-
-
-
-
URL copied!
Автор: Юрій Грицай, Software Engineer, Engineering, Consultant, GlobalLogic Ukraine
Кожна помилка містить в собі потенціал, - з неписаних інженерних правил.
Як можна передбачити появу несправності? На щастя, сьогодні для цього не треба бути екстрасенсом чи магом - на допомогу приходить Machine Learning. У цій колонці, що матиме 2 частини, я хочу поділитись оглядом методики предиктивного аналізу несправностей та освітити найбільш актуальні питання галузі.
Вступ. Що таке Predictive Maintenance та чому він актуальний?
PdM (Predictive Maintenance) - ключовий термін, дослівно - передбачення позапланового технічного обслуговування.
Профілактичне технічне обслуговування передбачає ряд методик, спрямованих на збір інформації, яка допоможе зрозуміти максимально допустимий інтервал між ремонтом обладнання та зменшити витрати на ліквідацію неочікуваної несправності будь-якого компоненту.
На основі зібраної інформації, нейронні мережі прогнозують поведінку різноманітних механізмів та допомагають передбачити планову потребу обслуговування. Ця техніка машинного навчання є потужним інструментом, де інформація передається від однієї нейронної мережі до іншої. Згідно дослідження IoT Analytics, комплекс заходів спрямованих на технічне обслуговування зараз базується саме на аналітиці даних. Очікується щорічний зріст PdM на 39% між 2016-2022, а інвестиції в розвиток цієї технології сягнуть 11 мільярдів доларів до 2022.
Є дві ключові причини такого росту:
- Сучасне обладнання часто оснащене вбудованими комп’ютерними чіпами для отримання та зчитування інформації.
- Вартість вбудованих датчиків та інших сучасних інформаційних технологій постійно зменшується.
Типи обслуговування
-
Аварійний ремонт обладнання (Run-to-failure (breakdown maintenance)) - оперативне технічне обслуговування є досить просте: ремонт здійснюється одразу після виникнення несправності. Цей метод ефективний для обладнання яке не впливає на роботу в цілому та є низьким за вартістю
-
Плановий ремонт (Preventive (scheduled) maintenance) - цей тип технічного обслуговування передбачає перевірку чи ремонт обладнання у офлайн режимі у попередньо визначені часові інтервали.
-
Профілактичне технічне обслуговування (Predictive maintenance (PdM)) - профілактичне ТО має на меті попередити ймовірні несправності, щоб попередити вихід з ладу обладнання в цілому. Для цього використовується інформація зібрана з датчиків та розумні технології, які попереджають команду обслуговування про ризик несправності.
-
Комплексне обслуговування (Reliability-centered maintenance (RCM)) - це комплексний підхід, який допомагає проаналізувати всі ймовірні несправності кожної окремої деталі та створити кастомізований план обслуговування кожного приладу.
Maintenance strategies
Як машинне навчання допомагає передбачити потребу своєчасного ремонту?
Проблеми з технічним обслуговуванням можуть бути абсолютно різними за своїм походженням, і діагностична інформація, що надходить до модуля PdM повинна розглядатися згідно з конкретною проблемою.
Теоретично існує досить багато різних підходів до PdM, але зараз активно розвиваються методи, які базуються на техніках машинного навчання. Вони поділяються на дві основні групи:
- контрольовані: коли інформація про типи можливих несправностей присутня моделюючому набору даних. Контрольовані підходи потребують наявності історичного набору даних про поведінку приладу та його несправності під час експлуатації.
- неконтрольовані: коли доступна інформація щодо процесу, але недоступні дані, пов'язані з технічним обслуговуванням.
Трансферне навчання для prediction maintenance
Трансферне навчання - це застосування даних, отриманих при розв'язанні однієї проблеми, для вирішення іншої, але суміжної, проблеми. Зараз цей підхід є досить популярним, адже пропонує можливість тренувати нейронні мережі порівняно малою кількістю даних. Це є досить корисно та зручно, тому що більшість реальних проблем зазвичай не мають багато зареєстрованих даних, щоб тренувати складні моделі. Насправді це не зовсім техніка машинного навчання. Трансферне навчання може розглядатися як "методологія проєктування" в машинному навчанні. Однак, трансферне навчання стало досить популярним у поєднанні з нейронними мережами, оскільки їх навчання вимагає великої кількості даних та обчислювальної потужності.
На цьому ми поки зробимо зупинку.
У частині другій ми спробуємо сформулювати основну предметну область де використання предиктивного методу буде оптимальним, обговоримо стратегії та типи нейронних мереж які можуть використовуватись для цього.
До зустрічі через тиждень. Не перемикайтесь!
Top Insights
Python: чому вивчати та з чого почати?
InsightsSoftwareAutomotiveCommunicationsConsumer and RetailFinancial ServicesHealthcareManufacturing and IndustrialMediaTechnology
Тонкощі CV або Як скласти та куди надіслати,...
HRAutomotiveCommunicationsConsumer and RetailFinancial ServicesHealthcareManufacturing and IndustrialMediaTechnology
CI/CD для JS розробників. Частина перша – теорія
DevelopmentSoftwareAutomotiveCommunicationsConsumer and RetailFinancial ServicesHealthcareManufacturing and IndustrialMediaTechnology
Soft and Hard Skills: Що важливіше? Розповідь одного...
