Yararlı Yaşam (RUL) tahmin edici bakımda önemli bir ölçümdür, ekipman servis veya yedek gerektiğinde belirlemenize yardımcı olur. RUL'un doğru hesaplaması operasyonel verimliliği artırabilir ve kesinti süresini azaltır.

Hesaplama için yöntemler

Veriye dayalı modeller, fizik tabanlı modeller ve hibrit yaklaşımlar dahil RUL tahmin etmek için çeşitli yöntemler kullanılır. Data-güdümlü modeller gelecekteki başarısızlığı zamanlarını tahmin etmek için tarihsel verileri analiz eder, ancak fizik tabanlı modeller ekipman fiziksel özelliklerini geri almak için kullanır.

Data-Driven Yaklaşımlar

Regresyon, sinir ağları ve hayatta kalma analizi gibi makine öğrenme algoritmaları yaygın olarak kullanılır. Bu modeller, ekipman bozulması ile ilişkili desenleri öğrenmek için tarihsel sensör verileri ve başarısızlık kayıtları gerektirir.

Fizik Temel Modeller

Fizik tabanlı modeller başarısızlık için yol açan fiziksel süreçleri taklit eder. Giysi oranları, malzeme yorgunluk ve operasyonel koşullar gibi parametreleri kullanırlar.

Örnek Hesaplama

Bir makinenin sensör verilerinin bir bozulma eğilimini işaret ettiğini varsayalım. regresyon modelini kullanarak, tarihsel veri noktalarına bir eğri sığabilirsiniz.Mevcut veriler başarısızlık eşiyle birlikte kesiştiğinde, kalan süre RUL tahminidir.

  • Zaman içinde sensör verilerini toplayın.
  • Başarısız eşleri tanımlayın.
  • Gelecekteki bozulmayı tahmin etmek için öngörülebilir bir model uygulayın.
  • Eşiğine ulaşana kadar zamanı hesaplayın.