유용한 생활 (RUL)를 계시하는 것은 장비가 서비스하거나 교체할 때 결정하는 예측 정비에 있는 중요한 미터입니다. RUL의 정확한 계산은 가동 효율성을 개량하고 가동불능시간을 감소시킬 수 있습니다.

연구 연구에 대한 방법

Data-driven model, 물리 기반 모델, 하이브리드 접근법을 포함한 RUL를 추정하는 데 사용되는 여러 가지 방법이 있습니다. Data-driven model은 과거의 실패 시간을 예측하는 역사적인 데이터를 분석하고, 물리 기반 모델은 나머지 수명을 추정하기 위해 장비의 물리적 특성을 사용합니다.

데이터 드라이브 접근법

회귀, 신경망, 생존 분석 등의 기계 학습 알고리즘은 일반적으로 고용됩니다. 이 모델은 장비 분해와 관련된 패턴을 배우는 과거 센서 데이터 및 실패 기록이 필요합니다.

물리학 기반 모델

물리 기반 모델은 실패를 선도하는 물리적 프로세스를 시뮬레이션합니다. 그들은 착용 속도, 재료 피로 및 작동 조건과 같은 매개 변수를 사용하여 훨씬 유용한 수명이 남아 있는지 추정합니다.

예제 계산

기계의 센서 데이터를 공급하는 것은 분해 추세를 나타냅니다. 회귀 모델을 사용하여 역사적인 데이터 포인트에 곡선을 맞출 수 있습니다. 현재 데이터 포인트가 실패 임계값과 교차 할 때 남은 시간은 RUL 견적입니다.

  • 센서 데이터를 시간 이상 수집합니다.
  • 실패 임계값을 식별합니다.
  • 미래평가를 예측하는 예측형 모델을 적용한다.
  • 임계 값이 도달 할 때까지 시간을 계산합니다.