Problemy wspomagania decyzji w systemach utrzymania ruchu

• Autorzy: Kosicka E. , Mazurkiewicz D. , Gola A.

Identyfikatory

DOI

10.5604/01.3001.0009.5189

Warianty tytułu

EN

Problems of decision support in maintenance systems

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono problemy związane z opracowaniem modelu adaptacyjnego algorytmu wspomagania decyzji w systemie utrzymania ruchu, który w zależności od zmieniających się parametrów procesów resztkowych, dobiera odpowiedni model matematyczny wyznaczony przez kryteria predykcyjne i informacyjne. Proponowany model zawiera dodatkowo część decyzyjną, która na podstawie informacji skupiających się na obszarze działań Służb Utrzymania Ruchu generuje zawężony optymalny przedział czasu, w którym konieczne jest przeprowadzenie konserwacji.

EN

The paper proposes problems with development of a model of adaptive algorithm for maintenance decision support system which – depending on the changing parameters of residual processes – selects an adequate mathematical model based on predictive and informative criteria. The proposed model additionally contains a maintenance decision-related part which – based on the information about actions taken by maintenance services – generates a constrained optimal time interval for performing the necessary maintenance work.

Słowa kluczowe

PL

predykcyjne utrzymanie ruchu; model predykcyjny; awaria urządzeń; diagnostyka uszkodzeń

EN

predictive maintenance; predictive model; equipment failure; fault diagnosis

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2016
• Tom: nr 4
• Strony: 49--52
• Opis fizyczny: Bibliogr. 19 poz., rys.

Twórcy

autor

Kosicka E.

• Politechnika Lubelska, Wydział Mechaniczny, Katedra Podstaw Inżynierii Produkcji

autor

Mazurkiewicz D.

• Politechnika Lubelska, Wydział Mechaniczny, Katedra Podstaw Inżynierii Produkcji

autor

Gola A.

• Politechnika Lubelska, Wydział Zarządzania, Katedra Organizacji Przedsiębiorstwa

Bibliografia

• [1] Batko W.: Metody syntezy diagnoz predykcyjnych w diagnostyce technicznej. Rozprawa habilitacyjna, AGH, Kraków 1984.
• [2] Cempel Cz.: Diagnostyka wibroakustyczna maszyn. PWN, Warszawa 1989.
• [3] Fidali M.: Ultradźwięki w diagnostyce i eksploatacji łożysk tocznych. „Utrzymanie Ruchu” 1/2015, 56–61.
• [4] Grudziński J.: Koncepcja "e-maintenance" w systemie utrzymania ruchu maszyn i pojazdów rolniczych. Inżynieria Rolnicza, 4/2012, 205–2013, [DOI: 10.14654].
• [5] Hetmańczyk M.: Predykcyjne utrzymanie ruchu. Inżynieria&Utrzymanie Ruchu 1/2015, 60–64.
• [6] Kaźmierczak J.: Zastosowanie liniowych modeli procesów losowych do prognozowania w diagnostyce maszyn. Rozprawa habilitacyjna. Politechnika Śląska, Gliwice 1989.
• [7] Legutko S.: Eksploatacja maszyn. Poznań. Wyd. Politechniki Poznańskiej, Poznań 2007.
• [8] Legutko S.: Podstawy eksploatacji maszyn i urządzeń. Podręcznik. WSiP, Warszawa 2008.
• [9] Legutko S.: Trendy rozwoju utrzymania ruchu urządzeń i maszyn. Eksploatacja i Niezawodność – Maintenance and Reliability 2/2009, 8–16, [DOI: 10.17531].
• [10] Lipski J.: Diagnostyka procesów wytwarzania. Politechnika Lubelska, Lublin 2013.
• [11] Lucifredi A., Mazzieri C., Rossi M.: Application of multiregressive linear models, dynamic kriging models and neural network models to predictive maintenance of hydroelectric power systems. Mechanical Systems and Signal Processing 14(3)/2000, 471–494.
• [12] Piersiala S., Trzcieliński S.: Systemy utrzymania ruchu [w:] Koncepcje zarządzania systemami wytwórczymi, red. M. Fertsch, S. Trzcieliński, Instytut Inżynierii Zarządzania, Politechnika Poznańska, Poznań 2005.
• [13] Słowiński B.: Wprowadzenie do nauki o technice. Politechnika Koszalińska, Koszalin 2007.
• [14] Sobczyk M.: Prognozowanie. Teoria, przykłady, zadania. Placet, Warszawa 2008.
• [15] Sobieski W.: Stanowisko laboratoryjne do badania zjawiska kawitacji metodą wibroakustyczną. Diagnostyka 32/2004, 37–42.
• [16] Tabaszewski M.: Prognozowanie w wielosymptomowej diagnostyce maszyn. Wydawnictwo Politechniki Poznańskiej, Poznań 2010.
• [17] Tabaszewski M.; Wielosymptomowa, prognoza stanu i czasu do awarii z wykorzystaniem sieci neuronowych. Diagnostyka 2 (42)/2007, 43–48.
• [18] Walczak M.: System utrzymania ruchu czynnikiem przewagi konkurencyjnej przedsiębiorstwa, [w:] Mikuła B. (red.): Historia i perspektywy nauk o zarządzaniu. Fundacja Uniwersytetu Ekonomicznego w Krakowie, Kraków 2012.
• [19] Wróblewski S., Bytnar A., Juszkiewicz P.: Predykcja czasu życia turbogeneratora na podstawie obserwacji trendu zmian poziomu wibracji. Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały, Poznań 23/2012, 268–273.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).