隨著科學(xué)技術(shù)的迅速發(fā)展，制造企業(yè)對(duì)設(shè)備維修從傳統(tǒng)的被動(dòng)維修轉(zhuǎn)變?yōu)橹鲃?dòng)預(yù)防性維修。傳統(tǒng)的維修方法主要基于已有的維修制度、基于運(yùn)營中發(fā)生的各種故障、基于操作和檢修人員的行業(yè)經(jīng)驗(yàn)，在面對(duì)產(chǎn)品升級(jí)改造、設(shè)備從未發(fā)生的新故障，人工經(jīng)驗(yàn)的欠缺等問題就會(huì)造成設(shè)備的過修或失修，其結(jié)果是維護(hù)費(fèi)用的使用效率低，設(shè)備非預(yù)期的停機(jī)時(shí)間長，從而導(dǎo)致生產(chǎn)力損失與營運(yùn)成本上升，也可能產(chǎn)生額外的維修與替換成本，使制造商必須準(zhǔn)備許多零件，增加庫存成本，最嚴(yán)重的還會(huì)帶來重大安全問題。

在這種情況下，基于預(yù)測(cè)性維修的方式應(yīng)運(yùn)而生，通過預(yù)測(cè)性維修可以監(jiān)控設(shè)備運(yùn)行狀態(tài)、定位故障原因、進(jìn)一步對(duì)故障預(yù)測(cè)，確保質(zhì)量，優(yōu)化每一步資源，最大限度的減少非計(jì)劃性維護(hù)停機(jī)時(shí)間，消除不必要的維修，節(jié)約成本、提高效率。

永洪科技產(chǎn)品Yonghong Z-Suite是融合BigData + BI + AI技術(shù)的一站式大數(shù)據(jù)分析平臺(tái)，通過數(shù)據(jù)采集、數(shù)據(jù)治理、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)挖掘和數(shù)據(jù)分析等過程洞察整個(gè)產(chǎn)品生命周期中各個(gè)時(shí)刻的狀態(tài)和性能，并利用人工智能和可視化技術(shù)提供設(shè)備運(yùn)行狀態(tài)監(jiān)控、故障根因分析、故障預(yù)測(cè)、決策分析全鏈條一站式應(yīng)用解決方案。可有效降低設(shè)備全生命周期維修成本，實(shí)現(xiàn)預(yù)測(cè)性維修。

接下來介紹一下某風(fēng)電巨頭的一個(gè)真實(shí)案例，在某風(fēng)電場(chǎng)中，風(fēng)力發(fā)電機(jī)組出現(xiàn)了主軸承故障。主軸承是連接機(jī)組定軸和動(dòng)軸的關(guān)鍵部件，主軸承發(fā)生故障輕則增加機(jī)組振動(dòng)噪聲，重則導(dǎo)致動(dòng)軸卡死無法旋轉(zhuǎn)。主軸承失效后只能更換無法修復(fù)，常見的故障分類包括磨損性故障、腐蝕性故障、斷裂性故障及老化性故障。在風(fēng)場(chǎng)中常用的故障檢測(cè)方法多為定期維護(hù)，有時(shí)維護(hù)不及時(shí)就會(huì)造成比更換必要的零部件和人工成本更高的代價(jià)機(jī)組停機(jī)。因此建立提前預(yù)知主軸承故障模型，掌握主軸承運(yùn)行狀態(tài)是非常有必要的。

首先需從風(fēng)場(chǎng)的傳感器和SCADA系統(tǒng)中獲取實(shí)時(shí)數(shù)據(jù)和故障文件數(shù)據(jù)，數(shù)據(jù)記錄了風(fēng)機(jī)的基本信息和風(fēng)機(jī)故障的振動(dòng)和溫度信息，然后采用機(jī)器學(xué)習(xí)的方法建立故障預(yù)測(cè)模型，具體的流程如下：

機(jī)器學(xué)習(xí)是一門人工智能的科學(xué),該領(lǐng)域的主要研究對(duì)象是人工智能，特別是如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的性能。機(jī)器學(xué)習(xí)已廣泛應(yīng)用于計(jì)算機(jī)視覺、自然語言處理、生物特征識(shí)別、搜索引擎、醫(yī)學(xué)診斷、檢測(cè)信用卡欺詐等領(lǐng)域。機(jī)器學(xué)習(xí)的分類有很多種，但在企業(yè)應(yīng)用場(chǎng)景下，多用監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。

