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

ných údajů, které jsou dále využívány při diagnostickém a prognostickém rozhodová ní. Tato schopnost umožňuje pracovníkům údržby efektivně analyzovat a interpretovat komplexní soubory dat, které souvisejí s provozem a stavem zařízení. Identifikace klí čových indikátorů, které mají významný vliv na prognózu selhání zařízení, je klíčovým faktorem pro prevenci a plánování údržby. Schopnost pracovníků údržby pracovat s tě mito daty a identifikovat klíčové indikátory umožňuje optimalizaci plánování údržby, minimalizaci výpadků zařízení a zvyšování spolehlivosti. Nedostatkem tohoto prognostického přístupu je výrazná závislost na kvantitě a kvalitě získaných provozních údajů, které významně ovlivňují efektivnost prognózy. Tato závislost může vést k různým úrovním přesnosti prognóz, což znamená, že efektiv nost prognostiky může výrazně růst nebo klesat v závislosti na kvalitě dat. Tento přístup je obvykle používán zejména u komplexních zařízení, jejichž provozní chování není možné zcela popsat funkcemi či rovnicemi. V takových případech je výhodné využít sys témový přístup, který umožňuje zkoumat interakce mezi jednotlivými komponentami zařízení a jejich vliv na celkový provoz. Prognostika s použitím modelu (model-based prognosis) Prognostika s použitím modelu, známá také jako model-based prognosis, je analy tická metoda využívaná v různých oborech, jako je například průmyslová údržba, zdra votnictví nebo finanční analýza. Tato metoda využívá statistické a matematické modely k predikci budoucích událostí nebo stavů systému na základě historických dat a znalostí o provozovaném systému. Model-based prognosis je založena na komplexní analýze dat a identifikaci vzorců a trendů, které jsou následně využity k predikci možných vývojů. Prognostika založená na modelu je možná za předpokladu, že je k dispozici po měrně přesný matematický a fyzikální model zařízení. Metody založené na modelu využívají při odhadu doby do selhání zařízení jako základní parametr princip reziduí. Rezidua jsou výsledkem porovnávání výstupů ze sledovaného zařízení s výstupy získaný mi výpočtem podle jeho matematického modelu. Jde o obdobu přístupu používaného u adaptivních regulátorů s modelem, který vychází ze skutečnosti, že rezidua jsou výrazně velká v případě selhání a malá za nor málního provozního režimu, a to i s ohledem na nepřesnost modelu, šum signálu apod. K určení mezí hodnoty odchylky se využívají statistické metody. Tento přístup umož ňuje detekci anomálií v systému a následnou adaptaci regulátoru na základě odchylek od očekávaného chování. Existují tři základní metody pro generování reziduí (Luo et al., 2003a): odha dování parametrů, pozorování (Kalmanovy filtry) a vztahy rovnosti. Hlavní předností prognostických metod založených na použití dat je možnost zahrnout do sledování fy zikální znalost zařízení. To například umožňuje minimalizovat počet přímo měřených veličin a hodnoty dalších parametrů odvozovat přímo z modelu. Významnou předností je možnost adaptovat model s postupující degradací sledo vaného zařízení v systému, čímž roste přesnost odhadu náhlé chyby. Tato prognostic ká metoda je velmi často využívána v oblasti návrhu s použitím modelu (model-based design), kde jsou pro návrh řídicích členů k dispozici poměrně přesné matematické modely. Díky tomu je možné k nim přidat i model degradace jednotlivých komponent

192