Tahmin edici bakım sistemleri, meydana gelmeden önce ekipman hataları tahmin etmek için makine öğrenme algoritmaları kullanır. Bu yaklaşım endüstrilerin zaman müdahalelerine olanak sağlayarak zaman ve bakım maliyetlerini azaltır. Aşağıdaki vaka çalışması, böyle bir sistemin üretim ortamında gelişimini gösterir.
Proje Genel Bakış
Hedef, sensör verilerini potansiyel hataları tahmin etmek için makineden analiz edebilecek bir sistem yaratmaktı. Proje, veri toplama, modelleme eğitimi, dağıtım ve doğruluk ve güvenilirlik sağlamak için devam eden izlemedi.
Data Collection and Hazırlık
Sensör verileri altı ay boyunca çeşitli makinelerden toplandı. Veriler sıcaklık, titreşim, baskı ve operasyonel saatler içeriyordu. Veri temizleme, analiz için hazırlanmak için anormallikleri ve eksik değerlerin doldurulmasına dahil edildi.
Model Geliştirme
Rastgele Orman ve Destek Vector Makineleri gibi makine öğrenme modelleri tarihsel veriler üzerinde eğitilmiştir. Özellikler tahmin edici gücü geliştirmek için mühendisiydi. modeller aşırı yüklemeyi önlemek için çapraz-validasyon tekniklerini doğruladı.
Uygulama ve Sonuçlar
En iyi bilgi modeli, bir API aracılığıyla üretim sistemine entegre edildi. Gerçek zamanlı tahminler, potansiyel başarısızlıkların bakım ekipleri sağladı. Uygulama planlanmamış ve düşük bakım maliyetlerinde %20 azaltımı sonuçlandı.