Предавачи:
проф. др Предраг Јованчић |
Студијски програм:
Механизација у рударству (X семестар -DAS) ЕСПБ бодови: 5 Статус: Изборни |
|
|
|
Услов: завршене основне академске студије |
Циљ предмета:
Предиктивно одржавање и вештачка интелигенција помажу инжењерима одржавања и управљања системом да развију и
имплементирају свеобухватан програм управљања одржавањем, пружајући доказане стратегије за редовно праћење критичне
процесне опреме и система, предвиђање кварова машина и заказивање одржавања у складу са тим. Циљ је упознавање
студената са системском науком и лакше препознавање системских проблема, односно како да изврши оцену стања и
понашања техничког система односно како да изврши предвиђање могућих кварова. |
Исход предмета:
Положен испит, са активним знањем. Оспособљеност за одговорно понашање у експлоатацији и одржавању рударске и
енергетске опреме. Након успешно савладаних обавеза, сваки студент треба да разуме и зна место и значај предиктивног
одржавања и вештачке интелигенције, тако да може да оцени стање и понашање техничког система као и предвиђање кварова,
у циљу побољшања радне способности система. |
Садржај предмета:
Теоријска настава
-Теоријска настава: Увод у развој система одржавања; технолошки темељи нове индустријске ере; циљеви и типови
одржавања; значај и улога предиктивног одржавања; концепт дигиталне трансформације – примена предиктивног одржавања;
ефикасност предиктивног одржавања заснованог на подацима; предности и технике предиктивног одржавања; значај, улога и
класификација вештачке интелигенције; подела вештачке интелигенције; значај и улога машинског учења; симбиоза
предиктивног одржавања и вештачке интелигенције кроз призму Индустрије 4.0 и Индустрије 5.0; изведени примери.
-Практична настава: На вежбама студенти полажу три колоквијума. Студенти имају право полагања колоквијума само једном.
Постоји само један поправни колоквијум на крају семестра. На преосталим часовима вежби, раде се примери из праксе. На
вежбама ће се користити могућност коришћења егзактних података из мерења на стварним системима из праксе. |
Литература:
- Предраг Јованчић, Мирослав Марић, Скрипта Предиктивно одржавање и вештачка интелигенција, Универзитет у Београду – Рударско-геолошки факултет, 2025
- Jacqueline Hawkins, Machine Learning for Predictive Maintenance: AI in Industrial Operations, Independently published, 2023
- R. Keith Mobley, An Introduction to Predictive Maintenance, Second Edition, Butterworth-Heinemann, 2013
|
Метода извођења наставе:
Настава се изводи кроз предавања, аудиторне и лабораторијске вежбе при чему се користе савремена наставна средства. Уз
сваку наставну област се кроз студију случајева обрађују примери из области рударства и енергетике чиме се стиче широк
спектар практичних техничких знања за самосталан рад у области предиктивног одржавања и вештачке интелигенције. |
Фонд:
| Предавања |
Вежбе |
Други облици наставе |
Студијски истраживачки рад |
| 2 |
2 |
0 |
0 |
|
Оцена знања:
| Завршни испит |
Поена |
| Усмени испит | 30 |
| Предиспитне обавезе |
Поена |
| Активност у току предавања | 10 | | Колоквијуми | 60 |
|
|
Додатни услови оцењивања: - |
|
|
