Jäljelle jäävä käyttökelpoinen elämä (RUL) on keskeinen metri ennakoivassa kunnossapidossa, joka auttaa määrittämään milloin laite tarvitsee huoltoa tai vaihtamista. RUL:n tarkka laskenta voi parantaa toiminnan tehokkuutta ja vähentää seisokkiaikaa.

RUL-arvon laskentamenetelmät

RUL-arvon arvioinnissa käytetään useita menetelmiä, kuten data-lähtöisiä malleja, fysiikkapohjaisia malleja ja hybridimalleja. Dataohjatut mallit analysoivat historiallista tietoa ennustaakseen tulevia vika-aikoja, kun taas fysiikkapohjaiset mallit käyttävät laitteiden fyysisiä ominaisuuksia jäljellä olevan eliniän arvioimiseksi.

Data-Driven-lähestymistavat

Koneoppimisen algoritmeja, kuten regressiota, hermoverkostoja ja selviytymisanalyysiä käytetään yleisesti. Nämä mallit vaativat historiallisia anturitietoja ja vikatietoja oppiakseen laitteiden hajoamiseen liittyviä kuvioita.

Fysiikan perusteet

Fysiikkapohjaiset mallit simuloivat fyysisiä prosesseja, jotka johtavat epäonnistumiseen. Ne käyttävät parametreja, kuten kulumisnopeutta, materiaaliväsymystä ja toimintaolosuhteita arvioidakseen, kuinka paljon käyttöikää on jäljellä.

Esimerkkilaskenta

Oletetaan, että koneen sensoritiedot osoittavat hajoamisen trendin. Regressiomallin avulla voit sovittaa käyrän historiallisiin tietopisteisiin. Kun nykyinen datapiste leikkaa vikakynnyksen, jäljellä oleva aika on RUL-estimaatti.

  • Kerää anturin tiedot ajan myötä.
  • Määritetään epäonnistumisen raja-arvot.
  • Käytetään ennustemallia tulevan hajoamisen arvioimiseksi.
  • Lasketaan aika, joka kuluu kynnyksen saavuttamiseen.