Sunteți pe pagina 1din 8

Tehnici de predictie in productie/mentenanta

Masteranzi: ing Ristoiu Emil, ing Bocan Eugen

Abstract:
Intreinerii i asistenei le revin ntre 60 si 75% din costul total al unui sistem industrial. Aceast lucrare prezint o
analiz a abordrilor predictive de ntreinere, a metodelor si uneltelor folosite n sistemele de producie i propune o
platforma integrat de ntreinere predictiv. Prima coloan: (n sensul de parte a unui sistem) este responsabil
pentru extragerea i procesarea datelor, cea de-a doua se concentreaz pe modelarea i reprezentarea datelor despre
ntreinere, iar cea de-a treia prezint capabilitai de avertizare i notificare cu privirea la planificarea ntreinerii,
punand accent pe indicatorii de mediu si de performan energetica.

Cuvinte cheie: ntreinerea predictiv; pronosticul; managementul cunoasterii

1. Introducere: 1) Intretinere bazata pe conditii (Condition Based


In ultimii ani, costul i timpul au reprezentat Maintenance - CBM)
principalii factori de care s-a inut cont n ceea ce 2) Evaluarea de mediu a sistemelor de productie
privete sistemele industriale, n acelai timp avnd 3) Vizualizarea rezultatelor
grij ca sigurana, integritatea i fiabilitatea sa nu fie 4) Platforme de intretinere integrate
compromise. Intreinerea sistemelor de producie Intretinerea bazata pe conditii (CBM)
devine din ce n ce mai important, ntruct n multe Aparitia opeartiilor de intretinere neprogramate pot
platforme industriale costurile de ntreinere deseori produce intarzieri si anulari costisitoare, daca
depasesc 30% din costurile de operare, iar n problema nu poate fi rectificata in timp util. CBM
contextul ciclului de viaa al unui sistem industrial, este un program care recomanda activitati de
costurile de ntreinere i asisten ajung pana la 60- intretinere bazate pe statusul curent al al sistemului.
75% din costurile totale. CBM utilizeaza metode de prognostic si e considerat
Sistemele din prezent nu asigur o modalitate a fi mult mai eficient, fara a-si pierde fiabilitatea in
sistematica i structurat de modelare i integrare a comparatie cu costul planificarii intretinerii. Un
defectelor timpurii n activitaile asociate ntreinerii. program CBM inglobeaza 3 pasi cheie:
In ciuda faptului c se construiesc sisteme i 1. Pasul achizitiei de date (colectarea
subsisteme avansate, cu posibiliti de monitorizare informatiei), pentru a obtine date relevante
n timp real, atunci cnd datele sunt colectate, ele nu despre starea sistemului
sunt organizate i analizate, n final aciunile de 2. Pasul prelucrariii datelor ( manipularea
predictie corecta neputnd fi initializate. informatiei), pentru a gestiona si analiza
Vizualizarea datelor pe care se opereaza ar putea datele sau semnalele colectate la pasul 1, in
duce la o analiza mai buna intrucat intretinerea vederea interpretarii si intelegerii datelor
preventiva este mai degraba simplista folosind colectate la pasul 1
imagini 2D si tabele obisnuite, in momentul de fata 3. Pasul luarii deciziilor de intretinere, pentru a
neexistand o interfata user-friendly care sa faciliteze recomanda politici de intretinere eficiente.
intelegerea inginerului. Ultimul pas poate fi mai departe analizat ca fiind
2. Practici industriale si abordari academice format din doi sub-pasi: diagnoza si prognosticul.
Tehnologiile avansate de intretinere care maresc Diagnoza inseamna identificarea si cuantificarea
durabilitatea sistemelor de productie nu au fost inca daunelor care au aparut, in timp ce prognosticul
bine implementate in industrie. In cadrul sectiunii implica prezicerea daunelor ce ar putea aparea in
curente, vor fi prezentate abordarile uneltele si viitor.
