Проведен анализ показаний датчиков производственного оборудования и представлена методика агрегации данных для оценки вероятности выхода оборудования из строя. Актуальность исследования обусловлена недостаточным развитием научно-методического аппарата оценивания состояния оборудования на основе больших данных. С целью формирования набора данных, предназначенного для разработки прогностической модели состояния оборудования, сконструирован ряд признаков, характеризующих состояние станка с числовым программным управлением. Практическая значимость исследования обусловлена возможностью включения сформированного набора данных в производственный процесс и использования его для сохранения во времени и в установленных пределах значений параметров оборудования, которые характеризуют его способность выполнять требуемые функции в заданных режимах и при необходимых условиях применения
Идентификаторы и классификаторы
- SCI
- Информатика
- УДК
- 004.85. Обучение
При внедрении на предприятии „умного“ производства требования к надежности оборудования и управлению его обслуживанием постепенно возрастают. Часто возникает необходимость замены компонентов оборудования вследствие истечения срока их эксплуатации, однако на практике не всегда возможно вовремя заменить определенную деталь. Оборудование может быть отремонтировано, если перестающие работать компоненты не обеспечивают необходимые параметры в заданных пределах (технологическая и геометрическая точность, прецессия и т. д.). В этом отношении отказы элементов и параметрические отказы различны. Для повышения рентабельности производства рекомендуется проводить ремонт не при появлении фиксированной неисправности, а заранее, чтобы сократить время простоя оборудования. Для прогнозирования неисправности промышленного оборудования на основе машинного обучения значительную часть работы занимает подготовка данных. В настоящей статье рассматривается возможность прогнозирования неисправностей оборудования на основе анализа показаний различных датчиков; представлены анализ данных и методика их „очистки“ от „дублирующих“ переменных, определен тип целевой переменной, осуществлен выбор метрики для упрощения последующих вычислений. Полученные результаты могут быть использованы для прогнозирования времени выхода оборудования из строя на основе машинного обучения
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Седуш В. Я., Ченцов Н. А., Ченцова Н. С. Прогнозирование сроков отказа металлургического оборудования // Металлургическая и горнорудная промышленность. 1994. № 3. С. 75-77.
2. Антонов А. В. Вероятностные методы оценки остаточной наработки восстанавливаемых элементов ЯЭУ в условиях ограниченности исходных данных // Ядерная физика и инжиниринг. 2011. Т. 2, № 5. С. 421-424. EDN: OJJYAD
3. Антонов А. В. Методика статистического анализа данных об отказах оборудования АЭС в условиях неоднородного потока событий // Изв. вузов. Ядерная энергетика. 2016. № 3. С. 20-29. EDN: WQSDXH
4. Перехвост В. С. Прогнозирование параметрических отказов и особенность случайных процессов старения технических систем // Научные труды КубГТУ. 2014. № 3. С. 38-44. EDN: TGILKP
5. Javed K. State of the artand taxonomy of prognostics approaches, trends of prognostics applications and openissues towards maturity at different technology readiness levels // Mechanical Systems and Signal Processing. 2017. Vol. 94, N 9. P. 214-236.
6. Gorjian N. Remaining usefull оf prediction of rotating equipment using covariate-based hazard models - Industry applications // Australian Journal of Mechanical Engineering. 2017. Vol. 15, N 1. P. 36-45.
