Decision-making algorithm for the implementation of predictive equipment maintenance in high-tech companies

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription or Fee Access

Abstract

The authors consider the problems of predictive equipment maintenance in high-tech industries. The analysis of the experience of predictive equipment maintenance at Russian and foreign companies is carried out. The advantages of implementing this technology are highlighted. The rationale for obtaining an economic effect due to early detection of pre-failure conditions and anomalies of high-tech equipment is given. An algorithm for making decisions on the feasibility of implementing predictive equipment maintenance of high-tech companies has been developed.

About the authors

Mariya Vladimirovna Yakovleva

Bauman Moscow State Technical University

Email: mvyakovleva@bmstu.ru

Alina Igorevna Shalina

Bauman Moscow State Technical University

Email: a.shalinalina@yandex.ru

References

  1. Абрамов Е.Г., Авдонин Б.Н., Батьковский А.М., Батьковский М.А. Диагностика и мониторинг экономической устойчивости предприятий радиоэлектронного комплекса с учетом оценки их инновационного потенциала // Электронная промышленность. – 2010. – № 3. – c. 51-71.
  2. Vishwa G. Predictive Maintenance Market: Global Opportunity Analysis And Industry Forecast, 2020–2027 // Allied Market Research. – 2021. – p. 1-6.
  3. Ковальчук Ю.А., Степнов И.М. Управление промышленными экосистемами в едином цифровом пространстве // Проблемы рыночной экономики. – 2022. – № 3. – c. 107-121. – doi: 10.33051/2500-2325-2022-3-107-121.
  4. Фролов В.Г., Дробот Е.В., Абрамов Е.Г. Реализация стратегий Индустрии 4.0 российскими и зарубежными предприятиями: возможности для российской текстильной промышленности // Известия высших учебных заведений. Технология текстильной промышленности. – 2022. – № 2(398). – c. 312-323. – doi: 10.47367/0021-3497_2022_2_312.
  5. Фролова М.В., Чепыжов Д.С. Предиктивное техническое обслуживание как средство обеспечения экономической безопасности промышленных предприятий // Экономическая безопасности России: проблемы и перспективы: Материалы VII Международной научно-практической конференции. Нижний Новгород, 2020. – c. 271-275.
  6. Дудин М.Н., Шкодинский С.В., Усманов Д.И. Цифровой суверенитет России: барьеры и новые траектории развития // Проблемы рыночной экономики. – 2021. – № 2. – c. 30-49. – doi: 10.33051/2500-2325-2021-2-30-49.
  7. Predictive Maintenance: Position Paper - Deloitte Analytics Institute. Deloitte.com. [Электронный ресурс]. URL: https://www2.deloitte.com/content/dam/Deloitte/de/Documents/deloitte-analytics/Deloitte_Predictive-Maintenance_PositionPaper.pdf (дата обращения: 27.12.2022).
  8. Cachada A., Barbosa J., Leitño P. Maintenance 4.0: intelligent and predictive maintenance system architecture // IEEE 23rd International conference on emerging technologies and factory automation. Torino, Italy, 2018. – p. 139-146.– doi: 10.1109/ETFA.2018.8502489.
  9. Афанасьев А.А. Об оценке влияния международных санкций на условия функционирования отечественной промышленности // Экономические отношения. – 2022. – № 2. – c. 179-194. – doi: 10.18334/eo.12.2.114858.
  10. Кравченко П.П., Бурцев Д.С. Исследование опыта организации корпоративного обучения и анализ компетенций сотрудников предприятий лесной промышленности для внедрения цифровых технологий // Лидерство и менеджмент. – 2022. – № 4. – c. 1159-1172. – doi: 10.18334/lim.9.4.116967.
  11. Keith Mobley R. An introduction to predictive maintenance. / 2nd ed. - New York, NY: Elsevier Science, 2002. – 1-22 p.
  12. Тарасов И.В. Технологии Индустрии 4.0: влияние на повышение производительности промышленных компаний // Стратегические решения и риск-менеджмент. – 2018. – № 2. – c. 62-69. – doi: 10.17747/2078-8886-2018-2-62-69.
  13. Григорьевна Т.А., Баева А.Ю. Применение предиктивной аналитики в энергетике // Труды Братского государственного университета. Серия: Естественные и инженерные науки. – 2021. – c. 16-19.
  14. Кохно А.П. Методы управления эффективностью разработки оборонной продукции // Экономика высокотехнологичных производств. – 2022. – № 2. – c. 113-128. – doi: 10.18334/evp.3.2.115240.
  15. Кохно П.А., Кохно А.П. Методы разработки инновационной стратегии высокотехнологичных промышленных предприятий // Экономика высокотехнологичных производств. – 2022. – № 3. – c. 161-176. – doi: 10.18334/evp.3.3.116955.
  16. На повестке дня об оптимизации ремонтов. Корпоративная газета ООО «Газпром нефтехим Салават». [Электронный ресурс]. URL: https://vbashkortostane.gazprom.ru/d/journal/79/121/19-01-26.pdf (дата обращения: 03.12.2022).
  17. Планировать ремонты на «КАМАЗе» будет «цифра». Вести КАМАЗа. [Электронный ресурс]. URL: https://vestikamaza.ru/posts/planirovat-remonty-na-kamaze-budet-tsifra/ (дата обращения: 09.12.2022).
  18. Рекомендательные модели. СИБУР диджитал. [Электронный ресурс]. URL: https://sibur.digital/projects/recommender (дата обращения: 25.11.2022).
  19. Simard S.R., Gamache M., Doyon-Poulin P. Current Practices for Preventive Maintenance and Expectations for Predictive Maintenance in East-Canadian Mines // Mining. – 2023. – № 3(1). – p. 26-53. – doi: 10.3390/mining3010002.
  20. Цифровая трансформация процессов ТОиР (железнодорожный транспорт). Factory5. [Электронный ресурс]. URL: https://factory5.ai/cases/ (дата обращения: 12.01.2023).
  21. Информационные технологии в Газпром нефть. Tadviser. [Электронный ресурс]. URL: https://www.tadviser.ru/index.php/Статья:Информационные_технологии_в_Газпром_нефть (дата обращения: 18.01.2023).
  22. «Газпром нефть» внедрила интеллектуальную систему мониторинга оборудования на АЗС. Rogtec. [Электронный ресурс]. URL: https://www.rogtecmagazine.com/газпром-нефть-внедрила-интеллекту/?lang=ru (дата обращения: 03.02.2023).
  23. Северсталь как мы прокачали телеметрию крупного металлургического комбината. Хабр. [Электронный ресурс]. URL: https://habr.com/ru/company/severstal/blog/534442/ (дата обращения: 23.01.2023).
  24. Северсталь как мы учились предсказывать отказы. Хабр. [Электронный ресурс]. URL: https://habr.com/ru/company/severstal/blog/546150 (дата обращения: 08.02.2023).
  25. Fueling the AI transformation: Four key actions powering widespread value from AI, right now. Deloitte. [Электронный ресурс]. URL: https://www2.deloitte.com/content/dam/Deloitte/us/Documents/deloitte-analytics/us-ai-institute-state-of-ai-fifth-edition.pdf (дата обращения: 20.12.2022).
  26. Ионов Г.А., Пасечник Ф.В., Самотесов Ю.А., Ульчугачев Д.С. Интеграция предиктивного технического обслуживания производственных активов как элемент цифровой трансформации // Актуальные проблемы развития хозяйствующих субъектов, территорий и систем регионального и муниципального управлени: Материалы 16-й Международной научно-практической конференции. Том ВЫПУСК 2. Курск, 2021. – c. 110-112.
  27. Сайедж Е.М. Трансформация систем технического обслуживания и ремонта оборудования в условиях цифровизации // Современные парадигмы социально-экономического развития России в рамках реализации национальных проектов: Материалы Национальной научно-практической конференции. Том 15. Москва, 2020. – c. 121-123.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2023 Yakovleva M.V., Shalina A.I.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies