Детальная информация

Цель ВКР: разработка комплексного решения по организации и управлению автоматизацией технического обслуживания и ремонта с целью повышения эффективности эксплуатации. Метод проведения ВКР: теоретический анализ научных публикаций и отраслевых стандартов, обследование текущих процессов и моделирование архитектуры автоматизированной системы, разработка алгоритмов предиктивной аналитики и экономическое обоснование внедрения. Результаты ВКР: разработаны трехуровневая архитектура системы автоматизации технического обслуживания и ремонта, включающая полевой уровень (IoT-датчики и шлюзы), платформенный уровень (IBM Maximo + кастомные модули), корпоративный уровень (интеграция с ERP/MES) и алгоритмы машинного обучения для прогнозирования остаточного ресурса оборудования (точность 94-96%), оптимизации графиков технического обслуживания с учетом 9 критериев. Рассчитан экономический эффект: сокращение затрат на техническое обслуживание и ремонт на 25-35%, увеличение коэффициента готовности до 97-98%. Область применения результатов ВКР: предприятия наукоёмких отраслей промышленности: полупроводниковая, авиакосмический комплекс, фармацевтика, точное машиностроение. Выводы: автоматизация технического обслуживания и ремонта на основе предиктивных технологий позволяет сократить незапланированные простои на 40-45%, гибридная архитектура обеспечивает баланс между функциональностью и стоимостью внедрения. Использование цифровых двойников и AR-технологий повышает точность диагностики на 30-35%.

The purpose of the WRC is to develop a comprehensive solution for the organization and management of automation of maintenance and repair in order to increase operational efficiency. The research method includes theoretical analysis of scientific publications and industry standards, survey of current processes and modeling of the architecture of an automated system, development of predictive analytics algorithms and economic justification for implementation. WRC results: a three-level architecture of the maintenance and repair automation system has been developed, including the field level (IoT sensors and gateways), the platform level (IBM Maximo + custom modules), the enterprise level (integration with ERP/MES) and machine learning algorithms for predicting the remaining life of equipment (accuracy 94-96%), graph optimization maintenance based on 9 criteria. The economic effect is calculated: reducing maintenance and repair costs by 25-35%, increasing the availability factor to 97-98%. The field of application of the results of the research: enterprises of high-tech industries: semiconductor, aerospace, pharmaceuticals, precision engineering. Conclusions: automation of maintenance and repair based on predictive technologies reduces unplanned downtime by 40-45%, hybrid architecture provides a balance between functionality and cost of implementation. The use of digital twins and AR technologies increases diagnostic accuracy by 30-35%.