2019年马会全年资料

用户中心

资讯 > 自动化软件

预测性维护的困惑:合成并收集足量数据

www。cechina。cn2019。07。03阅读 63

  在第一篇博客中,我按五个核心开发阶段探讨了数据在打造预测性维护模型过程中发挥的重要作用,以及工程师未接受系统化预测性维护工作流程培训的情况下将面临的挑战。
  在本文中,我们将深入剖析缺少数据将引发的严重后果 — 数据是所有预测性维护模型的基础后盾。
  许多预测性维护系统依赖机器学习算法,为构建,必须要有足够的数据才能创建精确的模型。此数据通常来源于机器上的传感器,但是如果无法收集数据、启用新传感器、数据读数记录错误乃至信息有限,企业在构建预测性维护模型时会遇到问题。
  每项难题都是可以解决的。接下来,我们将讨论三种常见的数据累积场景,同时附上克服每种场景局限性的技巧和策略。
  场景 1:零基础
  在此场景中,您的部门未能收集足够的数据来训练预测性维护模型2019年马会全年资料版权所有,您不确定可以从哪里收集其它数据。考察从组织内部其它部门收集数据,它们可能对您当前掌握的数据进行补充。面向组织内部收集数据可能足以满足您的需要。
  另外,供应商和客户也有可能对数据做出补充,具体取决于业务规模及其在供应链中的位置。深入剖析现有协议,确定是否可以建立合作。延长设备组件正常运行时间及提高效率只不过是企业获得的优势之一。虽然并不总是可行,但务必仔细考量可以获取的数据量。
  场景 2:荒野求生
  在这种场景下,部门具备捕获足量数据所需的工具;但是,除非发生故障CONTROL ENGINEERING China版权所有,否则系统不会收集数据。甚至更糟的是,系统只能收集事件代码和时间戳2019年马会全年资料版权所有,意味着传感器并不会收集开发可预测故障的模型所需的关键数据值。
  企业可通过更改内部系统的数据日志选项(如果生产数据不可用,也许可针对测试数据进行)来提高数据捕获效率。甚至可以重新配置现有嵌入式设备,以便收集和传输传感器数据,但初期可能有必要采用外部数据记录器(图 1)。

  图 1.配置数据日志以收集和传输传感器数据。 1984–2019 The MathWorks, Inc.

  场景 3:仿真软件
  在某些场景下,仿真工具可有效协助团队生成测试数据,进而综合运用测试数据与可用传感器数据构建并验证预测性维护算法。应将仿真工具生成的数据与测得的数据进行比较,确保仿真系统得到妥善校准。例如,人们可以构建 ,而后运用实时传感器数据校准。
  提前启动战略性分析
  缺乏数据可能使预测性维护系统陷入重大困境。幸运的是,工程团队可以运用多种解决方案收集、整合甚至自行生成数据。无论您对具体数据的需求如何,只要考虑采用预测性维护数据,所有企业均应提前启动战略性分析。一旦您了解最有利于实现目标的数据特征,便可以明智地决定哪些数据需要保留,哪些数据不需要保留。
  在第三篇(也是最后一篇)博客中,我将继续深入剖析预测性维护数据面临的挑战 — 特别是,还将执行根本原因分析。我将逐一分析这种问题解决方法的种种优势2019年马会全年资料版权所有,分享缺少故障数据面临的普遍挑战,或者工程团队经验不足却必须接受概念而面对的巨大困境。
  您可以通过点击此处,即刻下载。了解如何通过最佳实践、来自真实公司的范例以及预测性维护工作流程说明来克服这些障碍。
  Seth DeLand 是 MathWorks 的应用经理2019年马会全年资料版权所有,负责数据分析。在此之前,他是负责优化正版马会免费资料大全的正版马会免费资料大全经理。在加入 MathWorks 之前,Seth 在密歇根理工大学获得了机械工程学士和硕士学位。
版权声明:版权归2019年马会全年资料所有,转载请注明出处!

频道推荐

关于我们

2019年马会全年资料2019年马会全年资料 & CONTROL ENGINEERING China 全球工业控制、自动化和仪器仪表领域的先锋媒体

CE全球

联系我们

商务及广告合作
任小姐(北京)                 夏小姐(上海)
电话:010-82053688      电话:18616877918
rendongxue@afflogin.com      xiashuxian@afflogin.com
2019年马会全年资料 新闻投稿:王小姐

关注我们的微信


友情链接

关于我们 | 网站地图 | 联系我们
© 2003-2018    
公安机关备案号:110102002318  服务热线:010-82053688