機(jī)器學(xué)習(xí)在制造業(yè)最典型的應(yīng)用是設(shè)備故障預(yù)測(cè)，因此采用機(jī)器學(xué)習(xí)的方法來建立風(fēng)機(jī)故障預(yù)測(cè)模型。首先進(jìn)行數(shù)據(jù)預(yù)處理，將處理后的數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集，對(duì)數(shù)據(jù)進(jìn)行故障標(biāo)注和探索分析，分析故障數(shù)據(jù)和正常數(shù)據(jù)的區(qū)別，發(fā)現(xiàn)故障數(shù)據(jù)在頻域表現(xiàn)明顯，因此以風(fēng)速、轉(zhuǎn)速、均值、方差、故障特征頻率等為特征建立故障預(yù)測(cè)分類模型，方法可選擇邏輯回歸、隨機(jī)森林、GBDT等，由于故障數(shù)據(jù)只記錄了是否故障，沒有記錄故障位置，因此在建立模型時(shí)采用監(jiān)督學(xué)習(xí)的二分類算法，模型建立完，可利用測(cè)試數(shù)據(jù)計(jì)算評(píng)價(jià)指標(biāo)進(jìn)行模型優(yōu)化，選擇效果最好的模型進(jìn)行部署，最終上線的模型準(zhǔn)確率可達(dá)90%以上，可有效的對(duì)故障風(fēng)機(jī)進(jìn)行預(yù)測(cè)，提前預(yù)知故障，減少計(jì)劃外中斷，增加設(shè)備綜合效率，減少維修成本，提高產(chǎn)能。

建模采用的是Yonghong Z-Suite的深度分析模塊，通過拖拽即可實(shí)現(xiàn)從數(shù)據(jù)處理、建模、模型優(yōu)化的全套流程。永洪科技Z-Suite產(chǎn)品作為新一代增強(qiáng)型數(shù)據(jù)分析平臺(tái)，已在除故障預(yù)測(cè)外，包括出行預(yù)測(cè)、銷售預(yù)測(cè)、庫存優(yōu)化、風(fēng)險(xiǎn)控制等多個(gè)行業(yè)和領(lǐng)域?qū)崿F(xiàn)落地。

除了在風(fēng)電上的設(shè)備故障預(yù)測(cè)應(yīng)用，永洪在汽車行業(yè)也做了相關(guān)的故障分析應(yīng)用。通過產(chǎn)品可視化可實(shí)現(xiàn)汽車設(shè)備狀態(tài)監(jiān)控和故障根因分析，如下是給某汽車公司做的IPTV目標(biāo)達(dá)成分析，IPTV為每千輛車故障率，是汽車行業(yè)廣泛應(yīng)用的指標(biāo)。首先選擇不同的車型進(jìn)行分析，確定對(duì)象后，可對(duì)具體車型查看IPTV目標(biāo)達(dá)成分析狀況和整車IPTV的狀況，還可以查看具體的故障模式和責(zé)任部門，通過數(shù)據(jù)聯(lián)動(dòng)，查看故障發(fā)生問題時(shí)責(zé)任問題是分布在哪一個(gè)環(huán)節(jié)，從而在做對(duì)應(yīng)的優(yōu)化。

以上通過融合BI和AI的能力，有效解決了設(shè)備故障監(jiān)控、故障根因分析、故障預(yù)測(cè)問題，最終幫助用戶做出科學(xué)的決策。因此以融合BI和AI的新一代增強(qiáng)型數(shù)據(jù)分析將成為數(shù)據(jù)分析領(lǐng)域的一個(gè)新發(fā)展方向，能夠幫助用戶訪問有效數(shù)據(jù)、探索數(shù)據(jù)，并對(duì)一些理論想法進(jìn)行測(cè)試與驗(yàn)證，從而為分析帶來更多的自動(dòng)化功能以及創(chuàng)新洞察力。

總結(jié)

以上是生活随笔為你收集整理的融合BI+AI，新一代增强型数据分析让制造企业高效解决故障预测分析问题的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。