HRAutomotiveCommunicationsConsumer and RetailFinancial ServicesHealthcareManufacturing and IndustrialMediaTechnologyТОП автори
Test Engineer, Quality Assurance, GlobalLogic
Lead Software Engineer, Engineering, GlobalLogic
Specialist, GlobalLogic
Associate Manager, Engineering, GlobalLogic
Lead Software Engineer, Engineering, GlobalLogic
Категорії блогів
Давайте співпрацювати
Схожі теми
Мережеві основи
Основні поняття мереж Мережі забезпечують зв'язок між комп'ютерами, пристроями та користувачами навіть на великих відстанях. Вони є основою для спільної роботи, комунікації та обміну ресурсами. Мережа — це система, у якій два або більше комп'ютерів та інших пристроїв з'єднані між собою для обміну даними та ресурсами. Вони можуть бути локальними (LAN), розширеними (WAN), бездротовими (Wi-Fi) … Continue reading Передбачення несправностей та помилок на основі Machine Learning. Частина 1 →
Більше
Основи операційних систем
Windows, Linux, macOS: порівняння та особливості У світі комп'ютерів три операційні системи відіграють ключову роль: Windows, Linux та macOS. Кожна з цих систем має свої унікальні особливості та призначення, що робить їх популярними серед різних категорій користувачів. У цій статті ми розглянемо ці три операційні системи, їхні переваги та особливості. Windows Windows — найпопулярніша операційна … Continue reading Передбачення несправностей та помилок на основі Machine Learning. Частина 1 →
Більше
Основи інформатики та програмування
Вступ до інформатики та IT-сфери Інформатика та технології інформаційної обробки є дверима в швидкоплинну та захоплюючу сферу — сферу інформаційних технологій (IT). У світі, де відсутність доступу до інформації може виявитися прогресивною перешкодою, розуміння основ інформатики та IT-сфери стає критичним для кожної людини. Що таке інформатика та IT-сфера? Інформатика — це наука про обробку та … Continue reading Передбачення несправностей та помилок на основі Machine Learning. Частина 1 →
Більше
Як зберігати і підвищувати власну продуктивність в ІТ
Артур Мицко, Lead Software Engineer, GlobalLogic У компанії Globallogic я пройшов шлях від С++ trainee до Lead Software Engineer. Як зазвичай буває, коли людина приходить в ІТ-компанію вперше — все навколо нове та цікаве, ти не помічаєш як летить час. Чесно кажучи, в перші роки я не сильно то і відпочивав, переважно на свята. Це, … Continue reading Передбачення несправностей та помилок на основі Machine Learning. Частина 1 →
Більше
Як покращити ресурсний стан через оточення
Катерина Васильєва, Senior HRBP, GlobalLogic Ресурсний стан як поняття, яке використовується в психології, медицині, спорті та інших галузях, описує психофізіологічний стан людини, який характеризується рівнем її енергії, витривалості, здатності до праці та концентрації уваги. Відповідно, ресурсний стан впливає на різні аспекти життя людини, і визначається різними чинниками, як то рівень фізичного здоров'я, ступінь стресу або … Continue reading Передбачення несправностей та помилок на основі Machine Learning. Частина 1 →
Більше
Як стати .NET розробником. Перші кроки та поради
Олексій Глембицький, Senior Software Engineer, GlobalLogic Мене звати Глембицький Олексій, я .NET розробник в компанії GlobalLogic, а також проводжу вебінари та викладаю курси по мові програмування С#. І в цій статті я би хотів поділитись порадами, які допомагають моїм студентам опанувати мову програмування С# та стати .NET-розробниками. Про мову програмування C# та платформу .NET C# … Continue reading Передбачення несправностей та помилок на основі Machine Learning. Частина 1 →
Більше
Як покращити презентації
Денис Братчук, Engineering Director, GlobalLogic Майже кожен з нас час від часу виступає із презентаціями чи доповідями, використовуючи як ілюстрацію слайди, створені в популярних офісних програмах, на кшталт PowerPoint або Google Slides. Менеджери проєктів створюють звіти про хід виконаних робіт, інженери презентують новітні технологічні рішення, керівництво звітує про досягнення фінансових цілей, а менеджери з продажів … Continue reading Передбачення несправностей та помилок на основі Machine Learning. Частина 1 →
Більше
Від студента до Trainee-спеціаліста: історія випускника С++ GL BaseCamp
Почати шлях в ІТ під час навчання в університеті — ще той виклик, який вимагає наполегливості і постійної практики. Сергій Піскурський, студент та Trainee Specialist GlobalLogic, приєднався до компанії після проходження С++ GL BaseCamp. Хлопець поділився досвідом навчання перед курсом та підготовки до С++ GL BaseCamp. Чому ти вирішив вивчати С? Коли я почав думати … Continue reading Передбачення несправностей та помилок на основі Machine Learning. Частина 1 →
Більше
Share this page:
-
-
-
-
URL copied!