1. Главная
  2. Ресурсы
  3. Библиотечный поиск
  4. Журнал «Кузнечно-штамповочное производство. Обработка материалов давлением»
  5. Выпуск 2025 г. № 6
Оптимизацияпредиктивногообслуживанияоборудования черезобъединение данныхпромышленногоинтернета вещей играфовых баз знаний Утакаева И. Х.2025 год

Оптимизация предиктивного обслуживания оборудования через объединение данных промышленного интернета вещей и графовых баз знаний
статья из журнала

Заказать копию статьи
База данных: Каталог библиотеки СФУ (У 840)
Библиографическое описание: Утакаева, И. Х. Оптимизация предиктивного обслуживания оборудования через объединение данных промышленного интернета вещей и графовых баз знаний / И. Х. Утакаева. - (Ремонт, модернизация, реновация). - Текст : электронный // Кузнечно-штамповочное производство. Обработка материалов давлением. - 2025. - № 6. - С. 81-91. - Библиогр.: с. 91 (12 назв. ). - Электронное дополнение. - ISSN 0234-8241.
Аннотация: Настоящее исследование посвящено разработке комплексного подхода к предиктивному обслуживанию промышленного оборудования посредством конвергенции технологий промышленного интернета вещей (IIoT) и графовых баз знаний (KG). Интеграция этих технологий создает значительный потенциал для преодоления ограничений традиционных методов технического обслуживания, которые часто страдают от разрозненности данных, ограниченной контекстуализации и слабой семантической интерпретации собираемой информации. В исследовании предложена многоуровневая архитектура, включающая: сбор данных с IIoT-устройств, их предварительную обработку, формирование метаданных, построение семантической модели предметной области в виде графовой базы знаний и применение алгоритмов машинного обучения для предиктивной аналитики. Эмпирическая проверка разработанного подхода проводится на производственном оборудовании трех типов (гидравлические системы, конвейерные линии, роботизированные комплексы) в течение 18 месяцев. Результаты показывают существенное повышение точности прогнозирования отказов (на 27, 4 % по сравнению с традиционными методами), сокращение времени незапланированных простоев на 31, 8 % и снижение совокупных затрат на техническое обслуживание на 24, 2 %. Разработанный фреймворк демонстрирует повышенную адаптивность к изменениям условий эксплуатации за счет динамического обновления графа знаний и обогащения контекста данных, что обеспечивает более глубокое понимание причинно-следственных связей между различными факторами, влияющими на состояние оборудования. Исследование открывает новые перспективы для создания интеллектуальных систем обслуживания промышленных активов в парадигме Индустрии 4. 0.
Год издания: 2025
Авторы: Утакаева И. Х.
Источник: Кузнечно-штамповочное производство. Обработка материалов давлением
Выпуск: № 6
Номера страниц: 81-91
Количество экземпляров:
  • Читальный зал (пер. Вузовский, 6Д): свободно 1 из 1 экземпляров