Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Maintenance 4.0

Sortuj według:

Ogranicz wyniki do:

Development of a hybrid predictive maintenance model

Wiercioch Jakub

Journal of KONBiN

2023

Vol. 53, iss. 2

141--157

Progress in the field of technology and science enables the digitalization of manufacturing processes in the era of Industry 4.0. For this purpose, it uses tools which are referred to as the technological pillars of Industry 4.0. Simultaneously with the changes in the field of manufacturing, the interdisciplinary cooperation between production and machine maintenance planning is developing. Different types of predictive maintenance models are being developed in order to ensure the good condition of the machines, optimize maintenance costs and minimize machine downtime. The article presents the existing types of predictive maintenance and selected methods of machine diagnostics that can be used to analyze machines operating parameters. A hybrid model of predictive maintenance was developed and described. The proposed model is based on diagnostic data, historical data on failures and mathematical models. The use of complementary types of predictive maintenance in the hybrid model of predictive maintenance is particularly important in the case of high-performance production lines, where high quality of products and timeliness of orders are crucial.

Postęp w dziedzinie techniki i nauki umożliwia digitalizację procesów wytwórczych w erze Przemysłu 4.0. Wykorzystuje w tym celu narzędzia, które określane są jako filary technologiczne Przemysłu 4.0. Równocześnie ze zmianami w dziedzinie produkcji rozwija się interdyscyplinarna współpraca między produkcją a planowaniem obsługi maszyn. W celu utrzymania maszyn w należytej kondycji oraz optymalizacji kosztów obsługi i czasów przestojów, rozwijają się różne typy predykcyjnych modeli obsługi. W artykule przedstawione zostały istniejące typy predykcyjnej obsługi oraz wybrane metody diagnostyki maszyn, które mogą zostać wykorzystane do badania parametrów pracy maszyn. Opracowany oraz opisany został hybrydowy model predykcyjnej obsługi, wykorzystujący dane diagnostyczne, dane historyczne dotyczące awarii oraz modele matematyczne. Wykorzystanie w hybrydowym modelu predykcyjnej obsługi uzupełniających się typów predykcyjnej obsługi jest szczególnie istotne w przypadku wysokowydajnych linii produkcyjnych, gdzie kluczowe są wysoka jakość wyrobów oraz terminowość wykonywanych zleceń.

Maintenance 4.0 technologies – new opportunities for sustainability driven maintenance

Jasiulewicz-Kaczmarek Małgorzata, Legutko Stanislaw, Kluk Piotr

Management and Production Engineering Review

2020

Vol. 11, No. 2

74--87

Digitalization and sustainability are important topics for manufacturing industries as they are aﬀecting all parts of the production chain. Various initiatives and approaches are set up to help companies adopt the principles of the fourth industrial revolution with respect sustainability. Within these actions the use of modern maintenance approaches such as Maintenance 4.0 is highlighted as one of the prevailing smart & sustainable manufacturing topics. The goal of this paper is to describe the latest trends within the area of maintenance management from the perspective of the challenges of the fourth industrial revolution and the economic, environmental and social challenges of sustainable development. In this work, intelligent and sustainable maintenance was considered in three perspectives. The ﬁrst perspective is the historical perspective, in relation to which evolution has been presented in the approach to maintenance in accordance with the development of production engineering. The next perspective is the development perspective, which presents historical perspectives on maintenance data and data-driven maintenance technology. The third perspective, presents maintenance in the context of the dimensions of sustainable development and potential opportunities for including data-driven maintenance technology in the implementation of the economic, environmental and social challenges of sustainable production.