وتستخدم نظم الصيانة الافتراضية خوارزميات التعلم الآلاتي للتنبؤ بإخفاقات المعدات قبل حدوثها، وهذا النهج يساعد الصناعات على خفض تكاليف التعطل والصيانة عن طريق إتاحة التدخلات في الوقت المناسب، وتبين دراسة الحالة الإفرادية التالية عملية تطوير مثل هذا النظام في إطار التصنيع.

استعراض عام للمشروع

وكان الهدف من ذلك هو إنشاء نظام قادر على تحليل بيانات الاستشعار من الأجهزة للتنبؤ بالفشل المحتمل، ويشمل المشروع جمع البيانات، والتدريب النموذجي، والنشر، والرصد المستمر لضمان الدقة والموثوقية.

جمع البيانات وإعدادها

وقد جمعت بيانات الاستشعار من مختلف الأجهزة على مدى ستة أشهر، وشملت البيانات درجة الحرارة، والاهتزاز، والضغط، وساعات التشغيل، وشمل تنظيف البيانات إزالة الشذوذ، وتعبئة القيم المفقودة للتحضير للتحليل.

نموذج التنمية

وتم تدريب نماذج تعلم الآلات مثل غابات راندوم وآلات دعم ناقلات على البيانات التاريخية، وتم تصميم ألعاب لتعزيز القدرة التنبؤية، وتم التحقق من النماذج باستخدام تقنيات التداخل لمنع الإفراط في التأقلم.

التنفيذ والنتائج

وقد أُدمج نموذج أفضل الأداء في نظام التصنيع عن طريق مؤشر الأداء الموحد. وقدم توقعات في الوقت الحقيقي، وتنبيه أفرقة الصيانة إلى حالات الفشل المحتملة، وأدى التنفيذ إلى تخفيض بنسبة 20 في المائة في وقت العمل غير المخطط له وانخفاض تكاليف الصيانة.