Прогнозуюче технічне обслуговування –важлива сфера застосування комп’ютерних систем

2022;
: сс. 49 - 56
1
Національний університет «Львівська політехніка»
2
Львівський науково-дослідний радіотехнічний інститут
3
Гірничо-металургійна академія імені Станіслава Сташиця в Кракові, Польща

Прогнозуюче технічне обслуговування – це програма догляду за обладнанням, яка широко застосовується на практиці, та потребує значної підтримки автоматизованих комп’ютерних систем. У програмі використовуються специфічні підходи, які повинні бути ґрунтовно інтерпретовані при розробці комп’ютерних рішень. Незважаючи на той факт, що програмні рішення були представленні майже відразу після виникнення концепції прогнозованого технічного обслуговування, ця сфера все ще заоишається актуальною для застосування автоматизованих комп’ютерних систем. Практика також показує, що розробники автоматизованих систем постійно стикаються із проблемами при намаганні інтерпретувати процедури прогнозуючого технічного обслуговування в комп’ютерні алгоритми. Ці процедури є доволі специфічними і вимагають мікропроцесорного обладнання та витонченої алгоритмічної мови. Виходячи з цього, існує чітка необхідність кращої обізнаності розробників автоматизованих комп’ютерних систем із концепцією прогнозуючого технічного обслуговування.

В статті описано суть концепції прогнозуючого технічного обслуговування, її фундаментальні підходи, а також основні фізичні процеси, на яких базуються процедури прогнозуючого технічного обслуговування:

  • (1) чіткі компоненти частотної вібрації, що властиві всім типовим видам поломок;
  • та (2) постійна амплітуда кожного окремого компонента вібрації.

Підкреслено важливість обізнаності із даною концепцією для розробників автоматизованих комп’ютерних систем. Також в статті окреслено найбільш проблемні площини застосування комп’ютерних систем для прогнозуючого технічного обслуговування, а саме розвиток ефективних комп’ютеризованих систем для збору та аналізу величезних масивів даних (обробка великих даних), та розвиток систем, що підтримують інтелектуальні з'єднання розумних пристроїв за допомогою інтернет-протоколів (інтернет речей).

  1. Thomas É., Levrat É., Iung B., Cocheteux P. (2009). Opportune maintenance and predictive maintenance decision support. IFAC Proceedings Volumes, Volume 42, Issue 4, 1603-1608. https://doi.org/10.3182/20090603-3-RU-2001.0368.
  2. Werner A., Zimmermann N., Lentes J. (2019). Approach for a Holistic Predictive Maintenance Strategy by Incorporating a Digital Twin. 25th International Conference on Production Research Manufacturing Innovation: Cyber Physical Manufacturing, August 9-14, Chicago, Illinois (USA), 1743- 1750.
  3. Efthymiou K., Papakostas N., Mourtzis D., Chryssolouris G. (2012). On a Predictive Maintenance Platform for Production Systems. 45th CIRP Conference on Manufacturing Systems 2012, Procedia CIRP 3- 221-226. https://doi.org/10.1016/j.procir.2012.07.039.
  4. Ren S., Zhao X. (2015). A predictive maintenance method for products based on big data analysis. International Conference on Materials Engineering and Information Technology Applications  (MEITA 2015), Atlantis Press, 385-390.
  5. Mobley K. R. (2002). An Introduction to Predictive Maintenance, Second Edition. Butterworth- Heinemann, Elsevier Science, Woburn, MA (USA). 459 p.
  6. Jun H. B., Shin J. H., Kiritsis, D., Xirouchakis, P. (2007). System architecture for closed-loop PLM. International Journal of Computer Integrated Manufacturing, Vol.20, 684-698. https://doi.org/10.1080/09511920701566624
  7. Hashemian H. M., Bean Wendell C. (2011). State-of-the-Art Predictive Maintenance Techniques. IEEE Transaction on Instrumentation and Measurement, Vol. 60, No. 10, 3480-3492. DOI: 10.1109/TIM.2009.2036347.
  8. Hanly S. (2016). Vibration Analysis: FFT, PSD, and Spectrogram Basics. Retrieved from: https://blog.endaq.com/vibration-analysis-fft-psd-and-spectrogram.
  9. Schroeder R. (2016). Big data business models: Challenges and opportunities. Cogent Social Sciences, 2:1, 1166924, 1-15. https://doi.org/10.1080/23311886.2016.1166924.
  10. What is IoT? Retrieved from: www.oracle.com/internet-of-things/what-is-iot.
  11. Parpala R. C., Iacob R. (2017). Application of IoT concept on predictive maintenance of industrial equipment.          MATEC           Web           of           Conferences,          Volume            121,          1-8.https://doi.org/10.1051/matecconf/201712102008.
  12. Albert M. (2015). 7 Things to Know about the IIoT and Industry 4.0. Modern Machine Shop Magazine, Retrieved from: www.mmsonline.com/articles/7-things-to-know-about-the-internet-of-things- and-industry-40.
  13. Dinter R. van, Tekinerdogan B., Cagatay C. (2022). Predictive maintenance using digital twins: A systematic literature review. Information and Software Technology, 151, 107008. Retrieved from: www.sciencedirect.com/journal/information-and-software-technology.
  14. Basingab M., Rabelo L., Nagadi K., Rose C., Gutiérrez E., Jung W. I. (2017). Business Modeling Based on Internet of Things: A Case Study of Predictive Maintenance Software Using ABS. ICC '17: Proceedings of the Second International Conference on Internet of things, Data and Cloud Computing, 1-5. http://dx.doi.org/10.1145/3018896.3018905.
  15. Smith R. (2019). Predictive Maintenance / Condition Based Maintenance - "The Facts". Retrieved from:       www.linkedin.com/pulse/predictive-maintenance-condition-based-facts-ricky-smith-cmrp-cmrt.
  16. Narrowband vs. Broadband (2022). Retrieved from: www.sparkfun.com/news/4664.
  17. Sullivan G. P., Pugh R., Melendez A. P., Hunt W. D. (2010). Operations & Maintenance Best Practices: A Guide to Achieving Operational Efficiency. FEDERAL ENERGY MANAGEMENT PROGRAM, Release 3.0, Efficiency Solutions, LLC., 321 p.
  18. Sikorska, J.Z., Hodkiewicz, M., Ma, L. (2011). Prognostic modeling options for remaining useful life estimation by industry, Mechanical Systems & Signal Processing, Volume 25, Issue 5, 1803-1836. https://doi.org/10.1016/j.ymssp.2010.11.018.
  19. Modeling and simulation for product lifecycle integration and management. (2002). Whitepaper. USA: IMTI, Inc.