Machine fleet failure frequency control support by text mining methods

• Autorzy: Kosicka, E. , Śliwa, M.

Warianty tytułu

PL

Wsparcie nadzoru nad awaryjnością parku maszynowego metodami text mining

• Języki publikacji: EN

Abstrakty

EN

The development of both control systems for machine fleets and computer-controlled production systems have provided companies with a wide spectrum of tools for collecting data about the operation of their machinery stocks. A vast number of companies only store historic data; however, they do not use these data to extract information with respect to improving the efficiency of their technical infrastructure. The paper discusses the application of data mining to control machine fleet failure frequency resulting from non-technical causes, i.e., due to human factors.

PL

Rozwój systemów monitorowania stanu parku maszynowego, a także powszechna komputeryzacja obszaru produkcji, dały przedsiębiorstwom szeroki wachlarz narzędzi pozwalających rejestrować dane dotyczące funkcjonowania posiadanych maszyn. Znaczna część przedsiębiorstw jedynie gromadzi obszerne zbiory danych historycznych, nie podejmując działań zmierzających ku pozyskaniu z nich informacji mogących wpłynąć na poprawę efektywności posiadanej infrastruktury technicznej. W artykule przedstawiono możliwość zastosowania eksploracji danych tekstowych do prowadzenia nadzoru nad awaryjnością parku maszynowego powodowaną przyczynami nietechnicznymi w postaci czynnika ludzkiego.

Słowa kluczowe

PL

text mining; data mining; eksploracja danych; utrzymanie ruchu autonomiczne

EN

text mining; data mining; autonomous maintenance

• Czasopismo: Journal of Machine Construction and Maintenance - Problemy Eksploatacji
• Rocznik: 2017
• Tom: no. 1
• Strony: 53--57
• Opis fizyczny: Bibliogr. 24 poz., rys.

Twórcy

autor

Kosicka, E.

• Lublin University of Technology, Lublin, Poland,

autor

Śliwa, M.

• University of Zielona Góra, Zielona Góra, Poland

Bibliografia

• 1. ASTOR: Inwestujemy w automatykę, ale dane nadal przetwarzamy ręcznie. Inżynieria&Utrzymanie Ruchu, 1(112)/2016, 14-15.
• 2. Chen, M.S., Han, J., Yu, P.S.: Data mining: an overview from a database perspective, IEEE Trans. Knowledge and Data Engineering. 1996, 8, 866-883.
• 3. Demski T.: Maszyna do czytania, czyli text mining w wykrywaniu nadużyć ubezpieczeniowych, StatSoft Polska Sp. z o.o., 2011, s. 98, [online].
• 4. Elliot B. R., Hill G.: Total Productive Maintenance. Is it time to move on? Logistics Solutions 1999;1.
• 5. Fayyad, U.M., Piatetsky-Shapiro, G., Smyth, P., Uthurusamy, R.: Advances in knowledge discovery and data mining, MIT Press, 1996.
• 6. Fronczak E., Michalcewicz M.: Zastosowanie narzędzi eksploracji danych data mining do tworzenia modeli zarządzania wiedzą. Polskie Stowarzyszenie Zarządzania Wiedzą. Seria: Studia i Materiały. 2010, 27, 126-139.
• 7. Gibiec M.: Data mining w systemie monitorowania pracy kombajnów górniczych. Wiadomości Górnicze. 2011, 62/7-8, 398-405.
• 8. Han, J., Kamber, M.: Data mining: concepts and techniques. Morgan Kaufmann Pub.. 2006.
• 9. Hearst M., A.: Untangling Text Data Mining, Proceedings of ACL, 37th Annual Meeting of the ACL, New Jersey 1999, 3-10.
• 10. Hearst M.: Untangling Text Data Mining. In the Proceedings of ACL’99: the 37th Annual Meeting of the Association for Computational Linguistics, University of Maryland, June 20–26, 1999.
• 11. http://www.statsoft.pl/Portals/0/Downloads/Text_mining_w_wykrywaniu_naduzyc_ubezpieczeniowych.pdf, dostęp: 25 lipiec 2016.
• 12. Oxford University Press, 2002.
• 13. Kruczek M., Żebrucki Z.: Doskonalenie procesów utrzymania ruchu w przedsiębiorstwie branży hutniczej. Logistyka, 2012, 2, 787-797.
• 14. Kuligowska K., Lasek M.: Eksploracja danych tekstowych (text mining) w przedsiębiorstwie. Polskie Stowarzyszenie Zarządzania Wiedzą. Seria: Studia i Materiały, nr 13, 2008.
• 15. Liewa W.T., Adhityab A., Srinivasana R.: Sustainability trends in the process industries: A text mining-based analysis. Computer in Industry, 65(3), 2014, 393-400.
• 16. Lula P.: Text mining jako narzędzie pozyskiwania informacji z dokumentów tekstowych. StatSoft, 2005.
• 17. Marzec M., Uhl T.: Wykorzystanie metod eksploracji danych przy ustalaniu strategii eksploatacji taboru autobusowego. Problemy Eksploatacji. Maintenance Problems, 2013, 1, 45-58.
• 18. Mirończuk M.: Przegląd metod i technik eksploracji danych tekstowych. Studia i Materiały Informatyki Stosowanej, Tom 4, Nr 6, 2012, 25-42.
• 19. Neumann G., Piskorski J.: A Shallow Text Processing Core Engine. Computational Intelligence, No 18, 2002, 451-476.
• 20. Solka J. L. Text Data Mining: Theory and Methods. Statistic Survey 2/2008, 94-112.
• 21. Sołdacki P.: Zastosowanie metod płytkiej analizy tekstu do przetwarzania dokumentów w języku polskim. Rozprawa doktorska, Politechnika Warszawska 2006.
• 22. Ur-Rahman N., Harding J.A.: Textual data mining for industrial knowledge management and text classification: A business oriented approach. Expert Systems with Applications, 39(5), 2012, 4729-4739.
• 23. Zakrzewicz M.: Data Mining i odkrywanie wiedzy w bazach danych. Materialy konf. PLOUG’97, Zakopane, 1997.
• 24. Żabicki D.: Współpraca CMMS z systemami ERP i monitorowaniem produkcji. Inżynieria i Utrzymanie Ruchu Zakładów Przemysłowych. Nr 7/2010, 62-65.

Uwagi

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