Оцінка технічного обслуговування та ремонтів металургійного обладнання за критеріями ефективності

Володимир Білецький Костянтин Таратута Тетяна Кулік
Отримано 03.08.2025, Доопрацьовано 22.10.2025, Прийнято 24.12.2025
Анотація

Підприємства металургійної промисловості відносяться до найбільш капіталомістких виробництв, з високими витратами на технічне обслуговування та ремонт обладнання. Належне управління та ефективна робота обладнання безпосередньо впливає на випуск продукції, безпеку та економічні показники. Мета поточного дослідження полягала у розробці ключових показників ефективності роботи інжинірингових служб, з акцентом на систематизацію показників по технічним, організаційним та економічним групам. Це дозволило вирішити головне питання оперативної оцінки ефективності технічного обслуговування та ремонтів обладнання металургійних підприємств, з використанням розроблених ключових показників. В роботі проаналізовано та класифіковано тридцять шість показників оцінки ефективності. Використовуючи метод експертних оцінок Дельфі, з подальшим поетапним аналізом коефіцієнтів оцінки ваги за допомогою нечіткого методу поетапного аналізу коефіцієнта оцінки ваги, були встановлені ключові фактори оперативного контролю ефективності технічного обслуговування та ремонтів металургійного обладнання. Зазначені фактори систематизовано у три групи. До першої групи увійшли п’ять технічних показників, до другої групи увійшло шість організаційних показників, до третьої групи – три економічні показники ефективності технічного обслуговування та ремонтів металургійного обладнання. Аналіз отриманого рейтингу ключових показників ефективності показав, що до найбільш значущих показників відносяться комплексні (узагальнюючі) показники у кожній групі. Ключовими показниками у кожні групі визначено: коефіцієнт технічної готовності обладнання, показник загальної ефективність обладнання, витратоємність технічного обслуговування та ремонтів обладнання. На підставі рейтингу показників розроблено рекомендації по складанню матриці відповідності та першочерговим заходам у разі негативної динаміки кожної групи показників. Практична значимість роботи полягає у наданні фахівцям служб технічного обслуговування та ремонтів металургійних підприємств критеріїв об’єктивної оцінки поточний стан управління обладнанням, що дозволяє покращувати систему ремонтів

Ключові слова:
організаційна структура; рейтинг; експертні оцінки; коефіцієнт технічної готовності; інжинірингові служби; метод Дельфі

