سود:
- می داند کدام داده ها نشان دهنده نقص است
- می تواند با نظارت ساده آستانه پیش بینی کند
- تشخیص می دهد که هوش مصنوعی در اینجا چه کاری می تواند انجام دهد و چه کاری را نمی تواند انجام دهد
اکثر خرابی ها به طور ناگهانی رخ نمی دهند. از قبل سیگنال می دهد افزایش ارتعاش، افزایش دما، تغییر در کشش جریان و تغییر در ویژگی صدا رایج ترین پیش سازها هستند.
داده ها برای ردیابی
- جریان موتور: افزایش جریان ممکن است نشان دهنده انسداد یا چسبیدن بلبرینگ باشد.
- دمای یاتاقان: عدم روانکاری یا ناهماهنگی.
- لرزش: عدم تعادل، سایش، شل شدن.
- اختلاف فشار آسپیراسیون: گرفتگی فیلتر.
- راندمان تولید: کاهش راندمان با تنظیم یکسان نشانگر غیرمستقیم سایش است.
نقش هوش مصنوعی
هوش مصنوعی از الگوی موجود در این داده ها صبورتر از انسان پیروی می کند: تشخیص «جریان موتور غلتک C2 در سه هفته گذشته به تدریج افزایش یافته است» روندی را قابل مشاهده می کند که ممکن است نادیده گرفته شود.
با این حال، هوش مصنوعی نقص را نمی بیند، بلکه داده ها را می بیند. اگر سنسور وجود نداشته باشد و داده ای ثبت نشود، هیچ پیش بینی وجود ندارد. پیش نیاز تعمیر و نگهداری پیش بینی، اندازه گیری است. نرم افزار مرحله دوم است.
جمله "هوش مصنوعی شکست را پیش بینی می کند" تنها در صورت وجود داده درست است. اول اندازه گیری کنید بعد مدل کنید. ساختن مدل بدون اندازه گیری به معنای استنتاج از اطلاعات ناموجود است.