metodele existente in urmatoarele arii: Diagnoza include i) detectarea defectiunilor, ii)
izolarea defectiunilor si iii) identificarea
defectiunilor, in timp ce prognosticul contine i) Modele ce utilizeaza medii autoregresive (ARIMA)
durata de viata utila ramasa (RUL), ii) estimarea sunt folosite extensiv in tehnicile de analiza a
intervalului de incredere. Etapa de detectare a domeniului de timp. In lucrarea [7], un model de
defectiunilor este responsabila pentru detectarea si realitate augumentata (AR) este utilizat pentru
raportarea conditiilor de operare anormale, etapa de modelarea vibratiilor si semnalelor colectate de la un
izolare a defectelor e responsabila cu determinarea motor cu inductie. Lucrarea [9] prezinta tehnica
componentei defecte sau in curs de a se defecta, iar portretului in pseudo-faza, iar lucrarea [10] foloseste
identificarea defectiunilor se ocupa cu estimarea tehnica corelarii dimensiunii.
naturii si a magnitudinii problemei aparute. Predictia Modelul hazardelor proportionale (PHM) apartine
duratei de functionare utile (RUL) incearca sa analizei datelor despre evenimentele produse si
identifice durata de timp pana la aparitia unei incearca sa stabileasca o corespondenta intre
defectiuni, in timp ce prin estimarea intervalului de probabilitatea de defectiune si varsta si anumite
incredere se incearca cuantificarea intervalului de conditii, astfel incat probabilitatea de defectiune sa
incredere a acestei predictii RUL. poata fi calculata la orice varsta a masinariei si in
Achizitia de date reprezinta procesul colectarii si orice conditii.
stocarii datelor din echipamentele vizate in scopul In lucrarea [11], un model de hazarde proportionale
intretinerii. Aceste date colectate sunt clasificate in (PHM) a fost dezvoltat pentru analiza datelor
doua categorii: provenite din masurarea defectiunilor si a diagnozei
1. Date privind evenimentele defectelor pentru rulmenti.
2. Date privind conditiile de monitorizare Diagnosticarea defeciunilor mainriilor
Prima categorie include informatii privind reprezinta o procedura de mapare a informatiei
evenimentele produse (defectiunea si cauzele obtinute din spatiul de masuratori si/sau a
acesteia) impreuna cu ce operatii s-au efectuat (ex: caracteristicilor din spatiul de caracteristici cu
reparatii) dispozitivului fizic vizat. defectele dispozitivelor in spatiul erorilor. O metoda
A doua categorie consta in masuratorile parametrilor folosita des pentru diagnosticare este testul ipotezei.
legati de starea dispozitivului (presiune, temperatura O alta analiza satistica este analiza clusterelor,
etc.). aceasta clasificand grupurile de semnale in categorii
Procesarea datelor include doi pasi principali: diverse de defecte, pe baza similaritatilor intre
filtrarea datelor si analiza acestora. Filtrarea datelor caracteristicile acestora. Pentru diagnoza masinariilor
inseamna indepartarea erorilor si a zgomotului din au fost aplicate din ce in ce mai mult si abordari
datele colectate. Analiza datelor implica metode bazate pe inteligenta artificiala, aparent aceste
precum analiza domeniului de timp, analiza abordari IA avand performante mai bune decat cele
domeniului de frecventa si analiza evenimentelor.
conventionale. Retelele neuronale, in particular, outputuri cunoscute, in timp ce ES utilizeaza domenii
alaturi de structuri de tip FFNN sunt larg utilizate in de expertiza intr-un program pe calculator cu un
diagnosticarea erorilor. Utilizarile ES in motor automat de inferenta. Abordarile bazate pe
diagnosticare sunt analizate in continuare in sisteme modele sunt descrieri matematice ale sistemelor cu
de rationare bazate pe reguli, pe cazuri si pe modele. anumite specificatii fizice. Asfel de metode au fost
Retelele neuronale salveaza informatia prin implementate pentru sisteme precum cutii de viteze,
antrenarea pe rezultatele observate din inputuri si rulmenti, rotoare si scule pentru taiere.
