Enhancement of the maintenance and repair system for haul trucks in cold regions using a digital twin of the transportation enterprise

Capa

Citar

Texto integral

Resumo

This study addresses the increasing number of failures, downtime, and maintenance and repair costs associated with BelAZ 7513 and 7530 series haul trucks operating in the extreme climatic conditions of Khakassia’s coal mines. An assessment of the actual specific downtime for these trucks during repair and maintenance reveals values ranging from 3 to 60 hours per 100 operating hours, significantly exceeding the 14-15-hour standard for Khakassia’s cold climate. A method of temperature correction for maintenance frequency during winter was proposed to reduce scheduled maintenance frequency and the volume of unscheduled repairs. This study further proposes improvements to the maintenance and repair system for BelAZ haul trucks in cold climates, considering truck age, low temperatures, and a reliability analysis of the truck design. To optimize this system, the implementation of a digital twin for the transportation enterprise was suggested. This digital twin will enable individualized maintenance scheduling for each haul truck, adjusting the frequency of all maintenance procedures based on negative air temperatures. The digital twin will also facilitate the integration of additional maintenance list into the scheduled maintenance plan, thereby minimizing unscheduled repairs and equipment failures.

Sobre autores

A. Borisenko

Khakas Technical Institute – Branch of the Siberian Federal University

Email: aiah@mail.ru

Bibliografia

  1. Квагинидзе В. С., Корецкая Н. А. Эффективность системы технических обслуживаний и ремонтов большегрузных карьерных автосамосвалов, эксплуатирующихся в условиях Севера. Горный информационно-аналитический бюллетень (научно-технический журнал). 2011;(S5):198–217. Режим доступа: https://elibrary.ru/item.asp?id=17231246.
  2. Кузин Е. Г., Пудов Е. Ю., Дубинкин Д. М. Анализ отказов узлов карьерных самосвалов в условиях эксплуатации. Горное оборудование и электромеханика. 2021;(2):55–61. https://doi.org/10.26730/1816-4528-2021-2-55-61
  3. Alla H. R., Hall R., Apel D. B. Performance evaluation of near real-time condition monitoring in haul trucks. International Journal of Mining Science and Technology. 2020;30(6):909–915. https://doi.org/10.1016/j.ijmst.2020.05.024
  4. Kalra V. M., Thakur T., Pabla B. S. Condition based maintenance management system for improvement in key performance indicators of mining haul trucks – a case study. In: IEEE International Conference on Innovative Research and Development. Bangkok: IEEE; 2018. P. 1–6. https://doi.org/10.1109/ICIRD.2018.8376300
  5. Suresh A., Diwakar G., Naidu B. A. Reliability design and maintenance formulation for dumpers used in mining industries. CVR Journal of Science and Technology. 2020;19(1):144–150. http://dx.doi.org/10.32377/cvrjst1924
  6. Elodie R., Christophe B., Keomany B., Hoceane T., Romain L. Joint dynamic scheduling of missions and maintenance for a commercial heavy vehicle: value of on-line information. IFAC PapersOnLine. 2018;51(24):837–842. https://doi.org/10.1016/j.ifacol.2018.09.672
  7. Козин Е. С., Захаров Н. С., Панфилов А. А., Вохмин Д. М. Системы поддержки принятия решений на транспорте. Тюмень: Тюменский индустриальный университет; 2023. 170 с. Режим доступа: https://elibrary.ru/bzsjil.
  8. Kritzinger W., Karner M., Traar G., Henjes J., Sihn, W. Digital Twin in manufacturing: A categorical literature review and classification. IFAC-PapersOnLine. 2018;51(11):1016–1022. https://doi.org/10.1016/j.ifacol.2018.08.474
  9. Борисенко А. Н., Олейников А. В., Семенов М. Н. К вопросу о совершенствовании регламентов технического обслуживания и планово-предупредительных ремонтов карьерных автосамосвалов в ООО «СУЭК-Хакасия». Горный информационно-аналитический бюллетень (научно-технический журнал). 2021;(6):104–119. https://doi.org/10.25018/0236_1493_2021_6_0_104
  10. Килин А. Б., Азев В. А., Шаповаленко Г. Н., Сухарьков И. Н., Вакулин Е. А., Султанова Н. В., Хажиев В. А. Развитие ремонтного обслуживания и эксплуатации автосамосвалов БелАЗ на разрезе «Черногорский». Горный информационно-аналитический бюллетень (научно-технический журнал). 2016:(S34):129–137. Режим доступа: https://elibrary.ru/item.asp?id=35281161.
  11. Олейников А. В., Васильев В. А., Суетова А. А. Основы теории надежности. Абакан: Сибирский федеральный университет, Хакасский технический университет – филиал Сибирского федерального университета; 2014. 144 с.
  12. Борисенко А. Н. Применение информационных технологий при планировании технического обслуживания автомобилей. Автотранспортное предприятие. 2005;(5):27–28.
  13. Максимов В. А., Нгуен В. Т., Чан Д. К. З. Анализ факторов, влияющих на расход топлива, с учетом современных условий эксплуатации городских автобусов. В сб.: Актуальные вопросы технической эксплуатации и автосервиса подвижного состава автомобильного транспорта, Москва, 31 января – 02 февраля 2023 года. Москва: Московский автомобильно-дорожный государственный технический университет; 2023. С. 21–30. Режим доступа: https://elibrary.ru/item.asp?id=50250081.
  14. Захаров Н. С., Абакумов Г. В., Вознесенский А. В. Влияние сезонных условий на расходование ресурсов при эксплуатации автомобилей. Тюмень: Тюменский государственный нефтегазовый университет; 2011. 115 с.
  15. Гусельников А. С., Захаров Н. С. Влияние сезонных условий на параметр потока отказов элементов системы питания двигателей автомобилей КАМАЗ-43118. Интеллект. Инновации. Инвестиции. 2023;(2):111–120. https://doi.org/10.25198/2077-7175-2023-2-111
  16. Яковенко В. В. Захаров Н. С. Природно-климатические факторы, влияющие на надежность автомобилей. В сб.: Транспортные и транспортно-технологические системы, Тюмень, 15 апреля 2021 года. Тюмень: Тюменский индустриальный университет; 2021. С. 325–328.
  17. Тюлин А. Е., Асанова Е. А., Ревяков Г. А. Научно-методические подходы к решению задачи формирования модели цифрового двойника предприятия. Экономические стратегии. 2024;26(2):54–63. https://doi.org/10.33917/es-2.194.2024.54-63

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».