Phương pháp học không có giám sát được sử dụng ngày càng nhiều trong việc dự đoán bảo trì để xác định các mẫu và dị thường trong dữ liệu máy móc mà không có nhãn dán ví dụ. Phương pháp này giúp phát hiện các lỗi có thể xảy ra sớm, giảm thời gian và phí bảo trì.

Xem xét việc học hỏi không giám sát trong việc bảo trì

Việc học không có giám sát bao gồm các thuật toán phân tích dữ liệu để tìm cấu trúc hay nhóm ẩn. Để bảo trì dự đoán, những phương pháp này phân tích dữ liệu nhạy từ thiết bị để xác định hành vi bất thường có thể cho thấy sự thất bại sắp xảy ra.

Nghiên cứu trường hợp: Nhà máy sản xuất

Một nhà máy sản xuất các thuật toán được thực hiện để theo dõi tình trạng của máy móc. cảm biến thu thập dữ liệu về nhiệt độ, rung động và áp lực. mô hình không giám sát nhóm các trạng thái hoạt động tương tự và đánh dấu dị thường.

Quá trình này giúp các đội bảo trì tập trung vào việc máy có những mẫu bất thường, ngăn chặn sự hỏng hóc bất ngờ và tối ưu hóa thời gian bảo trì.

Kĩ thuật phím được dùng

  • Name
  • Phân tích thành phần chính (PCA)
  • Rừng hoang vu
  • DBSCAN

Những kỹ thuật này giúp nhận diện những người ngoài cuộc và giảm thiểu độ lệch của dữ liệu cảm biến, khiến việc phát hiện những dấu hiệu của thiết bị bị bị hỏng dễ dàng hơn.