ИНТЕЛЛЕКТУАЛИЗАЦИЯ ИНФОРМАЦИОННЫХ СИСТЕМ УПРАВЛЕНИЯ РЕМОНТАМИ ПРЕДПРИЯТИЙ ЭНЕРГЕТИКИ

Дата поступления: 
14.05.2019
Библиографическое описание статьи: 

Щербатов И. А. Интеллектуализация информационных систем управления ремонтами предприятий энергетики / И. А. Щербатов // Современные технологии. Системный анализ. Моделирование. – 2019. – Т. 63, № 3. – С. 31–37. – DOI: 10.26731/1813-9108.2019.3(63).31–37

Год: 
2019
Номер журнала (Том): 
УДК: 
621.398
DOI: 

10.26731/1813-9108.2019.3(63).31–37

Файл статьи: 
Страницы: 
31
37
Аннотация: 

В статье отмечается необходимость разработки метрических показателей оценки степени интеллектуальности информационных систем управления ремонтами, направленных на повышение эффективности планирования и реализации ремонтных программ предприятий энергетики. Показано, что за счет применения методов искусственного интеллекта существует возможность реализации мощных программных продуктов и систем, использующих функционал мониторинга, диагностики, прогнозирования и принятия решений в области применения стратегии ремонта энергетического оборудования по его фактическому техническому состоянию. Использование данных методов приводит к автономности и интеллектуальности функционирования систем управления ремонтами, поэтому актуальной является задача разработки соответствующих метрических показателей, которые позволят оценить степень интеллектуальности разрабатываемых и используемых информационных систем предприятий энергетики. В работе приводятся такие показатели и представлен расчетный пример, демонстрирующий последовательность соответствующих расчетов. Сформулированы рекомендации по применению метрических показателей оценки степени интеллектуальности систем управления ремонтами предприятий энергетики.

Список цитируемой литературы: 

1.   Ящура А.И. Система технического обслуживания и ремонта энергетического оборудования. Справочник. – М.: Изд-во НЦ ЭНАС, 2017. 504 с.

2.   Кац Б.А. Когда начинать использовать системы EAM // Автоматизация в промышленности. 2010. № 8. С. 43-45.

3.   Давиденко И.В., Голубев В.П., Комаров В.И., Осотов В.Н. Структура экспертно-диагностической и информационной системы оценки состояния высоковольтного оборудования // Электрические станции: ежемесячный производственно-технический журнал. 1997. N 6. С. 25-27.

4.   Попов Г.В., Игнатьев Е.Б. Определение индекса технического состояния силовых трансформаторов в процессе их эксплуатации // Вестник ИГЭУ. 2014. № 4. С. 1–8.

5.   Park J.K., Kwon B.K., Park J.H., Kang D.J. Machine learning-based imaging system for surface defect inspection. International Journal of Precision Engineering and Manufacturing-Green Technologies. 2016. Vol. 3. No. 3. P. 303–310.

6.   Wang J., Ma Y., Zhang L., Gao R.X., Wu D. Deep learning for smart manufacturing: Methods and applications // Journal of Manufacturing Systems. 2018. Vol. 48. P. 144-156.

7.   Баширов М.Г., Юмагузин Ю.Ф. Оценка технического состояния оборудования предприятий нефтегазовой отрасли на основе применения техноценологического метода // Электронный научный журнал «Нефтегазовое дело». 2012. №5. С. 293-302.

8.   Попов Г.В., Игнатьев Е.Б., Виноградова Л.В., Виноградова Ю.Ю., Ворошина Д.А. Экспертная система оценки состояния электрооборудования «Диагностика+» // Электрические станции. 2011. № 5. С. 36–45.

9.   Щербатов И.А. Автономность функционирования и степень интеллектуальности сложных технических систем // Информатика и системы управления. 2016. № 3 (49). С. 105-118.

10. Интеллектуальные системы управления организационно-техническими системами / под ред. А. А. Большакова. М. : Горячая линия – Телеком. 2016. 160 с.

11. Лохин В.М., Захаров В.Н. Интеллектуальные системы управления: понятия, определения, принципы построения // В кн. «Интеллектуальные системы автоматического управления» / Под ред. И.М. Макарова, В.М. Лохина. М.: Физматлит. 2001. С. 25-38.

12. Armor A.F. Expert systems for power plants: the floodgates are opening / A.F. Armor // Power Engineering. 1989. Vol. 93. - Issue 7. p. 29-33.

13. Davis R., King J. An overview of production systems // Machine Intelligence. 1977. Vol. 8. Ellis Horwood Limited, Chichester. p. 300—332.

14. Protalinsky O.M., Shcherbatov I.A., Stepanov P.V. Identification of the actual state and entity availability forecasting in power engineering using neural-network technologies. Proceedings in Journal of Physics: Conference Series Сер. "International Conference "Problems of Thermal Physics and Power Engineering", PTPPE 2017" 2017. С. 012289.

15. Щербатов И.А. Глобальная цель сложной слабоформализуемой технической системы. Монография. Изд-во Астраханского государственного технического университета. Астрахань. 2017. 100 с.