7. Pitsyk V. V. Probabilistic Prediction of Residual Operating Life of Measurement Equipment Using Results of Parametric Monitoring // Measurement Techniques. 2016. Vol. 59, N 3. P. 216-221. EDN: YUUMJT
8. Чугреев В. Л., Баданин Д. А. Использование прогнозной аналитики в информационно-аналитических системах поддержки принятия решений // Молодой ученый. 2016. № 6. С. 49-52. EDN: VPQMTB
9. Боровиков С.М., IT-система прогнозирования надѐжности сложных электронных систем методом анализа дерева отказов // Информационные системы и технологии: управление и безопасность. 2013. № 2. С. 140-144. EDN: SBZDDJ
10. Mangalova M. S. Dysfunctional components prediction using cubic smoothing splines // Молодежь. Общество. Современная наука, техника и инновации. 2014. № 13. С. 198-199. EDN: SZINEV
11. Липатов М. Первый в России комплекс предиктивной аналитики для энергетического и промышленного оборудования // Экспозиция Нефть Газ. 2016. № 3 (49). С. 82-83. EDN: VVINQP
12. Гаврилюк Е. А. Прогнозирование отказов систем автоматического управления газоперекачивающими агрегатами на основе индекса технического состояния и степени риска // Фундаментальные исследования. 2015. № 7-2. С. 309-313. EDN: UDXJYF
13. https://toir.pro/mod/book/view.php?id=470&chapterid=370.
14. Зиберт А. О. Применения алгоритмов машинного обучения для повышения эффективности использования горной техники // Universum: технические науки (Электронный науч. журн.). 2016. № 2 (24).
15. Цикора М. Применение гибридного метода машинного обучения для описания и непрерывной оценки уровня метановой опасности в горной выработке // Физико-технические проблемы разработки полезных ископаемых. 2011. № 4. С. 95-107. EDN: ONWUYB
16. Уткин Н. Н. Использование методов машинного обучения для виброакустического диагностирования динамической системы шлифовальных станков // Вестн. Саратов. гос. техн. ун-та. 2011. Т. 2, № 2 (56). С. 271-275. EDN: PVOPJP
17. Wang Z. Failure prediction using machine learning and time series in optical network // Optics Express. 2017. Vol. 25, N 8. P. 18553-18565.
18. Wu W. A quantum multi-agent based neural network model for failure prediction //j. of Systems Science and Systems Engineering. 2016. Vol. 25, N 2. P. 210-228.
Выпуск
Другие статьи выпуска
Предложен математический подход к расчету длительности съемки с борта космического аппарата, оборудованного радиолокатором с синтезированной апертурой антенны, для оценивания потенциальных возможностей системы наблюдения. Геометрия съемки радиолокатором характеризуется системой из трех уравнений: наклонной дальности, эллипсоида вращения и доплеровской частоты принимаемого сигнала, которые задаются в трехмерной инерциальной системе координат, связанной с Землей. Данная система уравнений не имеет явного решения, поэтому предлагается вариант решения задачи по выявлению аналитической связи между параметрами, характеризующими положение космического аппарата на траектории, значениями углов его разворота и углов отклонения диаграммы направленности антенны, параметрами зондирующих импульсов. Для упрощения решения предполагается местная сферичность Земли в районе съемки с известным локальным радиусом. Определение длительности съемки требуется для выбора необходимого режима работы радиолокатора в целях получения радиолокационного изображения района наблюдения с требуемым разрешением в пределах заданной полосы захвата. Представлена методика планирования съемки района наблюдения радиолокатором на основе расчета ее длительности. Получены соотношения, позволяющие оценить возможности радиолокатора при решении задач съемки или при проектировании системы наблюдения, а также определить обоснованные требования к выбору основных характеристик радиолокатора и баллистических параметров группировки космических аппаратов
Представлена методика сужения диаграммы направленности антенны, базирующаяся на совместной пространственно-временной обработке сигналов, принимаемых в последовательные моменты времени разнесенными в пространстве приемными антенными решетками квазимоностатической декаметровой радиолокационной системы дальнего обнаружения. Применение методики позволяет повысить вероятность обнаружения объектов, находящихся за пределами прямой видимости, на фоне мощных мешающих помех, обусловленных как средой распространения, так и отражениями от подстилающей поверхности. Реализация методики позволит повысить достоверность определения объектов, лоцируемых декаметровыми радиолокационными системами
