Предиктивная аналитика состояния оборудования в химико-технологических процессах
Gespeichert in:
| Titel: | Предиктивная аналитика состояния оборудования в химико-технологических процессах |
|---|---|
| Verlagsinformationen: | Автоматизация в промышленности, 2019. |
| Publikationsjahr: | 2019 |
| Schlagwörter: | диагностические и прогностические модели, мониторинг состояния оборудования, распознавание образов, обслуживание по состоянию, большие данные, предиктивная аналитика, химико-технологические процессы, наработка на отказ |
| Beschreibung: | Проанализированы особенности больших данных, генерируемых химико-технологическими производствами, определяющие возможность и способы применения современных инструментов мониторинга и предиктивной аналитики состояния технологического оборудования. Описана первая в своем классе производственная информационно- аналитическая платформа Honeywell Forge for Industrial, обрабатывающая большие данные, анализирующая состояние процессов и оборудования и предоставляющая рекомендации для интеллектуального управления, надежной и оптимальной эксплуатации производства. Изложены принципы сбора и подготовки данных, моделирования оборудования, предиктивного обнаружения и обработки событий, соответствующих нарушениям работы и отказам оборудования. Обсуждаются характеристики различных методов предиктивной аналитики и приводится практический пример ее использования. №12 (2020) |
| Publikationsart: | Article |
| Sprache: | Russian |
| DOI: | 10.25728/avtprom.2019.12.09 |
| Dokumentencode: | edsair.doi...........c25cf7b2f5897c48f8fd96af34210d92 |
| Datenbank: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstract: | Проанализированы особенности больших данных, генерируемых химико-технологическими производствами, определяющие возможность и способы применения современных инструментов мониторинга и предиктивной аналитики состояния технологического оборудования. Описана первая в своем классе производственная информационно- аналитическая платформа Honeywell Forge for Industrial, обрабатывающая большие данные, анализирующая состояние процессов и оборудования и предоставляющая рекомендации для интеллектуального управления, надежной и оптимальной эксплуатации производства. Изложены принципы сбора и подготовки данных, моделирования оборудования, предиктивного обнаружения и обработки событий, соответствующих нарушениям работы и отказам оборудования. Обсуждаются характеристики различных методов предиктивной аналитики и приводится практический пример ее использования.<br />№12 (2020) |
|---|---|
| DOI: | 10.25728/avtprom.2019.12.09 |