首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏黄成甲

    一文看懂预测性维护

    让我们一文看懂预测性维护。 ? 文/黄成甲 什么是预测性维护 一般来说,工业设备的维护维修分为:事后维护、预防性维护以及预测性维护。 从字面意思不难理解,事后维护是修复性维护,预测性维护和预防性维护都属于事先维护。 阶段1:模型选择 下图显示了包含模型选择的预测性维护流程图。这里仅用到了流程图中深色标记的步骤。 ? 包含模型选择的预测性维护流程图 我们使用了scikit learn和H2O中的一系列回归算法。 阶段2:使用自动编码器消除传感器噪声 下图显示了包含噪声消除的预测性维护流程图。这里仅用到了流程图中深色标记的步骤。 ? 包含噪声消除的预测性维护流程图 传感器读数通常会有噪声。 参考资料 1.预测性维护怎么玩之科普篇 2.预测性维护怎么玩之实践篇 3.【译】机器学习技术用于预测性维护 4.大话预测性维护

    13.4K99发布于 2020-02-18
  • 来自专栏工业科技1

    设备为什么要做预测性维护?

    预测性维护,又称故障预测与健康管理,从总体上来说是三种维护方式(事后维修、预防性维护及预测性维护)当中最经济的,在这里可以跟大家强调的,就是说我们做预测性的计划并执行的目标,对企业来说,最大最终的目标是 尤其是一些客户,他们可能会说“你不要说你能预测到什么时候换,直接去改我的维修维护策略,或者是维修维护的计划,这个对我来说是最明显的。”或者是“给我提供最直接的一个收益吧。” 因为大多数人认为,维护的优先级,一定是高于预测的,预测是手段,是过程。也就是说,可以甚至于不用预测,使用诊断手段一样,也可以达到维护的目的。但这一定是正确的吗? 答案当然是错的,在一些流程行业中,预测往往也比维护更重要,一条完整的生产线,各个环节都是互相协作的,任何环节出现故障都会导致整条产线停摆。 所以,一定要把预测性技术,与企业整体的维护维修计划策略结合起来,这才是一个真正的价值闭环,才能多方面的阻止事故的发生,造成成本的浪费。忽米网——让工业更有智慧

    90920编辑于 2022-07-26
  • 来自专栏云原生实践

    杆式泵的预测性维护

    因此,对这些泵进行适当的预测性维护是油田作业中的一个重要问题。我们希望在故障发生之前能够知道泵出了什么问题。抽油杆泵井下部分的维护问题可以通过位移和负荷的曲线图进行可靠的诊断,这个图被称为“动力图”。 这种自动化可以使维护人员专注于修理那些需要注意的泵,而不是确定哪些泵需要注意。因此,它减少了泵的环境影响(泄漏、污染、备件、废料等),同时提高了其可用性和产量。 不同类别的测试错误分布相对均匀,因此我们似乎没有产生系统性错误,详见表2。 4.2. 结论 我们得出结论,对于抽油杆泵的预测性维护,模型的分类准确度足够高,可以实际应用于在真实油田中识别各种抽油杆泵问题。 它可以实时处理多个抽油杆泵的问题,并在检测到非正常卡片时自动发出警报并提供诊断结果,从而生成预测性维护措施。这个过程使得人工专家从监控和诊断抽油杆泵的工作中解放出来,转而从事更重要的修复任务。

    87410编辑于 2023-09-02
  • 来自专栏剑指工控

    机器学习与工业(一)-预测性维护

    前 言: 随着自动化软件、大数据等技术的成熟,越来越多的工业场合开始将人工智能和机器学习引入到工业控制中去,比如我们常见的软测量、MPC控制、APC控制系统、寿命预测、状态检测、设备运行状态检测等系统。 以一个常见的深度学习进行预测性维修为例(核心代码来自微软demo) LSTM模型属于RNN,而RNN适用于处理序列型数据,所以在常见的预测性维护和寿命预测中比较适用,这里有个题外话,股票预测也属于时间序列的一种 ,所以都会忍不住用LSTM去做股票预测,经过小伙伴长时间的测试发现股票预测目前还是不太现实,或者说我们技术还没学到家,目前做的比较多的还是策略。 1、利用回归类预测剩余使用寿命(RUL)或故障时间; 2、二分类预测设别是否会在特定时间范围内失效; 3、多类分类:预测设备是否会在不同的时间窗口失效; 计算RUL # Data Labeling - ] = train_df['label1'] train_df.loc[train_df['RUL'] <= w0, 'label2'] = 2 train_df.head() 第三步:创建模型 说到寿命预测

    1K20编辑于 2022-04-14
  • 来自专栏PLC

    DSMC112 57360001-HC预测性和预防性维护

    DSMC112 57360001-HC预测性和预防性维护图片DSMC112 57360001-HC预测性和预防性维护与多色技术相比,空间和时间局部性都得到了改善。 块越大,产生的代码就越类似于顺序实现,从而增加了空间和时间的局部性。代价是块越大,并行性越低(即,块的数量越少,这意味着每种颜色的块的数量越少)。 一般规则是,具有相同颜色的两个给定块的最近的行之间的距离越高,平行性越小,松弛性越小,因此收敛的迭代次数越少。 当通过使用更小的块或者通过增加颜色的数量来减小该距离时,并行性增加,但是以增加高斯-塞德尔松弛为代价,因此需要更多的迭代来收敛。数据结构可以重新排序,以进一步提高数据局部性。

    37810编辑于 2023-05-04
  • 来自专栏智能制造预测性维护与大数据应用

    预测性维护系统组态利器WebAccessMCM体验记(一)

    配合刀具或设备维护管理系统,可以对其进行分析,提早备料或进行设备维护,降低必要的库存压力。 智能制造呼唤平台级的“智能预测性维护及故障诊断”产品 预测性维护系统是透过对设备的温度、压力、振动、噪声等参数检测与分析,掌握设备生产力下滑的预兆,为机器设备的健康把关。 WebAccess / MCM是研华平台级“智能预测性维护及故障诊断”的核心 WebAccess / MCM提供了从传感器信号采集、时域信号处理、频域分析、特征值提取、故障模型构建、驱动本地控制与报警、 设备维护工程师或系统集成商可以通过简单的配置组态以满足不同故障诊断、维护保养等应用的需求。 WebAccess / MCM帮助客户快速通过动态数据采集卡、在线采集一体机等快速实施工业4.0预测性维护系统,这有助于提高设备的正常运行时间、性能和安全性,同时大大降低维护成本。

    77420编辑于 2022-05-30
  • 来自专栏智能制造预测性维护与大数据应用

    预测性维护系统组态利器WebAccessMCM体验记(二)

    WebAccess / MCM是研华平台级“智能预测性维护及故障诊断”的核心,提供了从传感器信号采集、时域信号处理、频域分析、特征值提取、故障模型构建、驱动本地控制与报警、模拟信号输出、数据联网发布等功能 设备维护工程师或系统集成商可以通过简单的配置组态以满足不同故障诊断、维护保养等应用的需求。 这一节我们一步一步进行体验。 1、数据采集选择MIC-1810的一个通道,采集速度设为20K; 2、预处理画面可以设置滤波等功能,测试时可以按缺省配置。 mcm_device_server通过Modbus/TCP协议将机器状态的时域特征值、频域特征值、基于故障模型的故障预测信息和控制状态等数据进行发布,可以通过WebAccess/SCADA等组态软件通过 8、WebAccess / MCM后续版本会加入MQTT通讯的支持,可以直接将机器状态上传到云端,实现广域网的预测性维护系统。

    84920编辑于 2022-05-30
  • 来自专栏HONEYWELL

    ABB YPK112A 工业预测性维护的基础

    ABB YPK112A 工业预测性维护的基础图片收集和分析维护相关数据是工业预测性维护的基础。为确保尽可能彻底地收集和记录数据,每个工厂都应完全整合,包括危险区域的工厂。 这使得维护和支持场景变得更加容易和快速,从而最大限度地减少单个组件或整个系统的停机时间。运营商需要实时了解所有智能生产工厂的状态,以便做出与维护和服务流程相关的决策。 这可以缩短维护操作,并大大减少错误的原因。

