การ ศึกษา วิจัย นี้ ช่วย ให้ รู้ ว่า มี การ นํา การ เรียน รู้ ที่ ดี ขึ้น อย่าง ไร เพื่อ จะ มี ความ ไว้ วางใจ ใน เครื่อง มือ ที่ ดี
ชุดสะสมข้อมูลและการเตรียม
ข้อมูลถูกเก็บจากเซ็นเซอร์ที่ติดตั้งบนอุปกรณ์การผลิต ตัวตรวจจับเหล่านี้บันทึกพารามิเตอร์ เช่น อุณหภูมิ การสั่นสะเทือน และวงจรการทํางาน ข้อมูลที่ถูกระบุว่าเกิดความล้มเหลวภายในกรอบเวลาเฉพาะหรือไม่ ข้อมูลที่มีก่อนโพรเซสนี้เกี่ยวกับการทําความสะอาด, การจัดระบบปกติ และคุณสมบัติการสกัดกั้น เพื่อเตรียมความพร้อมสําหรับการฝึกอบรมแบบ
เลือก และ ฝึก อบรม แบบ จําลอง
อัลกอริทึมในการเรียนรู้หลาย ๆ อย่างถูกประเมิน รวมถึง การตัดสินใจต้นไม้ การสุ่มใช้ป่าไม้ และการสนับสนุนของเวกเตอร์ โมเดลป่าไม้สุ่มเลือกอย่างแม่นยําและทนทาน ตัวจําลองนี้ได้รับการฝึกใช้ข้อมูล 80% โดยมีพื้นที่สงวน 20% ไว้สําหรับการทดสอบ เปรียบเทียบ รับประกันความจุของโมเดลนี้
ผล และ ความ อิ่ม ใจ
92% ของการคาดการณ์ความล้มเหลว ต้นแบบนี้ระบุสัญญาณเตือนที่ออกมาได้สําเร็จ โดยอนุญาตให้ทีมบํารุงรักษาแทรกแซงอย่างมีประสิทธิภาพ
การใช้กุญแจ
- ข้อมูลเซ็นเซอร์คุณภาพสูง จําเป็นต่อการคาดการณ์ที่ถูกต้อง
- โมเดลการเรียนรู้ที่โดดเด่น สามารถคาดการณ์ได้ล้มเหลว
- การ ตรวจ พบ ใน ระยะ แรก ๆ ช่วย ลด เวลา และ ค่า บํารุง รักษา.
- การ เฝ้า ดู แบบ ไม่ หยุด หย่อน ช่วย ปรับ ความ แม่นยํา ของ การ ทํานาย ให้ ดี ขึ้น เมื่อ เวลา ผ่าน ไป.