Κέρδη:
- Γνωρίζει ποια δεδομένα υποδεικνύουν δυσλειτουργία
- Μπορεί να κάνει προβλέψεις με απλή παρακολούθηση κατωφλίου
- Διακρίνει τι μπορεί και τι δεν μπορεί να κάνει η τεχνητή νοημοσύνη εδώ
Οι περισσότερες δυσλειτουργίες δεν συμβαίνουν ξαφνικά. δίνει ένα σήμα εκ των προτέρων. Οι αυξημένοι κραδασμοί, η αύξηση της θερμοκρασίας, η αλλαγή στην έλξη ρεύματος και η αλλαγή στον ηχητικό χαρακτήρα είναι οι πιο συνηθισμένοι πρόδρομοι.
Δεδομένα για παρακολούθηση
- Ρεύμα κινητήρα: το αυξανόμενο ρεύμα μπορεί να υποδηλώνει απόφραξη ή κόλλημα του ρουλεμάν.
- Θερμοκρασία ρουλεμάν: έλλειψη λίπανσης ή κακή ευθυγράμμιση.
- Δόνηση: ανισορροπία, φθορά, χαλάρωση.
- Διαφορά πίεσης αναρρόφησης: απόφραξη φίλτρου.
- Αποδοτικότητα παραγωγής: η μείωση της απόδοσης με την ίδια ρύθμιση είναι ένας έμμεσος δείκτης φθοράς.
Ο ρόλος της τεχνητής νοημοσύνης
Η τεχνητή νοημοσύνη ακολουθεί το μοτίβο σε αυτά τα δεδομένα πιο υπομονετικά από έναν άνθρωπο: η ανίχνευση «το ρεύμα κινητήρα του κυλίνδρου C2 αυξάνεται σταδιακά τις τελευταίες τρεις εβδομάδες» κάνει ορατή μια τάση που μπορεί να είχε παραβλεφθεί.
Ωστόσο, η τεχνητή νοημοσύνη δεν βλέπει τη δυσλειτουργία, βλέπει τα δεδομένα. Εάν δεν υπάρχει αισθητήρας και δεν καταγράφονται δεδομένα, δεν υπάρχει πρόβλεψη. Η προϋπόθεση για την προγνωστική συντήρηση είναι η μέτρηση. λογισμικό είναι το δεύτερο βήμα.
Η πρόταση "AI προβλέπει την αποτυχία" ισχύει μόνο εάν υπάρχουν δεδομένα. Πρώτα μετρήστε, αργότερα μοντελοποιήστε. Η κατασκευή ενός μοντέλου χωρίς μέτρηση σημαίνει εξαγωγή συμπερασμάτων από ανύπαρκτες πληροφορίες.