如何通过机器学习预测维护设备？

2018-07-03 06:34

在一台工业设备的内部，可以有数十个传感器或其他健康检测数据，将这些数据整理成一定格式的信息，再与维护记录和机器运行历史记录一起评估，最终确定有哪些问题可能会出现。目前有不少的企业提供物联网分析平台，例如通用电气的Predix平台和资产绩效管理（APM）套件。它支持通过物联网的方式和机器连接，并利用平台的机器学习算法、APM标准测量和高级分析等相结合的方式进行数据分析，维护人员可以及时发现机器可能发生的问题。

无可置疑的是，这是一个宝贵的资源，可为工厂经理和维护工程师提供全面的运营改进。

机器学习将提高生产效率

未来制造业中，所有机器都可能是通过物联网连接的，那么，工程师需要处理和分析的数据将是大量的。所以需要借助物联网平台的机器学习算法，通过监控分析机器的振动变化，预测可能出现的问题。

此外，算法可以根据历史数据对这种情况进行评估，分析这种情况发生的频率，结合性能指标来确认是哪种问题，并在机器需要维护时向工程师发送警报。这使机器只有在其状态指示应该进行维护时才需要进行维护，也就是基于状态的预测性维护。

实际上，机器学习使得数据分析成为一个更加自动化的过程。在某些工业应用中，算法分析允许机器自动设置或重新配置机器，从而纠正不良的生产。随着机器算法的学习的积累，这种分析预测将成为一种提高效率的越来越可行的方法。

<上一页 1 2