    31410编辑于 2023-05-06
  • 《AI加持,SQL Server预测性维护全攻略》

    而AI技术的兴起,为SQL Server的维护带来了革命性的变化,让预测性维护成为可能,帮助企业提前规避潜在故障。 AI预测性维护原理:数据里“读”出未来隐患AI实现SQL Server预测性维护的核心在于对海量数据的深度挖掘和分析。 企业可以根据这些预测,提前进行资源优化,如增加磁盘缓存、优化查询语句等,确保在高负载下数据库仍能稳定运行。2.  预测性维护流程:精准出击,防患未然1. 数据收集与整合:SQL Server运行过程中,多种数据源会产生海量数据。 管理员可以根据预测结果,制定相应的维护计划和应急措施。将AI融入SQL Server的预测性维护,是企业提升数据管理水平、保障业务稳定运行的关键举措。

    44310编辑于 2025-03-25
  • 来自专栏HONEYWELL

    ABB CI858K01 预测性和预防性维护

    ABB CI858K01 预测性和预防性维护图片Pepperl+Fuchs品牌ecom及其面向移动工作者的联锁防爆硬件和软件产品组合,为高效的企业移动性概念提供了一个集成解决方案,其中包括智能手机、平板电脑 此外,这大大简化了现场设备的调试和维护。ATEX认证的移动接口适用于潜在危险区域,因为其爆炸风险认证为1区,其稳健的设计和连接到本质安全电路的选项。 除了用于基准主机操作的USB接口,蓝牙接口和电池操作允许平板电脑和智能手机等移动主机在爆炸性环境中使用。 3BSE005029R1ABB CI626AABB 3BSE005029R1ABB NDCU-12C NDCU-12CKABB NDCU-12CABB NDCU-12CKABB REM615CD HCMJAEADAND2BNN1CDABB REM615CDABB HCMJAEADAND2BNN1CDABB 3ASC25H209 DATX110ABB 3ASC25H209ABB DATX110ABB IBA 940143201ABB DSSR122ABB

    46820编辑于 2023-04-28
  • 来自专栏智能制造预测性维护与大数据应用

    研华设备监诊与预测性维护解决方案

    系统架构 机台预知与预测性维护已成为工业4.0不可或缺的环节,帮助企业大家从传统消耗毁损更换、定时保养进阶到预防保养甚至到预知维护。 Condition Monitoring) 设备状态监控系统可实现机台状态可视化,随时掌握机台关键组件寿命,并藉由记录大量的资料来分析优化产线,降低停机时间,将机台的生产效益最大化,同时也降低了设备维护的成本并持续提高机台安全性 研华振动量测公开课视频(上) 研华振动量测公开课视频(中) 研华振动量测公开课视频(下) "双剑合璧"成就机床产业升级(一) "双剑合璧"成就机床产业升级(二) 工业4.0故事:领军企业如何成功实施预测性维护系统 智能制造呼唤平台级的“智能预测性维护及故障诊断”产品 PCIE-1802多卡同步采集振动信号同步性能验证! 预测性维护系统组态利器WebAccess/MCM体验记(一) 预测性维护系统组态利器WebAccess/MCM体验记(二)

    98220编辑于 2022-05-31
  • 来自专栏PLC

    TRICONEX MP6004 制造参数分析和预测性维护

    TRICONEX MP6004 制造参数分析和预测性维护图片edgeConnector Siemens模块支持通过简单的web界面进行本地配置,以及通过设备的REST API进行远程配置。 模块支持安全套接字层(SSL)和传输层安全性(TLS)等安全标准,以及X.509证书和数据加密。 3481TRICONEX AO3481TRICONEX 3451TRICONEX RO3451TRICONEX 9761-210TRICONEX 1600071-001TRICONEX CBYY33001-2TRICONEX

    49110编辑于 2023-04-26
  • 来自专栏PaddlePaddle

    用数据把脉设备状态,用飞桨实现预测性维护!

    随着技术的发展,工业设备设施故障的维护手段从早期的被动事后维护、定期预防性维护检修,逐渐演进到预测性维护。 预测性维护可以减少机器故障、延长机械的使用寿命,有效降低维护成本;减少停机时间、提高生产产量及安全性,有效提升企业盈利。 随着 5G 技术的发展和普及,万物互联的时代随之到来。 当前预测性维护主要是依靠传感器收集设备信息数据,如何利用好信息时代的便利为生产制造设备保驾护航,成为了设备运维工程师们常常思考的问题。 那如何利用好传感数据进行设备状态把脉?如何更好地实现预测性维护?

    81420编辑于 2022-08-31
  • 来自专栏云原生实践

    电潜泵的预测性维护——检测电潜泵的故障

    需要从监督方法向基于数据驱动模型的故障诊断和预测性维护方法演变。主成分分析(PCA)被广泛认为是一种用于降维、特征值提取和数据可视化的预处理方法。 Hotelling T平方统计量(T^2)和平方预测误差(SPE)用于数值化地展示标量统计量(Yue和Qin,2001)。 Cho、Lee、Choi、Lee和Lee(2005)根据T^2和SPE提出了以下方程,定义了每个决策变量P的贡献。 其中 代表矩阵I的第i列。每个决策变量的贡献越大,潜在异常的可能性就越大。 因此,PCA诊断模型在预测ESP断轴井的断裂时间和实时学习技术方面具有出色的准确性。此外,PCA技术可以作为开发更好的工具来预测ESP故障的基础。 威尔斯没有。 通过应用图像和SPE方程,PCA诊断模型在预测ESP泵轴断裂时间方面具有出色的准确性。 PCA可以作为重要的预处理方法和无监督机器学习技术,用于预测ESP故障的发展。

    1.2K20编辑于 2023-09-02
  • 来自专栏PLC

    ABB 57510001-AA 用于连续状态监控和预测性维护

    ABB 57510001-AA 用于连续状态监控和预测性维护图片与多色技术相比,空间和时间局部性都得到了改善。块越大,产生的代码就越类似于顺序实现,从而增加了空间和时间的局部性。 代价是块越大,并行性越低(即,块的数量越少,这意味着每种颜色的块的数量越少)。 一般规则是,具有相同颜色的两个给定块的最近的行之间的距离越高,平行性越小,松弛性越小,因此收敛的迭代次数越少。 当通过使用更小的块或者通过增加颜色的数量来减小该距离时,并行性增加,但是以增加高斯-塞德尔松弛为代价,因此需要更多的迭代来收敛。数据结构可以重新排序,以进一步提高数据局部性。

    38220编辑于 2023-05-04
  • 来自专栏智能制造预测性维护与大数据应用

    工业4.0故事:领军企业如何成功实施预测性维护系统?

    在工业4.0概念下,多家智能制造设备的领军企业已经成功实施智能服务战略,改变传统例行维护或意外故障后才维修的作法,通过实时的状态监测与大数据分析提前发现并排除即将出现的故障隐患。 该公司为顺应工业4.0的趋势,将预测性维护系统作为增值服务提供给客户。 选用新一代开放式预测性维护系统成功则解决了此难题。 预测性维护与设备大数据是工业4.0优化生产流程中最为重要的一环。与传统例行维护或意外故障后才维修的作法不同,预防性维护能透过实时的状态监测与大数据分析进而早日发现并排除可能出现的故障隐患。 接下来探讨什么是预测性维护?基于大数据的预测性维护有何特点?如何构建全面完整预测性维护解决方案?

