隨著科學(xué)技術(shù)的迅速發(fā)展，制造企業(yè)對(duì)設(shè)備維修從傳統(tǒng)的被動(dòng)維修轉(zhuǎn)變?yōu)橹鲃?dòng)預(yù)防性維修。BI和AI在主動(dòng)性維修中應(yīng)用廣泛，傳統(tǒng)的維修方法主要基于已有的維修制度、基于運(yùn)營(yíng)中發(fā)生的各種故障、基于操作和檢修人員的行業(yè)經(jīng)驗(yàn)，在面對(duì)產(chǎn)品升級(jí)改造、設(shè)備從未發(fā)生的新故障，人工經(jīng)驗(yàn)的欠缺等問(wèn)題就會(huì)造成設(shè)備的過(guò)修或失修，其結(jié)果是維護(hù)費(fèi)用的使用效率低，設(shè)備非預(yù)期的停機(jī)時(shí)間長(zhǎng)，從而導(dǎo)致生產(chǎn)力損失與營(yíng)運(yùn)成本上升，也可能產(chǎn)生額外的維修與替換成本，使制造商必須準(zhǔn)備許多零件，增加庫(kù)存成本，最嚴(yán)重的還會(huì)帶來(lái)重大安全問(wèn)題。而BI+AI則可以幫助企業(yè)規(guī)避這些痛點(diǎn)。

 

在這種情況下，基于預(yù)測(cè)性維修的方式應(yīng)運(yùn)而生，通過(guò)預(yù)測(cè)性維修可以監(jiān)控設(shè)備運(yùn)行狀態(tài)、定位故障原因、進(jìn)一步對(duì)故障預(yù)測(cè)，確保質(zhì)量，優(yōu)化每一步資源，最大限度的減少非計(jì)劃性維護(hù)停機(jī)時(shí)間，消除不必要的維修，節(jié)約成本、提高效率。

 

永洪科技產(chǎn)品Yonghong Z-Suite是融合BigData + BI + AI技術(shù)的一站式大數(shù)據(jù)分析平臺(tái)，通過(guò)數(shù)據(jù)采集、數(shù)據(jù)治理、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)挖掘和數(shù)據(jù)分析等過(guò)程洞察整個(gè)產(chǎn)品生命周期中各個(gè)時(shí)刻的狀態(tài)和性能，并利用人工智能和可視化技術(shù)提供設(shè)備運(yùn)行狀態(tài)監(jiān)控、故障根因分析、故障預(yù)測(cè)、決策分析全鏈條一站式應(yīng)用解決方案?？捎行Ы档驮O(shè)備全生命周期維修成本，實(shí)現(xiàn)預(yù)測(cè)性維修。

 

接下來(lái)介紹一下某風(fēng)電巨頭的一個(gè)真實(shí)案例，在某風(fēng)電場(chǎng)中，風(fēng)力發(fā)電機(jī)組出現(xiàn)了主軸承故障。主軸承是連接機(jī)組定軸和動(dòng)軸的關(guān)鍵部件，主軸承發(fā)生故障輕則增加機(jī)組振動(dòng)噪聲，重則導(dǎo)致動(dòng)軸卡死無(wú)法旋轉(zhuǎn)。主軸承失效后只能更換無(wú)法修復(fù)，常見(jiàn)的故障分類(lèi)包括磨損性故障、腐蝕性故障、斷裂性故障及老化性故障。在風(fēng)場(chǎng)中常用的故障檢測(cè)方法多為定期維護(hù)，有時(shí)維護(hù)不及時(shí)就會(huì)造成比更換必要的零部件和人工成本更高的代價(jià)機(jī)組停機(jī)。因此建立提前預(yù)知主軸承故障模型，掌握主軸承運(yùn)行狀態(tài)是非常有必要的。

 

 

 

首先需從風(fēng)場(chǎng)的傳感器和SCADA系統(tǒng)中獲取實(shí)時(shí)數(shù)據(jù)和故障文件數(shù)據(jù)，數(shù)據(jù)記錄了風(fēng)機(jī)的基本信息和風(fēng)機(jī)故障的振動(dòng)和溫度信息，然后采用機(jī)器學(xué)習(xí)的方法建立故障預(yù)測(cè)模型，具體的流程如下：

 

