Transformacja cyfrowa i przemysł 5.0 w utrzymaniu ruchu

• Autorzy: Malaka Julian
• Języki publikacji: PL

Abstrakty

PL

Cyfrowe rozwiązania w obszarze technologii produkcyjnych – poza zwiększaniem poziomu automatyzacji, wydajności czy bezpieczeństwa produkcji – stanowią źródła ważnych w kontekście diagnostyki danych, często pomijanych lub nie w pełni eksploatowanych. Przyjrzymy się zatem transformacji cyfrowej w UR od źródeł danych, przez Przemysłowy Internet Rzeczy, po konserwację predykcyjną.

Słowa kluczowe

PL

transformacja cyfrowa; przemysł 5.0; utrzymanie ruchu; zarządzanie w sieci rzeczy; recykling; AI

EN

digital transformation; industry 5.0; maintenance; management in the network of things; recycling; AI

• Wydawca: BMP Sp. z o.o.
• Czasopismo: Kierunek Chemia
• Rocznik: 2025
• Tom: Nr 2
• Strony: 14--16, 19--20
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Malaka Julian

• Wydział Mechaniczny Technologiczny, Katedra Automatyzacji Procesów Technologicznych i Zintegrowanych Systemów Wytwarzania, Politechnika Śląska

Bibliografia

• 1. Commission: Directorate-General for Research and Innovation, Renda, A., Schwaag Serger, S., Tataj, D., Morlet, A. et al., Industry 5.0, a transformative vision for Europe – Governing systemic transformations towards a sustainable industry, Publications Office of the European Union, 2021, https://data.europa.eu/doi/10.2777/17322
• 2. Hans J. Pasman, Stewart W. Behie, The evolution to Industry 5.0 / Safety 5.0, the developments in society, and implications for industry management, Journal of Safety and Sustainability, Volume 1, Issue 4, 2024, Pages 202-211, ISSN 2949-9267, https://doi.org/10.1016/j.jsasus.2024.11.003.
• 3. Commission: Directorate-General for Research and Innovation, ERA industrial technologies roadmap on human--centric research and innovation for the manufacturing sector, Publications Office of the European Union, 2024, https://data.europa.eu/doi/10.2777/0266
• 4. Hetmańczyk, M.P.; Malaka, J. Frequency Converter as a Node for Edge Computing of Big Data, Related to Drive Efficiency, in Industrial Internet of Things. Appl. Sci. 2021,11, 9784. https://doi.org/10.3390/app11219784
• 5. Predictive maintenance with IBM Maximo Application Suite, dostęp online: 24.03.2025 r., https://www.ibm.com/products/maximo/predictive-maintenance
• 6. Malaka J.: UR w nurcie przemysłu przyszłości, Chemia Przemysłowa, BMP, nr 2, 2022, s. 56-59.
• 7. Fidali M., Malaka J., Jamrozik W.: Systemy informatyczne w przedsiębiorstwie i ich integracja, W: Przewodnik po technologiach Przemysłu 4.0 / Fidali Marek (red.), 2021, Elamed Media Group, ISBN 978-83-66984-07-3, s. 127-151.
• 8. Introduction to the „RAMI 4.0 Toolbox“, dostęp online: 24.03.2025 r., https://dsse.at/rami/downloads/Introduction_V2.1.pdf
• 9. Reference Architectural Model Industrie 4.0 (RAMI 4.0). An Introduction, dostęp online: 24.03.2025 r., https://ec.europa.eu/futurium/en/system/files/ged/a2-schweichhart-reference_architectural_model_industrie_4.0_rami_4.0.pdf
• 10. Hosni, Houssem. (2024). Predictive Maintenance in the Era of Industry 5.0: Challenges and Opportunities. Journal of Materials and Engineering. 03. 376-382. 10.61552/JME.2025.04.004.
• 11. Ejjami, Rachid & Boussalham, Khaoula. (2024). Industry 5.0 in Manufacturing: Enhancing Resilience and Responsibility through AI-Driven Predictive Maintenance, Quality Control, and Supply Chain Optimization. International Journal For Multidisciplinary Research. 6. 10.36948/ijfmr.2024.v06i04.25733.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).