ПРОГНОЗИРУЕМ

СОСТОЯНИЕ 

ПРОИЗВОДСТВЕННЫХ

АКТИВОВ

 

Описание решения

Программный модуль «Прогноз RM» предназначен для автоматизации процессов управления эксплуатацией, техническим обслуживанием и ремонтами производственного оборудования в части прогнозирования его жизненного цикла. Жизненный цикл оборудования моделируется последовательностью и взаимосвязями между различными эксплуатационными событиями (эксплуатации, аварий, отказов, нарушений, потерь, плановых и внеплановых ремонтов). Модуль может применяться как автономно, так и в составе систем класса EAM/APM/ТОРО, расширяя их возможности по планированию мероприятий ТОиР, замен и модернизаций функциями индивидуального прогнозного планирования.

 

 

Модель актива

Ключевой особенностью нашего модуля является заложенный в основу решения подход к решению проблемы нехватки адекватных данных, которая преследует любые попытки применения прогнозной математики в реальной практике. Наш подход предусматривает решение данной проблемы за счет организации необходимых для прогнозной аналитик и планирования данных вокруг понятия «модель жизненного цикла актива», отражающей динамику всех аспектов жизненного цикла оборудования.

Наш модуль позволяет на практике применить подходы математического прогнозирования, основанные на методах машинного обучения. Модуль позволяет построить график нежелательных событий и связанных  с ними потерь на горизонт планирования от 1 года и больше и, соответственно, планировать график упреждающих воздействий (и связанных с ними потерь), взвесить потери от обоих сценариев и принять решение о дальнейшей судьбе каждого производственного актива.

Функции актива - основные (ради чего был куплен) и вспомогательные (без чего актив не сможет эксплуатироваться технически, технологически или законодательно) функции, характеризуемые ТТХ оборудования, полезной отдачей, эффективностью. Функции зависят от местоположения актива

Параметры актива - совокупность объективных и качественных характеристик актива, отражающих те или иные аспекты эксплуатации и технического состояния оборудования

Структура актива - из чего он состоит с т.з. эксплуатации, наблюдаемости, ТОиР, как менялась комплектация в ходе эксплуатации

Эксплуатационные события, частично или полностью препятствующие исполнению функций актива. Функциональные отказы - факторы риска и предмет забот, требующие упреждения. Характеризуются вероятностью и прогнозируемым сроком (графиком) наступления события

Воздействия на актив - мероприятия ТОиР, замены, модернизация и пр. воздействия, позволяющие: мониторить параметры и развитие причин событий; упреждать наступление событий или компенсировать потери от них; модернизировать актив с принципиальным изменением его модели

Причины - это проявления либо физических процессов износа и старения элементов оборудования, либо недопустимых режимов эксплуатации, ошибок персонала, либо внешних процессов (погодных и прочих внешних факторов). Характеризуется вероятностью и так называемым p-f интервалом - сроком от первого проявления признаков таких проявлений до наступления события.

Последствия событий - производственные потери, травматизм, ущерб третьим лицам, экологии и пр. последствия. Характеризуется ущербом в денежных или качественных единицах измерения

ПОСЛЕДСТВИЯ

ВОЗДЕЙСТВИЯ

ПАРАМЕТРЫ

СТРУКТУРА

ПРИЧИНЫ

СОСТАВ

ФУНКЦИИ

 

МЕХАНИЗМЫ ПРОГНОЗИРОВАНИЯ

Аналитические
модели

Прогноз значения параметра / даты и вида наступления события по заданной четкой логике - регрессия, причина/следствие, системы уравнений и пр. по значениям исходных данных.

Статистические
модели

Прогноз значения параметра /даты и вида наступления события по выявленной статистической закономерности – матожидание значения параметра / вероятности события по соответствующему виду распределения, основанному на обработке соответствующей статистики.

Машинное
обучение

Прогноз значения параметра / даты и вида наступления события по совпадению определенного набора значений входных данных выявленным ранее закономерностям проявления выходных данных (линейная и нелинейная регрессия, дисперсионный и кластерный анализ и т.д.)

Нейронные
сети

Прогноз вариантов значения параметра / даты и вида наступления события по приблизительному совпадению определенного набора значений входных данных выявленным ранее закономерностям проявления выходных данных

 
 

Мы на связи

Ответим на все вопросы

Т / +7 495 175-41-82  | Ф / +7 495 175-41-82

Москва, Территория инновационного центра "СКОЛКОВО"

Болшой Бульвар, д.42, стр. 1, этаж 1, помещение 839

Имя *

Эл. почта *

Тема

Сообщение

© 2019 STARK

Logo-STARK-site.png
sklogo_small.jpg

+7 495 175−41−82

 

143026, Москва,

Территория инновационного центра "СКОЛКОВО"

Болшой Бульвар, д.42, стр. 1, этаж 1, помещение 839