CC BY
38
Вестник Челябинского государственного университета. 2013. № 15 (306).
Экономика. Вып. 41. С. 92-94.
Л. Л. Решетников
управление затратами на эксплуатацию в технологиях обеспечения жизненного цикла изделий
Рассмотрены проблемы эксплуатации в жизненном цикле сложных технических изделий, обосновывается применение аппарата искусственных нейронных сетей, предлагается организация непрерывной системы контроля технического состояния изделий
Ключевые слова: жизненный цикл изделий, искусственные нейронные сети, диагностирование, эксплуатация, техническое обслуживание и ремонт, затраты.
Современное производство и эксплуатация сложной техники и оборудования предполагает согласованное взаимодействие широкого спектра предприятий, успешная деятельность которых обеспечивается информационным взаимодействием систем по поддержке всех этапов жизненного цикла изделий (ЖЦИ).
В последние годы проводится множество работ теоретического и прикладного характера в контексте ЖЦИ, который также обозначается аббревиатурой PLM (Products Lifecycle Management). Основной контекст работ — проблемы создания информационных решений глобального характера для сопровождения всех этапов ЖЦИ от стадии проектирования до процессов утилизации и рециклинга ресурсов. Выработка оптимальных стратегий и концепций в обозначенной сфере позволяет повысить степень взаимодействия инфор -мационных и производственных технологий, предоставляя более высокий уровень интеграции.
Не все этапы ЖЦИ равнозначны, и центр тяжести, как правило, сосредоточивается на этапе эксплуатации изделий у потребителя, где важны вопросы минимизации эксплуатационных расходов и установления оптимального срока эксплуатации изделий [1], что особо важно для сложной техники. Этапным решением является факт завершения эксплуатации изделия с последующей утилизацией, замена его на новое техническое ре -шение.
Техническое обслуживание и ремонт является значительной компонентой ЖЦИ и рассматривается как вынужденная мера, направленная на предотвращение нежелательных событий, вызванных отказами техники. Эта весьма ресурсоемкая составляющая часть общих затрат ЖЦИ таит в себе множество возможностей для применения инструментов оптимизации. Наиболее предпочтительная область — переход с системы планово-предупредительных обслуживаний и ремонтов на систему «по состоянию». Именно тех-
ническое состояние изделия определяет состав и периодичность его технического обслуживания, что является одним из основных резервов снижения эксплуатационных расходов на обеспечение работоспособного и исправного состояния сложных технических объектов. Необходимым условием реализации прогрессивной системы является непрерывный контроль и достоверное прогнозирование изменения технического состояния изделия на уровне достоверных диагностических параметров. Современный уровень телекоммуникационных систем позволяет решить проблему беспроводного считывания необходимых данных. Также современные микропроцессорные системы позволяют встраивать в изделия информационные сенсоры для контроля технического состояния изделий с возможностью непрерывного накопления и обработки данных, информации и знаний о необходимых технических параметрах и даже режимах функционирования изделия в течение его жизненного цикла.
Для решения задач диагностирования необходима диагностическая модель (формальное описание работоспособного и исправного состояния объекта диагностирования) в виде зависимостей вектора выходных параметров от вектора входных параметров. Причем возможен вариант оценки как общего состояния объекта, так и локализации состояния по отдельным узлам и агрегатам. Подобного рода задачи решаются с использованием регрессионных моделей, в которых выходные параметры объекта зависят от известных входных параметров без учета физических и конструктивных особенностей объекта исследования.
Выбор необходимого инструментария предопределяется не только необходимой точностью моделирования, но и возможностью непрерывного обучения и переобучения модели, инвариантностью относительно характеристик объекта диагностирования и условий его функционирования. Исходя из предпосылок весьма уместным
можно считать использование аппарата искусственных нейронных сетей (ИНС), где базовым элементом считается нейрон (рис. 1), состоящий из элементов трех типов: умножителей (синапсов), сумматора и нелинейного преобразователя. На вход синапса подается сигнал от внешней среды или другого синапса и умножается на вес синапса (характеризует силу связи). Сумматор выполняет сложение умноженных на веса (взвешенных) сигналов. Нелинейный преобразователь вычисляет величину выходного сигнала нейрона, который посредством межнейронных связей (аксонов) подается далее на входы других нейронов или является выходом сети.
