Time-based machine failure prediction in multi-machine manufacturing systems

The execution of production processes in real manufacturing systems is associated with the occurrence of numerous disruptions, which predominantly revolve around technological machine failure. Therefore, various maintenance strategies are being developed, many of which tend to emphasise effective preventive measures, such as the Time-Based Maintenance (TBM) discussed in this paper. Specifically, this publication presents the time-based machine failure prediction algorithm for the multi-machine manufacturing environment. The Introduction section outlines the body of knowledge related to typical strategies applied in maintenance. The next part describes an approach to failure prediction that treats processing times as makespan and is followed by highlighting the key role of historical data in machine failure management, in the subsequent section. Finally, the proposed time-based machine failure prediction algorithm is presented and tested by means of a two-step verification, which confirms its effectiveness and further practical implementation.

Realizacja procesów produkcyjnych w rzeczywistych systemach wytwórczych wiąże się z występowaniem wielu zakłóceń, do których zalicza się głównie awarie maszyn technologicznych. W związku z tym obserwowany jest rozwój różnorodnych strategii utrzymania ruchu. Coraz większy nacisk kładziony jest na efektywne działania prewencyjne, do których zalicza się także działania określone w czasie (ang. Time-Based Maintenance – TBM). W niniejszej publikacji zaprezentowano algorytm predykcji awarii maszyn w wielomaszynowych systemach wytwórczych wspierający prewencyjne utrzymanie ruchu. Na wstępie omówiono zagadnienia związane z typowymi strategiami stosowanymi w obszarze UR. Ponadto omówiono tematykę predykcji awarii, zwracając uwagę na ujęcie czasu pracy maszyny jako czasu trwania, a także kluczową rolę wykorzystania danych historycznych dotyczących awarii maszyn. Następnie zaprezentowano proponowany algorytm predykcji wspierający działania określone w czasie. Prezentowane prace zakończono dwuetapową weryfikacją proponowanej metody, która potwierdziła jej skuteczność oraz zasadność wykorzystania.