Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Mining Science

1 2014

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: system wspomagania podejmowania decyzji

Sortuj według:

Ogranicz wyniki do:

Inteligentny system diagnostyki taśm przenośnikowych – koncepcja

Zimroz R., Błażej R., Stefaniak P., Wyłomańska A., Obuchowski J., Hardygóra M.

Mining Science

2014

Vol. 21, Special Issue 2

99--109

W pracy przedstawiono koncepcję inteligentnego systemu do diagnostyki taśm i komputerowego wspomagania zarządzania taśmami przenośnikowymi z wykorzystaniem podejścia „utrzymanie maszyn zależne od stanu” (ang. Condition Based Maintenance). Omówiono strukturę systemu oraz wybrane kluczowe elementy. Niektóre z modułów zostały już zrealizowane, inne są w trakcie realizacji. Stąd też artykuł traktuje raczej o koncepcji niż o gotowym produkcie. Systemowe ujęcie problemu jest niezbędne ze względu na docelowo szerszy kontekst zarządzania systemem przenośników a nie tylko taśm, układów napędowych czy innych elementów. Kluczowym elementem artykułu jest wykorzystanie elementów uczenia maszynowego do wspomagania zarządzania. Dotyczą one walidacji danych, wyznaczania progów decyzyjnych, decyzji o dopuszczeniu do eksploatacji/wymianie taśmy, czy elementów prognozy czasu życia odcinka taśmy czy połączenia. Zastosowanie sztucznej inteligencji wydaje się konieczne ze względu na konieczność budowania obiektywnej wiedzy w sformalizowanej postaci w zakresie eksploatacji taśm przenośnikowych.

The paper deals with the concept of an intelligent system for the damage detection, diagnosis and computer-aided maintenance management system for conveyor belts using the Condition Based Maintenance approach. The structure of the system and some key elements are described in the paper. Some modules of the system have been already completed, while others are under construction. Hence the article deals with the concept rather than a finished product. Holistic view to the problem is necessary because ultimately the wider context of the conveyor system maintenance management system is expected. A Diag Manager, precursor of proposed intelligent system, has been developed several years ago for transmissions used in conveyor drives. Our intent is to exploit experience with Diag Manager and to extend this idea to belts and other components of the conveyor in future. A key element of this article is to use the elements of artificial intelligence (AI) and machine learning to support maintenance management. AI might relate to data validation, determining the decision thresholds, the decision regarding release to continue service or exchange the belt. Application of artificial intelligence seems to be necessary due to necessary development of objective knowledge in a formalized form regarding the operation of conveyor belts.