... z jakim wyprzedzeniem winniśmy znać
rozmiary możliwych skutków-
w przypadku podjętych lub nie podjętych działań...
R O Z D Z I A A
X
ZAAWANSOWANE PROBLEMY
DIAGNOSTYKI MASZYN
9.1 Wprowadzenie
9.2 Ewolucja stanu technicznego maszyn
9.3 Prognozowanie stanu maszyn
9.4 Monitorowanie i zarządzanie systemów
9.5 Sztuczna inteligencja w diagnostyce
9.6 Eksperymenty symulacyjne
9.7 Prognoza rozwoju diagnostyki technicznej
9.8 Kształcenie dla potrzeb diagnostyki
9.9 Podsumowanie
Literatura
ROZDZIAA
IX
ZAAWANSOWANE PROBLEMY DIAGNOSTYKI MASZYN
9.1 Wprowadzenie
Dynamiczny rozwój diagnostyki technicznej traktowanej jako główne narzędzie
kształtowania i podtrzymywania jakości maszyn generuje cały wachlarz zupełnie nowych
problemów, które wykorzystując osiągnięcia wielu dziedzin nauki prowadzą do oryginalnych
osiągnięć tej dziedziny. Nie wszystkie dokonania są jeszcze powszechne, ale ich
zasygnalizowanie w postaci zaawansowanych problemów diagnostyki maszyn ułatwia
przyjęcie dalszych kierunków badań w diagnostyce.
W tym rozdziale zasygnalizowano sposoby opisu ewolucji stanu technicznego maszyn,
ułatwiające diagnostyczno-niezawodnościowe oceny stanu i proste sposoby przewidywania
zmian stanu na określony horyzont prognozy. To z kolei wprowadza w problematykę badań
prognozowania stanu maszyn, stanowiących bazę podejmowanych decyzji diagnostyczno-
eksploatacyjnych.
Umiejscowienie diagnostyki technicznej w problematyce monitorowania i zarządzania
systemów wskazuje na jej miejsce i zadania w informatyzacji przedsiębiorstw, gdzie
racjonalne wprowadzanie osiągnięć nowoczesnych technologii informatycznych zapewnia
efektywność ekonomiczną ich funkcjonowania.
Sztuczna inteligencja w diagnostyce to dopiero początek wielkich możliwości
systemów ekspertowych, sieci neoronowych i logiki rozmytej, wykorzystywanych w
nowoczesnych systemach sterująco-diagnostycznych. To również dalszy rozwój modelowania
diagnostycznego i eksperymentów symulacyjnych, często zastępujących żmudne oraz
niekiedy wręcz niemożliwe do zrealizowania badania przemysłowe.
Całość problematyki tej książki upoważnia do sformułowania prognozy rozwoju
diagnostyki technicznej, ukazanej na tle przewidywanych kierunków rozwoju społecznego. O
ile przedstawiona prognoza może być mało trafna, to jednak problemy stojące przed
diagnostyką wydają się być zasadnymi.
Zapewnienie szybkiego i poprawnego rozwoju diagnostyki technicznej stawia
określone wymagania przed systemem edukacji, w którym zagadnienie kształcenia dla potrzeb
diagnostyki jest wyraz
nie już sprecyzowane i oczekuje na szybkie wdrożenia.
Jakże często podejmowane nowe kierunki badań, w tym i wybrane problemy
diagnostyki zasygnalizowane w tym rozdziale stanowią o randze dyscypliny naukowej. Ich
przedstawienie pobudza niejednokrotnie do intensywnych badań, znacznie ułatwiających
możliwości nowych dokonań, na które oczekuje praktyka przemysłowa.
9.2 Ewolucja stanu technicznego maszyn
Podobieństwo zużywania się różnego typu maszyn i ich elementów skłania do
poszukiwania ogólnych modeli ewolucji życia, odwzorowywanych obserwowanymi
symptomami stanu. Jest to możliwe dla modeli budowanych na podstawie rozważań
fizykalnych i energetycznych, dla których znane są już zasady przepływu i transformacji
energii omówione wcześniej w punkcie 8.3.
Zużycie maszyn i innych obiektów technicznych przebiega zatem jakościowo
podobnie, niezależnie od natury zużycia, co pozwala na stosowanie w diagnostyce modeli
ewolucji symptomów zużycia [5]. Zużycie tych obiektów to jedynie ewolucja ich degradacji
powodowana wewnętrzną akumulacją energii dyssypowanej podczas ich użytkowania.
Tworzone modele takich obiektów oparte o przepływ i transformację energii dobrze ujmują
ewolucję symptomów stanu (degradacji) szerokiej klasy obiektów. Intensywność degradacji
obiektu zależy od wielu czynników natury konstrukcyjnej i eksploatacyjnej, określanych jako
składowe wektora logistycznego (pkt.8.3).
Maszyna widziana jako procesor energii ma jedno wejście zasileniowe i dwa wyjścia:
mocy przetworzonej (energii, produktu) oraz mocy (energii) dyssypowanej zewnętrznie.
Część energii dyssypowanej jest akumulowana wewnętrznie dając w efekcie degradację
struktury wewnętrznej, a co za tym idzie degradację stanu obiektu. Miernikiem
zaawansowania degradacji wewnętrznej jest ewolucja eksportowanej mocy dyssypacji (strat)-
V, zależnej również od składowych wektora logistycznego L. Można więc moc dyssypacji
procesów resztkowych maszyny zapisać w postaci: V = V(�, L), gdzie � jest czasem życia
(działania, eksploatacji) obiektu oraz �b czasem do awarii (przeżycia systemu). Zatem:
�
V (�, L) = V0 (L) �" (1- )-1 (9.1)
� (L)
b
Jak wiadomo z obserwacji ruchu maszyn większość procesów resztkowych V(�, L)
jest nieobserwowalna i praktycznie dostępna jest tylko pewna grupa takich symptomów.
Zatem obserwując dostępny pomiarowo symptom stanu obiektu S(�, L) należy zdawać sobie
sprawę z procesu przekształcania i filtracji informacji na drodze proces degradacji-symptom
stanu obiektu. Tę operację przekształcania i filtracji informacji, zgodnie z rys.9.1,
symbolicznie można zapisać w postaci:
S V
= Ś( ) = Ś(�, L) (9.2)
S0 V0
Moc użyteczna
(wytwór)
Nu
Ni
Ndc
Moc wejściowa
Całkowita moc
zdyssypowana śmierć Moc zdyssypowana
zewnętrznie
Moc zakumu-
lowana Ed V T
Ed Czas � Obserwowalny symptom
lub wektor symptomów [S]
narodziny 0
Rys.9.1 Przepływ energii i informacji w maszynie.
 Dla większości modeli symptomowych istnieje prosty związek między symptomową
krzywą życia a resztkowym czasem życia "D(S) = 1 - D(S), zwanym też potencjałem
uszkodzenia. Dla grupy eksploatowanych obiektów niezawodność symptomowa jest
równoważna średniemu resztkowemu czasowi życia obiektu:
-------
R(S) = "D(S) (9.3)
Określanie niezawodności maszyn wymaga przeprowadzenia statystycznych badań
zmian stanu obiektu za pomocą zbioru czynników w stosunkowo długim okresie czasu.
Czynniki te mogą ulegać zmianie, co wymusza adaptacyjne określanie niezawodności,
ponadto można tu tylko wyróżnić dwa stany zdatności, co jest pewnym utrudnieniem
możliwym do obejścia przy pomocy diagnostyki technicznej.
Diagnostyczna obserwacja symptomu S dla N>>1 maszyn tego samego typu daje
możliwość oceny procesu eksploatacji za pomocą:
- średniej krzywej życia - S(�
�):
�
�
S(� � [S(� �1, � � �
�) = E� �, � �2, �3 , �4)] (9.4)
� � � � � � �
� � � � � � �
gdzie: � - czas eksploatacji, �1- rozrzut jakości wytwarzania, �2 - rozrzut obciążenia robocze-
go, �3 - rozrzut jakości wykonanych napraw, �4 - rozrzut posadowienia;
- gęstości rozkładu symptomu - p(S):
-1
dS(Ś)
p(S) = p (� (9.5)
�)
�
�
d(Ś)
- niezawodności symptomowej - R(S):
"
R(S) = p(S0 )dS0 . (9.6)
+"
S
Wyznaczenie niezawodności symptomowej jest więc możliwe w oparciu o gęstość rozkładu
mierzonego symptomu (rys.9.2).Na rysunku pokazano przykładowe przebiegi symptomowej
krzywej życia maszyny oraz przebieg funkcji niezawodności symptomowej względem
znormalizowanego symptomu.
Wykazany związek niezawodności symptomowej i niezawodności czasowej wskazuje
na ścisłe relacje między niezawodnością a diagnostyką techniczną w zakresie kształtowania
efektywności eksploatacji maszyn.
 S
wartość symptomu
AWARIA
Niezawodność
symptomowa
�
krzywa życia S( )
gęstość
R(S) p(S) gęstość
�
symptomu czas życia
gęstość obserwacji p( ) = 1/ - równomierna gęstość obserwacji
� 
p( )
�
Rys. 9.2 Założenia definicji niezawodności symptomowej.
Z najnowszych badań i symulacji zachowań możliwych symptomów stanu wynika, że
najmniej wrażliwym modelem symptomów na zmianę składowych wektora logistycznego jest
monotoniczny model symptomowy Weibulla, co pokrywa się z wieloma praktycznymi jego
zastosowaniami w badaniach niezawodności. Zatem przebieg krzywej symptomowej w czasie
życia obiektu i odpowiadająca mu niezawodność symptomowa R(S) ma postać opisaną
zależnościami:
1
ńł �łł
Ś S(Ś)
S(Ś) = S0 �ł- ln(1 - ) ; R(S) = exp- ( )ł (9.7)
żł
Śb S0
ół �ł
gdzie: S0 - jest początkową wartością symptomu, a ł- współczynnikiem kształtu.
Jak widać z powyższego istotną zaletą takiego postępowania jest stowarzyszenie z
typem symptomu modelu niezawodności symptomowej, określającej prawdopodobieństwo
wykonania zadania (niezawodność funkcjonalna), jeśli obiekt wykazuje się wartością
symptomu S i został zakwalifikowany na tej podstawie do stanu zdatności. Kolejnym atutem
tego podejścia jest potrzeba znajomości tylko jednego współczynnika kształtu ł dla danego
modelu, gdyż drugi czynnik S0 jest znany jako najmniejsza wartość zaobserwowana w
eksperymencie diagnostycznym. Współczynnik kształtu ł świadczy również o poprawności
eksploatacji obiektu, bowiem im mniejsze ł tym lepsza polityka i praktyka eksploatacji. Jego
wyznaczenie opiera się na danych z obserwacji diagnostycznej, przy pomocy regresji liniowej
za pomocą następującej formuły:
Si
ln ln R(S)-1 = a + ł ln ,�"�"�"�",i = 1,...m, (9.8)
{ }
S0
gdzie: Si - obserwowane symptomy w czasie życia, a - bląd aproksymacji (w modelu
deterministycznym a=0).
Empiryczną niezawodność symptomową, jako przybliżenie R(S), można wyznaczyć z
danych nadzoru stosująć zależność:
n(Si e" S)
R(S) = (9.9)
N
gdzie: n(Si e" S) - jest liczbą odczytów symptomu przekraczającą próg S, zaś N całkowitą
liczbą odczytów symptomu w eksperymencie diagnostycznym.
Wyznaczając współczynnik kształtu modelu ł za pomocą regresji liniowej uzyskuje się
model ewolucji symptomu określający ewolucję stanu maszyny. W najprostszym
przypadku stan obiektu jest klasyfikowany dwustanowo: Zdatny/Niezdatny w zależności od
zmierzonej wartości symptomu. Istnieje wiele metod wyznaczania granic klas stanów, lecz
najbardziej przekonywującą jest metoda minimalnego ryzyka Neymana-Pearsona (omówiona
w punkcie 6.7). Polega ona na takim wyznaczeniu wartości granicznej symptomu Sl, by przy
założonym z góry prawdopodobieństwie błędnych decyzji A << 1, zminimalizować ryzyko
awarii maszyny. Przy znanej gotowości grupy maszyn G d" 1 odnośny wzór ma postać:
A
G �" R(Sl ) = A,...czyli.. R(Sl ) = (9.10)
G
Po podstawieniu modelu (9.4) do powyższego otrzymuje się zależność na wyznaczenie
wartości granicznej symptomu dla modelu zmiany stanu Weibulla w postaci:
1 -1
G G
ł
Sl = S0 (ln )ł ,...,Sl = S0 (ln ) (9.11)
A G - A
Z uwagi na monotoniczność tego modelu wnioskowanie o stanie obiektu na podstawie
zmierzonej n-tej wartości symptomu przebiega według zasady:
Jeśli: Sn < Sl = ZDATNY lub Jeśli: Sn e" Sl = NIEZDATNY, (9.12)
Korzyścią z zastosowanego modelu niezawodności symptomowej jest możliwość
wnioskowania w dziedzinie symptomu i czasu życia. Jest tak dlatego, iż dla zastosowanego
modelu można pokazać:
-- ____
Ś Śl -- ____
R(S) = 1- = 1 - D = "D, a stąd również R(Sl ) = 1 - = 1- Dl = "Dl (9.13)
Śb Śb
---
Widać więc, że średni resztkowy bezwymiarowy czas życia "D można otrzymać mając
jedynie odczytaną wartość symptomu Sn. Wynikający z Sn średni resztkowy czas życia
_ __
obiektu można porównać do wartości granicznej "Dl , podobnie jak w (9.12), otrzymując
prawie niezależny sposób wnioskowania o stanie maszyny.
W diagnostyce maszyn istotny jest nie tylko aktualny stan maszyny ale także jego
ewolucja, z horyzontem prognozy p=1,2,3 obserwacje do przodu. Znając z równania (9.13)
resztkowy czas życia maszyny, można wyznaczyć całkowitą ilość odczytów od startu obiektu
do jego przewidywanej awarii Nb oraz resztkową ilość obserwacji do tej awarii "Nb z
zależności:
___
n n �" "Dn
Nb = ,.......,"Nb = (9.14)
____ ___
1 - "Dn 1- "Dn
Na tej podstawie można dla modelu Weibulla wyznaczyć przybliżenie prognozy z
horyzontem p z następującej zależności:
1 pNb
Sn+ p E" Sn (1 + ),..., p = 1,2,3)#)#n d" Nb (9.15)
ł ł �" n �" "Nb
Po obliczeniu takiej prognozy należy porównać ją z wartością graniczną jak w (9.12)
określając przyszły stan obiektu i podjąć wynikające stąd działania eksploatacyjne.
Ewolucja stanu technicznego maszyn jest więc możliwa do śledzenia i prognozowania
za pomocą symptomowych modeli diagnostyczno-niezawodnościowych, a w połączeniu ze
statystycznym przetwarzaniem wyników badań pozwala na ocenę obecnego i przyszłego stanu
obiektu.
9.3 Prognozowanie stanu maszyn
Integralnym elementem procesu diagnozowania stanu jest prognozowanie, czyli
przewidywanie stanów maszyny, które zaistnieją w przyszłości. Każdorazowo więc,
wyznaczony model: stan-symptom lub często stan-czas eksploatacji maszyny, powinien mieć
nie tylko właściwości wyjaśniające naturę przekształcenia, lecz także właściwości
predykcyjne umożliwiające przewidywanie zmian stanu maszyny. Ma to szczególne znaczenie
dla maszyn krytycznych, których unieruchomienie może być przyczyną znacznych strat
materialnych, a nawet zagrożenia zdrowia i życia ludzkiego.
Rozpoznanie przewidywanych zmian stanu w określonym horyzoncie czasowym jest
naogół nieodzowne dla uzyskania właściwej efektywności działania maszyn, pozwalających
użytkownikowi podejmować racjonalne decyzje dotyczące terminu i zakresu niezbędnych
prac obsługowych.
Metody prognozowania stanów badanego obiektu, przedstawione na rys.9.3, można
podzielić na:
1. metody intuicyjne;
2. metody matematyczne.
Metody intuicyjne obejmują rozległy obszar rozciągający się od wypowiedzi poszczególnych
fachowców i ekspertyz zbiorowych opracowanych wg zasady przegłosowania, aż do metody
dyskusji panelowych i metody delfickiej.
 Klasyfikacja metod prognozowania
rozwoju zmian stanu maszyny
Metody intuicyjne Metody matematyczne
Wizjonerstwo Wiedza o modelu
indywidualne
Zestawienia ankietowe
Modele deter- Modele pro- Modele o Modele
Dyskusje pane- ministyczne babilistyczne rozkładzie rozmyte
lowe ograniczonym
Równania
Metoda Delficka różniczkowe Parametry Parametry Parametry Inne
sygnału - stanu - sygnału - probabi-
Inne Równania parametry parametry miary listyczna
różniczkowe stanu sygnału eksploatacji macierz
nieliniowe diagno-
styczna
Inne
Modele regresyjne Znany model Nieznany model Procesy Markowa
trendu trendu
Model liniowy
Model liniowy Wyrównywanie Metoda
Modele nieliniowe wykładnicze bilistyczna
sprowadzalne do Model liniowo-
modelu liniowego kwadratowy Metoda auto- Inne
regresji AR
Modele nieliniowe Model wykła-
nie sprowadzalne do dniczy Metoda średniej
modelu liniowego ruchomej
Model ekspo-
Modele wielowy- nencjalny Metoda mieszana
miarowe (liniowa ARMA
funkcja regresji) Metoda para-
metru uogól- Metoda mieszana
Modele wielowy- nionego ARIMA
miarowe (nielinio-
wa funkcja regresji) Inne Inne
K - kryterium
Rys.9.3 Podział metod prognozowania stanu maszyn.
Ankietowanie grupy specjalistów bywa prowadzone w nadziei, że niektóre błędy
zawarte w opiniach indywidualnych ulegną  przegłosowaniu w opinii zbiorowej. Dyskusje
panelowe zmuszają grupę ekspertów do bezpośrednich kontaktów wzajemnych, co umożliwia
konstruktywną wymianę poglądów i możliwość uściślenia podejmowanych decyzji.
Metoda delficka jest procesem systematycznego uzgadniania opinii w serii starannie
przygotowanych pytań, z reguły ujętych w formie ankiet powtarzanych kilkakrotnie w sposób
kontrolowany. Zebrane opinie są tak dalece dobre jak dobrymi są wytypowani do współpracy
eksperci. W tej metodzie prowadzi się w oparciu o aktualny stan prognozowanie czasu
użytkowania maszyn, zakres i terminy obsługiwan technicznych oraz ilości pracy (przebiegi)
do naprawy głównej.
W matematycznych metodach prognozowania stanów nadzorowanych maszyn,
wszelkie subiektywne przesłanki dotyczące badania zmian stanów są formułowane w języku
matematycznym, w oparciu o dostępne modele matematyczne.
Przez prognozowanie należy rozumieć określenie przyszłych (względem chwili
bieżącej t) wartości wielkości prognozowanej Sp(�), � > t, na podstawie modelu
diagnostycznego obiektu w chwili t i obserwacji S0(k) wykonanych do chwili t, k d" t. Różnicę
czasów: � - t nazywa się wyprzedzeniem prognozy, przy czym największe wyprzedzenie
prognozy to horyzont prognozy. Operator pozwalający wyznaczyć prognozę stanu maszyny na
podstawie zrealizowanych pomiarów nazywany jest predykatorem.
Podejmowane w procesach nadzoru diagnostycznego maszyn decyzje dotyczące
sposobu ich eksploatacji są uzależnione od:
- dostępu do zorientowanych uszkodzeniowo symptomów diagnostycznych;
- estymacji trendu opisującego zmiany wartości mierzonych symptomów;
- prognoz możliwych zmian symptomów w założonym horyzoncie czasowym,
wyznaczających jakościową ocenę stanu maszyn.
Zastosowanie optymalnych i nowoczesnych metod i technik prognostycznychnie
zastępuje diagnostycznego myślenia lecz przeciwnie, zwiększa wymagania wymuszając
dodatkowe złożone analizy związane z oceną możliwości ich użycia. Przy opracowywaniu
prognoz diagnostycznych należy uwzględnić dane o prawidłowości rozwoju procesów
kontrolowanych i ich uwarunkowaniach rozwojowych, a także możliwych dodatkowych
czynnikach wpływających na ich przebieg.
W prognozowaniu należy zwrócić uwagę na dwa zasadnicze uwarunkowania:
- kontynuacyjne, które są związane z upływem czasu i związanymi z nim procesami
ewolucyjnej degradacji obiektu diagnozy;
- nowowstępujące spowodowane pojawiającymi się w procesie diagnozy wymuszeniami,
nowymi oddziaływaniami lub zakłóceniami.
Ich identyfikacja ma istotne znaczenie w wyborze metody prognostycznej, zmuszając do
stosowania różnych konstrukcji tych metod. Istnieją w tym zakresie dwie reguły realizacyjne:
- ekstrapolacyjna, która jest właściwa dla procesu kontynuacyjnego i prognostycznej
ekstrapolacji na przyszłe okresy rozpatrywanego zjawiska;
- filtracyjna, eliminująca zakłócenia związane z oddziaływaniami nowowstępującymi, czyli
formalizująca prognozy drogą prognostycznej interpolacji, określonej rozpoznaniami struktury
zakłóceń czy statystycznej prawidłowości zmian otoczenia obiektu, odniesionej do
mechanizmu rozwoju analizowanych symptomów.
Realizacja prognoz w systemach diagnostycznych uwarunkowana jest procesem
identyfikacji trendu zmian wartości kontrolowanych symptomów. Przydatność różnych
formalizacji prognostycznych dla systemów diagnostycznych pozwala pogrupować je w
następujące grupy [1,2,7]:
- klasyczna ekstrapolacja wartości szeregów czasowych;
- adaptacyjne modele trendu;
- autonomiczna ekstrapolacja procesów stochastycznych;
- modele obserwatora zmian monitorowanego stanu dynamicznego, opisanego
stochastycznymi równaniami różniczkowymi;
- statystyczne modele zmian symptomowych.
W zastosowaniach praktycznych warto wesprzeć się na ocenie metod prognozowania
przeprowadzonej w zależności od zachowania się trendu nadzorowanego symptomu [18],
wyróżniającej dwa przypadki:
1. znany lub łatwy do wyznaczenia a posteriori z obserwacji modelu trendu symptomu;
2. nie znany i prawie niemożliwy do wyznaczenia model trendu.
Zadanie pierwsze może być realizowane za pomocą prostych funkcji rosnących
monotonicznie, określających trend liniowy, kwadratowy, eksponencjalny itd. Do zalet
takiego postępowania należy zaliczyć: prostotę interpretacji modeli; stosunkowo niskie koszty
obliczeń; możliwość prognozowania przy znanych dwóch, trzech pierwszych wartościach
mierzonego symptomu.
Jako ograniczenia takiego podejścia można uznać: konieczność utrzymania się
założonej tendencji wzrostu obserwowanego symptomu w okresie objętym prognozą;
skończoną liczbę funkcji poddawanych analizie; dla funkcji złożonych znaczny wzrost
kosztów obliczeń.
Zadanie drugie można realizować za pomocą:
-modeli adaptacyjnych (np. metoda wyrównywania wykładniczego Browna, Holta, Wintersa,
Thiel-Wage, Bacheleta-Morlata);
- modeli autonomicznej ekstrapolacji procesów stochastycznych (typu:średniej ruchomej MA,
autoregresji AR, autoregresyjnej średniej ruchomej ARMA, scałkowanej średniej ruchomej
ARIMA);
- modelu tribowibroakustycznego, dla symptomów drganiowo-hałasowych;
- modeli obserwatora stanu (filtracja Kalmana-Bucy ego);
- statystycznych modeli symptomowych, opartych na znajomości postaci funkcji gęstości
rozkładu wartości mierzonych symptomów ( dla rozkładów: Weibulla, Frecheta, Pareto).
W tablicy 9.1 zamieszczono omówienie głównych wad i zalet dla niektórych z
wymienionych powyżej grup modeli.
Tablica 9.1 Wady i zalety metod prognozowania przy nieznanym modelu trendu.
Metoda Zalety Wady
- duża zdolność adaptacji w przy- - brak możliwości oszacowania
padku zmian tendencji rozwojowej, dokładności prognoz,
Modele
- uniwersalność dla licznej klasy - trudności z doborem parametrów
Adaptacyjne
procesów stochastycznych, prognozy,
- ograniczona liczba założeń,
- łatwość obliczeń w realizacji,
- prosta interpretacja parametrów - brak możliwości jawnego wyzna-
czenia wartości parametrów mode-lu
modelu (czas awarii �),
(jedynie na drodze wyznaczenia
- zdolność adaptacji w przypadku
Modele TWA
numerycznego),
zmian tendencji rozwojowej,
- jednoczesne oszacowanie sympto-
mu i czasu do awarii,
- możliwość oszacowania przedzia- - konieczność posiadania zbiorów o
łu ufności dla zadanego poziomu, dużej liczności,
Modele typu
- możliwość realizacji prognoz dla - długi proces obliczeniowy współ-
ARIMA
dowolnego horyzontu czasowego, czynników wagowych,
- optymalne estymatory, - znajomość macierzy wariancji i
Autonomiczna
- jednolitość podejścia dla proce- kowariancji zakłóceń,
Ekstrapolacja
sów jedno- i wielowymiarowych, - zbiory o dużej liczności,
procesów
- trudny aparat matematyczny.
Stochastycznych
 Warunkiem koniecznym stosowania wiekszości metod jest równomierne zużywanie
się badanego obiektu, a także równomiernie w czasie rozłożone pomiary symptomu
diagnostycznego.
Badania numeryczne wybranych metod predykcji stanu obiektu prowadzone są dla
oceny ich przydatności w zastosowaniach praktycznych i obejmują najczęściej następujące
modele:
* Trend Liniowy - TL:
P[(n+1)"�] = S(n"�) + L "� (9.16)
gdzie: P[(n+1)"�]-prognoza wartości symptomu S na jeden okres naprzód, L-parametr
modelu trendu, "� - odstęp czasu między kolejnymi obserwacjami symptomu.
* Trend Kwadratowy - TK:
P[(n + 1)"Ś] = S(n"Ś) +  "Ś + � (2n + 1)"Ś2 (9.17)
K K
gdzie: n-numer obserwacji, ,�-parametry modelu trendu.
* Trend Eksponencjalny - TE:
P[(n + 1)"Ś] = S(n"Ś) exp( "Ś),...,( E" Śaw -1) (9.18)
E E
* Trend Kwadratowo-Eksponencjalny - TKE:
P[(n + 1)"Ś] = S(n"Ś) exp[ (2n + 1)"Ś2 ] (9.19)
KE
* Estymacja funkcją Liniową - EL:
e
P[(n + 1)"Ś] = e (n + 1)"Ś + ł (9.20)
L L
e e
gdzie: e ,� ,ł - w kolejnych wzorach wyznacza się metodą najmniejszej sumy kwadratów.
* Estymacja funkcją Kwadratową - EK:
e e
P[(n + 1)"Ś] = � [(n + 1)"Ś]2 + e (n + 1)"Ś + ł (9.21)
K K K
* Estymacja funkcją Eksponencjalną - EE:
e
P[(n + 1)"Ś] = ł exp[e (n + 1)"Ś] (9.22)
E E
* Estymacja funkcją Kwadratowo - Eksponencjalną - EKE:
e
P[(n + 1)"Ś] = ł exp(e [(n + 1)"Ś]2 ) (9.23)
KE KE
* Model Wyrównywania Wykładniczego (wersja pełna) - MWWp :
( (
P[(n + 1)"Ś] = an0) + an1)"Ś
gdzie:
(
an0) = Tn(1) + Tn(2)
-1
(9.24)
ą
(
an1) = [Tn(1) + Tn(2) ]
-1
ą - 1
Tn(1) = ą �" S(n"Ś) + (1- ą)Tn(1)
-1
Tn(2) = ą �" Tn(1) + (1- ą)Tn(2)
-1
* Model Wyrównywania Wykładniczego (wersja uproszczona) - MWWu:
P[(n + 1)"Ś] = 2Tn - Tn-1
(9.25)
Tn = ą �" S(n"Ś) + (1- ą)Tn-1
* Model Wyrównywania Wykładniczo-Autoregresyjnego - MWWA:
k2
P[(n + 1)"Ś] = Tn + (Tn - Tn- j )
"� j
j=1
(9.26)
k1
Tn = ą �" S(n"Ś) + (1- ą) Tn-i
"� i
I =1
gdzie: � ,� - współczynniki wagowe modelu.
j i
* Model Wskaz
nikowo-Adaptacyjny - MWA:
ńł�ł S(n"Ś) łłą �ł
�ł �ł
P[(n + 1)"Ś] = Tn �ł�ł Ś1-ą żł
n-1
�ł�łS[(n - 1)"Ś]śł �ł
�ł
ół �ł
ńł�ł S(n"Ś) łłą �ł
�ł �ł
Tn = Tn-1�ł�ł Ś1-ą żł (9.27)
n-1
�ł�łS[(n - 1)"Ś]śł �ł
�ł
ół �ł
1/k3
�ł - 1)"Ś]
łł
S[(n
Śn-1 =
�łS[(n - k3 - 1)"Śśł
�ł �ł
* Model TriboWibroAkustyczny - TWA:
D00Śaw
P[(n + 1)"Ś] = (9.28)
Śaw - (n - 1)"Ś
gdzie: D00 - wartość krzywej życia dla � = 0, wg modelu TWA, �aw - oszacowanie czasu
awarii.
* Różnicowy model TriboWibroAkustyczny - RTWA:
D00Śaw"Ś
P[(n + 1)"Ś] = S(n"Ś) + (9.29)
[Śaw - (n + 1)"Ś]2
Ocena przydatności powyżych modeli prowadzana jest w kolejności:
1. ocena metod pod względem minimalnych błędów prognozy (9.30) oraz błędu szacowania
czasu awarii;
2
N
�ł
1 Pk - Sk �ł
BP =
�ł �ł
"�ł Sk łł (9.30)
N
i=1
2. analiza szczegółowa wybranych modeli, uwzględniająca prognozy bieżące, błędy względne,
przedziały ufności, czas do awarii.
Przedstawione modele można scharakteryzować następująco:
a). optymalne właściwości prognostyczne, zarówno w odniesieniu do wartości symptomu jak i
czasu awarii wykazuje trend eksponencjalny. Prostota jego realizacji umożliwia stosowanie go
powszechnie w praktyce;
b). dobre właściwości prognostyczne wykazuje różnicowy model tribowibroakustyczny, dając
jak poprzedni oszacowanie wartości symptomu i czasu awarii. Wadą jego jest bardziej
skomplikowany proces obliczeniowy wymagający numerycznego oszacowania parametrów
modelu;
c). model wyrównywania wykładniczo-autoregresyjnego daje najniższe wartości względnego
błędu prognozy, ale modele tej grupy nie pozwalają na oszacowanie czasu awarii;
d). estymacja funkcją kwadratową wykazuje wyraz
ne właściwości wygładzające, dając
najmniejszy błąd prognozy lecz oszacowania czasu awarii są często rozbieżne;
e). pozostałe modele cechują się większymi względnymi błędami prognozy, rozbieżnymi
oszacowaniami czasu awarii, co jednak nie wyklucza możliwości ich stosowania.
 Prognozowanie diagnostyczne wiąże się z przetwarzaniem dużej ilości danych
pomiarowych,jak również złożonymi operacjami numerycznymi związanymi z aproksymacją,
modelowaniem czy też predykcją szeregów czasowych. Nieodzowne więc jest komputerowe
wspomaganie prognozowania w oparciu o odpowiedni sprzęt i oprogramowanie,
umożliwiające interaktywny dostęp do procedur bibliotecznych za pośrednictwem języka
poleceń zbliżonego do konwencjonalnej notacji matematycznej. Pojawiło się w tym zakresie
wiele programów, wśród których wyróżnia się MATLAB wraz z przybornikami służącymi do
rozwiązywania konkretnych zadań technicznych. Pakiet ten charakteryzuje się następującymi
cechami:
- wysoką jakością procedur numerycznych;
- przejrzystością interfejsu użytkownika;
- rozszerzalnością wewnętrzną i zewnetrzną, możliwością współpracy z innymi pakietami;
- dynamicznym sposobem zarządzania pamięcią;
- posiada wiele przyborników (Control System Toolbox, Optymization Toolbox, Robust
Control Toolbox, Neural Network Toolbox);
- możliwością wizualizacji danych numerycznych, wielu okien graficznych, interaktywną
modyfikacją sposobu wizualizacji już po utworzeniu wykresu;
- możliwością interaktywnego testowania m-plików;
- posiadaniem narzędzi do generowania własnego interfejsu graficznego aplikacji
użytkownika.
Z powyższych powodów MATLAB stał się niekwestionowanym faktycznym
standardem w dziedzinie komputerowego wspomagania prac inżynierskich, stanowi on jądro
wielu systemów. W kraju jest dostępny na wszystkie komputery klasy PC, workstation i main-
frame [7].
Podstawowymi operacjami prognozowania diagnostycznego realizowanymi z
komputerowym wspomaganiem są:
- aproksymacja;
- filtracja;
- modelowanie statystyczne.
Te zadania są realizowane w środowisku MATLABA poprzez następujące operacje:
- symulacje modelu i predykcje;
- przetwarzanie danych pomiarowych;
- estymacje parametrów modeli strukturalnych;
- wybór struktury modelu, jego transformacje i prezentacje;
- weryfikacje i walidacje modeli;
- rekurencyjne procedury identyfikacji modeli.
Rozpatrując problematykę prognozowania diagnostycznego jako część ogólnej teorii
diagnostyki technicznej, należy zwrócić uwagę na czynniki warunkujące jej rozwój. Będą to
m.in. warunki istnienia:
- zainteresowania służb diagnostycznych i eksploatatorów maszyn tym rodzajem diagnoz;
- odpowiedniej bazy metodycznej dla podejmowania takich zadań;
- odpowiednich środków technicznych i informatycznych zabezpieczających ich realizację;
- odpowiednio przygotowanej kadry specjalistów mogących podejmować takie zadania.
 9.4 Monitorowanie i zarządzanie systemów
Najprościej rzecz ujmując, celem rozwoju gospodarczego społeczeństwa jest
stworzenie warunków do osiągnięcia zwiększonej społecznej wydajności pracy. Jest to także
celem wprowadzanej w naszym kraju reformy gospodarczej. Niewiele jednak można już
osiągnąć przez zwiększenie indywidualnego wysiłku robotnika lub bezpośrednio
inwestowanie w stanowiska pracy. Trzeba sięgnąć do efektywnych metod zarządzania i
organizacji, a to jest dziś niemożliwe bez pomocy nowoczesnych technologii
informatycznych.
Coraz większa ilość informacji wytwarzanej w przedsiębiorstwie w sferach
zarządzania, procesów produkcji i procesów pomocniczych wymaga właściwego ich
uporządkowania, przetworzenia i redukcji do zakresu niezbędnego dla podejmowania
racjonalnych decyzji. Technika komputerowa ogarnęła wszystkie sfery działalności
przedsiębiorstwa, a ponadto załamała dotychczasowe podziały i zachwiała istnijącą dotychczs
strukturę oraz zmieniła jego otoczenie. Jeżeli już dziś nasze przedsiębiorstwa nie będą w
sposób racjonalny adoptować się do zmian, to jutro nie będą uczestniczyć w światowym
podziale pracy. Na rys.9.4 przedstawiono system informatyczny przedsiębiorstwa, wyróż-
 - diagnostyka SYSTEM INFORMATYCZNY - transport
- serwis PRZEDSIĘBIORSTWA - naprawy
- technologie ( S I P ) - kontrola
- trendy - załadunek
SYSTEM inf. ROBOTY I MANI-
EKSPERTOWY PULATORY
-wyposażenie proces produkcji kontrola - opis procesów
-rezerwowanie - kalkulacje
-diagnostyka zarządzanie - czynn. kierow.
-wynalazczoS
METODY ZARZĄ DZANIA *fax,**modemy
ć
-symulacje
OPTYMALIZACJA SYSTEM INFORMAT. ZARZĄ DZANIA PRACE BIUROWE
DANE PERSONALNE
-metody i S

rodki BAZA DANYCH
kontroli, Sprzedaż Ubezpieczenia
-proces mierzenia, Baza i maszyny Zaopatrzenie
-transmisja syg- PLAN
nałów, Sys. utrzym maszyn produkcji i kontroli
-transmisja infor-
macji. NB Plan UMwR Finanse KsięgowoS

ć
AUTOMATYZACJA INFORMATYZACJA UMwR INFORMATYZ. ZAKŁADU
- metoda elem. skończonych, - materiały i S

rodki
- obliynowe, niezawodnoS
i, - dane wyposażenia,
masz czenia c
- dane pomiarowe, - strategia
- CAD, CAM. - planowanie ogólne.
UMwR,
INDIWIDUALNY PROGRAM PRZEDSIĘBIORSTWA
Rys. 9.4 System informatyczny przedsiębiorstwa z wyróżnionym zadaniem
utrzymania maszyn w ruchu.
niając w nim problematykę utrzymania maszyn w ruchu, gdzie problematyka diagnostyki
technicznej znajduje swoje wyróżnione miejsce. W takim systemie problematyka
monitorowania stanu maszyn i związanych z nią wszystkich problemów cząstkowych jest
wkomponowana w strukturę informatyczną przedsiębiorstwa.
Monitorowanie stanu maszyn, w aspekcie niezawodności funkcjonalnej (traktowanej
jako zdolność maszyny do wykonania zadania) jak i w sensie diagnostyki fizykalnej
(rozpoznawanie przyczyn zaistniałych uszkodzeń) występuje na poziomie utrzymania maszyn
w ruchu. Uwzględniając dostępne literaturowo warianty możliwych strategii eksploatacji
maszyn można ich praktyczną przydatność dla wybranego przedsiębiorstwa ocenić przy
pomocy użytkowych wskaz
ników efektywności. Umożliwiają one:
* monitorowanie efektywności strategii utrzymania maszyn w ruchu w
aspekcie rozwoju uszkodzeń;
* zarządzanie przez niezawodność funkcjonalną.
Dla ich wyznaczenia przyjmuje się, że:
- czas pracy maszyny do uszkodzenia określa funkcja niezawodności:
"
R(t)=P(TU*#t)=
+"f(t)dt
R(t)
t
- oczekiwany czas pracy: OCp
"
OCp = R(t)dt t
+"
0
- przeciętny rzeczywisty czas pracy:
(główny dla zadań utrzymania maszyn w rchu): R(t) PRZCp
t
PRZCp = R(t)dt t
+"
0
Pozwala to zdefiniować - współczynnik wykorzystania maszyny WW :
PRZCp
WW =  kryterium jakości strategii  (9.31)
OCp
Według tego kryterium można dokonać oceny poszczególnych strategii eksploatacji
maszyn i dalej ich przydatności w praktyce przemysłowej.
I. Strategia od  awarii do awarii stosowana dla uszkodzeń o małych skutkach
ekonomicznych i bez następstw zagrożenia bezpieczeństwa:
PRZCp(Usz)
WAA = = 1, R(t)
OCp
"
gdyż: Ocp = PRZCp (uszkodzenie) = R(t)dt Ocp = PRZCp t
+"
0
Jest to zatem strategia najbardziej efektywna ekonomicznie, a zadania obsługowo-naprawcze
inicjowane są uszkodzeniem.
II. Strategia  według ilości pracy (obligatoryjna), w której przedsięwzięcia
obsługowo-naprawcze są zaplanowane po z góry określonej ilości wykonanej pracy
(statystyczne oszacowania słabych ogniw i czasu do awarii):
R(tp) = P(OCp *#tp)*# RRZ
gdzie: RRZ - wymagany poziom niezawodności,
tp - czas OT zapobiegawczej ze względu na koszt, bezpieczeństwo.
tp
PRZCp(tp) = R(t)dt R(t)
+"
0
OCp = PRZCp (tp) + PNCp PRZCp
Wskaz
nik efektywności w tej strategii: PNCp
PRZCp(tp)
Wt = << 1 tp t
OCp
p
Wskaz
nik niewykorzystanego czasu pracy PNCp :
1- PRZCp(tp)
WNCp = - wskazuje potrzebę zmiany strategii.
OCp
III. Strategia  według stanu technicznego , w której zakres i częstotliwość czynności
obsługowo-naprawczych limituje stan techniczny, w wersji:
a). inspekcyjnej, ze stałym okresem kontroli stanu, jw.;
b). kontroli stanu wg prognozowanej zmiany stanu.
T1 Sgr
�ł łł
�ł
PRZCp(T1) = fRZCp(t)(x)dxśłdt R(t) PNCp
+" +"
�ł śł
0 S0
�ł śł
�ł �ł
Sgr
�ł łł
"
�ł
PRZCp = fRZCp(t)(x)dxśłdt
+" +"
śł
T1�ł S0
�ł śł
�ł �ł
PRZCp(T1) PRZCp
Wskaz
nik efektywności tej strategii: T1 t
PRZCp(T1) + PRZCp
WDT = < 1
OCp
Jakościowa analiza przedstawionych wskaz
ników wskazuje, że ich uszeregowanie w
postaci: WAA > WDT > Wtp preferuje, poza strategią uszkodzeniową, strategię według stanu
technicznego. Przedstawione wskaz
niki dobrze ilustrują efektywność działań obsługowo-
naprawczych w różnych strategiach utrzymania maszyn w ruchu.
Porównanie wybranych wskaz
ników dla różnych poziomów niezawodności maszyn
pokazano w przykładzie:
Rr Wtp [%] zwiększenie w WDT [%]
0,999 77,91 17,15
0,975 84,67 10,59
0,95 86,63 8,81
 Monitorowanie stanu maszyn zależnie od zakresu zastosowania diagnostyki w
przedsiębiorstwie może przybierać formę działań: korekcyjnych, prewencyjnych lub
prognostycznych, co pokrótce scharakteryzowano na rys. 9.5.
status oszczędnoS
iowy
c
UTRZYMANIE
KOREKCYJNE zapasy materiałowe WAW
losowe zarządzanie
plan utrzymania
UTRZYMANIE
PREWENCYJNE monitorowanie działań Wtp
technologia działań
planowanie i monitorowanie
UTRZYMANIE
PROGNOSTYCZNE koszty kontroli stanu WDT
technologia utrzymania
kontrola systemu utrzymania
ROZWÓJ STRATEGII ???
UTRZYMANIA diagnostyczny model
produkcji i kontroli
LOGISTYKA (***UTRZYMANIE MASZYN W RUCHU***)
SYSTEM INFORMATYCZNY SYSTEM INFORMATYCZNY
EKSPLOATACJI PRZEDSIĘBIORSTWA
MONITOROWANIE I ZARZĄ DZANIE PRZEDSIĘBIORSTWEM
Rys.9.5 Podstawowe formy utrzymania maszyn w ruchu.
 Monitorowanie wykorzystuje zatem dokonania wszystkich dziedzin eksploatacji i
teorii zarządzania, przy wsparciu techniką informatyczną w zakresie zdobywania,
przetwarzania i przesyłania informacji. W monitorowaniu jedną z głównych dziedzin wiedzy
jest diagnostyka techniczna, której metody i środki dają ocenę stanu aktualnego maszyny i są
podstawą dalszych decyzji diagnostycznych.
Uogólniając te spostrzeżenia można monitorowanie i zarządzanie systemów
technicznych w przedsiębiorstwie sprowadzić do problematyki:
* ustalonego:
- systemu zarządzania przedsiębiorstwem;
- systemu informatycznego przedsiębiorstwa;
- systemu organizacji eksploatacji w systemie logistycznym;
** realizowanego:
- monitorowania funkcjonowania przedsiębiorstwa;
- monitorowania stanu maszyn metodami diagnostyki technicznej.
W przedsiębiorstwie diagnostyka funkcjonuje w systemie logistycznym, pełniąc
sterującą funkcję w stosunku do eksploatowanych maszyn.
Logistyka jest dziedziną wiedzy o racjonalnym, kompleksowym i ekonomicznym masowo-
energetyczno-informacyjnym zabezpieczeniu funkcjonowania systemów działania, przy
istniejących zasobach, ograniczeniach i zakłóceniach w zadanych warunkach i czasie.
Pod pojęciem  zabezpieczenie należy rozumieć wszystkie elementy i relacje logistyczne,w
tym także dystrybucyjne, niezbędne do prawidłowego funkcjonowania dowolnego systemu
działania.
W każdym przedsiębiorstwie można wyróżnić dwie zasadnicze grupy problemów:
1) zabezpieczenie prawidłowego funkcjonowania przedsiębiorstwa;
2) utrzymanie środków trwałych (np.budynków,maszyn i urządzeń,środków transportowych),
w stanie zdatności funkcjonalnej i stanie zdatności zadaniowej.
W związku z tym system logistyczny przedsiębiorstwa zawiera:
SL = < SLF, S LT, R ZF > (9.32)
gdzie: SLF - podsystem logistyczny zabezpieczenia funkcjonowania przedsiębiorstwa; SLT -
podsystem logistyczny środków trwałych; RZF �" SLT x SZT - relacje.
Celem podsystemu logistycznego SLF zabezpieczenia funkcjonowania jest zasilanie
(zaopatrzenie, zaopatrywanie) przedsiębiorstwa w środki produkcji i wszelkiego rodzaju
usługi. Natomiast głównym celem podsystemu logistycznego SLT jest utrzymanie środków
trwałych w stanie zdatności funkcjonalnej i zadaniowej.
Wśród nowoczesnych rozwiązań profesjonalnych systemów monitorowania stanu
maszyn można wyróżnić przodujące firmy: Bently Nevada (USA), Carl Schenck AG, Bruel &
Kjaer, TECHNICAD-Gliwice jak i wiele cząstkowych systemów wspomagania
diagnozowania opracowanych w wielu polskich uczelniach. Dotychczasowe doświadczenia
wskazują, że całościowe opracowanie systemu monitorowania stanu maszyn z
wykorzystaniem algorytmów sztucznej inteligencji wymaga zaangażowania dużych środków
finansowych i dużego nakładu czasu przez zaangażowane i ambitne zespoły naukowo-
badawcze.
Sensowny i ekonomicznie uzasadniony rozwój przedsiębiorstw przyszłości to
kompleksowe strategie informatyczne w monitorowaniu i zarządzaniu, obsługiwane przez
przygotowane kadry w zakresie menedżerskim i organizacyjnym. W tym miejscu warto
przytoczyć znaną przestrogę, która porównuje: wdrażanie systemu informatycznego do
przedsiębiorstwa obarczonego przestarzałymi metodami zarządzania i bałaganem - do
instalowania silnika rakietowego do wozu drabiniastego. Jedno i drugie grozi katastrofą.
9.5 Sztuczna inteligencja w diagnostyce
Sztuczna inteligencja obejmuje zagadnienia wykorzystania nowoczesnych technik
informatycznych do wykonywania skomplikowanych operacji przypominających takie
procesy umysłowe, jak uczenie się, rozpoznawanie, wnioskowanie, klasyfikowanie, korygo-
wanie i podejmowanie decyzji. Systemy sztucznej inteligencji w założeniu mają więc osiąg-
nąć zdolność spełniania funkcji typowych dla ludzkiego mózgu.
W zakresie diagnostyki technicznej istota stosowania elementów sztucznej inteligencji
polega na wspomaganiu działań człowieka w zakresie planowania, realizacji i opracowywania
wyników z badań diagnostycznych, szczególnie złożonych obiektów mechanicznych.
Wśród metod sztucznej inteligencji badanych i stosowanych w ostatnich latach w
diagnostyce technicznej należy wymienić: systemy ekspertowe, sztuczne sieci neuronowe oraz
teorię zbiorów rozmytych. W praktyce pojęcie sztucznej inteligencji wiąże się ściśle z
rozszerzającymi się możliwościami systemów komputerowych
Rozwój techniki komputerowej powoduje coraz szersze przenikanie do różnych
dziedzin techniki zarówno całych komputerów jak i ich elementów, takich jak
mikroprocesory, pamięci, układy wejściowe i wyjściowe itp. W diagnostyce technicznej
istnieje wiele różnych możliwości wykorzystania komputerów w zależności od sytuacji
diagnostycznych oraz stopnia automatyzacji procesu i systemu diagnostycznego. Sposoby te
można podzielić na trzy grupy, które mogą być ogólnie nazwane:
- konwencjonalne wykorzystanie komputera do celów diagnostycznych;
- komputeryzacja systemu diagnostycznego;
- komputeryzacja urządzeń diagnostycznych.
W każdym przypadku wykorzystanie techniki komputerowej umożliwia szybszą realizację
procesu diagnozowania, optymalizację programu lokalizacji uszkodzeń lub okresu
przeprowadzania prac profilaktycznych.
Podstawowym zadaniem każdego komputera jest wykonywanie obliczeń i
przedstawianie ich wyników w dogodnej dla użytkownika postaci. Stąd najprostsze a
jednocześnie bardzo efektywne zastosowanie komputera w procesie diagnozowania to
wykorzystanie go tylko do celów obliczeniowych.
W takim przypadku w komputerze można wyróżnić trzy podzespoły,
" klawiaturę, jako urządzenie wejściowe, umożliwiające sterowanie komputerem,
" pamięć, w której gromadzi się programy, dane i wyniki obliczeń,
" monitor (ewentualnie drukarkę), jako urządzenie wyjściowe, na którym diagnosta
odczytuje wytyczne do dalszego postępowania (np. jak korzystać z aparatury
kontrolno-pomiarowej) i wyniki obliczeń, diagnozy.
Elementem sprzęgającym komputer z pozostałymi elementami systemu diagnostycz-
nego i obiektem, jest w tym przypadku diagnosta (lub pracownik obsługujący komputer).
Najpierw za pomocą stosownych urządzeń kontrolno-pomiarowych oddziaływuje się na
obiekt i uzyskuje informacje o jego stanie a następnie wprowadza się je do komputera (za
pomocą klawiatury).Na monitorze odczytuje się częściowe lub końcowe diagnozy jako wynik
zadanych programów obliczeniowych. Blokowy schemat systemu diagnostycznego
wykorzystującego komputer w sposób konwencjonalny pokazano na rys.9.6.
OBIEKT BADAC

OPRZYRZ
DOWANIE
KONTROLNO-POMIAROWE
DIAGNOSTA
MONITOR KLAWIATURA
PAMI
Ć
KOMPUTER
Rys. 9.6 Schemat systemu wykorzystującego komputer w sposób konwencjonalny.
W ramach tych programów komputer może wykonać następujące operacje:
a/ porównywać uzyskane wyniki pomiarów z wartościami odniesienia;
b/ przetwarzać wyniki pomiarów na inną ich postać;
c/ gromadzić wyniki pomiarów jako dane statystyczne i opracowywać je;
d/ wspomagać wnioskowanie diagnostyczne po przez:
" przetwarzanie zbioru wyników pomiaru na informacje o stanie (wy-
pracowywanie diagnoz);
" informowanie o zbiorze stanów odpowiadajacych informacjom o symptomach
(objawach uszkodzeń, wynikach pomiarów); dalsze badanie pozwoli zawęzić
zbiór możliwych stanów do końcowej diagnozy;
" symulacje reakcji obiektu na zmiany wartości sygnałów w różnych punktach
obiektu lub symulacje procesów funkcjonowania obiektu.;
e/ poglądowe przedstawienie uzyskanych wyników w postaci wykresów, dendrytów
lub histogramów.
Ponadto rozpatrywany sposób wykorzystania komputera pozwala obliczać okres powtarzania
prac profilaktycznych, optymalny ze względu na zadane kryteria (koszt, prawdo-
podobieństwo).
Podstawowe zalety tego sposobu wykorzystania komputera do celów diagnostycznych to:
1/ uwolnienie diagnosty od konieczności pamiętania (lub szukania w instrukcjach)
różnego rodzaju danych; zmniejsza to możliwość popełnienia omyłek i
wypracowania błędnych diagnoz;
2/ znaczne skrócenie czasu trwania procesu diagnozowania;
3/ eliminacja subiektywnych wniosków i ocen oraz konsekwentna rejestracja danych,
co znacznie wpływa na wiarogodność wyników kontroli.
 Zastosowanie komputera w tej strukturze systemu diagnostycznego wymaga opra-
cowania odpowiednich programów (software'u), nie wiąże się natomiast z żadnymi zmianami
w oprzyrządowaniu pomiarowym, sieci połączeń itp. Rozwiązanie takie jest najtańszą, a
zarazem bardzo efektywną formą komputeryzacji systemu diagnostycznego. Zazwyczaj nie
wymaga to nawet zakupu komputera, gdyż w zakładzie coraz częściej jest dostępny komputer,
stosowany do różnych celów w wydziałach technicznych lub księgowości.
Komputeryzacja systemu diagnostycznego ma tą zaletę, że umożliwia elastyczne
wykorzystanie zgromadzonej aparatury kontrolno-pomiarowej (hartware'u) do różnych celów
poprzez zmianę programu (software'u). Jest to korzystne w przypadkach, gdy często zmienia
się diagnozowany obiekt lub wymagania diagnostyczne. Jeśli występuje potrzeba
wielokrotnego diagnozowania tego samego lub takiego samego obiektu, celowym staje się
doprowadzenie systemu diagnostycznego do postaci mikroprocesorowego urządzenia
diagnostycznego.
Podstawowym zespołem takiego urządzenia jest mikroprocesor sterowany programem
wprowadzonym do pamięci typu EPROM, stanowiącej drugi istotny element. Zgodnie z tym
programem mikroprocesor steruje: pobieraniem danych z obiektu, przetwarzaniem ich,
gromadzeniem wyników w pamięci oraz w zależności od wartości tych danych,
wytwarzaniem sygnałów sterujących przebiegiem procesu diagnozowania i zobrazowaniem
uzyskanych informacji w postaci wygodnej dla użytkownika. Może to mieć postać
sygnalizacji świetlnej lub dz
więkowej, wydruku danych, wykresu na monitorze itp.
Dla realizacji tych zadań, mikroprocesorowe urządzenie diagnostyczne musi posiadać
również część tych elementów, w które wyposażony jest komputer lub skomputeryzowany
system diagnostyczny. Są to np.: wzmacniacze buforowe, układy równoległych wejść i wyjść,
pamięć operacyjna, przyrządy pomiarowe. Jednak przeznaczenie tych elementów do
współpracy z określonym obiektem w ramach wcześniej ustalonego programu umożliwia
zmniejszenie ich objętości lub liczby w stosunku do standardowego komputera. Staranna
optymalizacja struktury w trakcie projektowania urządzenia diagnostycznego może przynieść
znaczne efekty ekonomiczne.
Główne zalety mikroprocesorowych urządzeń to:
" szybkość działania (możliwość rejestracji i uwzględniania wartości chwilowych
procesów przejściowych),
" automatyczna, bez udziału obsługi realizacja skomplikowanych działań
pomiarowych i obliczeniowych,
" selektywny wybór informacji dostarczanych użytkownikowi w postaci
najłatwiejszej do percepcji,
" duża niezawodność działania i wiarogodność wyników,
" obiektywność diagnoz, niezależna od kwalifikacji, solidności i koncentracji uwagi
personelu.
Zastosowanie mikroprocesorowych urządzeń diagnostycznych ma szczególnie duże
znaczenie w sytuacjach, gdy potrzeba kontrolować wielkości w wielu punktach obiektu.
Z metodologicznego punktu widzenia atrakcyjnym rozwiązaniem układów
diagnozowania jest oparcie ich budowy na systemach ekspertowych. Takie systemy pozwalają
na doskonalenie wnioskowania diagnostycznego w oparciu o tworzone bazy wiedzy,
wykorzystujące wiedzę heurystyczną (operatorską), wiedzę proceduralną (modele
matematyczne, algorytmy identyfikacji) oraz wiedzę symulacyjną. Umożliwia to integrację
wielu metod i technik diagnozowania prowadzących do bardziej efektywnych układów
diagnostycznych dla złożonych obiektów i procesów przemysłowych.
Pojęcie "eksperta" jest intuicyjnie rozumiane jako określenie człowieka posiadającego
ugruntowaną wiedzę i doświadczenie w danej dziedzinie oraz cieszącego się autorytetem w
środowisku Oceny wydawane przez eksperta z jednej strony zależą od jego wiedzy i
doświadczenia, a z drugiej od subiektywnych odczuć związanych z wynikami jego
zawodowych doświadczeń, aktualnych tendencji w podejściu do zagadnień wymagających
rozwiązania itp. Problemy te oddziałują na kierunki badań, oraz stosowane w nich metody
badania i analizy wyników. Oparty na takich subiektywnych odczuciach proces doboru
ekspertów oraz generowane przez nich oceny wymagają starannej realizacji i dokładnej
weryfikacji.
Główna przyczyną odwoływania się do systemów ekspertowych jest świadomość, że
posiadana o rozpatrywanym problemie wiedza nie jest ani pełna ani całkowicie pewna. w
odniesieniu do diagnostycznych systemów ekspertowych ma to miejsce w sytuacji, gdy
wnioskowanie diagnostyczne nie może być dostatecznie wiarogodne w wyniku logicznego
wnioskowania, przeprowadzanego na podstawie analizy budowy obiektu, zasad jego
funkcjonowania i wyników przeprowadzonych obserwacji i pomiarów.
Sytuacje takie mają miejsce zwłaszcza w okresie opracowywania przez projektanta
wytycznych (np. instrukcji, projektów urządzeń diagnostycznych) do diagnozowania
obsługowego(lokalizacji uszkodzeń).
OBIEKT BADAŃ
SYSTEM
SYSTEM
DIAGNOSTYCZNY
EKSPERTOWY
DIAGNOSTYCZNY SYSTEM EKSPERTOWY
UŻYTKOWNIK
DIAGNOZ
Rys. 9.7 Ogólny schemat wykorzystania systemu ekspertowego w diagnostyce.
W rozpatrywanej dotychczas strukturze systemu diagnostycznego zakładano, że zbiór
badanych cech obiektu jest znany, wartości odniesienia umożliwiające opracowanie wyników
sprawdzeń ustalone a relacja diagnostyczna umożliwiająca logiczne wnioskowanie o stanie
badanego obiektu jednoznaczna. Jeśli jednak warunki te nie są w pełni spełnione, pojawia się
konieczność powołania eksperta (zespołu ekspertów), którego działania pozwolą na ustalenie
wiarygodnych relacji diagnostycznych między stanem obiektu a jego symptomami. Niezbędne
są przy tym pewne środki umożliwiające realizację działań eksperta, które tworzą łącznie
system ekspertowy (SE). W powiązaniu z systemem diagnostycznym umożliwiającym
badanie obiektu powstaje diagnostyczny system ekspertowy (DSE) którego powiązania z
otoczeniem pokazano na rys. 9.7.
Działanie ekspertowego systemu diagnostycznego można opisać następująco:
Jeśli diagnoza wypracowana przez system diagnostyczny nie spełnia wymagań użytkownika
(np. jest fałszywa), zwraca się on o pomoc do eksperta, który korzystając z dodatkowych
informacji zaleca zmiany w procesie diagnostycznym (badanie innych właściwości obiektu,
inne wartości odniesienia, inna relacja diagnostyczna), w wyniku czego uzyskuje się diagnozę
bardziej wiarogodną. Z punktu widzenia obiegu informacji, w systemie diagnostycznym
występuje sprzężenie zwrotne, którego pętlę zamyka system ekspertowy (rys 9.8).
O B IE K T
U K A
A D Y
D O D A T K O W E B A D A N IA
P O M IA R O W E
O B IE K T U
U K A
A D Y
E K S P E R T
S P R A W D Z A J 
C E
D O D A T K O W E B A D A N IA
D IA G N O S T A
L IT E R A T U R O W E
S D
S E
c zy d iag no z a w ia ro g o d na ?
nie
ta k
U Ż Y T K O W N IK
D IA G N O Z
Rys.9.8 Powiązania informacyjne w diagnostycznym systemie ekspertowym.
Podstawowym zadaniem diagnostycznego systemu ekspertowego jest wskazanie
użytkownikowi diagnoz możliwych stanów niezdatności obiektu na podstawie
obserwowanych symptomów, oraz przyczyn ich powstania, ewentualnie sposobów ich
usunięcia. Aby zrealizować to zadanie system umożliwia tworzenie wiedzy diagnostycznej,
korzystając z różnych z
ródeł informacji. Są to:
1) badania literaturowe; pozwalają one określić czego nie wiemy. Należy zwrócić
uwagę, że z
ródłem informacji w tym zakresie mogą być, oprócz opracowań
naukowych, również instrukcje obsługi, protokoły reklamacyjne i wyniki badań
zarówno obiektu którego dotyczy opracowywany system diagnostyczny jak i
innych obiektów należących do tej samej klasy.
2) analiza budowy i funkcjonowania obiektu.
3) badania eksperymentalne, uzupełniające lub weryfikujące już posiadaną wiedzę
dotyczącą obiektu i jego diagnozowania. Badania te mogą być symulacyjne lub
modelowe, prowadzone w warunkach laboratoryjnych lub eksploatacyjnych.
Uzyskana wiedza diagnostyczna zostaje wykorzystana we współpracy z ekspertem w ten
sposób że:
a) na podstawie 1) i 2) tworzy się zestaw możliwych stanów niezdatności obiektu i
zestaw objawów tych stanów;
b) drogą wywiadów (np. w postaci kwestionariusza ankietowego) uzyskuje się od
ekspertów określenie zależności między objawem a stanem niezdatności.
Uzyskane relacje mogą być zapisane za pomocą tzw. tablic bazowych
reprezentacji wiedzy;
c) wyniki te poddaje się weryfikacji poprzez badania eksperymentalne,
przeprowadzając różne eksperymenty diagnostyczne.
Końcowym wynikiem tych działań jest utworzenie reguł wnioskowania w postaci
implikacji: "jeżeli {x} to y" ; gdzie x - "przesłanki" a y - "konkluzje". Reguły te różnią się
od relacji diagnostycznych tym, że:
" związana jest z nimi niepewność charakteryzowana stopniami pewności, gdyż
zarówno fakty jak i oparte na nich reguły wnioskowania nie są całkowicie pewne;
" reguły wnioskowania mogą być proste, w postaci implikacji: jeżeli x to Ei albo
złożone, w postaci: jeżeli x to Ei lub Ej (i `" j).
Utworzenie reguł wnioskowania, to jest implikacji łączących objawy ("przesłanki") i diagnozy
("konkluzje") wymaga zebrania wielu informacji o obiekcie, ustalenia sposobu ich
pozyskiwania a zwłaszcza wyboru interesujących symptomów, które mogą zawęzić
nieokreśloność stanu obiektu.
Związane z tym problemy można połączyć w następujące, powiązane ze sobą moduły:
1/. moduł pozyskiwania informacji (akwizycji wiedzy) diagnostycznej;
2/ moduł sterowania dialogiem z użytkownikiem;
3/ moduł tworzenia reguł wnioskowania;
4/ moduł bazy wiedzy diagnostycznej.
Pierwszy z nich wiąże się z zestawem aparatury pomiarowej i przetworników
umożliwiających uzyskiwanie danych. Drugi dotyczy doboru objawów, symptomów i stanów
obiektu (możliwych uszkodzeń), które należy badać i określać. Trzeci moduł obejmuje
metodykę wypracowywania relacji coraz dokładniej i pewniej wiążących obserwowane
symptomy ze stanami obiektu.
Wyniki uzyskiwane w toku prowadzonych badań literaturowych (w tym dane
projektowe o obiekcie), badań eksperymentalnych (w tym dane z eksploatacji) oraz wyniki
wnioskowania i ich weryfikacja gromadzone są w module bazowym wiedzy diagnostycznej i
są wykorzystywane w kolejnych procesach diagnostycznych realizowanych przez system
diagnostyczny.
Znacznym ułatwieniem opracowywania diagnoz w ekspertowym systemie
diagnostycznym jest otworzenie tzw. szkieletowego systemu jako wyspecjalizowanego
narzędzia pozyskiwania wiedzy. System taki jest w znacznym stopniu uniwersalny (może być
zastosowany do różnych obiektów). Po uzupełnieniu danymi (tj wprowadzeniu informacji do
modułu bazowego) może być wykorzystywany przez różnych użytkowników do tworzenia
relacji umożliwiających wnioskowanie o stanie obiektu. Opracowanie takiego systemu
pozwala wykorzystać komputer do konstruowania systemów ekspertowych.
Stosunkowo proste programy komputerowe umożliwiają:
" monitorowanie stanu obiektu za pośrednictwem układów pomiarowych
sterowanych przez komputer,
" gromadzenie wyników pomiarów,
" generowanie sygnałów alarmowych lub uruchamiających układy zabezpieczające
obiekt przed awarią.
Natomiast opracowanie programów umożliwiających lub wspomagających wnioskowanie
diagnostyczne jest znacznie utrudnione. Poszukiwaniem metod umożliwiających analizę i
interpretację rejestrowanych wyników w celu estymacji symptomów aktualnego stanu zajmuje
się sztuczna inteligencja - dziedzina informatyki dotycząca metod i technik wnioskowania
symbolicznego przez komputer oraz symbolicznej reprezentacji wiedzy stosowanej podczas
takiego wnioskowania. Reprezentacja wiedzy oznacza ogólny formalizm zapisywania,
gromadzenia i przechowywania dowolnego fragmentu wiedzy. Podejmowane są próby
opracowania szkieletowego systemu doradczego umożliwiającego dozorowanie i diagnostykę
obiektów. W opracowaniu [8] przedstawiono ogólną strukturę informatyczną takiego systemu
- MAS, przeznaczonego do konstruowania programów umożliwiających wspomaganie badań
diagnostycznych elektrycznych maszyn wirnikowych. W materiałach tych omawia się też
komputerowy system nadzoru i diagnozowania turbozespołów energetycznych (KSND) [10],
wykorzystujących do analizy informacje pochodzące z układów nadzoru drganiowego.
Komputerowy system doradczy jest zbiorem programów umożliwiających
opracowanie odpowiedniej bazy wiedzy, na którą składa się:
" zespół danych uzyskiwanych w wyniku pomiarów,
" zbiór reguł wnioskowania umożliwiających generowanie konkluzji na podstawie
przesłanek;
" programy umożliwiające zapis modeli matematycznych (zwykle w postaci równań
różniczkowych) oraz ich odwracanie.
W programie MAS wykorzystano koncepcję tablicy ogłoszeń, tablic dyspozycyjnych i
ram. Tablica ogłoszeń jest miejscem udostępniania ogłoszeń, które zawierają komunikaty i
informacje o z
ródle i przeznaczeniu komunikatu. Komunikat zawiera wiadomość tj.
wypowiedz
orzekającą "coś o czymś" oraz informację o stopniu prawdziwości wiadomości.
Głównym z
ródłem komunikatów są układy pomiarowe. Pamięć komputera jest tablicą
ogłoszeń, w której można zamieszczać nowe komunikaty, usuwać stare i udostępniać je
odbiorcom - użytkownikom systemu doradczego.
Tablica decyzyjna umożliwia zestawienie zbioru reguł. Obejmuje wiersze
zawierające warunki (np. ogłoszenia) oraz wiersze konkluzje lub opis działań. W tablicy
zawarte są definicje reguł i oczekiwane wartości dla kolejnych warunków. Reguły badane są
kolejno, aż do znalezienia reguły spełniającej warunki.
Ramy są strukturą informatyczną pozwalającą na dokonywanie uogólnień, co
zapewnia efektywność dialogu z użytkownikiem i komunikacji ze z
ródłami danych
Baza wiedzy zapisywana jest za pomocą ram w programie głównym MAS. Poszczególne
wartości wprowadzane są za pomocą sieci neuronalnych. Sieć taka zawiera węzły wejściowe
(np. punkty pomiarowe), węzeł wyjściowy i węzły ukryte, które przekształcają wartości
otrzymywane na wejściu w odpowiednią postać na wyjściu. Działanie węzłów ukrytych
można przedstawić za pomocą zależności:
n-1
�ł �ł
Xi, j = f �" xl-1,i + s �" wl, j ,n �ł (9.33)
�ł
"wl, j,i
�ł łł
i=0
gdzie: wl,j,i - są wagami, s - wartość progowa (odniesienia), f - funkcja aktywizująca węzły.
 W programie MAS istnieje podprogram MAS_NN, który umożliwia generowanie
takich sieci według kilku modeli uwzględniających różne postacie funkcji aktywizującej f i
wartości progowych: stałych lub zależnych od wejść sieci.
Drugi podprogram MAS_VW umożliwia analizę sygnałów w dziedzinie: amplitudy,
czasu i częstotliwości. Spełnia on wiele funkcji, jak: przetwarzanie analogowo-cyfrowe,
generowanie sygnałów testowych, zobrazowywanie na monitorze komputera analizowanych
przebiegów w funkcji czasu lub wybranych par wielkości, wykonuje przekształcenia
funkcyjne, operatorowe, arytmetyczne, estymację histogramów, wartości chwilowych i innych
cech liczbowych.
W miarę udoskonalania komputerowego wspomagania systemów ekspertowych będą
one coraz szerzej wykorzystywane dla potrzeb diagnozowania złożonych obiektów
przemysłowych jak również optymalizacji innych procesów eksploatacyjnych.
W podsumowaniu można zaznaczyć etapy wdrażania w diagnostyce technicznej
elementów sztucznej inteligencji, kolejno obejmujące:
- tworzenie baz pomiarowych i wzorców symptomów stanu badanych obiektów;
- opracowywanie programów symulacyjnych w oparciu o modele diagnostyczne;
- automatyczne rozpoznawanie obrazów stanu obiektu i ich kwalifikacja za pomocą
sztucznych sieci neuronowych;
- rozwój systemów ekspertowych wykorzystywanych podczas wnioskowania diagnostycz-
nego, bazujących na odpowiednio zagregowanej wiedzy ekspertów.
Metody sztucznej inteligencji tworzone są z zamiarem skonstruowania systemów,
które mogą być zastosowane wszędzie tam gdzie realizowane zadania wymagają
podejmowania decyzji przez człowieka.
9.6 Eksperymenty symulacyjne
Rola eksperymentu jako sposobu pozyskiwania wiedzy o rzeczach i zjawiskach wys-
tępujących w otaczającym nas świecie wykracza dziś daleko poza zastosowania naukowo-
poznawcze. Podniesienie jakości takich badań, rozszerzenie ich zasięgu, obniżenie kosztów,
ograniczenie negatywnych skutków ubocznych, zwiększenie wiarygodności wyników badań
stają się zatem problemem o wymiarze nie tylko technicznym i organizacyjnym, lecz także
ekonomicznym i społecznym. Postęp zachodzący we wszystkich dziedzinach wiedzy rozsze-
rza wachlarz metod stosowanych w badaniach eksperymentalnych, zwiaksza ich precyzję oraz
wzmaga tendencję do obiektywizowania wielu pojęć podstawowych.
Sukcesy techniki eksperymentalnej są osiągalne dzięki postępom w dziedzinie auto-
matyki, elektroniki i informatyki, doskonalących metodykę badań doświadczalnych. Automa-
tyzacja prac doświadczalnych z wykorzystaniem ogólnych pojęć i metod cybernetyki, teorii
informacji, teorii pomiarów, teorii systemów, traktuje eksperyment jako szczególny rodzaj
procesu sterowanego o złożonych właściwościach dynamicznych, który dostarcza badającemu
potrzebnej informacji o obiekcie badań.
Przez komputerowe wspomaganie eksperymentów rozumie się ogół metod i środków
służących usprawnieniu procesów pobierania informacji o badanym obiekcie i jej przetworze-
nia za pomocą techniki komputerowej. Tak rozumiane stosowanie techniki komputerowej od-
ciąża badającego od zbyt żmudnych i czasochłonnych czynności, zwiększa dokładność po-
miarów lub ich liczbę wykonywanych w jednostce czasu, ułatwia operowanie dużymi zbiora-
mi danych, umożliwia koordynację wielu czynności, zapewnia optymalne warunki prowadze-
nia eksperymentu, ułatwia prezentację wyników badań, selekcję i syntezę tych wyników.
Mamy tu zatem do czynienia z trzema wzajemnie na siebie oddziałującymi czynnikami: eks-
perymentatorem stymulującym przebieg i interpretującym wyniki eksperymentu, badanym
obiektem (zjawiskiem, procesem) oraz z tym co między nimi pośredniczy - komputerowym
systemem wspomagającym (rys.9.9).
W zastosowaniu diagnostycznym technika komputerowa coraz częściej jest wykorzys-
tywana w symulacji modelowo wspartych eksperymentów diagnostycznych, gdzie korzysta-
nie z modelu polega na badaniu związków pomiędzy zmiennymi modelu. Ponieważ model
jest z założenia wiernym odpowiednikiem badanego obiektu rzeczywistego, a jego sygnały
wejściowe i wyjściowe można utożsamiać z odpowiednimi sygnałami obiektu - wnioski uzys-
kane w wyniku badania modelu przenieść można na rozważany obiekt rzeczywisty.
system ABD
P O
podsystem KWBD
Rys. 9.9 Powiązania w systemie badań doświadczalnych:
P - eksperymentator (podmiot), O - badany obiekt (przedmiot), ABD - automatyzacja badań
doświadczalnych, KWBD - komputerowe wspomaganie badań diagnostycznych.
W większości praktycznych przypadków problematyki diagnozowania maszyn wejścia
modelu pełnią rolę zmiennych niezależnych (rozwijających się uszkodzeń, rozregulowań), dla
których chcemy poprzez badanie modelu znalez
ć odpowiedz
na pytanie jakie będą sygnały
wyjściowe (miary, symptomy) w badanej sytuacji (dla określonego stanu). Tego typu analizę,
stanowiącą w istocie eksperyment wykonywany na modelu nazywa się symulacją. Jest to więc
w istocie eksperymentowanie z obiektem przy wykorzystaniu modelu, co jest szczegól-nie
ważne dla nowych możliwości analizy zachowania się obiektu w całym procesie ich ist-
nienia, przewidywania zmian stanu, kosztów eksploatacji itd.
Symulacja, jako eksperyment z modelem ma posłużyć do odpowiedzi na określone
pytania stawiane przez badacza analizującego obiekt badany - jest to więc narzędzie a nie cel.
Sposób formułowania i zakres tych pytań określają z reguły wymagania stawiane przed mo-
delem i determinują przebieg eksperymentu symulacyjnego.
Stopień złożoności modelu symulacyjnego jest określony przez warunki prowadzenia
eksperymentu i informacje dotyczące:
- wyspecyfikowania sygnałów wejściowych oraz właściwości tych sygnałów;
- wyspecyfikowania sygnałów wyjściowych oraz określenie zakresu zmian ich wartości.
Na model, jako odpowiednik systemu rzeczywistego patrzeć można na dwa sposoby - jako na
przekształtnik sygnałów wejściowych w wyjściowe, czyniąc to w sposób analogiczny jak ba-
dany system lub jako strukturalny odpowiednik systemu. Strukturalna odpowiedniość między
systemem a modelem z reguły niezbędna jest w przypadku stosowania symulacji do celów
badawczych - gdy symulacja ma wyświetlić mechanizmy pewnych zjawisk zachodzących w
systemie, zjawisk do których badacz nie ma bezpośredniego dostępu.
Ważnym aspektem budowy modelu symulacyjnego jest wybór typu modelu, a więc
sposobu widzenia systemu przez eksperymentatora. Dotyczy to takich problemów, jak dys-
kretne lub ciągłe widzenie systemu, sposób interpretacji niepewności, uwzględnianie lub nie-
uwzględnianie dynamiki zjawisk.
W badaniach symulacyjnych stosowane są różne kategorie modeli,reprezentujące zbiór
elementów (strukturę) i relacji między nimi. Podstawowe kategorie modeli symulacyjnych
obejmują:
- modele niezależne od czasu, charakteryzujące się brakiem dynamiki, tzn. brakiem zależno-
ści aktualnych wyjść od wartości wyjść poprzednich. Nie jest to jednak warunek dostateczny -
model statyczny może być niestacjonarny, którego parametry mogą zależeć od czasu. Rów-
nież w niektórych przypadkach przy badaniu modelu statycznego nie można pominąć aspektu
czasu, gdy np. model otoczenia generuje przebiegi zmienne w czasie;
- modele zależne od czasu, w których wyjścia zależą od historii wyjść poprzednich. Czas w
modelu może być zmienną przyjmującą dowolne wartości (model z czasem ciągłym) lub
przyjmującą wartości ze zbioru liczb całkowitych (model z czasem dyskretnym). Na poziomie
mechaniki klasycznej każdy system techniczny należy traktować jako system z czasem
ciągłym, co często prowadzi jednak do zbytniej złożoności modelu;
- właściwości zmiennych stanu charakteryzujące model symulacyjny w aspekcie zmiennych
stanu oraz sposobu ich zmian w czasie.
Korzystanie z komputera nie jest warunkiem koniecznym przeprowadzania badań sy-
mulacyjnych. W niektórych przypadkach, co prawda rzadko, można wykorzystać rozwiązania
analityczne modelu. W wiekszości jednak przypadków, gdy mamy do czynienia z modelami
dużych, złożonych obiektów technicznych, użycie komputera staje się nieodzowne. Przez mo-
del komputerowy przyjęto rozumieć implementację modelu formalnego o takich właściwoś-
ciach, że:
- model komputerowy stanowi odzwierciedlenie modelu formalnego-pod względem elemen-
tów składowych, intrakcji między nimi oraz realizowanej relacji wejście-wyjście;
- umożliwia dokonywanie eksperymentów z modelem.
Użytkowość modeli komputerowych, to przede wszystkim łatwość technicznych ma-
nipulacji z modelem (wprowadzanie danych, analiza wyników), jak również rozsądny czas
obliczeń jednego przebiegu symulacyjnego. Jest to szczególnie ważne ze względu na typowy
rodzaj pracy z modelem symulacyjnym-wielokrotne wykonywanie obliczeń dla różnych syg-
nałów wejściowych i parametrów modelu.
Badania symulacyjne mają za zadanie udzielenie odpowiedzi na konkretne pytania do-
tyczące zachowania się lub właściwości badanego obiektu. W trakcie projektowania i prowa-
dzenia badań symulacyjnych należy uwzględnić:
- sposób ich przebiegu, by uzyskać odpowiedz
na formułowane pytania;
- minimalizację kosztu realizowanych badań;
- możliwie dużą wiarygodność udzielonych odpowiedzi.
Eksperymentowanie z modelem w badaniach symulacyjnych nie różni się w zasadzie
od eksperymentowania z obiektem rzeczywistym, dlatego stosuje się tu wszystkie znane me-
tody planowania eksperymentu. A
atwość prowadzenia badań symulacyjnych często prowadzi
do zbędnego uszczegółowiania programu badań, co niepotrzebnie nadmiernie rozbudowuje
liczbę i jakość informacji wyjściowej, często zbędnej i mało przydatnej. Konieczne jest tu
prowadzenie analizy wrażliwości modeli symulacyjnych, oceniającej adekwatność, złożoność
czy informatywność postępowania z modelem, by ustrzec się konieczności powtarzania całe-
go procesu: budowy modelu, identyfikacji, implementacji i badań symulacyjnych.
Implementacja modelu symulacyjnego, to sporządzenie programu komputerowego
działającego zgodnie z formalną specyfiką modelu. Języki symulacyjne ułatwiające proces
symulacji modelu winny:
- umożliwiać w łatwy sposób reprezentację elementów obiektu wraz z ich atrybutami o dowo-
lnej strukturze;
- umożliwiać realizację mechanizmu zmiany czasu i obsługi tego mechanizmu (planowanie
zdarzeń typu rozregulowanie, uszkodzenie);
- umożliwiać śledzenie i dokumentowanie przebiegu eksperymentu symulacyjnego.
Znane są w zasadzie trzy poziomy języków symulacyjnych. Poziom pierwszy obejmu-
je pakiet procedur napisanych w języku ogólnego zastosowania-np. GASP-IV, GPSS-F,
SIMON. Poziom drugi-to języki stanowiące nadbudowę lub rozszerzenie języków ogólnego
zastosowania, np. SIMULA, SIMSCRIPT, CSL. Wyposażone one są w środki umożliwiające
korzystanie z bogatych struktur danych, mechanizmu aktualizacji czasu itd. Poziom trzeci sta-
nowią języki wysokiego poziomu, nie powiązane w żaden widoczny sposób z językami ogól-
nego zastosowania, np. GPSS, Q-GERT. Umożliwiają one bezpośrednie i przejrzyste odwzo-
rowanie struktury badanego obiektu oraz reguł rządzących jego działaniem.
Wynikiem badań symulacyjnych w aspekcie diagnostycznym winny być:
- przebieg zmian cech stanu obiektu, występujących jawnie w modelu, w czasie jego przewi-
dywanej eksploatacji;
- rodzaje sygnałów (ich miar, charakterystyk) i symptomów diagnostycznych, odwzorowują-
cych zmiany stanu obiektu według przyjętego modelu;
- zakres zmian parametrów diagnostycznych dla wybranych stanów obiektu;
- ocena adekwatności modelu symulacyjnego do obiektu rzeczywistego i wyników badań eks-
ploatacyjnych.
Badania symulacyjne w strukturze realizowanych eksperymentów diagnostycznych, na
etapie budowy procedury diagnostycznej, zostały przedstawione na rys. 9.10.
We
MODEL Wyj BLOK
OBIEKTU POMIAROWY
cechy stanu sygnały
IDENTYFIKACJA
MODELU
WERYFIKACJA
SYMULACJA EKSPERYMEN-
TALNA
PROCEDURA BADAC

DIAGNOSTYCZNYCH
Rys. 9.10 Miejsce badań symulacyjnych w tworzeniu procedury diagnozowania.
 Poprawność badań symulacyjnych jest wyraz
nie zależna od doświadczeń eksploata-
cyjnych, jak i/lub wyników badań stanowiskowych, realizowanych w bloku pomiarowym.
Niezależnie od uzyskanych rezultatów symulacji zadania diagnostycznego, zawsze niezbędne
jest przynajmniej częściowe zweryfikowanie wyników w warunkach rzeczywistych badań
stanowiskowych lub eksploatacyjnych. Ogromne możliwości badań symulacyjnych pozwalają
na prowadzenie szeregu poczynań teoretyczno-doświadczalnych w zaciszu laboratoriów, w
warunkach odległych od często niedostępnych badań przemysłowych.
W zastosowaniach praktycznych ważna rola przypada badaniom symulacyjnym w za-
kresie pozyskiwania relacji diagnostycznych i wykorzystania ich w budowie nowoczesnych
(tzw. inteligentnych) systemów nadzoru diagnostycznego. Zaawansowane narzędzia do kom-
puterowej i analogowej symulacji stanów dynamicznych i analizy uszkodzeń zaistniałych w
rzeczywistości pozwalają na tworzenie katalogowych relacji diagnostycznych. Rolę i miejsce
badań symulacyjnych w strukturze systemu inteligentnego poglądowo przedstawia rys.9.11.
Inteligentny system
diagnostyczny Zespół
Systemy eksperckie diagnostyczny
Baza Baza
wiedzy I wiedzy II Analiza zdarzeń,
BADANIA rozwój uszkodzeń,
Wiedza Wiedza SYMULA- baza wiedzy.
eksperta symulacyjna CYJNE
Rys. 9.11 Badania symulacyjne w strukturze inteligentnych systemów diagnostycznych.
Analiza nieliniowa nadzorowanych diagnostycznie maszyn stwarza nowe możliwości
w badaniach symulacyjnych, udostępniając opis zjawisk w maszynie zupełnie niedostępny
przy nawet najbardziej złożonym opisie liniowym. Zamodelowanie zjawisk w maszynie przy
pomocy wzajemnie sprzężonych, nieliniowych równań różniczkowych w postaci:
śx + D(x, x,t)x + K)x, x,t)x = P(t) (9.34)
gdzie: M-globalna macierz bezwładności, D-globalna macierz tłumienia, K-globalna macierz
sztywności, P-wektor sił wymuszających, x-wektor przemieszczeń;
jest możliwe do przeanalizowania, w aspekcie wyróżnienia relacji diagnostycznych.
Algorytm tworzenia relacji diagnostycznych maszyny i rozwoju bazy wiedzy systemu
ekspertowego za pomocą badań symulacyjnych przedstawia rys.9.12.
 WEJŚCIE MODEL WYJŚCIE
- warunki pracy komputerowy - zmiany: m,k,c,
- symulacja model - symptomy,
uszkodzeń symulacyjny - trend
KATALOGI RELACJI
DIAGNOSTYCZNYCH
BAZA WIEDZY SYSTEMU EKSPERTOWEGO
Rys.9.12 Algorytm budowy relacji diagnostycznych maszyny w oparciu o komputerową
symulację jej uszkodzeń.
Zgodność rezultatów badania symulacyjnego i weryfikacji praktycznej (nawet częś-
ciowej) umożliwiają budowę efektywnej procedury badań diagnostycznych, coraz częściej
wykorzystywanej w diagnostycznym konstruowaniu, wytwarzaniu i eksploatacji maszyn.
9.7 Prognoza rozwoju diagnostyki technicznej
Zagadnienia poprawności działania i jakości maszyn i ich wytworów stały się w
ostatnim czasie ważnymi problemami technicznymi i ekonomicznymi, w zmieniającym się
systemie gospodarczym włączonym w obszar działania gospodarki wolnorynkowej.
W celu określenia spektrum zadań badawczych wywołanych zmianami systemowymi
w otoczeniu, przyjęto model generowania problemów badawczych i badawczo-rozwojowych
jako wynik konfrontacji zbioru wymagań i zbioru możliwości związanych z danym obszarem
działalności. Podstawą formułowania wymagań, zgodnych z przyjętym celem działania
obiektów i systemów eksploatacji, jest oczekiwany efekt działania w funkcji przyjętych
kryteriów: jakości, kosztów, wpływu na środowisko, zmiany stanu obiektu, ergonomiczności.
Zbiór możliwości realizacji założonych celów działania determinują z kolei: dostępne zasoby
kapitałowe, środki techniczne (urządzenia, maszyny, aparatura), metody działania
(technologie, rozwiązania organizacyjne, algorytmy sterowania, informacje), a także
kwalifikacje. W zbiorze wymagań, stanowiących reakcję na wprowadzenie czynnika
konkurencyjności, wyróżnić można między innymi:
- konieczność spełniania standardów europejskich dotyczących m.in.: jakości, niezawodności,
ochrony środowiska, energochłonności, bezpieczeństwa;
- dążenie do uzyskania wskaz
ników funkcjonalności obiektu porównywalnych z wzorcami
światowymi.
Z drugiej strony, zmianie uległ zbiór możliwości poprzez:
- dostęp do zaawansowanych technologii światowych;
- możliwości zakupu najnowszej generacji urządzeń badawczych, podzespołów i elementów
elektronicznych;
- możliwości najnowszych aplikacji informatycznych w sferze hardware u i software u;
- dostęp do baz danych, rynku kapitałowego i szerokie możliwości powiązań kooperacyjnych.
Konfrontacja diametralnie zmienionych wymagań i nowych możliwości wygenerowała
nowe klasy problemów badawczych, zintensyfikowała inne, a równocześnie wiele kierunków
prac badawczych stało się nieistotne (hipotetyczne) bez możliwości aplikacyjnych.
Próba przewidywania przyszłych (perspektywicznych) zadań badawczych diagnostyki
wynikających z rozwoju cywilizacji i techniki, zostanie pokazana sygnalnie po krótkim
omówieniu stanu aktualnego diagnostyki i zadań dających się przewidzieć do realizacji na
okres niedalekiej przyszłości.
 Wczoraj, dziś i jutro .
Powszechnie obserwuje się wzrost zainteresowania problemami pozyskiwania
informacji z badań diagnostycznych dla potrzeb nowoczesnego konstruowania, wytwarzania i
eksploatacji maszyn. Poprawne wykorzystanie tej informacji uzasadnia potrzebę całościowego
spojrzenia na problemy główne diagnostyki jako nauki (w sensie kreatywnym metod i
środków), jak i na diagnozowanie - jako technologię (w sensie wykonawczym).
Początki diagnostyki technicznej jako technologii, a potem jako nauki, skupiały uwagę
tylko na diagnostyce eksploatacyjnej obiektów technicznych. Obecnie diagnostyka wkracza z
wolna na etap projektowania i konstruowania oraz wytwarzania, a trend ten będzie się nasilał
w obliczu coraz większego nacisku na jakość produkcji, a także w obliczu nacisku na
projektowanie i konstruowanie niezawodnych obiektów o dużej podatności diagnostycznej i
eksploatacyjnej.
Procedury diagnozowania, nawet nieuświadomione, najwcześniej zastosowano w
inżynierii mechanicznej do maszyn i pojazdów o dużej odpowiedzialności. Pracownik
dozorujący lokomobilę do napędu zespołu maszynowego, nawet nie zdawał sobie sprawy, że
jego doświadczenie i wyczucie umożliwia mu spełnienie roli nowoczesnych procedur i
środków diagnozowania. Te metody dozorowania przeszły następnie do eksploatacji
pojazdów (statki, samochody, samoloty, pociągi), przy czym jest regułą, że potrzeba
diagnozowania jest tym większa im bardziej krytyczna jest funkcja obiektu, a człowiek-
operator bardziej od niego oddalony. Funkcje dozorowania przejmują tu zwolna układy
monitorowania najważniejszych parametrów procesu roboczego i stanu obiektu.
Doświadczenia te przeniesiono następnie do oceny stanu układów elektrycznych i
elektronicznych, gdzie ostatnio ich poziom rozwoju sięga układów samodiagnozujących,
obecnych w każdym komputerze osobistym.
Nowością ostatniego dwudziestolecia w inżynierii mechanicznej są roboty i
manipulatory. Tutaj diagnostyka rozdziela się wykonawczo na diagnostykę stanu
operacyjnego i diagnostykę stanu technicznego. Nie ma jeszcze obecnie dużych doświadczeń
z diagnostyką stanu technicznego robotów, lecz wydaje się, że olbrzymia ilość parametrów
niezbędna do znajomości stanu operacyjnego (położenie, siły, naprężenia) mogą być z
powodzeniem wykorzystane do oceny stanu. Należy zbudować jedynie odpowiednie modele
diagnostyczne robotów.
Konstrukcje inżynierskie, rurociągi, zbiorniki, kominy, mosty i wszelkiego typu
konstrukcje nośne (nawet kosmiczne) są obecnie przedmiotem intensywnych badań
zmierzających do ustalenia możliwości oceny ich stanu technicznego przez poszukiwanie
zorientowanych uszkodzeniowo symptomów. Celem jest np. zastąpienie rentgenowskiego
prześwietlania słupów nośnych platformy wiertniczej na głębokości 200m poprzez metody
dynamiczne nie wymagające bezpośredniego dostępu [4].
 Diagnostyka jako metoda oceny stanu i możliwości wykonania zadania jest stosowana
zarówno na poziomie pojedynczego obiektu, jak i na poziomie systemów złożonych z tych
obiektów.
Diagnozowanie pojedynczego obiektu można prowadzić przy wykorzystaniu
informacji pozyskanej z jego wyjścia głównego badając parametry procesu roboczego,
wyspecyfikowane osiągi (moc, prędkość), a nawet jakość wytworów. Można przewidywać, że
w związku ze wzrastającą możliwością i koniecznością kontroli wielu parametrów roboczych,
metody diagnozowania obiektów będą wykorzystywane znacznie częściej. Wymaga to jednak
znajomości modelu funkcjonowania obiektu oraz posiadania symptomów uszkodzeń przy
wyjściu obiektu poza przedziały poprawnego funkcjonowania. Ta metoda diagnozowania już
w tej chwili znajduje zastosowanie w silnikach napędowych obiektów odpowiedzialnych
(helikoptery), a z pewnością zacznie być dominująca w diagnostyce robotów.
Drugie wyjście maszyny to procesy resztkowe (wibroakustyczne, ultradz
więkowe,
termiczne, elektromagnetyczne, zużyciowe), skorelowane z procesami zużyciowymi, co
uzasadnia szczególnie duże zastosowanie diagnostyki wibroakustycznej. Można przewidywać,
że diagnostyka ta będzie dalej się rozwijać w kierunku wysokich częstotliwości przez większe
zastosowanie emisji akustycznej i ultradz
więków. Potanienie sprzętu termowizyjnego otwiera
całą gamę możliwości badań i diagnozowania, tak jak to już się dzieje w diagnostyce
medycznej. Wydaje się również, że zjawiska elektromagnetyczne w samym obiekcie, jak i
wokół niego niosą również informacje o stanie obiektu. Stąd też deformacja pola
elektromagnetycznego obiektu, związana z jego zużywaniem się będzie znacznie częściej
wykorzystywana diagnostycznie.
Można spodziewać się dużych zmian w przetwarzaniu pola zjawiskowego maszyn na
informacje diagnostyczne przez zastosowanie elementów i układów wrażliwych zjawiskowo.
Już w tej chwili wykorzystuje się termometry oparte o ciekłe kryształy, wrażliwe także na
drgania i zmiany pola elektrycznego. Można więc przewidywać, że obszar maszyny o zbyt
dużej amplitudzie drgań będzie zmieniał barwę, samoczynnie alarmując o zmianie stanu.
Będzie to coś w rodzaju zabudowanego w obiekt automatycznego sprawdzenia stanu.
Integralne układy sprawdzające stan obiektu staną się faktem, jeżeli elementy
mechanotroniczne staną się tańsze i łatwiej dostępne. Wtedy można przypuszczać, że każde
łożysko toczne odpowiedzialnej maszyny będzie miało zabudowany mechanotroniczny
monitor stanu, gdzie przetwornik drgań, filtr, wzmacniacz, procesor i indykator razem z
zasilaczem, wykonany będzie w jednym obwodzie scalonym.
Używana obecnie technologia diagnozowania pojedyńczego obiektu polega na
monitorowaniu wybranych symptomów ze względu na przekroczenie ich wartości
krytycznych. Rzeczywiste diagnozowanie, tzn. automatyczne wykrywanie rodzaju
uszkodzenia, jego zaawansowanie i prognoza rozwoju jest jeszcze w początkowej fazie
rozwoju. Są jednak już widoczne powody, dla których pełne diagnozowanie stanie się faktem
dnia codziennego. Dotyczy to transputerów i procesorów wektorowych z jednej strony, zaś z
drugiej logiki rozmytej i przybliżonej w samouczeniu, rozpoznawaniu i prognozowaniu stanu.
W każdym obiekcie krytycznym można będzie więc zabudować pełen układ sterująco-
diagnostyczny, wykrywający uszkodzenia i prognozujący ich rozwój. Za sprawą dużych mocy
obliczeniowych w jednym transputerze diagnoza taka będzie pełna i kompleksowa, obrazując
stan operacyjny i techniczny, a tym samym da dostateczną ocenę możliwości wykonania misji
obiektu. Dla ilustracji warto podać, że już w tej chwili produkowane są układy kompleksowej
diagnostyki helikoptera oparte o 9 transputerów. Układ taki śledzi na bieżąco 90 kanałów
informacyjnych, od procesów roboczych silnika odrzutowego (64 kanały) przez jego
kinematykę (8 kanałów), drgania (16 kanałów), aż do sygnałów o stanie łopat wirnika (2
kanały). Wszystko to dzieje się w czasie rzeczywistym przy zapewnieniu poprawności,
jednoznaczności i zupełności diagnozy.
Można więc domniemać, że dzięki nowym zdobyczom elektroniki i informatyki
nadchodzi era diagnostyki pokładowej wykorzystującej procesy robocze i resztkowe obiektu i
dającej wiarygodną diagnozę stanu i możliwości operacyjnych obiektu.
Pojedyńcze maszyny różnego typu połączone dla wykonania zróżnicowanych operacji
technologicznych tworzą system wytwórczy. Połączenie obiektów w system narzuca nową
hierarchię i kryteria ocenowe niezawodności i efektywności działania. W systemach
wytwórczych, będących coraz częściej systemami zrobotyzowanymi musi pojawić się
zintegrowanie diagnostyki stanu i diagnostyki operacji. Uwzględniając dodatkowo człowieka-
operatora, otrzymuje się systemy antropotechniczne, które współdziałając ze sobą dla
wykonania misji wymagają ze strony użytkownika obiektywizacji i integrowania ocen
diagnostyki medycznej i technicznej. Diagnozowanie takich systemów, zwanych często
socjotechnicznymi, oczekuje na swoją metodykę, środki i metodologię.
Na pograniczu antycypacji znajduje się też potrzeba diagnozowania ekosystemów, a
zwłaszcza ich poszczególnych pól zjawiskowych. Bez tego, jak się wydaje, trudno będzie
naprawiać szkody, jakie już człowiek wyrządził w żyjącej tkance globu. Są to jednak już
problemy interdyscyplinarne, do których diagnostyka techniczna może zaledwie włożyć swą
cząstkę możliwości.
Opis systemu diagnostycznego dla obiektów złożonych wymaga zdefiniowania
następujących jego elementów:
- zbioru testów wykorzystywanych w systemie dla jego kontroli. Są to naogół procedury
kontroli całego obiektu lub jego elementów implementowane sprzętowo lub programowo. Ich
funkcje ściśle zależą od typu obiektu i odpowiadającego mu systemu diagnostycznego;
- strategii zarządzania zbiorami testów, które mogą być typu off-line lub on-line. Pierwsza z
nich sprowadza się do testowania obiektu podczas jego wyłączenia z eksploatacji, druga zaś
polega na równoległym wykonywaniu testowania przez system diagnostyczny i realizacji
funkcji użytkowych przez obiekt. Pośrednią jest strategia współbieżna, gdzie część obiektu
jest testowana on-line, inna część zaś off-line;
- decyzji diagnostyczno-eksploatacyjnych, które są podejmowane na podstawie wyników
testów.
System diagnostyczny może wykonać wszystkie testy i zebrać informacje o stanie elementów
danego obiektu, zaś do operatora należy decyzja co do zakresu i sposobu wykonania
czynności obsługowych. Innym rozwiązaniem jest realizacja wszystkich funkcji
diagnostycznych i naprawczych bez ingerencji operatora. Na ogół przyjmuje się rozwiązanie
pośrednie, gdzie większość decyzji podejmuje system diagnostyczny, a tylko pewne
wyróżnione operator lub zdalnie sterowane centrum diagnostyczne. Istotny jest więc sposób
komunikacji systemu diagnostycznego z operatorem. Na ogół wymaga się, by był on
przyjazny dla użytkownika, nie wymagający zbyt dużego wysiłku przy wyborze testów,
definicji, strategii testowania czy określania zasad identyfikacji uszkodzonych elementów.
Wzrost wymagań niezawodnościowych wraz z zastosowaniem wielu obiektów w
nowych dziedzinach życia (zarządzanie, medycyna) spowodował rozwój komputerowych
urządzeń diagnostycznych (testerów) i sterująco-diagnostycznych, umożliwiających detekcję i
lokalizację uszkodzeń wraz z generowanymi decyzjami eksploatacyjnymi, ustalanymi przy
pomocy metod sztucznej inteligencji.
 Patrząc na obecne trendy rozwojowe maszyn trzeba uznać, że współcześnie wzrost ich
jakości zawarty jest głównie w sferze ich automatyzowania. Automatyczne gromadzenie cech
mierzalnych staje się jedynym obiektywnym sposobem wartościowania i kształtowania
jakości maszyn. Poszukiwać więc trzeba coraz to lepszych metod i w pełni
zautomatyzowanych systemów pomiarowo-kontrolnych prowadzących do:
- identyfikacji stanu obiektu i warunków jego użytkowania;
- wyboru wektora cech mierzalnych jakości;
- zredagowania zbioru kryteriów oceny wektora jakości obiektu;
- opracowania automatycznych obserwatorów i akwizytorów poszczególnych cech wektora
jakości obiektu w historii jego użytkowania;
- zautomatyzowania klasyfikacji stanu opartej na własnościach wektora jakości.
W rezultacie automatycznej diagnozy stanu i jakości obiektu, a także inteligentnego,
adaptacyjnego wspomagania sterowania obiektem, tworzy się nową jakościowo maszynę,
gdzie nie eliminując operatora wspomaga się jego działanie elementami sztucznej inteligencji.
Zakres badań w dziedzinie metodologii diagnostyki obejmuje takie zagadnienia, jak:
z
ródła informacji diagnostycznej, sygnały i symptomy diagnostyczne, zasady szczegółowych
metod diagnostyki, modelowanie w diagnostyce, eksperymenty diagnostyczne, wspomaganie
diagnostyki nowoczesnymi technologiami informatycznymi, diagnozowanie w systemach
antropotechnicznych i socjotechnicznych oraz organizacyjne i ekonomiczne aspekty
stosowania diagnostyki. Zagadnienia te dotyczą więc w kolejności z
ródeł informacji od strony
fizykalnej i od strony informacyjnej, dalej podstaw metod i technik badawczych,
modelowania i eksperymentowania w diagnostyce oraz nowoczesnego wnioskowania i
wizualizacji wypracowywanych decyzji diagnostyczno-eksploatacyjnych.
Strona aplikacyjna diagnostyki poświęcona sposobom diagnozowania dotyczy
bezpośrednio takich zespołów i systemów technicznych, jak: łożyska toczne i ślizgowe,
przekładnie zębate, silniki spalinowe, maszyny wirnikowe, maszyny elektryczne, maszyny
górnicze, maszyny rolnicze, pojazdy samochodowe i ciągniki, agregaty maszynowe oraz
złożone systemy produkcyjne [3,4,12,16].
W sferze tych zagadnień znajdują się też problemy dotyczące wdrażania lub/i
doskonalenia systemów diagnostyki w przemyśle, szczególnie prognostycznego utrzymania
maszyn w ruchu w strategii eksploatacji maszyn według stanu technicznego.
Możliwe trendy rozwojowe diagnostyki technicznej na stosunkowo niedaleką
przyszłość, zawierają jako główne:
- wejście diagnostyki w początkowe etapy istnienia obiektów (w fazę projektowania,
konstruowania i wytwarzania) dla podwyższenia ich niezawodności funkcjonalnej i jakości;
- wejście diagnostyki w duże konstrukcje inżynierskie, zagregowane systemy maszynowe i
budowle;
- zastosowanie nowych przetworników wrażliwych zjawiskowo i układów
mechanotronicznych dla oceny stanu, wspomaganych nowoczesnymi technologiami
informatycznymi i elementami sztucznej inteligencji;
- stopniowe pojawianie się pokładowych układów sterująco-diagnostycznych, szczególnie dla
obiektów krytycznych;
- pojawianie się układów diagnostyki kompleksowej (stanu operacyjnego i fizycznego) w
obiektach krytycznych i zrobotyzowanych dzięki masowemu zastosowaniu transputerów;
- wejście diagnostyki w systemy antropotechniczne i socjotechniczne, gdzie może nastąpić
integracja diagnostyki medycznej (operator) i technicznej (maszyny);
- postęp w rozwoju modelowania diagnostycznego wspomaganego nowoczesnymi
technologiami wnioskowania diagnostycznego (sieci neuronowe, systemy ekspertowe i logika
rozmyta);
- integracja diagnostyki z innymi dyscyplinami inżynierii i nauki dla wypracowywania
łącznych kryteriów efektywności działania systemów antropotechnicznych.
 Perspektywa diagnostyki
Próba przewidywania przyszłych zadań badawczych diagnostyki jest tylko
przyczynkiem do znalezienia obiektywnych uwarunkowań rozwoju diagnostyki, na tle
przewidywanego rozwoju cywilizacji i techniki. Jeśli prawdziwe jest przyporządkowanie
diagnostyki do nauk technicznych to konsekwencją tego jest jej służebna rola wobec techniki i
jej postępu. To zaś implikuje założenie pochodne o konieczności wyprzedzania przez wiedzę
diagnostyczną aktualnych, na każdym etapie rozwoju, potrzeb praktyki technicznej.
Pierwotnym zatem, dla kierunku rozwoju diagnostyki technicznej, jest potrzeba określenia
prawdopodobnych stanów techniki, które zostały tu przytoczone za opracowaniami
prognostycznymi dość często publikowanymi z racji zbliżającego się przełomu wieków[9,15].
Przytaczane poglądy na temat przyszłości są często sprzeczne, zatem nie biorąc
odpowiedzialności za ocenę przyszłych stanów cywilizacji, warto jednak na tle tych ocen
ukazać perspektywę diagnostyki technicznej. Takie założenia narzucają strukturę tego
fragmentu rozważań, gdzie na bazie uwarunkowań rozwoju cywilizacji ludzkiej
wyprowadzono wnioski dotyczące obiektów technicznych (ich projektowania, wytwarzania i
eksploatacji) i dalej zbiór przyszłościowych ogólnych zadań diagnostyki technicznej.
Zakładając, że nie trzeba uzasadniać zależności między postępem technicznym a
postępem wiedzy diagnostycznej należy zastrzec, iż wnioski i spostrzeżenia dotyczą sytuacji
światowej i niekoniecznie muszą odnosić się do sytuacji w Polsce.
Wszystkie prognozy o sytuacji cywilizacyjnej ludzkości zgodne są w opinii, że będzie
ona determinowana możliwościami wytwarzania dóbr materialnych i kontrolowaniem
skutków stale wzrastającej i różnicującej się produkcji.
Z jednej strony przewiduje się tu katastrofę cywilizacyjną jako skutek
nieograniczonego wręcz postępu w rabunkowym korzystaniu z rezerw przyrodniczych
planety. Wykładniczy wzrost produkcji i wynikający z tego wzrost potrzeb energetycznych o
4% rocznie, doprowadzi do likwidacji życia na planecie Ziemia w przeciągu dwóch stuleci, na
skutek przegrzania jej atmosfery. Skutki takiej rabunkowej produkcji przemysłowej
najprawdopodobniej wcześniej wywołają totalne zniszczenie biosfery, zanim jeszcze zostanie
osiagnięty ten fatalny próg nieodwracalnych zmian klimatycznych.
Z drugiej strony funkcjonuje pogląd, że mądrość ludzka wspomagana technikami
informatycznymi zdoła zbudować bezkonfliktowe społeczeństwo, w którym zostanie
wytyczona rozsądna granica maksymalizacji zysku producentów i zaspokajania potrzeb
konsumentów. W tym szczęśliwym świecie wszystko będzie racjonalne i uzasadnione.
Wszelkie raporty, prognozy symulacyjne, analizy i modele globalnego rozwoju
wskazują na niebezpieczeństwa zarysowujące się pod postacią:
- przeludnienia kuli ziemskiej nadmiernym przyrostem ludności;
- braku możliwości jej wyżywienia;
- całkowitego wyczerpania się dotychczasowych z
ródeł energii i surowców;
- wpływu zanieczyszczeń atmosfery i wód na utrzymanie się życia na Ziemii;
- zatrucia lasów, wyginięcia fauny i wyjałowienia gleb.
Ponadto zwraca się uwagę na ograniczone możliwości adaptacyjnego przystosowania się
organizmu i psychiki człowieka do spowodowanych przez technikę przeobrażeń, na groz
bę
powszechnego bezrobocia wywołanego przez pełną automatyzację produkcji oraz wymarcie
wszelkich organizmów (łącznie z roślinnymi) w wyniku prawdopodobnej, globalnej wojny
termojądrowej.
Zdaniem futurystów ogólna ilość mieszkańców planety będzie wynosiła 6-8 mld ludzi,
co stawia przed techniką przyszłości zadanie kształtowania procesów technologicznych o
niezwykle wysokiej wydajności, bez obniżania wskaz
ników jakościowych produkowanych
towarów. Kolejną ważną dla techniki konsekwencją wzrostu liczby ludności świata jest
powstanie dużych (20-80 mln) ośrodków miejskich tzw,  megalopolisów , rozmieszczonych
2
na terytorium kilku tysięcy km , np. Boston - Waszyngton z 80 mln mieszkańców. Będą one
wymagały zupełnie nowych form infrastruktury zaopatrzenia w towary, energię i usługi,
usuwanie odpadków i odchodów, a także nowych zasad transportu ludzi i przedmiotów.
Urządzenia techniczne, które będą stosowane w warunkach megalopolisów będą musiały być
absolutnie niezawodne.
Z liczebnością populacji ludności wiążą się problemy zaopatrzenia energetycznego i
surowcowego. Zapotrzebowanie na energię i jej nośniki dla 6 mld ludzi na poziomie obecnych
krajów uprzemysłowionych odpowiada rocznemu zużyciu paliw kopalnych o równowartości
60 mld t węgla. Jest to oczywiście niemożliwe, implikujące więc niezrównoważenie
energetyczne, a konsekwencji zróżnicowanie ekonomiczne poszczególnych regionów
świata.Nie rozwiązuje tego problemu także energetyka jądrowa, gdyż masowe zużycie uranu
do 2015 roku wzrosnie do 400 tyś. ton, podczas gdy zidentyfikowane zasoby możliwe do
wykorzystania przy racjonalnych kosztach wynoszą ogółem 700 tyś. ton. Szans upatruje się w
nierozwiązanej do tej pory reakcji termojądrowej opartej na prawie nieograniczonej ilości
deuteru w wodzie światowego oceanu(20 x 1012 t). Poza reakcją termojądrową najwięcej
możliwości rozwiązania problemów energetycznych upatruje się w kontrolowanej reakcji
magnetohydrodynamicznej, która też jest możliwa w przyszłości. Zasadnicze trudnosci widzi
się w okresie przejściowym, w którym nie będzie jeszcze tanich z
ródeł energii, a wyczerpane
zostaną z
ródła łatwo dostępnej energii chemicznej zlokalizowanej w kopalinach. Sięganie po
coraz to trudniejsze jej z
ródła (daleko, głęboko) spowoduje systematyczny wzrost kosztów
energii, a tym samym wzrost składowej kosztów produkcji. Naturalną konsekwencją tych
faktów jest oszczędzanie energii w każdy dostępny technicznie sposób.
Podobnie przedstawia się problem rezerw surowców materiałowych, gdzie przy
obecnych tendencjach zużycia : srebra starczy na 17 lat, cynku na 19 lat, rtęci na 21 lat,
ołowiu na 25 lat. Rezerwą zaopatrzenia ludności w surowce są wody mórz i oceanów oraz
minerały leżące na ich dnie. Według szacunków w wodzie morskiej znajduje się około 60
pierwiastków, spośród których najwyższe stężenie osiągnęły: chlor, sód, magnez, siarka,
wapń, potas, brom i węgiel. Oprócz tego w wodzie morskiej znajduje się 10 mld t złota, 4 mld
t uranu, 85 mld t bromu, a w każdym 1000 litrów morskiej wody znajduje się 1,3 kg manganu.
W wodach Oceanu Spokojnego znajduje się 360 mld t manganu, 15 mld t niklu, 8 mld t
miedzi i 5 mld t kobaltu. Eksploatacja tych złóż będzie możliwa za pomocą tanich z
ródeł
energii i po zbudowaniu maszyn pracujących w ekstremalnie trudnych warunkach dna
morskiego.
Istotną dla omawianego problemu kwestią jest relacja między zmiennością pokoleń
ludzi i pokoleń maszyn. Przewiduje się, że okres eksploatacji jednego typu maszyny będzie
wynosił 5 - 7 lat, co wskazuje, że człowiek  przeżyje w okresie pracy zawodowej kilka
maszyn. Będzie to stwarzało potrzebę ciągłego doskonalenia zawodowego, zdobywania nowej
wiedzy lub eliminację z procesu produkcji.
 Konsekwencją szybkiej zmiany pokoleń maszyn będzie zmiana organizacji przemysłu.
Znikną wielkie kombinaty na rzecz małych przedsiębiorstw, o większej elastyczności,
proinnowacyjności i mniejszej kapitałochłonności produkcji. Utworzenie sieci produkcyjnej
będzie możliwe dzięki sieciom informatycznym i energetycznym oraz transportowym. Dla
takich małych zakładów produkcyjnych trzba wytwarzać specyficzne maszyny, bowiem w
tych zakładach nie będzie wydzielonych służb eksploatacyjnych.
 Charakterystyka maszyn przyszłości .
Prawidłowości rozwoju techniki zawierają w sobie zasadę doskonalenia konstrukcji aż
do sytuacji, w której dalsze poprawianie właściwości maszyny wymaga zmiany generalnej
koncepcji (zasady działania). Większość obecnie budowanych maszyn osiąga poziom
doskonałości, który wyczerpuje dalsze racjonalne możliwości poprawiania. Spodziewać się
należy, że następna generacja maszyn będzie  ideowo inna, przy czym jeszcze nie wiadomo
na czym ta inność będzie polegać. Nie wdając się więc w szczegóły rozwiązań technicznych
można podjąć próbę określenia wymagań ogólnych maszyn przyszłości w świetle opisanych
uprzednio niedoborach energii i materiałów.
Program oszczędzania energii będzie realizowany w przyszłości poprzez następujące
procedury:
- racjonalne projektowanie funkcji urządzenia technicznego, polegające na ograniczaniu
konstrukcji do układów funkcjonalnych niezbędnych (o zawężonych ilościach czynności,
mniejszej ilości zespołów, mniejszej wadze maszyny itd), wg zasady: dla każdej pracy i dla
każdych warunków właściwa maszyna;
- ograniczanie przeciążeń elementów konstrukcji, wynikających z dostosowywania
maszyny do ekstremalnie trudnych warunków eksploatacji, poprzez unikanie
przewymiarowywania konstrukcji, stosowanie specjalnych materiałów konstrukcyjnych i
eksploatacyjnych;
- stosowanie zasady poprawnego bilansu energetycznego, przez racjonalny sposób
doprowadzania energii do poszczególnych układów w ilości i postaci przez nie pożądanej,
unikając energii  odpadowej i nieoptymalnych stanów cieplnych;
- racjonalne wykorzystanie energii w aspekcie technologicznym, poprzez:
* procesy technologiczne oparte na relacji: funkcja materiału-struktura-proces,
dopasowującej materiał do spodziewanych wymuszeń eksploatacyjnych;
* minimum operacji i energii na wykonanie elementu maszyny,
* grupowanie operacji wykonywanych na obiekcie o takim samym zapotrzebowaniu
energetycznym, co pozwala uniknąć łączenia operacji o przeciwstawnych tendencjach
energetycznych.
Program oszczędzania materiałów konstrukcyjnych i technologicznych opierać się
będzie na:
- zasadzie doboru materiału do realizowanej funkcji, zapewniającej trwałość, bezobsłu-
gowość, zmniejszoną intensywność zużycia oraz znajomość stanów granicznych elementów i
węzłów pozwalającą planować terminy i technologie naprawcze;
- zasadzie oszczędności materiału, wykorzystującej w produkcji wymiarowane półprodukty,
bez zbędnych naddatków.
Prognozy zmian cywilizacyjnych preferują w niedalekiej przyszłości produkcję
następujących grup maszyn:
- broń i sprzęt wojskowy będący dalej poza wszelką kolejnością, niezależnie od poziomu
zagrożenia wojną i stanowiący nieodzowny element istnienia (ekonomicznego, politycznego,
społecznego) państw i społeczeństw;
- sprzęt informatyczny jako element wyposażenia maszyn technologicznych, układów
programujących,systemów diagnostycznych oraz układów zabezpieczających przed awariami;
- sprzęt ochrony środowiska, w tym maszyny ergologiczne,sprzęt gospodarstwa domowego-
ułatwiający przeżycie oraz realizację funkcji życiowych człowieka (maszyny do życia),
urządzenia zapobiegające zanieczyszczeniom i aktywnie regenerujące zużyte środowisko;
- maszyny do produkcji i przetwarzania żywności , odpowiednio trwały, ekologiczny,
wykorzystujący zamknięte technologie przetwarzania surowców, obustronnie szczelny (bez
odpadów i izolowany od domieszek), a pod względem sanitarnym podobny do przemysłu
farmaceutycznego;
- maszyny przemysłu chemicznego operujące wysokimi ciśnieniami i specyficznymi
katalizatorami w nowoczesnych technologiach, przy pełnym bezpieczeństwie ludzi i
środowiska;
- sprzęt medyczny związany z diagnostyką, terapią i rehabilitacją medyczną,a wspomagający
postęp w biochemii, inżynierii molekularnej i biocybernetyce;
- sprzęt techniczny sfery usług ułatwiający prowadzenie i rozwój działalności usługowej.
Inne dziedziny, albo są mało jeszcze rozpoznane lub już obecnie posiadają
rozwiązania techniczne na wysokim poziomie (transport kolejowy, lotniczy) i w przyszłości
wystąpi jedynie ekonomiczny problem ich upowszechnienia.
 Perspektywiczne problemy diagnostyki .
Zachowanie ciągłości zmian w cywilizacji i technice zapewnia monotoniczne zmiany
aktualnych problemów diagnostyki, wśród których do najważniejszych w przyszłości należeć
będą:
1. tworzenie nowoczesnych układów diagnozowania, rozmytych w strukturze obiektów
technicznych, z zadaniem monitorowania stanu funkcjonalnego i fizykalnego;
2. dopasowywanie roli i zadań systemów diagnostycznych do potrzeb przyszłościowych
samodiagnozujących się, samonaprawialnych i samosterujących maszyn, przy wykorzystaniu
sztucznej inteligencji i wprowadzaniu układów naśladujących człowieka w sterowaniu
skomplikowanymi procesami decyzyjnymi i wykonawczymi;
3. rozwój symulacyjnych metod modelowania strukturalnego i symptomowego dla potrzeb
modeli holistycznych ułatwiających optymalizację rozpływu energii w maszynach, aby mogły
one realizować swoje funkcje przy minimalnym zużyciu energii i materiału;
4. koncentracja przedsięwzięć diagnostycznych na etapie projektowania i konstruowania,
gdzie cały wysiłek badawczy powinien być nakierowany na śledzenie jakości nowokon-
struowanych maszyn metodami diagnostycznymi;
5. przeniesienie rangi badań jakości maszyn z eksperymentu na symulację komputerową, nie
eliminując lecz ograniczając do minimum cząstkowe badania doświadczalne weryfikujące
poprawność rozwiązań, ze względu na koszt i czasochłonność;
6. dla uzyskania ciągłości komunikacji zarówno wewnątrz dyscypliny, jak i z jej otoczeniem -
diagnostyka techniczna będzie musiała zostać zmatematyzowana, aby mogła w przyszłości
zaistnieć w obiegu matematycznie mierzalnego języka informacji naukowej;
7. zacieranie się granic między dyscyplinami naukowymi powoduje konieczność budowy w
przyszłości nadsystemu naukowego diagnostyki technicznej, w ramach którego realizowane
będą naukowe koncepcje nowoczesnych układów diagnostycznych.
Ambicją diagnostyki technicznej jest unaukowienie informacyjne praktyki w zakresie
jakości funkcjonalnej i fizykalnej użytkowanych maszyn, podnoszenie kultury posługiwania
się techniką dla osiągnięcia najwyższej jakości życia oraz wydobycia humanistycznych
wartości pracy.
 9.8 Kształcenie dla potrzeb diagnostyki
Diagnostyka techniczna jest dziedziną interdyscyplinarną, funkcjonującą w obrębie
nauk eksploatacyjnych. Wymaga głębokiej wiedzy inżynierskiej, głównie w zakresie
projektowania i konstruowania diagnostycznego, technologii wykonania (modernizacji,
odnowy) oraz racjonalnej ekonomicznie eksploatacji. Równie głęboka wiedza wymagana jest
z zakresu dynamiki działania, modelowania odwzorowań symptom-stan techniczny, techniki
pomiarowej oraz przetwarzania informacji. Coraz częściej wymagana jest również
umiejętność podejścia systemowego wyrażająca się koniecznością włączenia diagnostyki do
zautomatyzowanych systemów produkcyjnych oraz do techniczno-ekonomicznych systemów
optymalizacji kosztów, bezpieczeństwa i zagrożeń środowiska pracy.
