工业维护中使用机器学习

电子说

1.2w人已加入

描述

物联网技术正在连接工业现场的所有设备,相关人员可以远程访问工厂甚至了解了机器的健康状况,虚拟世界与现实世界的边界越来越模糊,工业数字化时代已经到来,企业将获取来自于设备层的丰富数据,并用于创造更大的价值收益。

数字化的巨大价值逐渐被工业企业认识到,越来越多的企业开始投入资金去升级系统,从被动式的设备维护到主动式的预测性维护转变。在过去,不合理的机器使用让工厂承受很大的损失,而预测性维护将发挥重要作用,可以帮助企业更好地诊断设备问题,提升生产的效率和降低成本支出。

在未来,不管你是食品加工还是电子生产或者是汽车制造商,都离不开大数据,数据将是新时代的黄金。厂商在生产过程利用数据提高效率,提升生产的可靠性,或降低整体成本。

预测性维护减少停机风险

熟悉工业物联网的工厂管理者都知道,目前数字化制造最大的卖点之一是预见未来的情况,通过数据分析可以获得对设备性能和过程有效性的洞察力,从而让设备管理者知道如何优化生产,最终为公司创造更大的利益。

预测性维护的实现改变了传统工业设备管理的方式,设备使用寿命分析可以预估设备维护的时间点,可以根据设备状况做出关于何时维护系统的明智决策,而不是等设备故障时再进行响应或进行维护。

停机维护可能会让工厂浪费更多的生产资源,预测性维护可以最大限度减少计划外停机的时间,从而增长整体机器运行时间和提升产量,而不需要产生新的资本支出。不过,要进行准确的预测维护,必需从大量数据中进行分析,实现这一目标是具有挑战性的。

工业维护中使用机器学习

大数据处理分析过程中少了不人工智能,利用机器学习算法进行处理,是解决大量数据分析的重要方法。工厂可以对算法进行培训,让机器自动识别生产数据中的异常表现,不仅是标出有问题的数据,还要分析出根本原因。

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。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分