快捷搜索:

如何使用机器学习结合从工业物联网进行预测故

经由过程应用机械进修,结合从工业物联网(IIOT)设备网络的数据,可以改进流程、低落资源并前进效率。

猜测性掩护利用数据和模型来猜测设备或资产何时发生故障。这种措施可以经由过程猜测故障,来赞助公司主动办理可能导致价值高昂的停机或中断环境。

另一种措施是采纳“停机修复”措施,这在很多方面对公司而言都是昂贵的。一旦机械发生故障,与事先知道并避免该问题的环境比拟,要使机械规复正常则必要大年夜量资本。

掩护类型

有三种掩护措施:

1、被动性

被动性掩护措施意味着我们仅在部件呈现故障时才进行替换。这种措施会导致严重且昂贵的后果,根据我们所讨论的机械类型,它以致可能是危险的。例如,假如有问题的机械是一台喷气式发念头,故障可能会危及数百人的生命,并可能会毁掉落一家公司的声望。

2、预防性

预先计划的掩护是一种轻细好一点的措施,由于是按期对问题进行分类和处置惩罚。然则,您可能会在实际必要履行某项操作之前就已经对其进行了变动或掩护,这会挥霍公司的资本。您不知道何时可能发生故障,是以必要采取守旧的措施来避免不需要的资源。例如,当您提前掩护机械时,实际上是在挥霍机械的应用寿命,效率低下地应用掩护资本,并且平日会增添您的营业资源。

3、猜测性

能够猜测机械什么时刻会出故障是最抱负的环境,然则很难准确猜测。在最佳环境下,您将知道机械何时会呈现故障。您还将知道哪些部件将呈现故障,这样您就可以削减诊断问题所花费的光阴,并削减流程中的挥霍和风险。当机械故障由猜测系统发出旌旗灯号时,掩护计划应尽可能靠近事故,以充分使用其残剩应用寿命。

猜测性掩护可以办理的问题

使用从工业物联网(IIOT)设备网络的数据,我们可以办理广泛的掩护问题,终纵目标是应用机械进修(ML)达到先发制人的态势。

可以办理的问题包括:

▲检测故障点。这一观点包括猜测部件何时呈现故障,并有助于更好地猜测部件或机械在其生命周期中的哪个阶段会呈现故障。

▲早期故障检测。在这种环境下,我们可以经由过程将传感器数据利用于机械进修算法,在故障发生之前检测出故障。

▲最大年夜限度地延长残剩应用寿命。能够猜测部件发生故障的光阴距离,我们就可以在精确的光阴利用掩护或替换部件。

我们越能准确地猜测部件或机械何时会呈现故障,就越轻易在全部组织内实现最高的临盆力和效率。

责任编辑:gt

您可能还会对下面的文章感兴趣: