护成本图 3 预期维护成本图 4 预期操作成本图 4 预期操作成本在图 3 和图 4 中，点表示维护和运行成本的实际数据。通过使用表格曲线 2D 软件来完成曲线拟合，以显示在收集数据之前和之后机器在这些成本方面的行为。请注意， 如果更多的数据可用于四年以上的时间，那么拟合会更好。该软件使用最小二乘法找到非线性拟合的鲁棒（最大似然）优化。数字显示，维护和运营成本随着时间的推移而增加。存在可能地，故障的数量随时间增加和/或机器由于机器退化而消耗更多的能量。值得一提的是本案例中的钻机没有多层次的预防性维护程序。另外，在利用开始时是新的。这是前几个月维护成本相当低的主要原因。历史表明，当维护成本开始增长时，用户公司开始跟踪成本数据。使用下降的余额折旧模型来模拟机器每个月运行后的二手价值。机器的二手价值从以下公式估算（Luderer 等，2010; Eschenbach，2010）：其中（t）代表以（月）为单位计算的时间，t=1,2,3120.在机器计划寿命结束时允许完全折旧的折旧率通过以下公式进行建模（Luderer et al.，2010）（L）表示机器的计划使用寿命（在这种情况下）（1）其中（L）表示机器的计划寿命（在这种情况下 120 个月）。机器的二手价值是用下面的公式来模拟的：其中 a 代表机器在使用第一天的价值贬值。假定在使用的第一天机器的总损失值将是10。因此，运行第一天结束时机器的二手价值为（pp-a）0.9 x pp。我们选择了下降的余额折旧模型，因为它适合于表示这种情况下的折旧。下降的余额折旧模型假定在设备计划寿命开始时发生更多的折旧，最后减少。新设备的生产效率更高，由于设备劣化，生产率不断下降。因此，在其计划寿命的最初几年，它会比后来创造更多的收入。在会计中，折旧是指同一概念的两个方面。首先是设备价值的下降。第二个是将设备的成本分配到使用期间。废品价值是设备处置价值的估算值，假设废品价值为 50 立方厘米。由于公司的保密政策，所有的成本数据都被编码和表示为货币单位cu。图 5 显示了使用余额递减折旧模型的钻机的二手价值。图 5 预期二手残值图 5 预期二手残值图 5 显示，机器的二手价值随着时间的推移而下降，直到它在计划寿期结束时达到废品价值。计算中的下一步是使用以下公式计算运行期 i 的总调整成本 TAC：其中 i = 1, 2, 3, , n. n 代表营业月数。例如，TACI 表示营业第一个月后的总调整费用， TAC2 表示营业后两个月的调整费用总额。优化模型假定替换机具有与旧机器相同的性能和成本。优化时间范围内的替换次数由以下公式确定：图 6 所示的是是设备全计划使用周期的预期调整成本。第 19 页图 6 预期调整成本图 6 预期调整成本图 6 显示总调整成本随着时间的推移而增加，原因有二：首先，维护和运营成本随着时间的推移而增加;其次，机器的二手价值随着时间而下降。为了显示最佳更换时间之后的优化曲线的行为，我们假设机器将在 360 个月的有限时间范围内存活;见图 7.通过使用总调整成本函数计算优化时间范围的每个运行月份的总调整成本。这个函数是在计划寿命（120 个月）内计算的总调整成本的合适值。使用表格曲线 2D 软件来查找可用于任何时间范围的总调整成本函数。公式（9）表示这里使用的总调整成本函数：其 中 a = 814.0, b = 13834.3, c = 56718.9, d = 95747.0, e = 86169.8, f = 45829.6,g = 14863.2, h = 2890.3, i = 309.9, and j = 14.1 。而最小化了总调整成本价值的最优更迭时点(rT)则可通过下列公式计算：6 结果与讨论使用微软 Excel软件来实现公式（10）的 rT 变化（360 个月的时段），以确定最小值 TACvalue rT.的钻机最佳更迭寿命，图 7 显示 TACvalue rT.值与不同更换时间 rT，显然，可以通过每 96 个月（8 年）更换设备来实现尽可能低的 TACvalue rT.，但必须注意的是，rT 96 个月产生的绝对最低成本如图 7 所示在这个范围内（如 90-102 个月），实际上仍然可以达到最小TAC 值，本研究称之为经济替代区间，找到经济替代区间是我们的一个重要结果因为它可以帮助用户进行规划，在这个经济的替代范围之前或之后更换机器的决定会给用户公司造成更大的成本支出。图 7 设备经济更迭期图 7 设备经济更迭期由于较高的投资成本，使用较低的经济替代年龄（即 90 个月以上）会导致较高的成本。同时，如果机器的使用寿命超过这个范围的上限（即超过 102 个月），损失将会增加，原因有两个：1 由于机器老化造成的操作时间增加，维护和运行成本增加。2 机器二手价值将会下降，直到在计划寿命结束时达到废品价值 120 个月。7 结束语本研究提出了一种全面实用的方法，可以提供地下采矿钻机的经济更迭时间。因此，我们从本研究得出以下结论：1 本研究为确定钻机的经济寿命提供了一个基本的方法，便于投资决策的管理。因此， 决定在其经济寿命之前或之后更换旧机器将导致更高的成本开支。2 当使用购买价格，运行和维护成本以及二手价值时，设备的经济寿命是相关联的最小总和总调整成本值。3 根据优化曲线得出的结果，案例研究矿井钻机的绝对经济寿命为 96 个月（8 年）。然而，经济寿命的范围为 90 至 102 个月，在此期间总的调整成本价值几乎保持不变。这意味着公司可以灵活地在最佳的更换年龄范围内，即 12 个月内进行更换。因此，没有固定的日期或年龄 TAC 值是最小的。通常，一个月的范围提供了最小的 TAC 值。4 这个模型可以帮助工程师和决策者决定何时以最经济的方式替换旧的机器。因此，它可以扩展到采矿业的更普遍的应用。8 深入研究方向未来工作需要进一步的研究，通过进行敏感性分析来扩展开发模型，以确定采购价格， 运营和维护成本对钻机对采矿业的经济更换时间的影响。应该注意的是，在本文中，我们提出了一个简单和基本的矿山机械更换经济时间的模型。因此，在今后的工作和研究中将增加净现值，贴现率等更重要的经济因素，实现矿山设备更新换代时间的综合模型。可靠性和可维护性方面也可以考虑。鸣谢作者感谢审稿人和客座编辑的有用评论。作者要感谢阿特拉斯科普柯的财务支持。博利登公司在这项研究中的帮助也感激不尽。作者还要感谢 Alireza Ahmadi 和 Behzad Ghodrati 的帮助。