מערכות תחזוקה חיזוי משתמשות באלגוריתמים של למידת מכונה כדי לחזות כשלים בציוד לפני שהם מתרחשים.גישה זו מסייעת להפחית את עלויות התחזוקה והתחזוקה על ידי מתן התערבות בזמן.המחקר הבא של המקרה ממחיש את תהליך הפיתוח של מערכת כזו בהגדרה של ייצור.

Project Review

המטרה הייתה ליצור מערכת המסוגלת לנתח נתונים של חיישן ממכונות כדי לחזות כישלונות פוטנציאליים.הפרויקט מעורב איסוף נתונים, הכשרת מודלים, פריסה, ניטור מתמשך כדי להבטיח דיוק ואמינות.

איסוף נתונים והכנת

נתוני החיישנים נאספו ממכונות שונות במשך תקופה של שישה חודשים.הנתונים כללו טמפרטורה, רטט, לחץ, שעות תפעוליות. ניקוי נתונים מעורב הסרת אנומליות ומילוי ערכים חסרים כדי להתכונן לניתוח.

פיתוח מודל

מודלים של למידת מכונות כגון Random Forest ו-Vctor Machines הוכשרו על נתונים היסטוריים.תכונות הונדסו כדי לשפר את הכוח הנבאי.המודלים אושרו באמצעות טכניקות למניעת התאמה בין-מערכתית כדי למנוע התאמה.

יישום ותוצאות

המודל הנמכר ביותר משולב במערכת הייצור באמצעות API.זה סיפק תחזיות בזמן אמת, והזהיר צוותי תחזוקה של כישלונות פוטנציאליים.היישום הביא לירידה של 20% בעלויות תחזוקה לא מתוכננות ועלויות תחזוקה נמוכות יותר.