Fig. 1. Architectura propusa pentru platforma

Obiectivul principal al prognosticului este predictia la riscurile asteptate de deteriorare in conditii de


timpului ramas pana cand una sau mai multe functionare cunoscute.
defectiuni or sa apara, tinand cond de conditiile Impactul asupra mediului inconjurator si
actuale ale sistemului si de profilul de operare din evaluarea costurilor energetice
trecut. Principala abordare utilizata pe scara larga in Energia este astazi cheia dezvoltarii economice si, la
prognosticuri se refera la estimarea duratei de viata randul lor, combustibilii fosili sunt cheia productiei
utila ramasa (RUL). Abordarile RUL sunt clasificate de energie in intreaga lume. Activitatile de producere
in 4 categorii principale: pot implica un consum de energie semnificativ. Cu
a. Bazate pe cunotine, atat mai mult, transformarea materialelor brute in
b. Modele fizice, produse consumabile poate fi o sursa de poluare a
c. Retele neurale artificiale, mediului. Deseurile rezultate in urma activitatii de
d. Sperana de via. fabricare sunt o amenintare pentru mediu, cu originea
Modelele bazate pe cunostinte stocheaza defectele in numeroase regiuni din lume. In general, deseurile
definite in trecut intr-o baza de date. In cazul aparitiei din industrie implica un grup foarte divers de
unui nou eveniment, aduc din baza de date substante, din cauza gamei largi de produse si
evenimentul cel mai asemanator cu cel actual si procese implicate. Deseurile rezultate depind de
durata de viata este dedusa. Aceste modele sunt tehnologia utilizata, de natura materiei prime
clasificate mai departe in sisteme expert si fuzzy. procesate si de cantitatea inlaturata la finalul lantului
Retelele neurale artificiale estimeaza direct sau de productie. De vreme ce productia de bunuri
indirect durata de viata utila ramasa pentru o continua constant sa creasca, si emisia de gaze cu
masinarie, prin antrenarea unei astfel de retele cu efect de sera din arderea combustibililor majori se
observatiile rezultate din defectele produse in trecut. intensifica.
Modelele fizice ofera o evaluare a RUL bazata pe
reprezentarea matematica a comportamentului fizic a Vizualizarea activitatilor si rezultatelor de
procesului de degradare. In final, modelele de intretinere
speranta de viata determina timpul ramas al unui Realitatea augumentata se refera la un mediu
dispozitiv sau componenta a dispozitivului cu referire predominant real in care se adauga continut virtual.
Tehnologiile RA asigura mijloace de contopire a unei chiar mai putine cu tehnologii Web. Mai mult decat
experiente virtuale 3D formata din straturi multiple si atat, foarte putine platforme care raman la nivelul de
bogate intr-un mediu real. In ceea ce priveste cercetare pot adresa toate nivelurile intretinerii
intretinerea, au fost conduse numeroase activitati de conditionate, in timp ce Sistemele Industriale
cercetare privind introducerea RA in procesele de Computationale pentru Managementul Intretinerii nu
productie si fabricatie. Un Mediu Colaborativ de asigura un prognostic de inalta precizie prin utilizarea
Realitate Virtuala a fost dezvoltat prin combinarea abordarilor avansate cu inteligente artificiale.
diverselor procese de partajare de date cu vizualizari 3. Platforme propuse
3D si metafore ale interactiunii cu utilizatori din Abordarea curenta prevede dezvoltarea unei latforme
lumea reala. In lucrarea [24], un mediu de productie care ar sprijini sistemele de proiectare pentru
colaborativ a fost conceptualizat, constructia lui obtinerea fiabilitatatii, detectarea defeciunilor,
bazandu-se pe o arhitectura deschisa folosita oprirea degradrii, planificarea activitilor de
impreuna cu o tehnologie de tip server browser cu 3 ntreinere i vizualizarea datelor si informatiilor
nivele: date, business si prezentare. In lucrarea [25], complexe. Platforma propusa consta in 3 piloni
autorii descriu o metoda in procesul de planificare principali care sunt analizati in continuare si
prin utilizarea unui instrument care aloca date de RA prezentati in figura 1.
conform cu procesul de asamblare. Este important de Achizitia si Analiza Datelor: acest pilon este
remarcat ca in ultimul caz, legaturile pe care responsabil in primul rand cu colectarea si stocarea
planificatorul le creeaza intre resursa produsului si datelor, folosind senzori multi-embedded avansati si
operatie sunt identificate in mod automat de un repository online, si in al doilea rand se ocupa cu
informatiile de urmarie. analiza datelor in vederea detectarii unei posibile
Platforme integrate deviatii de la conditiile nominale.
In ultimii ani au existat mai multe tentative de Managementul Cunostintelor: acest pilon isi propune
dezvoltare a platformelor pentru o serie larga de sa promoveze diagnoza erorilor si stocarea eficienta a
echipamente care pot adresa toti pasii intretinerii datelor despre defectele produse in trecut prin
conditionate, de la senzori si colectare de date pana la tehnologie semantica. Acest pilon consta in ontologia
luarea deciziei de intretinere. CASIP (Computer ce reprezinta principala schema pentru depozitul de
Aided Safety and Industrial Productivity - Siguranta date si pentru motorul de inferenta avansata.
si Productivitate Industriala asistata de Calculator) Tabloul de bord pentru ntreinere: acest pilon
este o platforma de intretinere industriala pentru abordeaz nevoia de a exista o prezentare uor de
procesul de productie, oferind acces la distanta si utilizat i intuitiv a datelor critice pentru ntreinere,
tehnologii mobile, dezvoltata de PREDICT [26]. care vor sprijini inginerii responsabili cu ntreinerea
Platforma TELMA e construita pe baza produsului n luarea deciziilor.
industrial CASIP si inglobeaza dezvoltarea unui
proces de predictie in cadrul e-maintenance
(intretinere electronica), si se bazeaza pe combinarea
unei abordari probabilistice pentru modelarea Achizitia si analiza datelor
mecanismului de degradare a unui sistem cu o Sistemele de Senzori Multi Embedded Avansate pot
metoda bazata pe modelarea dinamica a degradarii. O adresa nevoia de senzori inteligenti cu capabilitati de
alta platforma [28] are la baza un model de referinta reducere a zgomotului, monitorizare a multiplilor
pentru sistemele de gestiune a defectelor capabile sa parametri si partajare online de date. Platforma
efectueze planuri de intretinere preventiva, sa propusa va implementa sisteme de senzori cu abilitati
detecteze defectele, sa le izoleze, dar si taskuri de multiple de detectare, dimensiuni mici si greutate
diagnosticare. Aceasta abordare utilizeaza un sistem redusa, consum redus de energie, transimisie la
multi-agent, in particular MASCommonKADS [29], distante si la latimi de banda mari, memorie mare,
avand drept cadru de referinta AIDCS (Sistem prelucrare rapida a datelor, costuri reduse si
Distribuit Inteligent de Control bazat pe Agenti). Se fiabilitate ridicata. Advanced Intelligent Engine
constata ca putini cercetatori folosesc dispozitivive (Motor INteligent Avansat) este capabil sa detecteze
mobile, in special PDA-uri cu tehnologii integrate, si
defecte si sa stopeze degradarea. Detectia erorilor, 1. O reprezentare a carcateristicilor
adica devierea de la conditiile nominale, este realizata defectiunilor, a parametrilor monitorizati si a
prin utilizarea Filtrarii Simbolice Dinamice (SDF). relatiilor dintre ei
SDF este o metoda de recunoastere statistica a unui 2. O semantica imbogatita a corespondentei
model, folosit in studiul sistemelor dinamice. In dintre defecte si cauzele lor, cu solutiile
particular, exista serii de timpi de referinta, stocate in posibile
repository-ul online, iar seriile de timpi provenite de 3. O clasificare a esecurilor din trecut pe baza
la senzori sunt comparate si analizate cu SDF. SDF caracteristicilor lor
depaseste performantele altor metode in termeni de 4. O mapare a tuturor pasilor de intretinere,
robustete in ceea ce priveste masurarea zgomotului si incluzand vizualizarea, evaluarea impactului
a semnalelor false. In al doilea rand, SDF este mai asupra mediului si planificarea activitatilor
adaptabil la detectari pe rezolutii mici, datorita de intretinere
granularii grosiere in partitiile spatiale. SDF poate fi Scopul principal al repositoryului de date este
de asemenea parte a unui proces de detectie si izolare stocarea ontologiei. Tehnologii bazate pe semnatica
in timp real a defectelor, ceea ce ofera posibilitatea vor fi utilizate pentru dezvoltarea acestuia. Acest
utilizarii acelorasi date si metoda pe procese diferite. repository va fi sincornizat cu cel online pentru a
Motorul Inteligent Avansat va fi capabil sa stopeze partaja aceleasi date. Mai mult decat atat, repository-
degradarea, acest proces fiind efectuat prin utilizarea ul de date va stoca si reguli, asa cum vor fi ele
modelelor de speranta de viata, in particular, definite de Motorul de Inferenta Avansata si va
modelele ARIMA. Modelele ARIMA vor estima permite extragerea informatiilor utile tot prin
durata de viata utila a echipamentului avansat. RUL intermediul Motorului de Inferenta Avansata,
(aceasta durata de viata utila) se refera la timpul implementat folosind tehnologia Java si Frameworkul
ramas pana cand o anumita defectiune sau un anumit Jena. Motorul de Inferenta Avansata prevede
criteriu de defectare este atins. Motorul Inteligent efectuarea diagnosticelor corecte si fiabile, prin
Avansat va include o lista de criterii de defectare identificare defectelor si izolarea acestora, indicand si
aflate in stransa legatura cu cu parametrii cauzele posibile precum si solutiile. Motorul de
echipamentului ce sunt monitorizati de senzori. In Inferenta Avansata este responsabil pentru definirea
afara de estimarea valorilor parametrului monitorizat, si descoperirea informatiilor noi prin utilizarea
sunt estimate si valorile superioare si inferioare ale mecansimelor bazate pe reguli si rationamente bazate
intervalului de incredere. Modelul de date de pe cazuri. Un sistem bazat pe reguli, care utilizeaza
referinta si repository-ul web se ocupa de stocarea conceptele prezentate de ontologie, va permite
datelor provenite de la senzori. Modelul de date de formarea unor reguli ce vor asocia o serie de deviatii
referinta include datele necesare tuturor fazelor de la conditiile nominale cu defectele specifice,
intretinerii conditionate (CBM). Modelul de date cauzele lor si solutiile posibile. Astfel, sistemul bazat
ofera schema de date si proprietatile de baza ale pe reguli va permite stocarea sistematica a defectelor
datelor. Repository-ul web permite inginerilor sa si a solutiilor lor. Mai mult, acest sistem va oferi o
acceseze de la distanta datele echipamentelor de diagnoza automata a defectelor prin folosirea
intretinere. regulilor pe care le-a stocat si prin efectuarea unui
Managementul cunostintelor: rationament pe baza lor. In afara de sistemul bazat pe
Componentele acestui pilon sunt ontologia, reguli, diagnoza va fi posibila si prin un rationament
repository-ul cu informatii, motorul de inferenta bazat pe cazuri. Similar regulilor, elementele
avansat si design-ul pentru fiabilitate. Domeniul de cazurilor vor fi definite de ontologie. Defectele
aplicare si functionalitatile cheie ale fiecarei produse in trecut sunt descrise ca fiind cazuri si sunt
componente sunt analizate in continuare. Ontologia stocate in repository. In cazul aparitiei unui nou
va defini entitatile si relatiile dintre acestea implicate defect, un mecanism de similaritate va efectua o
in designul pentru fiabilitate, in diagnoza intretinerii, cautare pentru a gasi cel mai asemanator defect.
in prognosticuri si in planificarea intretinerii. In Acest caz este gasit, iar solutia lui, dupa modificarile
concluzie, ontologia implementata in OWL va oferi: corespunzatoare, este propusa ca solutie pentru un
nou defect.
4.Concluzii 2. Costurile de energie
Sistemele inteligent cu senzori multiplii, capabile sa 3. Eficienta energetica
monitorizeze numerosi parametri vor fi implementate 4. Durata de viata utila ramasa
in cadrul platformei propuse. Calitatea crescuta a 5. Costurile de operare
datelor extrase este garantata de sistemul de senzori 6. Timpul de intretinere (timpul de repare,
de acuratete ridicata si de reducerea zgomotului, timpul de montare etc.)
rezultate obtinute prin abordari bazate pe filtrare Tehnologia realitatii augumentate va permite o
simbolica dinamica (SDF). SDF depaseste in presentare user-friendly a rezultatelor activitatilor de
performanta metodele utilizate curent in analiza intretinere, descrise in mod normal foarte complex.
