APPLICATION OF PREDICTIVE MAINTENANCE IN THE PACKAGING PRODUCTION

Bogdan Palchevskyi; Lyubov Krestyanpol

doi:10.35784/iapgos.3051

PDF (angielski)

Opublikowane: 2022-09-30

DOI: https://doi.org/10.35784/iapgos.3051

Numer Tom 12 Nr 3 (2022)

CHARAKTERYSTYKA ABSORPCJI PROMIENIOWANIA CIEPLNEGO DLA DWUTLENKU WĘGLA
Jan Kubicki, Krzysztof Kopczyński, Jarosław Młyńczak

4-7
PRZEŁĄCZNIK-FILTR NA FALOWODZIE PROSTOKĄTNYM CZĘŚCIOWO WYPEŁNIONYM DIELEKTRYKIEM
Vitaly Pochernyaev, Natalia Syvkova, Mariia Mahomedova

8-11
ZJAWISKO GIGANTYCZNEGO MAGNETOOPORU OBSERWOWANE W CIENKICH STRUKTURACH NiFe/Cu/NiFe
Jakub Kisała, Andrzej Kociubiński, Karolina Czarnacka, Mateusz Gęca

12-15
ROZSZERZENIE STREFY PRAKTYCZNEGO ZASTOSOWANIA PLC O ARCHITEKTURĘ RÓWNOLEGŁĄ
Sergiy Tymchuk, Oleksiy Piskarev, Oleksandr Miroshnyk, Serhii Halko, Taras Shchur

16-19
CECHY POMIARÓW DYNAMICZNYCH PRĘDKOŚCI KĄTOWEJ Z WYKORZYSTANIEM ENKODERA
Vasyl Kukharchuk, Waldemar Wójcik, Sergii Pavlov, Samoil Katsyv, Volodymyr Holodiuk, Oleksandr Reyda, Ainur Kozbakova, Gaukhar Borankulova

20-26
ZASTOSOWANIE PREDYKCYJNEJ DIAGNOSTYKI W PRODUKCJI OPAKOWAŃ
Bogdan Palchevskyi, Lyubov Krestyanpol

27-33
MODEL PROGNOZOWANIA SYSTEMÓW GRZEWCZYCH BUDYNKÓW UŻYTECZNOŚCI PUBLICZNEJ: PORÓWNANIE METODY SUPPORT VECTOR MACHINE I RANDOM FOREST
Andrii Perekrest, Vladimir Chenchevoi, Olga Chencheva, Alexandr Kovalenko, Mykhailo Kushch-Zhyrko, Aliya Kalizhanova, Yedilkhan Amirgaliyev

34-39
NATURALNY MODEL SYMULACYJNY GENERACJI STACJI FOTOWOLTAICZNEJ W PROCESIE BILANSOWANIA ENERGII ELEKTRYCZNEJ W SYSTEMIE ELEKTROENERGETYCZNYM
Petr Lezhniuk, Viacheslav Komar, Iryna Hunko, Daniyar Jarykbassov, Dinara Tussupzhanova, Bakhyt Yeraliyeva, Nazbek Katayev

40-45
APLIKACJA DO DIAGNOSTYKI WIBRACYJNEJ
Anzhelika Stakhova

46-49
GŁĘBOKIE SIECI NEURONOWE DLA DIAGNOSTYKI ZMIAN SKÓRNYCH
Magdalena Michalska-Ciekańska

50-53
MODELE DYNAMICZNE I MATEMATYCZNE HYDRAULICZNEGO URZĄDZENIA IMPULSOWEGO DO CIĘCIA WIBRACYJNEGO Z GENERATOREM IMPULSÓW WBUDOWANYM W SPRĘŻYNĘ PIERŚCIENIOWĄ
Roman Obertyukh, Andrіі Slabkyі, Leonid Polishchuk, Oleksandr Povstianoi, Saule Kumargazhanova, Maxatbek Satymbekov

54-58
EKSPERCKIE SYSTEMY ROZMYTE DO OCENY INTENSYWNOŚCI REAKTYWNEGO OBRZĘKU TKANEK MIĘKKICH U PACJENTÓW Z CUKRZYCĄ
Liudmyla Shkilniak, Waldemar Wójcik, Sergii Pavlov, Oleg Vlasenko, Tetiana Kanishyna, Irina Khomyuk, Oleh Bezverkhyi, Sofia Dembitska, Orken Mamyrbayev, Aigul Iskakova

59-63
SYMULACJA ZAGROŻEŃ BEZPIECZEŃSTWA INFORMACJI W ZAKRESIE DOSTĘPNOŚCI DOKUMENTÓW PROJEKTOWYCH W OPARCIU O LOGIKĘ ROZMYTĄ
Oleksii M. Shushura, Liudmyla A. Asieieva, Oleksiy L. Nedashkivskiy, Yevhen V. Havrylko, Yevheniia O. Moroz, Saule S. Smailova, Magzhan Sarsembayev

64-68
ZARZĄDZANIE MIEJSCEM PRACY ZA POMOCĄ BADAŃ OPERACYJNYCH
Nataliia Geseleva, Ganna Proniuk, Olexander Romanyuk, Olga Akimova, Tetiana Troianovska-Korobeynikova, Liudmyla Savytska, Saule Rakhmetullina, Nurbapa Mekebayev

69-73
MODELOWANIE POTENCJAŁU SIŁY ROBOCZEJ UKRAINY: BUDOWANIE BAZY WIEDZY
Ivan V. Zayukov, Iryna M. Kobylianska, Alexandr Kobylianskyi, Sofia V. Dembitska

74-78

Archiwum

2024

Tom 14 Nr 4
2024-12-21 25
Tom 14 Nr 3
2024-09-30 24
Tom 14 Nr 2
2024-06-30 24
Tom 14 Nr 1
2024-03-31 23

2023

Tom 13 Nr 4
2023-12-20 24
Tom 13 Nr 3
2023-09-30 25
Tom 13 Nr 2
2023-06-30 14
Tom 13 Nr 1
2023-03-31 12

2022

Tom 12 Nr 4
2022-12-30 16
Tom 12 Nr 3
2022-09-30 15
Tom 12 Nr 2
2022-06-30 16
Tom 12 Nr 1
2022-03-31 9

2021

Tom 11 Nr 4
2021-12-20 15
Tom 11 Nr 3
2021-09-30 10
Tom 11 Nr 2
2021-06-30 11
Tom 11 Nr 1
2021-03-31 14

2020

Tom 10 Nr 4
2020-12-20 16
Tom 10 Nr 3
2020-09-30 22
Tom 10 Nr 2
2020-06-30 16
Tom 10 Nr 1
2020-03-30 19

Authors

Bogdan Palchevskyi

bogdan_pal@ukr.net

Łucki Narodowy Uniwersytet Techniczny

http://orcid.org/0000-0002-4000-4992 ##orcid.unauthenticated##

Lyubov Krestyanpol

lkrestyanpol@gmail.com

Lesya Ukrainka Eastern European National University

http://orcid.org/0000-0003-3617-7900 ##orcid.unauthenticated##

Abstrakt

Aby rozwiązać problem predykcyjnego utrzymania ruchu w produkcji opakowań, proponujemy hybrydowy model optymalizujący plan utrzymania ruchu. Model ten opiera się na monitorowaniu stanu wielu komponentów wielostanowiskowej automatycznej maszyny pakującej i umożliwia przewidywanie ich przyszłych awarii oraz szacowanie pozostałego czasu eksploatacji urządzenia. Skuteczność proponowanego rozwiązania została zademonstrowana na przykładzie rzeczywistej przemysłowej maszyny wielostanowiskowej do automatycznej produkcji torebek foliowych i pakowania w nie pasty. Metodyka opiera się na analizie informacji diagnostycznych z wykorzystaniem systemu eksperckiego.