機(jī)器學(xué)習(xí)是一門(mén)人工智能的科學(xué),該領(lǐng)域的主要研究對(duì)象是人工智能，特別是如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的性能。機(jī)器學(xué)習(xí)已廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、生物特征識(shí)別、搜索引擎、醫(yī)學(xué)診斷、檢測(cè)信用卡欺詐等領(lǐng)域。機(jī)器學(xué)習(xí)的分類(lèi)有很多種，但在企業(yè)應(yīng)用場(chǎng)景下，多用監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。

 

 

機(jī)器學(xué)習(xí)在制造業(yè)最典型的應(yīng)用是設(shè)備故障預(yù)測(cè)，因此采用機(jī)器學(xué)習(xí)的方法來(lái)建立風(fēng)機(jī)故障預(yù)測(cè)模型。首先進(jìn)行數(shù)據(jù)預(yù)處理，將處理后的數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集，對(duì)數(shù)據(jù)進(jìn)行故障標(biāo)注和探索分析，分析故障數(shù)據(jù)和正常數(shù)據(jù)的區(qū)別，發(fā)現(xiàn)故障數(shù)據(jù)在頻域表現(xiàn)明顯，因此以風(fēng)速、轉(zhuǎn)速、均值、方差、故障特征頻率等為特征建立故障預(yù)測(cè)分類(lèi)模型，方法可選擇邏輯回歸、隨機(jī)森林、GBDT等，由于故障數(shù)據(jù)只記錄了是否故障，沒(méi)有記錄故障位置，因此在建立模型時(shí)采用監(jiān)督學(xué)習(xí)的二分類(lèi)算法，模型建立完，可利用測(cè)試數(shù)據(jù)計(jì)算評(píng)價(jià)指標(biāo)進(jìn)行模型優(yōu)化，選擇效果最好的模型進(jìn)行部署，最終上線的模型準(zhǔn)確率可達(dá)90%以上，可有效的對(duì)故障風(fēng)機(jī)進(jìn)行預(yù)測(cè)，提前預(yù)知故障，減少計(jì)劃外中斷，增加設(shè)備綜合效率，減少維修成本，提高產(chǎn)能。

 

 

建模采用的是Yonghong Z-Suite的深度分析模塊，通過(guò)拖拽即可實(shí)現(xiàn)從數(shù)據(jù)處理、建模、模型優(yōu)化的全套流程。永洪科技Z-Suite產(chǎn)品作為新一代增強(qiáng)型數(shù)據(jù)分析平臺(tái)，已在除故障預(yù)測(cè)外，包括出行預(yù)測(cè)、銷(xiāo)售預(yù)測(cè)、庫(kù)存優(yōu)化、風(fēng)險(xiǎn)控制等多個(gè)行業(yè)和領(lǐng)域?qū)崿F(xiàn)落地。

 

除了在風(fēng)電上的設(shè)備故障預(yù)測(cè)應(yīng)用，永洪在汽車(chē)行業(yè)也做了相關(guān)的故障分析應(yīng)用。通過(guò)產(chǎn)品可視化可實(shí)現(xiàn)汽車(chē)設(shè)備狀態(tài)監(jiān)控和故障根因分析，如下是給某汽車(chē)公司做的IPTV目標(biāo)達(dá)成分析，IPTV為每千輛車(chē)故障率，是汽車(chē)行業(yè)廣泛應(yīng)用的指標(biāo)。首先選擇不同的車(chē)型進(jìn)行分析，確定對(duì)象后，可對(duì)具體車(chē)型查看IPTV目標(biāo)達(dá)成分析狀況和整車(chē)IPTV的狀況，還可以查看具體的故障模式和責(zé)任部門(mén)，通過(guò)數(shù)據(jù)聯(lián)動(dòng)，查看故障發(fā)生問(wèn)題時(shí)責(zé)任問(wèn)題是分布在哪一個(gè)環(huán)節(jié)，從而在做對(duì)應(yīng)的優(yōu)化。

 

 

以上通過(guò)融合BI和AI的能力，有效解決了設(shè)備故障監(jiān)控、故障根因分析、故障預(yù)測(cè)問(wèn)題，最終幫助用戶做出科學(xué)的決策。因此以融合BI和AI的新一代增強(qiáng)型數(shù)據(jù)分析將成為數(shù)據(jù)分析領(lǐng)域的一個(gè)新發(fā)展方向，能夠幫助用戶訪問(wèn)有效數(shù)據(jù)、探索數(shù)據(jù)，并對(duì)一些理論想法進(jìn)行測(cè)試與驗(yàn)證，從而為分析帶來(lái)更多的自動(dòng)化功能以及創(chuàng)新洞察力。

 

 

 

 

?