datelor. Pana acum, SDF a fost utilizat doar in Interfetele specifice vor facilita o privire de ansamblu
diagnosticarea defectelor pentru motoarele asupra indicatorilor de performanta care sunt critici
avioanelor. Modelele ARIMA sunt capabile sa pentru activitatile de intretinere. Platforma propusa
modeleze procese non-stationare, din moment ce va utiliza telefoane inteligente si dispozitive mobile
includ si partea de integrare si acomodare cu socuri in general, pentru a putea fi utilizate in magazine de
aleatoare, in contrast cu abordarile bazate pe regresie catre inginerii responabili cu intretinerea, acest lucru
simpla. Considerentele de fiabilitate si intretinere au permitandu-le sa aiba o imagine de ansamblu asupra
loc in primii pasi din design, prin utlizarea analizei rezultatelor, intr-o maniera rapida si
cunostintelor provenite din defectele produse in necostisitoare.
trecut, informatii stocate in repository-ul de Bibliografie
cunostinte sub forma unor template-uri de defecte, [1] Chryssolouris, G., 2006. Manufacturing Systems:
Theory and
descrise de ontologie. Practice, 2nd Edition, Springer-Verlag, New York.
Designul echipamentelor, proceselor si sistemelor, [2] Dhilon, B.S., 2006. Maintenability, Maintenance, and
tinand cont de parametrii de intretinere si fiabilitate, Reliability
este descris in abordarea curenta. Mecanismele de for Engineers, Taylor and Francis.
[3] Takata, S., Kimura, F., Houten, F.J.A.
rationament, regulile daca - atunci si masuratorile de M., Westkmper
similaritate asigura o cale sistematica si automata de , E.,
detectare, identificare si izolare a defectelor, fara a fi Shpitalni, M., Ceglarek, D., Lee J., 2004. Maintenance:
Changing
nevoie de personal instruit. Parametrii deviatiilor sunt
Role in Life Cycle Management, CIRP Annals 36/2, p. 643.
in stransa legatura cu tipul defectelor, cauza lor si cu [4] Jardine, A.K.S., Lin, D., Banjevic, D., 2006. A review
solutiile posibile. Toate relatiile mentionate anterior on
sunt modelate prin intermediul mecanismelor de machinery diagnostics and prognostics implementing
condition-
cunoastere (ontologie, reguli de inferenta), iar in based maintenance, Mechanical Systems and Signal
termeni de cost si timp, relatiile sunt extrase automat Processing
si eficient. Intretinerea programata este o forma de 20, p. 1483.
[5] Sikorska, J.Z., Hodkiewicz, M., Ma, L., 2011.
intretinere conditionata, datorita utilizarii
Prognostic modeling
instrumentelor de prognostic, mai exact, a duratei de options for remaining useful life estimation by industry,
viata utila ramasa. Astfel, numai activitatile de Mechanical Systems & Signal Processing, 15, p. 1803.
intretinere absolut necesare se produc la un moment [6] Efthymiou, K., Georgakakis, P., Papakostas, N.,
Chryssolouris, G.,
dat. Motorul de planificare a intretinerii ia in 2011,
considerare urmatoarele criterii indicationale:
1. Impactul asupra mediului (emisiile de dioxid On an Engine Health Management System, International
de carbon, deseurile) Conference of the European Aerospace Societies
The deterioration, Journal of Quality in Maintenance
International Conference of the European Aerospace Engineering 9, p.
Societies 351.
2011, CEAS 2011, Venice, Italy. [8] Li, B., Chow, M.-Y., Tipsuwan, Y., Hung, J.C., 2000.
[7] Zhan, Y., Makis, V., Jardine, A.K.S., 2003. Adaptive Neural-
model for network-based motor rolling bearing fault diagnosis, IEEE
vibration monitoring of rotating machinery subject to Transactions on Industrial Electronics 47, p. 1060.
random
[9] Wang, W.J., Lin, R.M., 2000. The application of prognostic for condition-based maintenance, Applied
pseudo-phase Energy 86
portrait in machine condition monitoring, Journal of Sound p. 2152.
and
[20] Brotherton, T., Johnson, T., 2001. Anomaly Detection
Vibration 259, p. 1.
[10] Wang, W.J., Wu, Z.T., Chen, J., 2001. Fault for
identification in Advanced Military Aircraft Using Neural Networks,
rotating machinery using the correlation dimension and Aerospace
bispectra, Nonlinear Dynamics 25, p. 383. Conference, IEEE Proceedings 6 p. 3113.
