智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
觸屏數(shù)顯粘度計(jì) 庫(kù)存號(hào)：D409012
觸屏數(shù)顯粘度計(jì) 庫(kù)存號(hào)：D409012品牌
其他品牌
預(yù)測(cè)剩余使用壽命(RUL)是行業(yè)4.0方法的核心優(yōu)勢(shì)之一。由于物聯(lián)網(wǎng)(IoT)設(shè)備的快速部署，振動(dòng)、壓力、電流和溫度等變量的數(shù)據(jù)源現(xiàn)在變得廣泛且隨時(shí)可用。這一點(diǎn)，再加上數(shù)字維護(hù)記錄，提供了前所未有的對(duì)設(shè)備健康狀況的洞察。
對(duì)這些數(shù)據(jù)的訪問來得再合適不過了。在新數(shù)字設(shè)備爆炸的同時(shí)，還有另外兩個(gè)重要的發(fā)展：勞動(dòng)力老齡化和深度學(xué)習(xí)的進(jìn)步。過去，預(yù)測(cè)何時(shí)應(yīng)該更換設(shè)備在很大程度上依賴于主題專家的輸入。這種專門知識(shí)依賴于精選的具有高度專業(yè)化知識(shí)的個(gè)人。隨著美國(guó)勞動(dòng)力的不斷老齡化，這些人中的許多人正在離開這個(gè)行業(yè)，造成了巨大的知識(shí)差距。此外，廉價(jià)的GPU和更深入的模型的出現(xiàn)，增加了在故障發(fā)生之前預(yù)測(cè)故障的高質(zhì)量人工智能選擇的可能性。在我們進(jìn)入方法論之前，讓我們先來看看什么是剩余使用壽命(RUL)。
什么是剩余使用壽命(RUL)？
RUL是機(jī)器在需要維修或更換之前可能運(yùn)行的時(shí)間長(zhǎng)度。通過考慮RUL，工程師可以計(jì)劃維護(hù)、優(yōu)化操作效率并避免計(jì)劃外停機(jī)。盡管有細(xì)微差別，但與異常檢測(cè)相比，這一概念是不同的。異常檢測(cè)可以在預(yù)測(cè)剩余使用壽命方面發(fā)揮作用，但它更關(guān)注將迅速降低設(shè)備性能的突發(fā)事件。RUL更注重長(zhǎng)期資產(chǎn)管理，并以年數(shù)而不是天數(shù)來衡量。
預(yù)測(cè)RUL方法
用于預(yù)測(cè)RUL的方法多種多樣，但大致可分為三個(gè)基本類別:
1.基于專家的系統(tǒng)：這種類型的方法相對(duì)簡(jiǎn)單，嚴(yán)重依賴于人工輸入。本質(zhì)上，這個(gè)系統(tǒng)只是將當(dāng)前數(shù)據(jù)與以前觀察到的專家分類的實(shí)例進(jìn)行比較。這些是人類制定的規(guī)則或閾值，與特定的RUL相關(guān)聯(lián)。這些規(guī)則可以簡(jiǎn)單地包含在程序/手冊(cè)中，或者與模糊邏輯輸出相關(guān)聯(lián)。在所有方法中，這是最不精確的，因?yàn)檩敵龌旧鲜请x散的。此外，它可能無法很好地處理以前未分析的事件。它還需要來自主題專家的大量初始輸入。
2.基于物理的系統(tǒng)：基于物理的系統(tǒng)本質(zhì)上是手工制作的數(shù)學(xué)模型，旨在根據(jù)物理特性預(yù)測(cè)未來的退化。請(qǐng)注意，這些模型是特定于故障模式的。例如，1962年提出了一種基于材料和載荷變化的裂紋增長(zhǎng)方法。這些類型的模型可能非常精確，但需要大量的專業(yè)知識(shí)和輸入。
3.基于機(jī)器學(xué)習(xí)的模型：在這里提供的所有方法中，這種方法是最容易推廣的，并且需要很少的設(shè)備專家輸入。它是統(tǒng)計(jì)驅(qū)動(dòng)的，這意味著需要大量高質(zhì)量的數(shù)據(jù)來開發(fā)初始模型。這種方法將在下一節(jié)進(jìn)一步闡述。
