案例分享|使用数字孪生体进行预测性维护

当工业设备发生故障时,导致的问题往往不是更换设备的费用,而是被迫停机。一条生产线静止不动可能意味着每分钟损失数千美元。定期维护可以帮助避免计划外停机,但不能保证设备不会发生故障。如果机器能显示出某个部件何时会发生故障呢?甚至如果机器能告诉您哪个部件需要更换呢?这样一来,计划外停机时间将大大减少。计划的维护只在必要时进行,而不是以固定的时间间隔进行。这便是预测性维护的目标:通过使用传感器数据预测何时需要维护,以此来避免停机。在任何预测性维护算法的开发过程中,核心都是传感器数据,传感器数据可以用来训练故障检测的分类算法。在预处理步骤中,将从这些数据中提取出有意义的特征,并使用这些特征训练用于预测