[21] Chryssolouris, G., Papakostas, N., Mavrikios, D.,
11] Ho, D., Randall, R.B., 2000. Optimisation of bearing 2008. A
diagnostic perspective on manufacturing strategy: Produce more with
techniques using simulated and actual bearing fault signals, less,
Mechanical Systems and Signal Processing 14 p. 763. CIRP Journal of Manufacturing Science and Technology 1,
[12] Ma, J., Li, C.J., 1995. Detection of localized defects in p. 45.
rolling [22] Wang, X., Gong, Y., 2007. Augmented Virtuality
element bearings via composite hypothesis test, Mechanical Space:
Systems and Signal Processing 9 p. 63. Enriching Virtual Design Environments with Reality, 13th
[13] Kim, Y.W., Rizzoni, G., Utkin, V.I., 2001. Developing International Conference on Virtual Systems and
a fault Multimedia
tolerant power-train control system by integrating design of (VSMM'07), Brisbane, Australia.
control and diagnostics, International Journal of Robust and [23] Marner, M., Thomas, B., Sandor, C., 2009. Physical-
Nonlinear Control 11, p. 1095. virtual tools
[14] Sohn, H., Worden, K., Farrar, C.R., 2002. Statistical for spatial augmented reality user, 8th IEEE International
damage Symposium on Mixed and Augmented Reality, p. 205-206.
classification under changing environmental and [24] Chryssolouris, G., Papakostas, N., Mourtzis, D.,
operational Makris, S., 2009.
conditions, Journal of Intelligent Material Systems and Knowledge Management in Manufacturing Process
Structures Modeling -
13, p. 561. Case Studies in Selected Manufacturing Processes, in
[15] Lou, X., Loparo, K.A., 2004. Bearing fault diagnosis Methods
based on and Tools for Effective Knowledge Life Cycle
wavelet transform and fuzzy inference, Mechanical Management,
Systems and A.Bernard, S.Tichkiewitch Editors, Springer p. 507.
Signal Processing 18, p 1077. [25] Reinhart, G., Patron, C., 2003. Integrating Augmented
[16] Roemer, M.J., Hong, C., Hesler, S.H., 1996. Machine Reality in
health the Assembly Domain - Fundamentals, Benefits and
monitoring and life management using finite element-based Applications,
neural networks, Journal of Engineering for Gas Turbines CIRP Annals - Manufacturing Technology 52/1 p. 5.
and [26] PREDICT Platform, URL:http://www.predict.fr, last
Power - Transactions of the ASME 118 p. 830. accessed
[17] Larson, E.C., Wipf, D.P., Parker, B.E., 1997. Gear 15/06/2011
and bearing [27] Muller A., Suhner M.C, Lung B., 2008. Formalisation
diagnostics using neural network-based amplitude and of a new
phase prognosis model for supporting proactive maintenance
demodulation, in: Proceedings of the 51st Meeting of the implementation on industrial system, Reliability
Society for Machinery Failure Prevention Technology, Engineering and
Virginia System Safety, 93.
Beach, VA, p. 511. [28] Cerrada M., Cardillo J., Aguilar J., Faneite R., 2007.
[18] Hansen, C.H., Autar, R.K., Pickles, J.M., 1994. Expert Agent based
systems design for fault management systems in industrial
for machine fault diagnosis, Acoustics Australia 22 p. 85. processes,
[19] Li, Y.G., Nilkitsaranont, P., 2009. Gas turbine Computers in Industry 58 p.313.
performance [29] Campos J., 2009. Development in the application of
ICT in
condition monitoring and maintenance, Computers in Fault detection and isolation in aircraft gas turbine engines.
Industry 60 Part
p. 1. 2: validation on a simulation test bed, Proceedings of the
[30] Yao A.W.L., Strombeck S.D., Chi J.S.C., 2005. IMECHE, Part G: Journal of Aerospace Engineering 222 p.
Development of a 319.
mobile manufacturing system with PDA and PLC, [32] Mc Bride, B., 2010. An Introduction to RDF and the
International Jena RDF
Journal of Advanced Manufacturing Technology 25, p. API, URL: http://jena.sourceforge.net/tutorial/RDF_API/,
723. Accessed, 15/06/2011/
[31] Sarkar S, Yasar M, Gupta S, Ray A, and Mukherjee K,
2008.