शेष उपयोगी जीवन (RUL) भविष्य में रखरखाव में एक महत्वपूर्ण मीट्रिक है, यह निर्धारित करने में मदद करता है कि उपकरण को सर्विसिंग या प्रतिस्थापन की आवश्यकता होती है। RUL की सटीक गणना परिचालन क्षमता में सुधार कर सकती है और डाउनटाइम को कम कर सकती है।

RUL की गणना के तरीके

कई तरीकों का उपयोग RUL का आकलन करने के लिए किया जाता है, जिसमें डेटा-संचालित मॉडल, भौतिकी आधारित मॉडल और हाइब्रिड दृष्टिकोण शामिल हैं। डेटा-संचालित मॉडल भविष्य की विफलता के समय की भविष्यवाणी करने के लिए ऐतिहासिक डेटा का विश्लेषण करते हैं, जबकि भौतिकी आधारित मॉडल शेष जीवन का अनुमान लगाने के लिए उपकरणों के भौतिक गुणों का उपयोग करते हैं।

डेटा संचालित दृष्टिकोण

मशीन लर्निंग एल्गोरिदम जैसे रिग्रेशन, तंत्रिका नेटवर्क और उत्तरजीविता विश्लेषण आमतौर पर कार्यरत होते हैं। इन मॉडलों को उपकरण के क्षरण से जुड़े पैटर्न जानने के लिए ऐतिहासिक सेंसर डेटा और विफलता रिकॉर्ड की आवश्यकता होती है।

भौतिकी आधारित मॉडल

भौतिकी आधारित मॉडल विफलता के कारण शारीरिक प्रक्रियाओं का अनुकरण करते हैं। वे पहनने की दरों, भौतिक थकान और परिचालन की स्थिति जैसे मापदंडों का उपयोग करते हैं ताकि यह अनुमान लगाया जा सके कि जीवन कितना उपयोगी है।

उदाहरण Calculation

एक मशीन के सेंसर डेटा को मान लीजिए एक गिरावट प्रवृत्ति को इंगित करता है। एक प्रतिगमन मॉडल का उपयोग करके आप ऐतिहासिक डेटा बिंदुओं के लिए एक वक्र फिट हो सकते हैं। जब वर्तमान डेटा बिंदु विफलता सीमा के साथ छेड़छाड़ करता है, तो शेष समय RUL आकलन है।

  • समय के साथ सेंसर डेटा एकत्र करें।
  • विफलता की सीमा को पहचानें।
  • भविष्य में गिरावट का अनुमान लगाने के लिए एक पूर्वानुमान मॉडल लागू करें।
  • जब तक दहेज पहुंच जाता है तब तक उस समय की गणना करें।