Алгоритм принятия решений о внедрении предиктивного обслуживания оборудования на высокотехнологичных предприятиях
- Авторы: Яковлева М.В.1, Шалина А.И.1
-
Учреждения:
- Московский государственный технический университет имени Н.Э. Баумана
- Выпуск: Том 13, № 1 (2023)
- Страницы: 159-172
- Раздел: Статьи
- URL: https://journals.eco-vector.com/2222-0372/article/view/608058
- DOI: https://doi.org/10.18334/vinec.13.1.117426
- ID: 608058
Цитировать
Полный текст
![Открытый доступ](https://journals.eco-vector.com/lib/pkp/templates/images/icons/text_open.png)
![Доступ закрыт](https://journals.eco-vector.com/lib/pkp/templates/images/icons/text_unlock.png)
![Доступ закрыт](https://journals.eco-vector.com/lib/pkp/templates/images/icons/text_lock.png)
Аннотация
В статье рассматриваются вопросы, связанные с применением технологий предиктивного обслуживания оборудования на высокотехнологичных производствах. Проведен анализ опыта использования предиктивного обслуживания оборудования на российских и зарубежных предприятиях, выделены преимущества внедрения данной технологии. Приводится обоснование получения экономического эффекта за счет раннего выявления предотказных состояний и аномалий высокотехнологичного оборудования. Разработан алгоритм принятия решений о целесообразности внедрения предиктивного обслуживания оборудования высокотехнологичных предприятий.
Об авторах
Мария Владимировна Яковлева
Московский государственный технический университет имени Н.Э. Баумана
Email: mvyakovleva@bmstu.ru
старший преподаватель кафедры «Менеджмент»
Алина Игоревна Шалина
Московский государственный технический университет имени Н.Э. Баумана
Email: a.shalinalina@yandex.ru
студентка кафедры «Менеджмент»
Список литературы
- 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.
Дополнительные файлы
![](/img/style/loading.gif)