Słowa kluczowe:

aparatura technologiczna, system ekspertowy, monitoring, diagnostyka, inteligentny system sterowania

Bibliografia

Becker T., Wagner D.: Identification of Key Machines in Complex Production Networks. Procedia CIRP 41, 2016, 69–74.

Chaoyang G., Fenli G.: Embedded fault diagnosis expert system on weapon equipment. International Journal of Advanced Network, Monitoring and Controls 1(2), 2016, 25–33.

Dekker R. et al.: A review of multi-component maintenance models with economic dependence. Mathematical Methods of Operations Research 45, 1997, 411–435.

Erik L. J.: Expert system for diagnosing computer numerically controlled machines: a case-study. Computers in Industry 32(3), 1997, 233–248.

He Q., Li X. Q.: Management of knowledge base of expert system for fault diagnosis of rotating machinery. Applied Mechanics and Materials 44–47, 2010, 2935–2939.

IEC 60300-3-1:2003, Dependability management – Part 3-1: Application guide – Analysis techniques for dependability – Guide on methodology.

ISO 17359:2003(E), Condition monitoring and diagnostics of machines – General guidelines.

Lee J., Bagheri B., Kao H.-A.: A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems. Manufacturing Letters 3, 2015, 18–23.

Majstorovic V. D.: Expert systems for diagnosis and maintenance: The state-of-the-art. Computers in Industry 15(1–2), 1990, 43–68.

Mobley R. K.: An Introduction to Predictive Maintenance. Elsevier Science, 2002.

Mourtzis D., Vlachou E., Milas N.: Industrial Big Data as a Result of IoT Adoption in Manufacturing. Procedia CIRP 55, 2016, 290–295.

Olatunbosun A., Arulogunol O.: An expert system based equipment diagnostics. Journal of Applied Science, Engineering and Technology 5, 2005, 63–70.

Palchevskyi B., Krestyanpol L.: The Use of the “Digital Twin” Concept for Proactive Diagnosis of Technological Packaging Systems. Babichev S., Peleshko D., Vynokurova O. (eds): Data Stream Mining & Processing. Communications in Computer and Information Science 1158, Springer, Cham. 2020.

Palchevskyi B., Krestyanpol L.: Strategy of Construction of Intellectual Production Systems. IEEE Third International Conference on Data Stream Mining & Processing (DSMP), 2020, 362–365.

Palchevskyi B.: Improving the efficiency of intelectual packaging systems. Technological complexes 15, 2018, 4–14.

Sang G. M., Xu L., de Vrieze P.: Simplifying Big Data analytics systems with a reference architecture. Camarinha-Matos L., Afsarmanesh H., Fornasiero R. (eds): Collaboration in a Data-Rich World. PRO-VE 2017. IFIP Advances in Information and Communication Technology 506. Springer, Cham.

Tobon-Mejiaab D. A., Medjahera K., Zerhounia N.: CNC machine tool's wear diagnostic and prognostic by using dynamic Bayesian networks. Mechanical Systems and Signal Processing 28, 2012, 167–182.

Van Horenbeek A., Pintelon L., Muchiri P.: Maintenance optimization models and criteria. International Journal of System Assurance Engineering and Management 1, 2010, 189–200.

Wang H.: A survey of maintenance policies of deteriorating systems. European Journal of Operational Research.Volume 139(3), 2002, 469–489.

Wu W., Hu J., Zhang J.: Prognostics of Machine Health Condition Using an Improved ARIMA-Based Prediction Method. Second IEEE Conference on Industrial Electronics and Applications ICIEA, 2007, 1062–1067.

Zhang Z., Li Z., Zhao C.: Research on condition monitoring and fault diagnosis of intelligent copper ball production lines based on big data. IET Collaborative Intelligent Manufacturing 4(1), 2022, 45–57.

ZASTOSOWANIE PREDYKCYJNEJ DIAGNOSTYKI W PRODUKCJI OPAKOWAŃ. (2022). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 12(3), 27-33. https://doi.org/10.35784/iapgos.3051

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 12 Nr 3 (2022)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja