В современной глобальной конкуренции обрабатывающая промышленность нацелена на сокращение и ликвидацию дорогостоящих внеплановых простоев и неожиданных поломок [1]. Проблемы эффективного поддержания высокой надежности особенно актуальны при автоматическом функционировании технологических машин. В первую очередь это относится к мехатронным машинам с компьютерным управлением, способным работать в так называемом «безлюдном производстве». Немалое значение имеет совершенствование системы мониторинга таких машин. Под мониторингом технического состояния подразумевается процесс, обеспечивающий возможность определения текущей эксплуатационной готовности машин и автоматического принятия оперативных и тактических решений [2, 3].
Одним из наиболее эффективных методов контроля состояния оборудования, которому уделяется повышенное внимание научно-технической общественности, является непрерывный мониторинг [4–9]. Мониторинг и диагностика позволяют обнаружить и устранить большинство опасных дефектов. При этом определяется не только место поломки, но и ее причины. При известных величинах дефектов и скоростях их развития можно проследить зависимость времени службы оборудования от величины износа, а также прогнозировать остаточный ресурс.
В дополнение к известным методам в статье предлагается построение гибкого мониторинга технологических мехатронных машин.
1. Lee, J., et al. Intelligent prognostics tools and e-maintenance. Computers in Industry, 2006, no. 57, pp. 476-489.
2. ISO 13372:2012 Condition monitoring and diagnostics of machines. International Organization for Standardiza-tion. Available at: http://www.iso.org/iso/iso_catalogue/catalogue_tc/catalogue_detail.htm?csnumber=52256 (accessed: 19.11.16).
3. Maltsev, А.I., Maltsev, А.A. Monitoring tekhnicheskogo sostoyaniya krupnykh mashin. [Monitoring of technical condition of large machines.] Elektrostal: DAMO, 1998, 62 p. (in Russian).
4. Djurdjanovic, D., Lee, J., Ni, J. Watchdog Agent - an infotronics-based prognostics approach for product per-formance degradation assessment and prediction. Advanced Engineering Informatics, 2003, no. 17 (3), pp. 109-125.
5. Moore, W.-J., Starr, A.-G. An intelligent maintenance system for continuous cost-based prioritisation of mainte-nance activities. Computers in Industry, 2006, no. 6, pp. 595-606 (Elsevier. Special issue on E-maintenance).
6. Wonderware System Platform. Condition based monitoring 3.0. Available at: www.wonderware.ru (accessed: 12.12.15).
7. Kruglova, Т.N., Glebov, N.A. Diagnostirovanie i prognozirovanie tekhnicheskogo sostoyaniya mekhatronnykh moduley dvizheniya tekhnologicheskogo oborudovaniya. [Diagnosis and forecasting of the technical condition of mechatronic modules of processing equipment movement.] Novocherkassk: YuRGTU (NPI), 2011, 119 p. (in Russian).
8. Emmanouilidis, C. et al. E-Maintenance update: the road to success for modern industry. Proceedings of the 24th International Congress on condition monitoring and diagnostic engineering management. Stavanger, 201, 423 p.
9. Tugengold, А.К. , Voloshin, R.N., Yushchenko, S.V. Modul´ E-Mindmachine v intellektual´noy sisteme moni-toringa stanka. [Module E-Mindmachine in the intellectual monitoring system of the machine.] International Research Journal, 2015, no. 9 (40), part 2, pp. 100-102 (in Russian).
10. GOST R ISO 17359-2009. Kontrol´ sostoyaniya i diagnostika mashin. Obshchee rukovodstvo po organizatsii kontrolya sostoyaniya i diagnostirovaniya: GOST R ISO 17359-2009. [Condition monitoring and diagnosis of machines. Gen-eral Guidelines (IDT).] CIS Council for Standardization, Metrology and Certification, Moscow: Standartinform, 2010, 20 p. (in Russian).
11. Tugengold, А.К., Voloshin, R.N., Yushchenko, S.V. Monitoring sostoyaniya mnogooperatsionnykh stankov na baze kontseptsii e-Mindmachine. [Monitoring of multioperational machines based on the concept of e-MIND MACHINE.] Vestnik of DSTU, 2016, vol. 16, no. 1 (84), pp. 77-86 (in Russian).
12. Tugengold, А.К., Lukyanov, E.A. Intellektual´nye funktsii i upravlenie avtonomnymi tekhnologicheskimi mek-hatronnymi ob´´ektami. [Intelligent features and management of autonomous technological mechatronic objects.] Rostov-in-Don: DSTU Publ. Centre, 2013, 203 p. (in Russian).
13. Zhernakov, S.V. Primenenie tekhnologii neyronnykh setey dlya diagnostiki tekhnicheskogo sostoyaniya avi-atsionnykh dvigateley. [Application of neural network technology for the diagnosis of technical condition of aircraft engines.] Intellektual´nye sistemy v proizvodstve, 2006, no. 2, pp. 70-83 с. (in Russian).
14. Nikitin, Y.R., Abramov, I.V. O postroenii sistemy diagnostirovaniya stankov s ChPU. [Designing of CNC Ma-chines, Diagnosing system.] Mechatronics, Automation, Control, 2011, no. 4, pp. 32-35 (in Russian).
