如何预测设备的不断故障

Question

我试图预测使用热交换器加热管道中液体的设备的故障。换热器建立在管道内，因此每隔一段时间需要冲洗一下。设备周围有传感器，每小时收集温度、流量、压力等数据。冲洗事件每年发生一到两次。这些事件的记录日期不是很具体，只有一个月。没有一个特别的措施，操作员监测，以了解一个健康的换热器。冲洗既不是由于实际的状态，也不是由于计划。但每次冲洗后，效率应该是最高的。我考虑过使用异常检测，但这适用于正常运行的设备，大多数时间和异常很少发生。失败是一个持续而渐进的过程。如果数据中有一个模式，它应该是一个逐渐下降的曲线。

我的另一个想法是预测剩余的有效寿命方法。基本上，将导致冲水事件的时间周期按时间的接近程度排列，其中最接近的是最严重的。所以这基本上是一个分类问题。但问题是冲厕日期并不准确，只有月份和年份。对于一些关键的指标，有很多缺失的值，这可能是断断续续时间的指标。此外，这与失败预测不是同一个问题，因为它不是失败。即使冲厕事件没有发生，设备仍能工作。在每次冲洗设备之前，设备的状况可能会有所不同。

怎样才能最好地量化设备的劣化率？

Answer 1

你应该试着把它想象成一个预测问题。明确地定义目标，然后将目标映射到一种技术：

• 平均失败前时间(生存分析)
• 每百万小时失效率(估计泊松分布)
• 时间窗口内的故障(二进制分类)

通常，使用贝叶斯方法是因为稀疏的可用数据可以用作先验数据。

Answer 2

另一种方法是将传感器设备添加到设备中，并轮询它们收集信息的数据池。然后取通或失败的结果，用信号训练lstm网络，以保证良好的运行和失败的运行。网络学习的信号是好的，这将是大量的人口，而坏的信号，将是小的人口。然后，物联网传感器会根据设备的感官数据告诉你设备何时会失效。