Przemysłowe systemy predykcji stanu maszyn i procesów

Model predykcyjny w utrzymaniu ruchu

Model predykcyjny jest jednym z głównych elementów predykcyjnego utrzymania ruchu. Utworzenie poprawnego modelu jest kluczem do osiągnięcia oczekiwanych efektów. Poprawnie utworzony model predykcyjny pozwala na przewidywanie pozostałego czasu użytkowania (ang. remaining useful life, RUL), a nawet przewidywania awarii i usterek z określeniem czasu ich wystąpienia, a także ze wskazaniem elementu maszyny, w którym nastąpi uszkodzenie [5].

Utworzenie modelu predykcyjnego nie jest zadaniem trywialnym, przez co predykcyjne UR rzadko jest spotykane, szczególnie w polskim przemyśle. Aby utworzyć model predykcyjny, konieczne jest odpowiednie wykorzystanie zbioru danych, które pozwolą na osiągnięcie wysokiej skuteczności modelu. Uzyskanie wysokiej skuteczności jest wręcz wymagane. W innym przypadku system mógłby nie wykrywać większości awarii oraz mieć wysoki odsetek tzw. „fałszywych awarii”, które mogłyby wprowadzać w błąd pracowników działu UR. W celu utworzenia modelu predykcyjnego należy określić wymagania odnośnie do efektów jego działania. Należy również poddać analizie dostępny zbiór danych historycznych, aby określić, czy ich ilość jest wystarczająca. Po przeprowadzonych analizach możemy skorzystać z jednej z metod uczenia maszynowego (ang. machine learning, ML), która jest poddziedziną sztucznej inteligencji (ang. artificial intelligence, AI).

Metody uczenia maszynowego

Metody uczenia maszynowego możemy podzielić na: nadzorowane, nienadzorowane oraz ze wzmocnieniem [4]. Z uczenia nadzorowanego możemy skorzystać, jeśli posiadamy odpowiedni zbiór danych zawierający informacje na temat występujących awarii, ponieważ na ich podstawie znamy oczekiwane ...