原創|大數據新聞|編輯:陳久鳳|2021-04-27 09:48:17.790|閱讀 2588 次
概述:設備故障原因多種多樣,如果不及時通過數據分析,形成設備故障緊急預案,致使設備中斷生產或效率降低而影響生產。
# 界面/圖表報表/文檔/IDE等千款熱門軟控件火熱銷售中 >>
設備故障是什么?
設備故障一般是指設備失去或降低其規定功能的事件或現象,表現為設備生產運行異常,指設備的某些零件失去原有的精度或性能,使設備不能正常運行、技術性能降低,從而影響正常生產,造成企業利益損失。
利用數據分析對設備故障進行預測,形成設備故障的緊急預案,或提前解決問題,就能大大降低企業承擔設備故障帶來的經營風險。
設備故障分類
1、磨損性故障,由于運動部件磨損,在某一時刻超過極限值所引起的故障。
2、腐蝕性故障,按腐蝕機理不同又可分化學腐蝕、電化學腐蝕和物理腐蝕3類。
3、可分脆性斷裂、疲勞斷裂、應力腐蝕斷裂、塑性斷裂等。
4、老化性故障,上述綜合因素作用于設備,使其性能老化。
如何對設備故障進行預測分析
1、設備故障分析及預測,優化設備維修計劃。
2、設備劣化傾向分析,提出預測性維修建議。
3、維修情況分析,優化維修計劃及人員配置。
4、設備狀態實時分析,優化設備運維計劃。
5、零部件出入庫分析和預測,優化備件購置計劃
解決方案架構:
典型案例:
客戶名稱:XX通信系統有限公司
成立時間:1997年
注冊資金:90000萬
方案界面:
數據準備階段
運用了Filter方法,Wrapper方法,Embedded方法,進行特征選擇,結合降維方法PCA、LDA,對數據進行降維處理,以減少特征數量、數據降維,使模型泛化能力更強,更穩定,同時增強對特征和特征值之間的理解(如圖一)。再加上數據歸一化處理,讓數據區分度明顯提高(如圖二)
數據采集與準備
采集TPM數據,對數據進行清理準備
建立故障預測模型
建模主要包括:算法選擇,模型訓練,模型驗證,模型評估。
為了找到的合理預測時長,比較了慧都AI DRIVER的多個模型對設備故障預測目標的準確率指標和F1分數隨時間變化的趨勢。整體預測效果在時間步長為10分鐘時是最佳的,我們建議企業按照10分鐘來進行預測,同時安排設備維護計劃
應用收益:
1、減少設備計劃外停機時間
2、降低設備成本維護
3、提高設備故障預測準確率
4、提高產線生產效率
數據分析工具:免費試用Qlik
慧都大數據分析平臺「GetInsight®」升級發布,將基于企業管理駕駛艙、產品質量分析及預測、設備故障分析及預測、供應鏈管理等大數據模型的構建,助力企業由傳統運營模式向數字化、智能化的新模式轉型升級,抓住數據經濟的發展勢頭,提供管理效能,精準布局未來。
歡迎撥打慧都熱線023-68661681或,我們有專業的大數據團隊,為您提供免費大數據相關業務咨詢!
====== 推薦閱讀 ======
本站文章除注明轉載外,均為本站原創或翻譯。歡迎任何形式的轉載,但請務必注明出處、不得修改原文相關鏈接,如果存在內容上的異議請郵件反饋至chenjj@fc6vip.cn