36 ◀ Perspektywy rozwoju ▶ Oprogramowanie wykorzystujące AI analizuje obraz w czasie rzeczywistym i rozpoznaje zdarzenia takie jak: iskrzenia, utrata kontaktu odbieraka z przewodem zasilającym, uderzenie o poluzowane elementy sieci trakcyjnej (wieszaki). Informacja o takich zdarzeniach jest uzupełniana o pozycję geograficzną (…). Predictive maintenance W praktyce eksploatacji pojazdów i infrastruktury stosuje się kilka sposobów zapewnienia ciągłości ruchu. Dla urządzeń i systemów o znaczeniu krytycznym wybiera się serwisowanie według resursu. Oznacza to, że pewne części i podzespoły wymienia się po upływie określonego czasu (licząc według kalendarza od daty wytworzenia lub montażu albo według ewidencji czasu pracy lub liczby wykonanych cykli pracy). W praktyce zdarza się, że wiele części i podzespołów (czasami skomplikowanych i kosztownych) trafia na złom, mimo że faktycznie nie są one ani zniszczone, ani nawet zużyte w znacznym stopniu. Takie podejście poprawia bezpieczeństwo, ale generuje dodatkowe wydatki i zwiększa całkowity koszt posiadania urządzenia. Rozwiązanie, które stało się dostępne dzięki sztucznej inteligencji, łączy zalety wszystkich wymienionych podejść i eliminuje większość niedogodności z nimi związanych. Predictive maintenance to termin, który jest tłumaczony na język polski jako: „utrzymanie predykcyjne” lub „konserwacja predykcyjna”. Idea jest następująca: wyposażmy każdy pojazd i podzespół w zestaw czujników mierzących jak najwięcej parametrów: temperaturę, amplitudę i częstotliwość wibracji, prędkość obrotową rotujących elementów, natężenie i częstotliwość emitowanego dźwięku, napięcie i natężenie prądu zasilającego poszczególne podzespoły, czas trwania cyklu pracy, ciśnienie w zbiornikach i jego zmiany w czasie, siłę potrzebną do uruchomienia mechanizmu, ciśnienie płynu hydraulicznego lub powietrza w siłownikach itd. W ten sposób powstanie strumień danych, niosących ze sobą informacje o stanie urządzenia. Część z nich jest dla ludzi oczywista i łatwa w interpretacji (np. wzrost temperatury łożyska oznacza problemy ze smarowaniem), ale większość umyka naszej uwadze. Jeśli jednak dane poddamy analizie przy użyciu oprogramowania wykorzystującego algorytmy sztucznej inteligencji, wówczas okaże się, że pewne dyskretne zmiany parametrów, często pozornie ze sobą niezwiązanych, można uznać za wczesne symptomy nadmiernego zużycia elementów. Między diagnozą a awarią może upłynąć wiele
RkJQdWJsaXNoZXIy NDI0NjE=