Tytuł pozycji:
Rozwój metod predykcyjnych w utrzymaniu majątku produkcyjnego na przykładzie TAURON Wytwarzanie S.A.
W artykule opisano projekt realizowany w TAURON Wytwarzanie S.A., którego celem jest opracowanie systemu wykorzystującego innowacyjne algorytmy predykcyjno/preskrypcyjne, będące złożonymi modelami klasycznego uczenia maszynowego oraz zaawansowanych algorytmów statystycznych. Prowadzone badania umożliwią poprawę wskaźnika awaryjności. Pilotażowy system diagnostyki monitoruje stan techniczny instalacji i urządzeń bloku w TAURON Wytwarzanie S.A. System dysponuje szeregiem narzędzi klasy Predictive Maintenance, które mają za zadanie na bieżąco monitorować stan techniczny maszyn i przewidywać sytuacje awaryjne kluczowych instalacji, bazując na odczytach wielu danych procesowych, których źródłem są systemy sterujące bloku. Obecnie system diagnostyki predykcyjnej opiera się na danych procesowych z Nadrzędnego Systemu Automatyki. Analiza dużej liczby danych i budowa odpowiednich modeli pozwalają zarówno na wcześniejsze sygnalizowanie problemów technicznych urządzeń krytycznych, jak i na poprawę procesów produkcyjnych przez działanie holistycznego optymalizatora. Systemy predykcji i wykrywania anomalii mają duży potencjał. W przyszłości ich działanie powinno się przełożyć na optymalizację procesu zarządzania majątkiem produkcyjnym.
The article describes a project implemented at TAURON Wytwarzanie S.A., the aim of which is to develop a system that uses innovative predictive /prescription algorithms, which are complex models of classical machine learning and advanced statistical algorithms. The conducted research will enable the improvement of the failure rate. A pilot diagnostic system monitors the technical condition of the installations and equipment of the unit at TAURON Wytwarzanie S.A. The system has a number of Predictive Maintenance class tools, which are designed to monitor the technical condition of machines and predict emergency situations in key installations, based on numerous process data, the source of which are the unit’s control systems. Currently, the predictive diagnostics system is based on process data from the Master Automation System. The analysis of a large amount of data and the construction of appropriate models allow both to signal technical problems of critical devices in advance and to improve production processes through the operation of a holistic optimizer. The systems of prediction and anomaly detection have great potential. In the future their operation should enable optimization of the productive assets management process.
Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).
