Александр Юрьевич Чесалов
Умные фабрики будущего. Как искусственный интеллект и прогнозируемое обслуживание меняют промышленность
Также нужно обратить внимание на тот факт, что для получения итогового распределения вероятностей отказов недостаточно применения байесовского подхода, по причине того, что он не применим для многостадийных технологических процессов, так как в самом начале отсекает неперспективные варианты решений, в которых может находится информация о причинах дефекта. В данном случае, целесообразно применение теории свидетельств, которая позволяет выполнить полный анализ всех возможных вариантов решений.
Приступая к созданию автоматизированной системы прогнозируемого обслуживания необходимо прежде всего выполнить ряд подготовительных организационно-технических мероприятий, а именно:
выявить критически важные активы (например, производственные линии и/или оборудование) и определить для них наличие источников исторических данных;
выполнить анализ исторических данных в процессах профилактического и реактивного обслуживания;
выполнить ранжирование активов по приоритетам (критичности) для разработки плана и формализации процессов прогнозируемого обслуживания, с целью дальнейшей их автоматизации;
разработать архитектуру решения;
подготовить стек технологических решений, включающий, в том числе, перечень необходимых к использованию технологий предиктивного обслуживания и предиктивных алгоритмов;
определить перечень необходимого программного и аппаратно-программного обеспечения;
И, только после этого, приступить к созданию автоматизированной системы прогнозируемого обслуживания. После ее разработки на этапе тестирования, необходимо будет выполнить следующие дополнительные организационно-технические мероприятия:
выполнить работы по подготовке инфраструктуры;
выполнить работы по установке и интеграции оборудования и информационных систем (настроить каналы передачи данных, сконфигурировать сервера, подключить датчики к системе сбора и анализа данных, настроить программное обеспечение, алгоритмы работы, и т.д.);
приступить к сбору актуальных данных;
на основании выявленных закономерностей и аномалий в данных, получаемых с оборудования, построить модели прогнозирования для оборудования;
отслеживать изменения для определения вероятности отказа;
настроить действия при срабатывании оповещений;
составить план реагирования;
составить точный план обслуживания.
Затем необходимо выполнить работы по доработке системы и передаче ее в промышленную эксплуатацию.
Разработка, внедрение и использование автоматизированных систем прогнозируемого обслуживания многостадийных технологических процессов в промышленности имеет множество преимуществ для предприятий, включая такие как [13]:
повышение эффективности обслуживания;
сокращение расходов на техническое обслуживание: от 25% до 30%;
устранение поломок: 70%-75%;
сокращение времени простоя: от 35% до 45%;
рост производства: от 20% до 25% .
Но, пожалуй, одним из самых важных преимуществ применения именно отечественных разработок программного и аппаратно-программного обеспечения прогнозируемого обслуживания, являющихся частью промышленных компьютеризированных систем управления техническим обслуживанием (англ. Computerized Maintenance Management System, CMMS), заключается в повышении уровня промышленной безопасности предприятий Российской Федерации.