Рассматриваются два новых метода измерения теплопроводности твердых тел, базирующиеся на использовании абсолютного и относительного измерений исходных тепловых величин, определяющих значение измеряемого параметра. В представленных методах максимально снижено влияние традиционных негативных факторов техники эксперимента на точность получаемых результатов
Рассматриваются два новых метода измерения теплопроводности твердых тел, базирующиеся на использовании абсолютного и относительного измерений исходных тепловых величин, определяющих значение измеряемого параметра. В представленных методах максимально снижено влияние традиционных негативных факторов техники эксперимента на точность получаемых результатов
Рассматривается задача управления манипулятором, установленным на основном мобильном роботе, выполняющем операции в стесненных условиях рабочей среды, когда объекты работ находятся вне зоны видимости системы технического зрения робота. В указанной ситуации расположение невидимых объектов вначале определяется с помощью системы технического зрения вспомогательного и более маневренного мобильного робота в его связанной системе координат, а затем эта информация по каналам связи с неизбежными погрешностями передается в связанную систему координат основного манипуляционного робота. Предложен алгоритм по определению и устранению возникших погрешностей, обеспечивающий в результате возможность точного автоматического выполнения требуемых операций с объектами работ. Предложенный математический аппарат позволяет учесть различную текущую пространственную ориентацию базовых платформ обоих мобильных роботов по углам крена, тангажа и рыскания в абсолютной системе координат. Приведены результаты экспериментов, подтверждающие работоспособность и высокую эффективность предложенного метода согласованной автоматической работы двух мобильных роботов в стесненных условиях окружающей среды
Рассматриваются вопросы обеспечения надежного функционирования сложных технических систем в ходе эксплуатации путем проведения планового технического обслуживания с применением средств контроля. Исследуется возможность проведения имитационного моделирования в целях оценивания наиболее важных показателей надежности системы, например коэффициента готовности, с учетом метрологических характеристик средств контроля. Предложены аналитическая и имитационная модели оценивания показателей готовности сложной технической системы и на основе программной среды AnyLogic проведено имитационное моделирование, по результатам которого построены зависимости коэффициента готовности системы от метрологических характеристик (ошибок контроля) применяемых средств контроля и параметров обслуживания
Предложен подход к повышению эффективности системы распознавания изображений объектов в комплексах мониторинга и зондирования и беспилотных средствах на основе применения дополнительного признака классификации. Определен перечень задач, решаемых в комплексах зондирования при построении системы распознавания объектов. Для формирования дополнительной характеристики объектов использовано значение фрактальной размерности (фрактальной сигнатуры) изображений их контуров. Представлены результаты фрактального анализа изображений объектов дорожного движения. Получены результаты фрактального анализа изображений территорий, пострадавших от стихийных бедствий. Для построения карты и гистограммы фрактальной размерности предложено использовать размерность Минковского. Представлены результаты экспериментальной проверки работоспособности предлагаемых методов и алгоритмов
Предложен метод оценивания верхнего и нижнего граничных значений показателя быстродействия больших информационных систем с учетом соблюдения требования к целостности данных системы. Целостность обеспечивается путем блокировки необходимых для выполнения транзакции вычислительных ресурсов и их освобождения при завершении или откате транзакции. Кластеризация транзакций позволяет организовать параллельную обработку запросов пользователей, принадлежащих разным кластерам. Особенности обработки запросов не позволяют аналитически оценить быстродействие больших информационных систем, а натурный или имитационный эксперимент требует значительных временных затрат. Модель большой информационной системы формализуется в виде сети массового обслуживания. Полное множество маршрутов в сети массового обслуживания задается числом кластеров схожих транзакций. Быстродействие оценивается временем отклика системы
Издательство
- Издательство
- МИНОБРНАУКИ РОССИИ
- Регион
- Россия, Москва
- Почтовый адрес
- Тверская ул., д.11, г. Москва, ГСП- 3, 125993
- Юр. адрес
- 125009, г Москва, Тверской р-н, ул Тверская, д 11 стр 1, кв 4
- ФИО
- Фальков Валерий Николаевич (МИНИСТР)
- E-mail адрес
- info@minobrnauki.gov.ru
- Контактный телефон
- +7 (495) 5471316