باقی مانده زندگی مفید (RUL) یک متریک کلیدی در نگهداری پیش بینی شده است، کمک به تعیین زمانی که تجهیزات نیاز به خدمات یا جایگزینی دارند.

روش های Calculation RUL

روش های متعددی برای برآورد RUL، از جمله مدل های مبتنی بر داده، مدل های مبتنی بر فیزیک و رویکردهای هیبریدی استفاده می شود. مدل های مبتنی بر داده ها داده های تاریخی را برای پیش بینی زمان شکست آینده تجزیه و تحلیل می کنند، در حالی که مدل های مبتنی بر فیزیک از خواص فیزیکی تجهیزات برای برآورد زندگی باقی مانده استفاده می کنند.

روش های Data-Driven Approachs

الگوریتم های یادگیری ماشین مانند رگرسیون، شبکه های عصبی و تجزیه و تحلیل بقا معمولاً مورد استفاده قرار می گیرند.این مدل ها نیاز به داده های سنسور تاریخی و سوابق شکست برای یادگیری الگوهای مرتبط با تخریب تجهیزات دارند.

مدل های مبتنی بر فیزیک

مدل های مبتنی بر فیزیک فرایندهای فیزیکی را شبیه سازی می کنند که منجر به شکست می شوند، از پارامترهایی مانند نرخ سایش، خستگی مواد و شرایط عملیاتی برای تخمین اینکه زندگی مفید چقدر باقی مانده است، استفاده می کنند.

مثالی از Calculation

فرض کنید داده های سنسور ماشین نشان دهنده روند تخریب است.با استفاده از یک مدل رگرسیون، می توانید یک منحنی را به نقاط داده تاریخی تنظیم کنید، زمانی که داده های فعلی با آستانه شکست تداخل دارند، زمان باقی مانده برآورد RUL است.

  • جمع آوری اطلاعات سنسور در طول زمان
  • آستانه های شکست را شناسایی کنید.
  • یک مدل پیش بینی برای برآورد تخریب آینده را اعمال کنید.
  • زمان را تا زمانی که آستانه به دست آید، محاسبه کنید.