На практике в разных отраслях экономики используются три стратегии технического обслуживания: реактивная (RM), планово-предупредительная (PM) и предсказательная, или предиктивная (PdM). Доминирующей является планово-предупредительная стратегия, в рамках которой развивается несколько методологий, ориентированных на надежность, качество, снижение рисков и т.д. Для сельскохозяйственных предприятий предложена прогнозная методология обслуживания, нацеленная на переход к PdM. Методология направлена на то, чтобы предсказать выход из строя элементов машин и определить правильные действия по техническому обслуживанию и ремонту. Это позволяет достичь баланса между частотой обслуживания и стоимостью. Для оценки эффективности прогнозного обслуживания предложены модель минимизации затрат и модель оценки надежности. Цель функции затрат состоит в том, чтобы минимизировать долгосрочную ожидаемую норму затрат на данном этапе жизненного цикла машин в максимальной его продолжительности. Для прогнозного обслуживания выделено пять составляющих затрат. В модели оценки надежности в качестве критерия используется коэффициент готовности. Показатель демонстрирует доступность машин в условиях непрерывной деградации элементов машины с учетом совершенствования обслуживания. Модель оценки надежности представляется более доступным и точным инструментом оценки эффективности реализации методологии прогнозного обслуживания.
прогнозное обслуживание, предсказательная стратегия обслуживания, техническое обслуживание и ремонт, оценка затрат, оценка надежности
1. Мартынов Б.Г., Тарабан М.В., Мозиков М.Д. К вопросу управления проактивной системой технического обслуживания в современных условиях // Сб. науч.-тех. конф. института технологических машин и транспорта леса. СПб.: СПбГЛТУ, 2022. С. 303-307. EDN: https://elibrary.ru/ICFOFC
2. Сай Ван Квонг, Щербаков М.В. Архитектура системы предсказательного технического обслуживания сложных многообъектных систем в концепции Индустрии 4.0 // Программные продукты и системы. 2020. Т. 33. № 2. С. 186-194.
3. Ферапонтова М.В., Стародубец А.А., Перчаткин А.С. Проактивное или предотвращающее обслуживание // Сб. науч.-практ. конф. 3 декабря 2020. Петрозаводск: Новая наука. 2020. С. 132-135.
4. Pinciroli L., BaraldiP., Zio E. Maintenance optimization in industry 4.0 // Reliability Engineering and System Safety. 2023. Т.234. URL: https://www.sciencedirect.com/science/article/pii/S0951832023001199?via%3Dihub (дата обращения 21.09.23). EDN: https://elibrary.ru/ADYQUU
5. Редреев Г.В. Обеспечение работоспособности разнородного парка тракторов в системе технического сервиса АПК: дис.. док. техн. наук: 05.20.03. Сибирский федеральный научный центр агробиотехнологий Российской академии наук. Новосибирск. 2021. 414 с. EDN: https://elibrary.ru/KRQCVI
6. Ran Y., Zhou X., Lin P., Wen Y., Deng R.A. Survey of Predictive Maintenance: Systems, Purposes and Approaches. IEEE Communications Surveys & Tutorials. 2019;(20):1-36. https://arxiv.org/pdf/1912. 07383.pdf (дата обращения: 03.10.2023).
7. Помогаев В.М., Редреев Г.В., Ревякин П.И., Басакина А.С. Возможности использования данных электронных систем сельскохозяйственных машин для построения предсказательных моделей // Вестник Омского ГАУ. 2022. № 2(46). С. 153-166. DOI:https://doi.org/10.48136/22220364_2022_2_153 EDN: https://elibrary.ru/ETEYTP
8. You M.-Y., Li L., Meng G., Ni J. Cost-effective updated sequential predictive maintenance policy for continuously monitored degrading systems. IEEE Transactions on Automation Science and Engineering. 2009;7(2):257-265.
9. Grall A., Dieulle L., Berenguer C., Roussignol M. Continuoustime predictive-maintenance scheduling for a deteriorating system. IEEE transactions on reliability. 2002;51(2):141-150.
10. He Y., Han X., Gu C., Chen Z. Costoriented predictive maintenance based on mission reliability state for cyber manufacturing systems. Advances in Mechanical Engineering. 2018;10(1). URL: https://journals.sagepub.com/doi/pdf/ (дата обращения: 06.09.23). DOI:https://doi.org/10.1177/1687814017751467
11. Louhichi R., Sallak M., Pelletan J. A cost model for predictive maintenance based on risk-assessment. 2019. URL: https://hal.science/hal-02181097/document (дата обращения: 21.10.23).
12. Letot C., Equeter L., Dutoit C., Dehombreux P. Updated operational reliability from degradation indicators and adaptive maintenance strategy. System Reliability.IntechOpen. 2017. URL: https://www.intechopen.com/chapters/55561 (дата обращения: 11.08.23).
13. Huang T., Peng B., Coit D.W., Yu Z. Degradation modeling and lifetime prediction considering effective shocks in a dynamic environment. IEEE Transactions on Reliability. 2019;68(3):819-30. DOI. DOI:https://doi.org/10.1109/tr.2019.2917058
14. Gravette M.A., Barker K. Achieved availability importance measure for enhancing reliability-centered maintenance decisions. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability. 2015;229(1):62-72.
15. Ascher Н.R., Femgold Н. Repairable System Reliability: Modeling. Inference. Misconceptions and Their Causes. New York: Marcel Dekker, 1984. 240 с.
16. Семенов А.П. Модель управления жизненным циклом локомотива с использованием современных методов технического диагностирования: дис.. док. техн. наук: 05.22.07. Рос. университет транспорта. М., 2021. 379 с.
17. Болдырева О.Н., Звягинцева А.В. Регулирование технологического риска посредством оптимизации программы технического обслуживания оборудования // Вестник Воронежского государственного технического университета. 2009. Т. 5. № 12. С. 76-78. EDN: https://elibrary.ru/LATHVV
18. Гостюнин Ю.А., Гостюнина В.А. Система принятия решений для риск-ориентированной стратегии технического обслуживания // Сборник трудов V Международной юбилейной научной конференции. Саратовский государственный технический университет. 2017. С. 301-305. EDN: https://elibrary.ru/XNURVJ