基于機(jī)器學(xué)習(xí)的方法
#1:受監(jiān)督
監(jiān)督機(jī)器學(xué)習(xí)方法可能是最直觀的，但從數(shù)據(jù)注釋的角度來看，它往往是最昂貴的。為了真正能夠訓(xùn)練一個(gè)完全受監(jiān)督的模型，需要大量的數(shù)據(jù)和多次、全生命周期的運(yùn)行才能有效。此外，盡管異常檢測(cè)和RUL是兩碼事，但是將異常檢測(cè)輸入到RUL模型中的能力非常重要。根據(jù)異常檢測(cè)的定義，數(shù)據(jù)就是異常的。這意味著即使有大量數(shù)據(jù)緩存，某些場(chǎng)景也可能不存在。
盡管某些情況僅與年齡相關(guān)，但其他退化曲線與資產(chǎn)壽命期間的某個(gè)事件關(guān)系更密切。例如，大型電機(jī)壽命中的過壓事件可能會(huì)顯著改變組件的退化曲線。模型需要能夠識(shí)別這些現(xiàn)象并相應(yīng)地更新曲線。有糾正數(shù)據(jù)缺失的方法。存在可用于擴(kuò)充真實(shí)世界數(shù)據(jù)的多個(gè)合成數(shù)據(jù)集。監(jiān)督模型可以在大型泵/馬達(dá)的模擬上進(jìn)行訓(xùn)練，然后根據(jù)所討論的特定資產(chǎn)的真實(shí)世界數(shù)據(jù)進(jìn)行微調(diào)。歸根結(jié)底，這是一個(gè)時(shí)間序列問題；可以將來自各種傳感器的某個(gè)時(shí)間段提供給模型，目標(biāo)預(yù)測(cè)變量是剩余壽命。
#2:無人監(jiān)管
盡管研究較少，但完全無人監(jiān)管的RUL方法確實(shí)存在。這種方法的好處是不需要標(biāo)記。換句話說，數(shù)據(jù)直接提供給模型，并輸出預(yù)測(cè)。一個(gè)這樣的例子是利用自動(dòng)編碼器方法。這種類型的模型本質(zhì)上輸出“正常”數(shù)據(jù)是如何基于以前看到的數(shù)據(jù)的。這被耦合以創(chuàng)建稱為虛擬健康指數(shù)的度量，該度量然后被用作長(zhǎng)期短期記憶類型模型的輸入，以進(jìn)行RUL預(yù)測(cè)。從出版日期可以看出，這種方法是最前沿的。如果有人能夠使用無監(jiān)督的方法來準(zhǔn)確預(yù)測(cè)RUL，這將是該領(lǐng)域的范式轉(zhuǎn)變。
#3:半監(jiān)督
這種方法代表了上述兩種選擇之間的某種妥協(xié)。它允許進(jìn)行預(yù)訓(xùn)練，并在任何監(jiān)督學(xué)習(xí)之前識(shí)別退化階段類型。利用C-MAPPS數(shù)據(jù)集(該領(lǐng)域的標(biāo)準(zhǔn)基準(zhǔn))，一種方法能夠產(chǎn)生最先進(jìn)的結(jié)果。這種方法有些復(fù)雜，因?yàn)樗褂昧艘粋€(gè)受限的玻爾茲曼機(jī)器和一個(gè)長(zhǎng)期短期記憶模型，而所有參數(shù)都通過使用遺傳算法進(jìn)行了優(yōu)化。從短期來看，這種半監(jiān)督的方法可能是最佳商業(yè)案例的模型類型。
認(rèn)識(shí)工業(yè)4.0
為了充分實(shí)現(xiàn)工業(yè)4.0的優(yōu)勢(shì)，必須開發(fā)和實(shí)施RUL預(yù)測(cè)模型。物聯(lián)網(wǎng)感傳器的快速部署以及關(guān)鍵主題專家的不斷流失推動(dòng)了這一發(fā)展?？捎脭?shù)據(jù)的爆炸使得以前無法達(dá)到的準(zhǔn)確性成為可能。通過正確的實(shí)施，工業(yè)4.0的好處可以為任何公司提供更長(zhǎng)的資產(chǎn)運(yùn)行時(shí)間和更好的維護(hù)策略
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