参考文献1 Atlas Copco Rock Drills AB (2010) Atlas Copco Boomer L1C, L2C Mk 7B Operators Instructions, Manual Edition, Atlas Copco Rock Drills AB, Sweden.2 Baglee, D. and Knowles, M. (2010) Maintenance strategy development within SMEs: the development of an integrated approach, Control and Cybernetics, Vol. 39, No. 1, pp.275303.3 Bellman, R. (1955) Equipment replacement policy, Journal of Society for Industrial and Applied Mathematics, Vol. 3, No. 3, pp.133136.4 Bethuyne, G. (1998) Optimal replacement under variable intensity of utilization and technological progress, The Engineering Economist: A Journal Devoted to the Problems of CapitalInvestment, Vol. 43, No. 2, pp.85105.5 Boucekkine, R., Germain, M. and Licandro, O. (1997) Replacement echoes in the vintage capital growth model, Journal of Economic Theory, Vol. 74, No. 2, pp.333348.6 Cooley, T.F., Greenwood, J. and Yorukoglu, M. (1997) The replacement problem, Journal of Monetary Economics, Vol. 40, No. 3, pp.457499.7 Danielson, B. (1987) A Study of Maintenance Problems in Swedish Mines, Study Report, Idhammar Konsult AB, in Swedish.8 Duffuaa, S.O., Raouf, A. and Campbell, J.D. (1998) Planning and Control of Maintenance Systems: Modeling and Analysis, 1st ed., Wiley Publisher.9 Elton, E.J. and Gruber, M.J. (1976) On the optimality of an equal life policy for equipment subject to technological improvement, Operational Research Quarterly, Vol. 27, No. 1, pp.9399.10 Eschenbach, T. (2010) Engineering Economy: Applying Theory to Practice, 3rd ed., Oxford University Press New York.11 Galar, D., Kumar, U., Sandborn, P. and Morant, A. (2012) O&M efficiency model: a dependability approach, 25th International Congress on Condition Monitoring and Diagnostic Engineering,IOP Publishing, Journal of Physics: Conference Series, Conference 1, Vol. 364.12 Hartman, J.C. (2005) A note on a strategy for optimal equipment replacement, Production planning & control, Vol. 16, No. 7, pp.733739.13 Hartman, J.C. and Murphy, A. (2006) Finite-horizon equipment replacement analysis,IIE Transactions, Vol. 38, No. 5, pp.409419.14 Hritonenko, N. (2005) Optimization analysis of a nonlinear integral model with applications to economics, Nonlinear Studies, Vol. 12, No. 1, pp.5971.15 Hritonenko, N. and Yatsenko, Y. (2003) Applied Mathematical Modeling Of EngineeringProblems, Kluwer Academic Publishers.16 Hritonenko, N. and Yatsenko, Y. (2007) Optimal equipment replacement without paradoxes: a continuous analysis, Journal of the Operations research letters, Vol. 35, No. 2, pp.245250. 17Hritonenko, N. and Yatsenko, Y. (2008) The dynamics of asset lifetime under technological change, Journal of the Operations Research Letters, Vol. 36, No. 5, pp.565568.18Hritonenko, N. and Yatsenko, Y. (2009) Integral equation of optimal replacement: analysis and algorithms, Journal of Applied Mathematical Modelling, Vol. 33, No. 6, pp.27372747. 19Jardine, A. and Tsang, A. (2006) Maintenance, Replacement, and Reliability Theory and Application, Taylor & Francis Group.20 Krri, T. (2007) Timing of Capacity Change: Models for Capital Intensive Industry, PhD thesis, Lappeenrannan Teknillinen Yliopisto, Lappeenranta University of Technology, Finland.21 Lee, J. and Wang, B