有用な生命(RUL)を元通りに保つことは、装置の保守や交換が必要な時、予測保守の重要な指標です。RULの正確な計算は、運用効率を改善し、ダウンタイムを削減できます。

RULの計算方法

複数の方法は、データ駆動型モデル、物理系モデル、ハイブリッドアプローチなど、RULを推定するために使われます。データ駆動型モデルは、将来の故障時間を予測するために、過去のデータ分析を行い、物理系モデルは、残りの寿命を推定するために、機器の物理的特性を使用します。

データ駆動のアプローチ

回帰、ニューラルネットワーク、生存解析などの機械学習アルゴリズムは一般的に用いられています。これらのモデルは、歴史的センサーデータと故障記録を要求し、機器の劣化に関連するパターンを学習します。

物理ベースのモデル

物理ベースのモデルは、故障につながる物理的なプロセスをシミュレートします。 彼らは、摩耗率、材料の疲労、および運用条件などのパラメータを使用して、どのくらいの有用な生活が残っているかを推定します。

計算例

マシンのセンサーデータが劣化傾向を示すとします。回帰モデルを使用すると、履歴データポイントに曲線を合わせることができます。現在のデータポイントが故障しきい値と交差する場合、残った時間はRUL推定値です。

  • センサーデータを時間をかけて収集します。
  • 失敗のしきい値を特定します。
  • 将来の劣化を予測するために予測モデルを適用します。
  • しきい値に達するまで時間を計算します。