Рис. 1. Структура искусственного нейрона
Характеристики сети определяются в основном схемой соединения ее нейронов и видом функций, реализуемых нелинейным преобразователем. Большинство задач технической диагностики успешно решаются с помощью многослойных сетей прямого распространения (многослойный персептрон) (рис. 2), в которых нейроны распо-
Рис. 2. Трехслойная сеть
лагаются слоями [2]. Выходы всех нейронов текущего слоя (или все входы сети) поступают на вхо -ды всех нейронов последующего слоя. Каждый из элементов на рис. 2 представляет собой нейрон (согласно рис. 1). Количество входных и выходных элементов в многослойном персептроне определяется условиями задачи.
Для того чтобы работа сети была сопоставима с работой реального объекта, ее необходимо обучать: подбирают значения весов таким образом, чтобы разница между значениями выходов сети и соответствующих выходов реального объекта была минимальной. Для обучения используются векторы входных и выходных параметров реального объекта, полученные в процессе его эксплуатации (обучающая выборка). Обучение сети выполняется в автоматическом режиме с использованием специальных обучающих алгоритмов.
Применение ИНС дает возможность определять работоспособность и исправность как объекта в целом, так и его отдельных систем, узлов, агрегатов. Во втором случае работа отдельных компонент системы моделируется отдельной нейронной сетью.
Внедрение описанных решений требует существенных затрат на обучение сетей, однако значительное удешевление систем по сбору и передаче технической информации (на уровне встроенных в объект диагностирования систем) с возможность ее удаленной обработки, снимает принципиальные ограничение на техническую реализацию проектов подобного класса.
В качестве возможной реализации конкретное решение должно содержать компоненты по обеспечению всех этапов прохождения и обработки информации, необходимой для контроля технического состояния. Для обеспечения достоверности и непротиворечивости массива данных беспроводные технологии передачи информации должны быть продублированы возможностью ее передачи переносными накопителями. Стационарные компьютеры соответствующего информационного обеспечения выполняют функции системы управления базами данных и прикладных компонентов по работе с нейросетями.
Процесс обучения сетей контролируется заданной величиной суммарной среднеквадратичной ошибки (для систем подобно рода — 1...4 %) расчета выходного вектора параметров сети. Периодичность информационного обмена с объектами может варьироваться в широких пределах: например, в зависимости от характе-
Г руппа однотипных объектов
Обучение
нейросети
Нейросети по обработке информации
База данных по диагностическим параметрам
Рис. 3. Организация контроля технического состояния изделий
ра эксплуатации изделия. Выходные параметры промежуточных обследований согласно протоколу хранятся в информационном хранилище и служат основанием для оценки изменения технического состояния изделия за известный период (или единицы измерения наработки) и определения объемов и сроков технических воздействий на объект диагностирования.
Применение вышеприведенного решения для оперативного контроля технического состояния изделий весьма перспективно в концепции PLM-систем, которые сопряжены с распределенными базами данных и базами знаний. В совокупности с приемниками GPS- и GSM-сигналов появляется возможность не только контролировать позиционирование изделий, но и получать и обрабаты-
вать данные о состоянии изделия, а также сведения о необходимом объеме его обслуживания.
Непрерывное накопление и обработка данных и знаний о режимах функционирования востребована и на прочих этапах в течение ЖЦИ, сказывается на степени удовлетворенности заказчика готовым изделием, позволяет своевременно совершенствовать изделия, процессы и услуги.
Список литературы
1. Петрушин, С. И. Организация жизненного цикла изделий машиностроения : монография / С. И. Петрушин, Р. Х. Губайдулина. Томск : Изд-во Том. политехи. ун-та. 2012. 200 с.
2. Хайкин, С. Нейронные сети: полный курс : пер. с англ. 2-е изд. М. : Вильямс, 2006. 1104 с.
