Baza Publikacji Pracowników Politechniki Lubelskiej

Status:
Warianty tytułu:	Analiza danych z czujników pomiarowych do predykcji w systemach kontroli procesów produkcyjnych
Autorzy:	Rymarczyk Tomasz, Przysucha Bartosz, Bednarczuk Piotr
Dyscypliny:
	Aby zobaczyć szczegóły należy się zalogować.
Rok wydania:	2019
Wersja dokumentu:	Drukowana \| Elektroniczna
Język:	angielski
Numer czasopisma:	4
Strony:	26 - 29
Scopus® Cytowania:	2
Bazy:	Scopus
Efekt badań statutowych	NIE
Materiał konferencyjny:	NIE
Publikacja OA:	TAK
Licencja:
Sposób udostępnienia:	Witryna wydawcy
Wersja tekstu:	Ostateczna wersja opublikowana
Czas opublikowania:	W momencie opublikowania
Data opublikowania w OA:	15 grudnia 2019
Abstrakty:	angielski \| polski
	The article presents a solution based on a cyber - physical system in which data collected from measuring sensors was analys ed for prediction in the production process control system. The presented technology was based on intelligent sensors as part of the s olution for Industry 4.0. The main purpose of the work is to reduce data and select the appropriate covariate to opt imis e modelling of defects using the Cox model for a specific mechanical system. The reliability of machines and devices in the production p rocess is a condition for ensuring continuity of production. Predicting damage, especially its mo ve ment, gives the ability to monitor the current state of the machine. In a broader perspective, this enables streamlining the production process, service plan ning or control. This ensures production continuity and optimal performance. The presented model is a regressive survival ana lysis model that allows you to calculate the probability of failure occurring over a given period of time.
	Artykuł przedstawia rozwiązanie oparte na systemie cyber - fizycznym, w którym analizowano dane zbierane z czujników pomiarowych do predykcji w systemie kontroli procesów produkcyjnych. Przedstawiona technologia została oparta na inteligentnych czujnikac h pomiarowych jako element rozwiązania dla Przemysłu 4.0. Głównym celem pracy jes t redukcja danych i wybór odpowiedniego kowariantu w celu optymalizacji modelowania usterek za pomocą modelu Coxa dla konkretnego układu mechanicznego. Niezawodność pracy maszyn i urządz eń w procesie produkcyjnym jest warunkiem zapewnienia ciągłości produ kcji. Przewidywanie uszkodzenia, a zwłaszcza jego momentu daje możliwość monitorowania bieżącego stanu maszyny. W szerszej perspektywie umożliwia to usprawnienie procesu produkcji, planowania serwisu, czy kontroli. Zape w nia to utrzymanie ciągłości produkcj i i optymalnej jej wydajności. Przedstawiony model jest regresywnym modelem analizy przeżycia, który pozwala na obliczanie prawdopodobieństwa wystąpienia awarii w określonym czasie

Informacja o cookies

Analysis of data from measuring sensors for prediction in production proces control systems

Artykuł w czasopiśmie