Взято з Том 23, № 2, 2025

Сторінки 59–71

Використані джерела ЦИТУВАТИ
  1. Adshirinpour, H., Mehdi Movahhedi, M., Divsalar, H., & Sohrabi, S. (2021). Physical asset management in equipment-oriented industries using the equipment life cycle management approach. Technical Journal, 15(3), 323-329. doi: 10.31803/tg-20200929105902.
  2. API RP 581. (2025). Risk-based inspection methodology. Retrieved from https://surl.li/mudili.
  3. Banelienė, R. (2021). Key performance indicators: Contemporary challenges to industrial small and medium enterprises. Proceedings of the Estonian Academy of Sciences, 70(4), 399-406. doi: 10.3176/proc.2021.4.05.
  4. Cooper, C.L. (Ed.). (2015). Wiley encyclopedia of management (3rd ed.). Chichester, West Sussex: John Wiley & Sons. doi: 10.1002/9781118785317.
  5. Da Costa, A.S.S.F. (2024). Strategic planning using the total cost of ownership model. Multidisciplinary Scientific Journal, 1(1), 1-20. doi: 10.51473/rcmos.v1i1.2024.572.
  6. Das, J., Saha, P., & Sushil, S. (2023). Total productive maintenance: Enhancing overall equipment efficiency in the steel industry of Bangladesh. In 6th industrial engineering and operations management bangladesh conference (pp. 121-132). Dhaka: IEOM Society International. doi: 10.46254/ba06.20230029.
  7. Florea, V., & Pragorgescu, G. (2018). Possibilities to reduce the maintenance costs of mining technological equipment. In International multidisciplinary scientific geoconference SGEM. Sofia: STEF92 Technology. doi: 10.5593/sgem2018/1.3/S03.081.
  8. Gavrylenko, N. (2022). Some accounting and analytical problems of repair of fixed assets and their solutions. Economy and Society, 40. doi: 10.32782/2524-0072/2022-40-8.
  9. Goriveau, R., Medjaher, K., & Zerhouni, N. (2016). From prognostics and health systems management to predictive maintenance 1: Monitoring and prognostics. London: ISTE Ltd and John Wiley & Sons, Inc. doi: 10.1002/9781119371052.ch1.
  10. Hammer, M., & Champy, J. (1993). Reengineering the corporation: A manifesto for business revolution. Business Horizons, 36(5), 90-91. doi: 10.1016/S0007-6813(05)80064-3.
  11. Howell, M.T., & Alshakhshir, F.S. (2016). Energy centered maintenance: A green maintenance system. Lilburn, GA: The Fairmont Press, Inc.
  12. Huber, M., Komatina, N., Paunovic, V., & Nestic, S. (2023). Analysis of the relationship between the organizational resilience factors and key performance indicators’ recovery time in uncertain environments in industrial enterprises. Mathematics, 11(14), article number 3075. doi: 10.3390/math11143075.
  13. ISO/DIS 22400-2. (2014). Automation systems and integration – key performance indicators (KPIs) for manufacturing operations management. Retrieved from https://www.iso.org/standard/87563.html?browse=ics.
  14. Kacprzak, D. (2019). Double fuzzy TOPSIS method supporting group decision-making. Przegląd Statystyczny. Statistical Review, 66(1), 27-50. doi: 10.5604/01.3001.0013.8363.
  15. Kersuliene, V., Zavadskas, E., & Turskis, Z. (2010). Selection of rational dispute resolution method by applying new step-wise weight assessment ratio analysis (SWARA). Journal of Business Economics Management, 11(2), 243-258. doi: 10.3846/jbem.2010.12.
  16. Krynke, M., Ivanova, T., & Revenko, N. (2022). Factors, increasing the efficiency of work of maintenance, repair and operation units of industrial enterprises. Management Systems in Production Engineering, 30(1), 91-97. doi: 10.2478/mspe-2022-0012.
  17. Law of Ukraine No. 2297-VI “On Personal Data Protection”. (2010, July). Retrieved from https://zakon.rada.gov. ua/laws/show/2297-17#Text.
  18. Layard, R., & Glaister, S. (1994). Cost-benefit analysis. Cambridge: Cambridge University Press. doi: 10.1017/ CBO9780511521942.
  19. Li, S., Wen, M., Zu, T., & Kang, R. (2023). Condition-based maintenance optimization method using performance margin. Axioms, 12(2), article number 168. doi: 10.3390/axioms12020168.
  20. Mobley, R. K. (2002). An introduction to predictive maintenance (2nd ed.). Harlow: Butterworth-Heinemann. doi: 10.1016/B978-0-7506-7531-4.X5000-3.
  21. Moubray, J. (1997). Reliability-centred maintenance (2nd ed.). Oxford: Butterworth-Heinemann. doi: 10.1002/ qre.4680080114.
  22. Murad, C., Bellinello, M., Silva, A., Netto, A., Souza, G., & Nabeta, S. (2022) Power plants maintenance performance indicators: A novel consolidated corporate approach grounded on rational decision method. SSRN Electronic Journal. doi: 10.2139/ssrn.4075241.
  23. Parida, A. (2007). Study and analysis of maintenance performance indicators (MPIs) for LKAB. Journal of Quality in Maintenance Engineering, 13(4), 325-337. doi: 10.1108/13552510710829434.
