Александр Юрьевич Чесалов
Умные фабрики будущего. Как искусственный интеллект и прогнозируемое обслуживание меняют промышленность
Существуют четыре основных вида прогнозируемого обслуживания [6]:
Прогнозируемое обслуживание на основе состояния. Это система, которая при помощи датчиков собирает в реальном времени данные о состоянии и производительности оборудования. Она предназначена для планирования мероприятий по обслуживанию оборудования до возникновения неисправности и после проверки его состояния.
Прогнозируемое обслуживание по времени. Это система, которая работает в строго отведенные ей временные интервалы в соответствии с регламентами и планами мероприятий по обслуживанию.
Прогнозируемое обслуживание по требованию. Это система, которая учитывает среднее ежедневное время использования оборудования и воздействие условий окружающей среды на него. На основе полученных данных устанавливается крайний срок для будущей проверки.
Предписывающее обслуживание. Это более совершенное прогнозируемое обслуживание на основе состояния, которое позволяет предвидеть (прогнозировать) возникновение неисправности, и, с той или иной долей вероятности, определить ее первопричину в долгосрочной перспективе.
Современные автоматизированные системы прогнозируемого обслуживания основываются на использовании больших данных, которые поступают с различных датчиков и «умных» устройств промышленного Интернета вещей в реальном времени, а также на расширенной аналитике для прогнозирования вероятного отказа оборудования.
На рисунке ниже представлен пример условного процесса организации прогнозируемого обслуживания на производственных линиях промышленных предприятий и его интеграции с информационными системами предприятия:
Рис. 1 – пример условного процесса организации прогнозируемого обслуживания на основе состояния на промышленном предприятии
Основная роль применения технологий искусственного интеллекта (ИИ), в частности, машинного обучения и предиктивных моделей, в прогнозируемом обслуживании заключается в сокращении расходов на техническое обслуживание, сокращении расходов на устранение поломок, сокращении времени простоев, увеличении срока службы, а как следствием этого, повышении эффективности и роста производства.
Основная задача интеллектуальных алгоритмов автоматизированных систем прогнозируемого обслуживания заключается в определении вероятностных характеристик аномальных критических событий или инцидентов, указывающих на приближающийся отказ в работе оборудования, путем мониторинга показателей работы производственных линий промышленных предприятий.
Помимо этого, интеллектуальные алгоритмы должны выполнять:
Описательный анализ с тем, чтобы ответить на вопрос «Что произошло?».
Диагностический анализ, для понимания «Почему это произошло?».
Прогностический анализ, который ответит на вопрос «Что произойдет?».
Предписывающий анализ даст подскажет, «Что следует делать?».
Помощь в принятии решений поможет с ответом, «Где и как делать?».
Устраняя разрыв между данными и действиями, автоматизированные системы прогнозируемого обслуживания с использованием искусственного интеллекта предоставляет специалистам по техническому обслуживанию знания и инструменты, необходимые для эффективных действий, гарантируя бесперебойную и эффективную работу оборудования [7].
