Wyniki wyszukiwania - BazTech

1

The need for aggregated indicators in performance asset management

Galar D., Berges L., Sandborn P., Kumar U.

Eksploatacja i Niezawodność

|

2014

|

Vol. 16, no. 1

120--127

PL

Wskaźniki złożone tworzy się poprzez zebranie pojedynczych wskaźników w jeden indeks. Idealnie, wskaźnik złożony powinien mierzyć pojęcia wielowymiarowe, których nie da się uchwycić przy pomocy pojedynczego indeksu. Ponieważzarządzanie aktywami jest dziedziną wielodyscyplinarną, przydatne byłoby wykorzystanie w niejwskaźników złożonych. W przedstawionej pracyopisano metodęmonitorowania złożonej jednostki w zakładzie przetwórczym. W podanym scenariuszu, złożony wskaźnik wykorzystania powstał z połączenia wskaźników wykorzystania niższego rzędu z wartościami ważonymi. Każdy wskaźnik wykorzystania zawiera informacje na temat statusu jednego aspektu jednostek niższego rzędu, a każda wartość ważona odpowiada jednej jednostce niższego rzędu.

EN

Composite indicators formed when individual Indicators are compiled into a single index. A composite indicator should ideally measure multidimensional concepts that cannot be captured by a single index. Since asset management is multidisciplinary, composite indicators would be helpful. This paper describes a method of monitoring a complex entity in a processing plant. In this scenario, a composite use index from a combination of lower level use indices and weighting values. Each use index contains status information on one aspect of the lower level entities, and each weighting value corresponds to one lower level entity. The resulting composite indicator can be a decision-making tool for asset managers.

2

Podejmowanie decyzji eksploatacyjnych w oparciu o fuzję różnego typu danych

Galar D., Gustafson A., Tormos B., Berges L.

Eksploatacja i Niezawodność

|

2012

|

Vol. 14, No. 2

135-144

EN

Over the last decade, system integration is applied more as it allows organizations to streamline business processes. A recent development in the asset engineering management is to leverage the investment already made in process control systems. This allows the operations, maintenance, and process control teams to monitor and determine new alarm level based on the physical condition data of the critical machines. Condition-based maintenance (CBM) is a maintenance philosophy based on this massive data collection, wherein equipment repair or replacement decisions depend on the current and projected future health of the equipment. Since, past research has been dominated by condition monitoring techniques for specific applications; the maintenance community lacks a generic CBM implementation method based on data mining of such vast amount of collected data. The methodology would be relevant across different domains. It is necessary to integrate Condition Monitoring (CM) data with management data from CMMS (Computer Maintenance Management Systems) which contains information, such as: component failures, failure information related data, servicing or repairs, and inventory control and so on. These systems are the core of traditional scheduled maintenance practices and rely on bulk observations from historical data to make modifications to regulated maintenance actions. The most obvious obstacle in the integration of CMMS, process and CM data is the disparate nature of the data types involved, and there have benn several attempts to remedy this problem. Although, there have been many recent efforts to collect and maintain large repositories of these types of data, there have been relatively few studies to identify the ways these to datasets could be related. This paper attempts to fulfill that need by proposing a combined data mining-based methodology for CBM considering CM data and Historical Maintenance Management data. It shows a system integration of physical and management data that also supports business intelligence and data mining where data sets can be combined in non-traditional ways.

PL

W ostatniej dekadzie coraz częściej stosuje się integrację systemów, która pozwala przedsiębiorstwom zwiększać wydajność procesów biznesowych. Nowością w zarządzaniu infrastrukturą techniczną jest zwiększanie efektywności już poczynionych inwestycji w systemy kontroli procesów. Pozwala to zespołom do spraw operacyjnych, utrzymania ruchu oraz kontroli procesów monitorować i ustalać nowe poziomy alarmowe na podstawie danych o stanie fizycznym maszyn krytycznych. Utrzymanie urządzeń zależne od ich bieżącego stanu technicznego (condition-based maintenance, CBM) to filozofia utrzymania ruchu opierająca się na tym masowym poborze danych, wedle której decyzje dotyczące naprawy lub wymiany sprzętu zależą od jego obecnego oraz przewidywanego przyszłego stanu technicznego. Ponieważ dotychczasowe badania były zdominowane przez problem technik monitorowania stanu dla konkretnych aplikacji, nie opracowano ogólnej metody wdrażania CBM opartej na eksploracji (data mining ) owych olbrzymich ilości zebranych danych, która miałaby zastosowanie w różnych domenach. Konieczna jest integracja danych z monitorowania stanu (condition monitoring, CM) z danymi dotyczącymi zarządzania pochodzącymi ze skomputeryzowanych systemów zarządzania utrzymaniem ruchu (CMMS), które zawierają informacje na temat uszkodzeń elementów składowych, dane związane z uszkodzeniami, a także informacje dotyczące obsługi lub napraw czy sterowania zapasami. Systemy te stanowią podstawę tradycyjnych praktyk obsługi planowej, a zasadzają się na całościowych obserwacjach dokonywanych na podstawie danych eksploatacyjnych, które pozwalają modyfikować regulowane działania obsługowe. Najbardziej oczywistą przeszkodą w integracji danych CMMS, danych procesowych oraz danych z monitorowania stanu jest rozbieżność ich natury. Dotychczas podjęto jedynie kilka prób rozwiązania tego problemu. Chociaż ostatnio wiele wysiłku włożono w gromadzenie i utrzymanie dużych zasobów tego typu danych, istnieje stosunkowo niewiele badań na temat możliwych sposobów powiązania owych zestawów danych. W prezentowanej pracy poczyniono próbę wypełnienia tej luki proponując metodologię łączoną opartą na eksploracji danych dla celów CBM, która bierze pod uwagę dane z monitorowania stanu i eksploatacyjne dane z zarządzania ruchem. W pracy przedstawiono integrację systemową danych fizycznych i danych z zarządzania, która wspiera także analitykę biznesową (business intelligence) oraz eksplorację danych, gdzie zestawy danych można łączyć w sposób nietradycyjny.

3

Overall Factory Vibration Level: The need for global indicators in CBM

Galar D., Berges L., Royo J.

Diagnostyka

|

2010

|

nr 2(54)

17-23

EN

When we do predictive maintenance, including vibration analysis, rotating machinery, we anticipate many times a catastrophic failure that without this technology, would be difficult to locate and make unsafe our system functionally. This analysis is done individually machine to machine, point to point which prevents us from having a parameter that quantifies the overall status of all rotating machinery of a plant or department.