Статья представляет результаты исследования в области применения предиктивной аналитики для ремонта крупногабаритного оборудования в индустрии строительных материалов. Новые методы обработки данных и использование искусственного интеллекта, особенно машинного обучения, могут улучшить прогнозирование будущего состояния оборудования. Представлены этапы применения предиктивной аналитики, описана возможность прогнозирования остаточного ресурса и продемонстрировано эффективное применение предиктивной аналитики на примере восстановления цапфы шаровой мельницы. Проанализированы полученные данные, на основе которых делается вывод о необходимости ремонтных работ для увеличения межремонтного ресурса оборудования и снижения экономических потерь. В заключении подчеркивается обоснованность использования предиктивной аналитики для ремонта крупногабаритного оборудования и принятия оптимальных решений. Применение предиктивной аналитики позволяет повысить эффективность ремонта крупногабаритного оборудования за счет увеличения межремонтного ресурса, снижения числа простоев и предотвращения внеплановых поломок. Данный подход является перспективным и практичным решением для предприятий промышленности строительных материалов.
The article presents the results of a study in the field of predictive analytics for the repair of large-sized equipment in the building materials industry. New data processing techniques and the use of artificial intelligence, especially machine learning, can improve the prediction of the future state of equipment. The stages of predictive analytics application are presented, the possibility of predicting the residual resource is described and the effective use of predictive analytics is demonstrated using the example of restoring the trunnion of a ball mill. The data obtained are analyzed, on the basis of which it is concluded that repair work is necessary to increase the inter-repair life of the equipment and reduce economic losses. In conclusion, the validity of the use of predictive analytics for the repair of large-sized equipment and making optimal decisions is emphasized. The use of predictive analytics makes it possible to increase the efficiency of repair of large-sized equipment by increasing the repair life, reducing the number of downtime and preventing unplanned breakdowns. This approach is a promising and practical solution for enterprises in the building materials industry.