违规提示

请您遵循相关法律法规,避免再次出现类似问题

如有任何疑问,请联系support@tmtpost.com

关闭

【雪浪大会观点直击】挪威工程院院士王克胜:深度学习引入预测性维修的最大收益在于节省成本

2018.07.01 10:11 · 阅读 2.77万

7月1日上午讯,在2018雪浪大会分论坛上,挪威工程院院士王克胜介绍到,预测性维修是以设备的状态作为依据来进行维修,企业引入预测性维修的最大收益在于节省成本。 “在传统情况下,这个设备是已经出现了故障之后我们再进行维修,而预测性维修是根据设备在运行过程当中事先采集的数据,进行事先的预测,帮助用户减少了不必要的损失,同时降低企业的生产成本,也帮公司创造了价值。” 王克胜表示,把人工智能的技术引入到预测性维修的领域当中,目前有两种可应用的场景: 第一,加工中心回程间隙(一种参数)的补偿。现有的数控机床的间隙是作为常量存在的,但由于车间里存在温度变化,常量补偿并不是最优的方案。而基于物联网技术,可以采取它的参数,温度、振动信号、工作台的速度、位置,采集这些数据以后对它进行一个学习,对加工效果也进行学习,再深度学习进行优化和决策,可以得到优化补偿的模型。把这个数据模型进行可视化,就可以知道补偿量具体应该是多少,常量作为变量,从而大幅度的提高了机床的加工精度。 第二,大型的废钢破碎线。这是6000千瓦的大功率破碎机,在两边有两个轴承,轴承一旦提前损坏、维修,会给用户造成很大的损失。如果说我们在定期的采集数据,然后把预测性维修的技术进行应用,提前给用户告知轴承需要进行何种维护,这样可以增加它的无故障运行的时间。目前主要采集了他的振动信号和温度信号,通过云技术,通过数据采集以后直接上传到云,在数据监控中心对这些数据进行收集和处理。

本文内容仅供参考,不构成投资建议,请谨慎对待。

猜你感兴趣

投资日历
更多

注册邮箱未验证

我们已向下方邮箱发送了验证邮件,请查收并按提示验证您的邮箱。

如果您没有收到邮件,请留意垃圾邮件箱。

更换邮箱

您当前使用的邮箱可能无法接收验证邮件,建议您更换邮箱

账号合并

经检测,你是“钛媒体”和“商业价值”的注册用户。现在,我们对两个产品因进行整合,需要您选择一个账号用来登录。无论您选择哪个账号,两个账号的原有信息都会合并在一起。对于给您造成的不便,我们深感歉意。