1煤矿机电设备管理资源配置优化中逆优化

　　方法应用的可行性目前，机电设备管理资源配置方法多数属于线性规划方法，而在优化资源配置算法方面，主要采用动态规划、遗传算法、启发式算法等。从实际应用结果来看，煤炭企业在进行机电设备资源配置及优化工作时，呈现出明显动态化特点，由此，上述资源配置及优化方法并不能使其需求得到充分满足。另外，现有资源配置及优化方法的目标为成本最低或效益最大，配置资源在子系统间进行，并不能对已有资源做出合理调整，无法最大化满足整体需求，因而优化效果并不理想。1992年，Burton等人提出逆优化问题，该问题提出的基础为网络中逆向优化最短路问题。随后，国内外众多学者开始研究逆优化问题，并尝试构建逆优化模型，在构建逆优化模型时，采用的方法主要为逆数据包络分析、多目标规划、双层优化。近年来，资源配置问题解决过程中开始采用逆优化算法，解决效果相对较为理想。已有研究及实践表明，利用逆优化方法进行资源配置及优化时，通过对模型参数做出调整，可以有效满足动态需求。由此看来，逆优化方法应用到煤矿机电设备管理资源配置优化中的可行性非常强。

　　2煤矿机电设备管理资源投入的逆优化方法

　　2．1构建模型。

　　2．1．1构建机电设备管理资源投入模型。

　　机电设备是煤矿开采期间使用的设备之一，其类型包含两种，一种为机械设备，另一种为电气设备。煤矿机电设备通常成本较高，会严格要求安全和作业环境，基于此种特点，研究管理资源配置问题时，为能合理构建指标，划分投入指标过程中，可以功能差异作为标准。经划分后，共有4个投入指标［1］:①安全运行投入x1，该项投入指标的具体内容包含人员培训投入、人员管理投入、水电资源投入等，用于保障设备的安全运行;②维护保养投入x2，该项投入指标具体内容包含建立并落实机电设备维修保养制度、机电设备定期检查、保养耗材等;③设备维修投入x3，该项投入指标的具体内容包含培训维修人员、定期检修机电设备、购买设备备件等;④改造更新投入x4，机电设备与经济、技术要求不满足时，局部改造或替换、购买及安全新型设备的投入均是该项投入的主要内容。根据煤矿生产的特点，本文构建目标函数时，目标确定为机电事故损失最小化。同时，生产过程中，表述投入－产出关系的常用函数为柯布－道格拉斯生产函数，所以本文近似模拟机电设备管理资源投入与机电事故损失最小化的关系时，即采用该函数模型，并将管理资源配置模型建立起来，求出最优的配置管理资源的`方案，最大化的降低机电事故损失［2］。在一定范围内，各投入指标需要发挥出其最佳效果，如果投入过低，效应将不能充分发挥，而投入过高，不仅浪费资源，且其他指标会出现投入不足问题，因此，此一定范围即为需求满足基础上的指标投入上下限，用s．t．bi≤mi(i=1，2，3，4)表示。煤炭企业管理机电设备过程中，各个指标之间会产生影响、调节作用，几项指标可能会同时影响某一项指标，同时，几项指标总投入也会对整体管理资源投入效果产生影响，为使系统整体需求得到满足，需在相互关系基础上，设置某几项指标投入的下限，表示为bh≤(x1+x2+…xh)。此外，为保证企业整体利益，还要进行总上限的设置，即x1+x2+x3+x4≤C。

　　2．1．2构建逆优化模型。

　　实际生产过程中，各种资源投入时均会存在一定弹性，与运算最优解相比，模型可行解或非可行解更为适合情况下，反映出模型原有的约束条件与实际需求不相符的问题，需调整各项资源的投入。实际作业时，最优解为xi*(i=1，2，3…n)，因约束条件需要做出适当的条件，所以改变b和m，变为b*、m*，令bi*=bi+σi－βi、mi*=mi+ηi－γi，其中，bi、mi的增量、减量分别为σi≥0、βi≥0、ηi≥0、γi≥0，目标函数选择总体变化最小，据此即可将逆优化模型建立起来。

　　2．2应用实例。

　　以某煤业集团下属煤矿为例，分析上述逆优化模型构建的有效性。该煤矿生产能力为0．22Mt/a，预计有324万t的开采储量，以18年作为该煤矿的服务年限。从资产价值看，该煤矿机电设备共值114．6亿元，每年最多要投入980万元的管理费用。