Śledząc informacje o katastrofach lotniczych, elektrowni atomowych, w energetyce i
na drogach, związanych z działalnością człowieka trzeba wysnuć wniosek, że każdorazowo
przyczyną tych katastrof jest twórca lub użytkownik wytworu. To człowiek najczęściej z
le
projektuje wytwór, dobiera niewłaściwy materiał, dopuszcza zmiany technologiczne,
zaniedbuje wymogi bezpieczeństwa, eksploatacji, ochrony środowiska itd. Człowiek
podejmując decyzję powinien znać możliwie najlepiej jej przyszłe skutki, nie tylko w
aspekcie technicznym i finansowym, ale także ekologicznym i zagrożeń zdrowia lub życia
ludzkiego. Człowiek powinien umieć postawić diagnozę zagrożeń jakie niosą jego decyzje.
Zakres wiedzy jaki można przypisać dla poszczególnych poziomów działalności
diagnostycznej obejmuje:
1.na szczeblu naukowym:
- fizyko-chemiczne podstawy diagnostyki technicznej;
- metodologię budowy procedur diagnozowania;
- specyfikację problemów diagnostyki na potrzeby etapów: wartościowania
konstruowania, wytwarzania i eksploatacji;
- eksperymenty diagnostyczne wspomagane technologiami informatycznymi;
- ergologię maszyn, bezpieczeństwo i ochronę środowiska pracy;
- przesłanki ekonomiczne stosowania diagnostyki;
- kształcenie dla potrzeb diagnostyki;
2. na szczeblu inżynierskim:
- szczegółowe metody i techniki diagnozowania;
- miejsce i zadania diagnostyki w praktyce przedsiębiorstw;
- mikroekonomia stosowania diagnostyki;
- ekologia, bezpieczeństwo i prakseologia pracy;
3. na szczeblu technicznym:
- przygotowanie obiektów i aparatury do diagnozowania;
- realizację badań diagnostycznych (pomiary, wnioskowanie, dokumentacja).
Istnieje zatem potrzeba stworzenia systemowego modelu kształcenia i doskonalenia
specjalistów z zakresu diagnostyki technicznej, wkomponowanego w istniejące struktury
edukacji narodowej. W tym celu należy:
- ustalić zawody i stanowiska, dla których wymagane jest przygotowanie diagnostyczne;
- uporządkować nazewnictwo i terminologię w zakresie zawodów eksploatacyjnych;
- określić wymagany zasób wiedzy, wykształcenie, kompetencje oraz wynagrodzenie osób
zatrudnionych na poszczególnych stanowiskach diagnostycznych;
- zbilansować potrzeby w zakresie kadry diagnostycznej.
 Równolegle z tymi pracami trzeba opracować kompleksowy system szkolenia,
kształcenia i doskonalenia kadry diagnostycznej z uwzględnieniem szczebla zasadniczego,
średniego oraz wyższego, a także doskonalenia zawodowego. System ten winien być
kompatybilny do aktualnie funkcjonującego systemu edukacji, a problemy nauczania
diagnostyki technicznej winny w nim bezkolizyjnie znalez
ć swoje miejsce. W ramach tego
systemu należy opracować ramowe plany i programy szkolenia, kryteria i wymagania
kwalifikacyjne dla poszczególnych poziomów, techniczne środki dydaktyczne itd.
Zmiany systemowe w naszym kraju wywołują na razie ewolucyjne dostosowanie się
systemu szkolnictwa do nowych realiów ekonomicznych i rynku pracy. Dziś nie ma już
wątpliwości, że stoimy wobec znacznych zmian również w przygotowaniu zawodowym na
wszystkich poziomach kształcenia. Na szczęście minął już okres totalnej krytyki, wołania o
przenoszenie wzorców zachodnich, również nie wolnych od wad. Jest więc nadzieja, że nie
zostanie zaprzepaszczony ogromny dorobek polskiego szkolnictwa zawodowego. Zgoda co do
konieczności reformowania i celów reformy kończy się jednak często przy analizie
proponowanych rozwiązań i zderzeniu z realiami sytuacji ekonomicznej.
Na pewno nie ulegają zasadniczym zmianom cele kształcenia:
- przygotowanie do uczestnictwa w życiu społecznym (obywatelskie, patriotyczne, moralne,
tolerancja, życie w rodzinie, ekologiczne);
- przysposobienie do pracy zawodowej (profesjonalizm, innowacyjność, kreatywność,
obowiązek pracy, gotowość do zmiany zawodu);
- przygotowanie do uczestnictwa w kulturze;
- zapewnienie możliwości rozwoju intelektualnego, moralnego i fizycznego.
Trwa i nadal będzie trwał teoretyczny spór nad proporcjami w kształceniu ogólnym,
ogólnozawodowym i przygotowaniu praktycznym. Miejsce specjalizacji przenosi się
praktycznie na wszystkich poziomach kształcenia zawodowego do miejsca pracy i
różnorodnych form doskonalenia.
Istotne zmiany nastąpiły w kształceniu zawodowym magistrów i inżynierów. Na
większości kierunków technicznych nie ma egzaminów wstępnych, a jednocześnie znacznie
zwiększa się liczbę przyjmowanych studentów. Uruchamia się wyższe studia zawodowe,
najczęściej trzyletnie-dające tytuł licencjata, inżyniera. W znacznej grupie uczelni
technicznych powstały wydziały nauczycielskie i pedagogiczne. Wszystkie szkoły podjęły
działalność komercyjną. Z uczelni odeszła i odchodzi nadal znaczna część pracowników
naukowych, braki środków finansowych wstrzymują rozwój laboratoriów, w których coraz
częściej zajęcia mają charakter teoretyczny lub pokazowy.
Niestety niewielkim zmianom uległy programy kształcenia. Nie może być mowy o
przejściu od globalnego nauczania do indywidualnego uczenia i studiowania, przygotowania
do zawodu, jeśli uczeń i student pozbawiony jest praktycznie możliwości wyboru. Z trudem
przebija się modułowy system kształcenia. Powstający rynek oświatowy (edukacyjny) i co
najmniej europejski rynek pracy wymaga szybkich uregulowań w zakresie rekomendacji
wynikających z porównywalności świadectw, dyplomów, kwalifikacji, a także opracowania
narodowych standardów edukacyjnych.
Mimo tych trudności możliwe jest szybkie, chociażby cząstkowe uporządkowanie
problematyki szkolenia w zakresie diagnostyki technicznej. Takie możliwości stwarzają
istniejące i wprowadzone nowe specjalności, tj.:
- budowa i eksploatacja maszyn;
- eksploatacja i diagnostyka maszyn, silników i pojazdów;
- eksploatacja i zarządzanie;
- konstrukcja i eksploatacja maszyn,
- maszyny i urządzenia ...(różnych maszyn i urządzeń);
- mechanika, mechanika i budowa maszyn.
W ramach tego można przygotować kadry diagnostyczne na specjalnościach
eksploatacyjnych lub w ramach kierunków dyplomowania. Szkoły i uczelnie mają więc
swobodę opracowywania programów szkolenia w ramach specjalności i kierunków
dyplomowania. Specjalizowanie absolwentów w konkretnych zagadnieniach jest więc tylko
kwestią wyrażenia potrzeb i możliwości.
W programowaniu kształcenia zawodowego (w tym diagnostycznego) wiodącą rolę
przypisuje się umiejętnościom zawodowym jako mierzalnym celom kształcenia
wyszczególnionym i opisanym w założeniach dydaktyczno-programowych-charakterystyce
kwalifikacyjnej absolwenta. Szczególną uwagę przypisano tu nowym treściom nauczania,
szczególnie z zakresu informatyki, mikroelektroniki, automatyki, robotyki, eksploatacji,
ekonomiki, prakseologii i ergonomii. Nie wnikając w treści szczegółowych programów
kształcenia, dowolnie kształtowanych w różnych szkołach, można dla potrzeb nauczania
diagnostyki technicznej zaproponować treści zawarte w tej książce, odpowiednio
zróżnicowane dla różnych poziomów szkolenia.
Warunkiem poprawnej realizacji programów nauczania przedmiotów zawodowych o
tematyce eksploatacyjnej jest odpowiednio szybkie przygotowanie nauczycieli w zakresie:
- nowoczesnej wiedzy o eksploatacji maszyn (ogólnej i specjalistycznej);
- użytkowania sprzętu komputerowego i wykorzystania programów informatycznych;
- upowszechnienia znajomości języków obcych;
- metodyki nauczania przedmiotów eksploatacyjnych.
Realizację takich zamierzeń można uzyskać poprzez:
- zreformowanie systemu doskonalenia nauczycieli;
- stworzenie bodz
ców materialnych mobilizujących samodoskonalenie;
- uruchomienie programów podwyższania kwalifikacji i stymulatorów potrzeby;
- odbywanie praktyk przemysłowych, krajowych i zagranicznych.
Przyjmując, że w 2000 roku kształcić się będzie w szkołach pomaturalnych 16%, w
uczelniach 80%, a na studiach podyplomowych 35% absolwentów szkół średnich należy
ciągle mierzyć zasoby kadrowe, mierzyć rozwój gospodarczy i badać związki między sferą
gospodarczą a sferą kształcenia. System szkolnictwa winien zatem:
- cechować się dużą elastycznością organizacyjną, ze względu na zmienne zapotrzebowanie
różnych grup zawodowych ze strony gospodarki rynkowej;
- mieć rozbudowany aparat sił i środków do przekwalifikowania i doskonalenia zatrudnionej
już siły roboczej;
- być łatwo sterowalnym przez specjalistyczne, pedagogiczne instytuty kształcenia kadr
profesjonalnie przygotowane do wszelkich innowacji w zakresie szkolenia i kształcenia.
Kształcenie kadr diagnostycznych obejmuje zapotrzebowanie, odpowiednio na:
* na poziomie wyższym:
- specjalistów diagnostyki dla biur konstrukcyjnych (konstruowanie diagnostyczne,
konstruowanie systemów diagnostycznych);
- specjalistów diagnostyki dla potrzeb przemysłowych procesów realizacji, w tym dla
eksploatacji systemów technicznych opartych na strategii dynamicznej (wg stanu
technicznego);
- dydaktyków diagnostyki, dla potrzeb kształcenia na poziomie średnim;
* na poziomie średnim:
- diagnostów realizujących badania diagnostyczne i obsługujących urządzenia diagnostyki
pokładowej i warsztatowej (zakłady produkcyjne i naprawcze, stacje diagnostyczne,
marketing);
- nauczycieli zawodu;
* na poziomie doskonalenia kursowego:
- specjalizacja zawodowa (studia podyplomowe);
- przekwalifikowania (zmiana zawodu, doskonalenie);
* indywidualne studia doktoranckie (stacjonarne lub zaoczne).
Problematyka kształcenia dla potrzeb diagnostyki technicznej nie musi stanowić
odrębnego systemu edukacji, ale potrzeba postrzegania jej specyfiki jest już wyraz
nie
artykułowana. Jak powyżej wskazano, procesy restrukturyzacji kształcenia zawodowego
wynikające z powstania rynku pracy, rynku edukacyjnego oraz zmian w treściach pracy winny
odbywać się ewolucyjnie. System kształcenia winien charakteryzować się elastycznością i
przygotowywać absolwentów do łatwego przekwalifikowania się z jednoczesną dalszą
indywidualizacją nauki i możliwości wyboru drogi do osiągnięcia zamierzonego poziomu
kwalifikacji i kompetencji. Doskonalenie procesu kształcenia poprzez określenie minimum
programowego, modułowych programów kształcenia wymaga doskonalenia technicznych
środków dydaktycznych oraz przygotowania nauczycieli. Różnorodność instytucji
oświatowych, ofert usług edukacyjnych wymaga również podjęcia problemu
porównywalności uzyskanych kwalifikacji, a więc stworzenia narodowych standardów
edukacyjnych i całego systemu oceny i określania poziomu kwalifikacji. Złożoność
problemów do rozwiązania na etapie przejściowym, winna wymusić rozwój sieci instytutów i
ośrodków naukowo-metodycznych, profesjonalnie kształtujących rozwój systemu edukacji
narodowej.
9.9 Podsumowanie
Zasygnalizowane w tym rozdziale problemy intensywnych badań diagnostyki
technicznej ostatnich lat wyraz
nie wskazują na dominującą rolę zastosowanych w nich
nowoczesnych technologii informatycznych. Wykorzystują one głównie dokonania ostatnich
lat z zakresu elektroniki i sztucznej inteligencji, przy czym nie wszystkie problemy nurtujące
badaczy z dziedziny diagnostyki zostały tu zasygnalizowane. Dotyczy to rozwijanej
problematyki teorii chaosu zdeterminowanego, omawiającej problematykę modelowania
rzeczywistości w ujęciu losowym, logiki rozmytej wykorzystywanej w podejmowaniu decyzji
w wielu przypadkach wieloznacznie opisywanej rzeczywistości, czy teorii fraktali
traktujących obrazy rzeczywistości jako powtarzające się skomplikowane fragmenty całości.
Rozumowanie systemów informatycznych różni się od sposobu myślenia
prawdziwego mózgu. Komputer  wnioskuje przetwarzając ściśle zdefiniowane fakty, które
zredukowano do ciągu zer i jedynek oraz posługując się stwierdzeniami, które są albo
prawdziwe, albo fałszywe. Mózg ludzki jest w stanie rozumować na podstawie
nieprecyzyjnych wypowiedzi i informacji charakteryzujących się pewnym stopniem
niepewności lub będących oceną, a nie faktem. W odróżnieniu od komputerów ludzie
posługują się zdrowym rozsądkiem, co pozwala im myśleć o świecie, w którym fakty mogą
być tylko częściowo prawdziwe.
Ta różnorodność mało zgłębionych jeszcze problemów współczesnej nauki została
wskazana w wybranych zagadnieniach diagnostyki technicznej aktualnie rozwijanej w kraju, a
także łączy się wyraz
nie z przyszłością techniki i życia ludzkiego, zarysowanych w tym
rozdziale.
Poruszone zagadnienia ewolucji stanu maszyny, modelowania symulacyjnego i
prognozowania jego zmian, w aspekcie potrzeb teorii i praktyki monitorowania i zarządzania
przedsiębiorstw, uzasadniają potrzeby w zakresie nowoczesnych technologii informatycznych,
kształcenia diagnostycznego i kształtowania maszyn przyszłości.
O ile podstawy fizyczne diagnostyki maszyn i ich analogowy sposób prezentacji jest
powszechnie uznany i akceptowany, to cyfrowe metody w diagnostyce będące już
zauważalnym narzędziem wielu rozwiązań praktycznych wytyczają drogę ku  odważnie
zarysowanej przyszłości.
Literatura
1. Batko W.: Metodologiczne aspekty prognozowania diagnostycznego. Materiały Konfer.
Bydgoszcz-Borówno. 1994.(s.131-142).
2. Batko W.: Metody syntezy diagnoz predykcyjnych w diagnostyce technicznej. ZN AGH.
Mechanika Z.4. 1984 (nr.910).
3. Cempel C., Tomaszewski F.: Diagnostyka maszyn. MCNEMT.Radom.1992.
4. Cempel C.: Diagnostyka techniczna w kraju. Problemy Eksploatacji 9/94. Radom-
Kozubnik. 1994. (s.29-34).
5. Cempel C.: Ewolucyjne modele symptomowe w diagnostyce maszyn. KDT. Gdańsk. 1996.
6. Findensein W. ii : Analiza systemowa-podstawy i metodologia. PWN. Warszawa. 1985.
7. Kaz
mierczak J.: Zastosowanie procedur autonomicznej ekstrapolacji procesów losowych w
prognozowaniu diagnostycznym.Materiały Konfer. Bydgoszcz-Borówno.1994.(s.132-143).
8. Kicinski J.: Symulacja komputerowa w diagnostyce inteligentnej turbozespołów
energetycznych. ZN. P.A
. Nr.707. Z.106. 1994.
9. Leszek W., Wojciechowicz B.: Próba prognozy perpektywicznych zadań badawczych
tribologii. Tribologia 4/5 93.Radom-Kozubnik.1993.(s.7-20).
10.Materiały Konwersatorium KD 92-Problemy diagnostyki technicznej. Żegiestów. 1992.
11.Materiały VII Krajowego Sympozjum Eksploatacji Urządzeń Technicznych. Zeszyt
Problemy Eksploatacji 8/93. Radom-Kozubnik.1993.
12.Morel J.: Drgania maszyn i diagnostyka ich stanu technicznego. PTDT.1994.
13.Orłowski Z.: Relacje diagnostyczne wybranych turbozespołów energetycznych. ZN. P.A
.
Nr.707. Z.106. 1994.
14.Uhl T.: Oprogramowanie do wspomagania procesu prognozowania.Materiały Konfer.
Bydgoszcz-Borówno. 1994.(s.154-165).
15.Wojciechowicz B., Mazurkiewicz A., Ziemba S.: Zadania naukowe i badawczo-rozwojo-
we w obszarze eksploatacji w warunkach zmian systemowych. Problemy Eksploatacji.
9/94. Radom-Kozubnik. 1994. (s.7-27).
16.Żółtowski B., Cempel C.: Stan obecny i perspektywy rozwoju diagnostyki technicznej.
Problemy Eksploatacji 6/93. Radom-Kozubnik.1993.
17.Żółtowski B., Ćwik Z.: Leksykon diagnostyki technicznej. Wyd.ATR.Bydgoszcz.1996.
18.Żółtowski B.,Cempel C., Bossak J.: Proste metody prognozowania stanu maszyn. ZEM.
Z.3(79). 1989.(s.379-389).