Інтегрований підхід до прогнозного управління технічним станом технологічного обладнання молокопереробних підприємств на основі машинного навчання

Abstract

У статті досліджено проблему підвищення експлуатаційної надійності технологічного обладнання молокопереробних підприємств у контексті переходу до інтелектуалізованих стратегій технічного обслуговування. Метою дослідження є розроблення інтегрованого підходу до прогнозного управління технічним станом обладнання на основі поєднання методів машинного навчання, аналізу багатовимірних часових рядів та концепції цифрового двійника з урахуванням динаміки деградаційних процесів. У роботі виконано системний аналіз стратегій технічного обслуговування, виявлено обмеження регламентних підходів із фіксованими інтервалами та обґрунтовано доцільність застосування гібридної моделі, що інтегрує обслуговування за технічним станом із прогнозно-орієнтованими механізмами. Експериментально на основі ретроспективних даних експлуатації обладнання встановлено статистично значущу перевагу ансамблевого методу XGBoost порівняно з альтернативними моделями за показниками F1-міри та ROC-AUC. Запропонований підхід дозволяє формувати рекомендації на наступний необхідний період щодо технічного обслуговування, що безпосередньо впливає на оперативне планування виробництва: обладнання в критичному стані виключається з виробничого циклу до проведення ремонтних робіт, що мінімізує ризики незапланованих простоїв, втрат сировини та порушень технологічних режимів. Розроблений модуль прогнозування реалізує оцінювання ймовірності відмови та залишкового ресурсу в реальному часі, що забезпечує підвищення ймовірності раннього виявлення потенційно аварійних станів. Практична значущість результатів полягає у впровадженні розробленого підходу в систему підтримки прийняття рішень, що дозволяє мінімізувати незаплановані простої, оптимізувати графіки технічного обслуговування та знизити технологічні втрати сировини. Запропонований підхід узгоджується з принципами цифрової трансформації промисловості та може бути використаний як основа для побудови інтелектуальних систем управління в рамках концепцій Industry 4.0/5.0. The study presents a systematic analysis of maintenance strategies, identifies the limitations of schedule-based approaches with fixed intervals, and substantiates the feasibility of applying a hybrid model that integrates condition-based maintenance with predictive-oriented mechanisms. Based on retrospective operational data, the experimental results demonstrate a statistically significant advantage of the ensemble method XGBoost compared to alternative models in terms of F1-score and ROC-AUC metrics. The proposed approach enables the generation of maintenance recommendations for the next required period, which directly affects operational production planning as equipment in critical condition is excluded from the production cycle until maintenance is performed, thereby minimizing the risks of unplanned downtime, raw material losses, and violations of technological regimes. The developed forecasting module implements real-time assessment of the probability of failure and residual resource, which increases the probability of early detection of potentially emergency conditions. The practical significance of the results lies in the implementation of the proposed approach within a decision support system, enabling the reduction of unplanned downtime, optimization of maintenance schedules, and minimization of technological losses of raw materials. The proposed approach is consistent with the principles of industrial digital transformation and can serve as a foundation for the development of intelligent management systems within the frameworks of Industry 4.0 and Industry 5.0 concepts.