УДК 004.8:658.58
DOI: 10.36871/ek.up.p.r.2024.12.32.007
Авторы
Николай Степанович Семянкив,
Независимый эксперт
Аннотация
В статье представлен научно-методический аппарат предиктивной диагностики и риск-ориентированного обслуживания киберфизических устройств, периферийных узлов и встроенных контроллеров. Целью исследования является систематизация и обобщение существующих подходов к предиктивной диагностике на основе технологий интернета вещей (IoT), машинного обучения и периферийных вычислений, а также разработка авторской концептуальной модели риск-ориентированного технического обслуживания и ремонта (ТОиР). Методологическую базу составляют систематический обзор литературы, сравнительный анализ и контент-анализ технической документации. Результаты исследования показывают, что интеграция алгоритмов машинного обучения с периферийными вычислительными узлами позволяет сократить внеплановые простои оборудования на 30% и более, а переход к модели обслуживания по состоянию снижает эксплуатационные расходы на 20% по сравнению с плановым регламентным ТОиР. В заключении подтверждается достижение поставленных целей и обосновывается практическая значимость предложенной модели для организаций с ограниченным техническим персоналом. Сведения, отраженные в рамках статьи, будут интересны специалистам по эксплуатации и обслуживанию высокотехнологичного оборудования, ИТ-инженерам, исследователям в области киберфизических систем и промышленного интернета вещей.
Ключевые слова
предиктивная диагностика, киберфизические устройства, риск-ориентированное обслуживание, периферийные вычисления, встроенные контроллеры, промышленный интернет вещей, цифровой двойник, машинное обучение, техническое обслуживание и ремонт, остаточный ресурс