  24. Peng, K. (2018). Maintenance performance indicators. In Equipment management in the post-maintenance era (pp. 129-150). University Park: Productivity Press. doi: 10.4324/9781315300344-12.
  25. Peniwati, K. (2017). Group decision making: Drawing out and reconciling differences. International Journal of the Analytic Hierarchy Process, 9(3), 385-389. doi: 10.13033/ijahp.v9i3.533.
  26. Petrovic, G., Mihajlovic, J., Cojbasic, Z., Madic, M., & Marinkovic, D. (2019). Comparison of three FUZZY MCDM methods for solving the supplier selection problem. Facta Universitatis. Series: Mechanical Engineering, 17(3), 455-469. doi: 10.22190/FUME190420039P.
  27. Phillips, J.J., Brantley, W., & Phillips, P.P. (2011). Project management ROI: A step-by-step guide for measuring the impact and ROI for projects. Hoboken: John Wiley & Sons. doi: 10.1002/9781118122587.ch3.
  28. Pidchenko, S., Kucheruk, O., Pyvovar, O., Ivanov, O., & Goryashchenko, K. (2024). Method of choosing terminal equipment of passive optical networks based on fuzzy multi-criteria decision making. Herald of Khmelnytskyi National University. Technical Sciences, 339(4), 448-457. doi: 10.31891/2307-5732-2024-339-4-67.
  29. Pieretti, R., Silva, M., Lesme, D., & Almeida, M. (2020). Analyze of individual performance indicators applied to industrial maintenance. Research, Society and Development, 9(6), article number 129963660. doi: 10.33448/ rsd-v9i6.3660.
  30. Regulation of the European Parliament and of the Council No. 695 “Establishing Horizon Europe – the Framework Programme for Research and Innovation, Laying Down its Rules for Participation and Dissemination”. (2021, April). Retrieved from https://eur-lex.europa.eu/eli/reg/2021/695/oj/eng.
  31. Resolution of the General Assembly of the NAS of Ukraine No. 2 “Ethical Code of the Scientist of Ukraine”. (2009, April). Retrieved from https://zakon.rada.gov.ua/rada/show/v0002550-09#Text.
  32. Silva, R., Melani, A., Michalski, M., Souza, G., Nabeta, S., & Hamaji, F. (2020). Defining maintenance performance indicators for asset management based on ISO 55000 and balanced scorecard: A hydropower plant case study. In Proceedings of the 29th European safety and reliability conference (ESREL) (pp.371-379). Singapore: Research Publishing (S) Pte. Ltd. doi: 10.3850/978-981-14-8593-0_3820-cd.
  33. Singh, S., Agrawal, A., Sharma, D., Saini, V., Kumar, A., & Praveenkumar, S. (2022). Implementation of total productive maintenance approach improving overall equipment efficiency of a metal industry. Inventions, 7(4), article number 119. doi: 10.3390/inventions7040119.
  34. Smith, R., & Mobley, R.K. (2008). Rules of thumb for maintenance and reliability engineers. New York: Elsevier Inc. doi: 10.1016/B978-0-7506-7862-9.X5001-1.
  35. Stefanovic, M., Nestic, S., Djordjevic, A., Djurovic, D., Macuzic, I., Tadic, D., & Gacic, M. (2016). An assessment of maintenance performance indicators using the fuzzy sets approach and genetic algorithms. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 231(1), 15-27. doi: 10.1177/0954405415572641.
  36. Stenstrоm, C., Parida, A., & Galar, D. (2012). Maintenance performance indicators for railway infrastructure management. In The first international conference on railway technology: Research, development and maintenance (article number 85). Stirlingshire: Las Palmas de Gran Canaria. doi: 10.4203/ccp.98.85.
  37. Tesini, A., & Rolfe, A. (2009). The ITER remote maintenance management system. Fusion Engineering and Design, 84(2-6), 236-241. doi: 10.1016/j.fusengdes.2008.11.029.
  38. The Declaration of Helsinki. (2013, October). Retrieved from https://www.wma.net/policies-post/wmadeclaration-of-helsinki/.
  39. Wireman, T. (2004). Total productive maintenance (2nd ed.). New York: Industrial Press.
  40. Zhang, L., Zhang, L., & Shan, H. (2019). Evaluation of equipment maintenance quality: A hybrid multi-criteria decision-making approach. Advances in Mechanical Engineering, 11(3).  doi: 10.1177/1687814019836013.
  41. Zhong, J., Lv, J., & Zhang, Y. (2019). Customized production project risk management with analytic hierarchy process. Open Journal of Social Sciences, 7(1), 85-95. doi: 10.4236/jss.2019.71008.
  42. Zhuang, Z., Liu, Y., & Xu, J. (2022). Sustainable service-oriented equipment maintenance management of steel enterprises using a two-stage optimization approach. Robotics and Computer-Integrated Manufacturing, 75, article number 102311. doi: 10.1016/j.rcim.2021.102311.
Biletskyi, V., Taratuta, K., & Kulik, T. (2025). Evaluation of the efficiency of maintenance and repairs to metallurgical equipment. Journal of Kryvyi Rih National University, 23(2), 59-71. https://doi.org/10.31721/2306-5451-2025-2-23-59-71
uk