Программные продукты и системы

Подавляющее большинство отечественных промышленных предприятий применяет стратегию управления техническим состоянием оборудования на основе планово-предупредительных ремонтов. Эта стратегия обеспечивает поддержание необходимого уровня надежности оборудования, но имеет серьезный недостаток: при планировании технического обслуживания фактическое состояние оборудования практически не учитывается. Повышение эффективности ремонта достигается переходом к более прогрессивной стратегии – ремонту по фактическому состоянию, когда начало и объем работ определяются в зависимости от состояния оборудования. Применение подобной стратегии подразумевает наличие достоверной и оперативной информации об отказах в узлах и механизмах оборудования.

 Современный уровень развития средств измерения позволяет проводить измерения подавляющего числа параметров оборудования непосредственно в процессе его эксплуатации под нагрузкой. Однако ввиду значительной сложности установления причинно-следственной связи между соотношением параметров оборудования и его техническим состоянием применяемые на практике методики идентификации технического состояния базируются на специализированных математических моделях, описывающих узел или механизм только определенного типа оборудования. Распространение таких моделей (как и их применение) на другие типы оборудования персоналом без определенного опыта работы затруднительно.

 Выходом из сложившейся ситуации является разработка специализированного программного комплекса – экспертной системы, позволяющей изменять структуру базы знаний, дополнять ее новыми знаниями для решения задачи идентификации технического состояния при минимальном участии специалистов-экспертов. В данной статье для организации экспертной системы идентификации технического состояния технологического оборудования предлагается использовать новый подход, основанный на применении нейросетевой модели. Такой подход позволяет на основе имеющейся на промышленных предприятиях статистики, содержащей излишние и противоречивые данные о значениях параметров и соответствующих им технических состояниях технологического оборудования, выявлять и распространять на вновь измеренные параметры оборудования причинно-следственные связи между соотношением значений параметров контролируемого оборудования и его техническим состоянием.

  Подробное описание дается в статье «Экспертная система идентификации технического состояния технологического оборудования на основе нейросетевой модели», автор Нусс С.В. (Пермский государственный технический университет).