SVĚTOVÝ, EVROPSKÝ A ČESKÝ AUTOMOBILOVÝ PRŮMYSL A TRH S AUTOMOBILY :: Šaroch a kol.

je možné lépe porozumět dané anomálii a efektivněji plánovat nápravné nebo preven tivní opatření (Kwon et al., 2016; Atamuradov et al., 2017; Montgomery et al., 2012). Podle studie od Climente-Alarcon et al. (2017) lze provést implementaci metody prediktivní údržby (PHM) pomocí čtyř kroků. Prvním krokem je provedení analýzy klí čových komponent, která umožní identifikovat důležité prvky, jež ovlivňují stav techno logie. Druhým krokem je výběr vhodných senzorů pro sledování stavu technologie, což je klíčové pro provádění Condition Monitoring, tedy sledování stavu zařízení. Třetím krokem v implementačním procesu je vyhodnocení prognostických funkcí v rámci analýzy dat. Tento krok umožňuje predikci budoucího chování zařízení a identifikaci potenciálních poruch či selhání. Dále je nezbytné vytvořit matici pro posouzení me todologie nástrojů predikce, která pomůže zvolit vhodný přístup k prediktivní údržbě v závislosti na konkrétních potřebách a podmínkách daného průmyslového prostředí. Tato matice by měla zahrnovat parametry jako spolehlivost predikce, přesnost detekce poruch, náročnost implementace, potřebné zdroje a náklady na provoz. Vhodný výběr metodologie nástrojů predikce je klíčový pro efektivní provoz a správu průmyslových zařízení. Prediktivní údržba je často implementována prostřednictvím specializovaných systémů pro shromažďování údajů nebo informací s cílem provádět diagnostiku nebo predikce. Architektura otevřeného systému pro monitorování stavu (Open System Architecture for Condition Based Monitoring OSA-CBM) (Lebold et al., 2002), podle normy ISO 13374, poskytuje seznam tradičních bloků funkce systému prediktivní údržby pro určení zbývajícího užitečného života (RUL – remaining useful life) jedné součásti podléhající jednomu mechanismu selhání (Montero Jimenez et al., 2020): – F1 – sběr dat; – F2 – předzpracování dat – F3 – detekce a identifikace poruch (detekce stavu); – F4 – posouzení degradace (stavu); – F5 – výpočet RUL (prognostické posouzení); – F6 – tvorba hlášení a doporučení. (Ran et al., 2019; Montero Jimenez et al., 2020) Tyto operační moduly se mohou nacházet v systému pro prediktivní údržbu, ale není to podmínkou. Jejich počet a úpravy mohou být závislé na použité architektuře a technické složitosti systému, stejně jako na dostupných datech a dalších faktorech (Montero Jimenez et al., 2019). Existuje několik způsobů, jak rozdělit prediktivní údržbu. Ran et al. (2019) kla sifikuje prediktivní údržbu na základě struktury systému, účelu a přístupu k predikci. Cílem prediktivní údržby může být minimalizace nákladů na údržbu, maximalizace pohotovosti, resp. spolehlivosti nebo dosažení obou těchto cílů současně. Systémové architektury prediktivní údržby Výzkum provedený Ranem a jeho kolegy (2019) identifikoval tři hlavní typy sys témové architektury pro prediktivní údržbu.

170