    60620编辑于 2022-05-30
  • 《智启工业新篇:人工智能驱动的故障预测性维护》

    而如今,随着人工智能技术的蓬勃兴起,一道曙光穿透迷雾,为工业生产中的故障预测性维护照亮了前行的道路,开启了智能化、精准化维护的新时代。 深度学习的出现更是为故障预测性维护注入了强大动力。深度神经网络能够自动提取数据中的深层次特征,无需人工手动设计复杂的特征工程。 除了算法和数据,工业物联网(IIoT)的发展也为人工智能驱动的故障预测性维护提供了坚实的技术支撑平台。 在实际应用中,许多行业已经开始尝到了人工智能故障预测性维护的甜头。在航空航天领域,飞机发动机的维护至关重要,任何一次故障都可能引发严重的安全事故。 然而,尽管人工智能在工业生产故障预测性维护方面展现出了巨大的潜力和优势,但要实现其广泛而深入的应用,仍然面临着一些挑战和障碍。

    91900编辑于 2024-12-30
  • 来自专栏HONEYWELL

    ABB 3BSE014078R1 连续监控和预测性维护

    ABB 3BSE014078R1 连续监控和预测性维护图片在一家油漆和涂料制造商,我们的pnGate PA确保连续、快速和安全的数据流。 得益于PROFIBUS PA段集成以及从PROFIBUS DP到PROFINET的迁移,工厂运营商现在还享有更高的运营可靠性,这反过来又转化为对成本的积极影响。 3BSE011180R1ABB 3BSE011180R1ABB PM511V08ABB PU515A 3BSE032401R1ABB PU515AABB 3BSE032401R1 ABB XO08R2 1SBP260109R1001ABB XO08R2ABB 1SBP260109R1001ABB GFD563A101 3BHE046836R0101ABB GFD563A101ABB 3BHE046836R0101ABB 3BHL000986P3004ABB 5SGY3545L0009ABB 3BHL000986P3004ABB 81EU01E-EABB GJR2391500R1210ABB PHARPS32200000ABB F8-G2B9B3B6

    39120编辑于 2023-05-04
  • 来自专栏速入大数据

    大数据加持的预测性维护:让设备故障“未卜先知”

    预测性维护,就是后者的最佳实践,而大数据则是它背后的“千里眼”和“顺风耳”。为什么预测性维护这么重要?试想一下,如果一个大型生产企业的关键设备突然停机,损失可能是按小时、甚至分钟来计算的。 传统的定期维护方式虽能降低故障率,但也存在“过度维护”或者“维护不及时”的问题。而预测性维护则能精准判断设备健康状况,按需维护,降低成本,提升效率。预测性维护如何依靠大数据“看见未来”? }')真实案例:某制造业公司的成功实践某大型制造企业引入大数据驱动的预测性维护后,设备故障率降低了30%,维护成本下降了25%,同时生产效率提升了15%。 他们的核心策略是:使用 IoT 设备采集实时数据搭建故障预测模型结合专家经验优化算法自动触发维护工单预测性维护的挑战与未来当然,预测性维护也并非万能,还存在以下挑战:数据质量问题——设备数据可能受外界干扰 预测性维护的价值在于 减少损失、降低成本、提升效率,它是制造业转型升级的关键一步。未来,谁能掌握预测性维护的核心技术,谁就能在竞争中先人一步。

    91620编辑于 2025-05-26
  • 来自专栏HONEYWELL

    ABB FI840F 制造参数分析和预测性维护

    ABB FI840F 制造参数分析和预测性维护图片edgeConnector Siemens模块支持通过简单的web界面进行本地配置,以及通过设备的REST API进行远程配置。 模块支持安全套接字层(SSL)和传输层安全性(TLS)等安全标准,以及X.509证书和数据加密。 3BHB030310R0001ABB HIEE205011R0002ABB SC540 3BSE006096R1ABB SC540ABB 3BSE006096R1ABB PP846AABB 3BSE042238R2ABB PP846A 3BSE042238R2ABB CI845AABB CI867ABB PPD512 A10-15000ABB 3BHE040375R1023ABB PPD512ABB BC810K02

    41210编辑于 2023-05-04
领券