礦用卡車的故障可視化分析報(bào)告

1、MINE TRUCK FAULT VISUALIZATION ANALYSIS REPORT礦用卡車的故障可視化分析報(bào)告參賽成員：劉夢(mèng)媛 倪子順 郭直清指導(dǎo)老師：劉 威目錄CONTENTS前言數(shù)據(jù)提取歷史數(shù)據(jù)可視化數(shù)據(jù)分析算法1234未來數(shù)據(jù)可視化5結(jié)果分析6參考文獻(xiàn)7前言INTRODUCTION0201研究背景及意義研究方法 礦用卡車是為完成露天礦山巖石土方剝離與礦石運(yùn)輸任務(wù)而使用的一種重型自卸車，在露天礦生產(chǎn)中占據(jù)整個(gè)生產(chǎn)成本60%70%，因此，較好的卡車使用方式能大幅提高我國(guó)礦業(yè)的經(jīng)濟(jì)效益。前言安排預(yù)防性維修減少卡車故障率安排合理的生產(chǎn)計(jì)劃較好的完成生產(chǎn)任務(wù)提前準(zhǔn)備進(jìn)口配件減少卡車維修時(shí)

2、間研究背景及意義1數(shù)據(jù)采集數(shù)據(jù)預(yù)處理歷史數(shù)據(jù)可視化數(shù)據(jù)分析算法數(shù)據(jù)清洗數(shù)據(jù)集成MCMC算法數(shù)據(jù)預(yù)測(cè)算法未來數(shù)據(jù)可視化前言2研究方法前言可視化技術(shù)(DataV)柱狀圖 時(shí)間軸散點(diǎn)圖折線圖餅狀圖易于比較數(shù)據(jù)間差別能較好比較各類別所占比易于比較跨類別的數(shù)據(jù)集能較好反應(yīng)數(shù)據(jù)變化情況能帶來豐富的時(shí)間、順序感2研究方法數(shù)據(jù)提取DATA FETCH0201數(shù)據(jù)采集數(shù)據(jù)預(yù)處理 神華寶日希勒露天煤礦設(shè)備維修中心采集2015年2018年的礦用卡車維修數(shù)據(jù).數(shù)據(jù)提取數(shù)據(jù)采集1故障數(shù)據(jù)分類提取故障次數(shù)刪除空值數(shù)據(jù)清洗數(shù)據(jù)集成數(shù)據(jù)提取2數(shù)據(jù)預(yù)處理0201故障時(shí)長(zhǎng)可視化故障次數(shù)可視化歷史數(shù)據(jù)可視化VISUALIZATIO

3、N OF HISTORICAL DATA03故障類別可視化歷史數(shù)據(jù)可視化故障時(shí)長(zhǎng)可視化1歷史數(shù)據(jù)可視化歷史數(shù)據(jù)可視化2015年春季到2015年秋季2015年冬季到2017年夏季從2017年下半年開始最短時(shí)間最長(zhǎng)時(shí)間736183820470045012001#TR100卡車故障時(shí)長(zhǎng)歷史數(shù)據(jù)可視化歷史數(shù)據(jù)可視化2故障次數(shù)可視化歷史數(shù)據(jù)可視化歷史數(shù)據(jù)可視化卡車度過磨合期，配件較順暢，故障次數(shù)變少.2015年冬到2017年夏卡車使用次數(shù)增多導(dǎo)致故障發(fā)生次數(shù)增多.2017年下半年后歷史數(shù)據(jù)可視化卡車剛購(gòu)入，處于磨合期，易出現(xiàn)故障情況.2015年春到秋季第一類：故障時(shí)間030分鐘第二類：故障時(shí)間3060分

4、鐘第三類：故障時(shí)間60120分鐘第四類：故障時(shí)間120480分鐘第五類：故障時(shí)間大于480分鐘歷史數(shù)據(jù)可視化故障類別可視化320152017較低類別較高類別卡車不斷被使用故障持續(xù)時(shí)間不斷變長(zhǎng)故障逐漸向較高的類別轉(zhuǎn)移卡車壽命不斷降低歷史數(shù)據(jù)可視化數(shù)據(jù)分析算法DATA ANALYSIS ALGORITHM 0201MCMC算法實(shí)現(xiàn)數(shù)據(jù)預(yù)測(cè)算法實(shí)現(xiàn)Step1 初始化馬氏鏈Step2 對(duì)于第t次，循環(huán)以下過程采樣Step2.2 從均勻分布采樣Step2.3 對(duì)樣本進(jìn)行處理Step2.4 得到新的馬氏鏈Step2.1 采樣yg(x|xt)M-H算法數(shù)據(jù)分析算法MCMC算法1獲取觀測(cè)數(shù)據(jù)將數(shù)據(jù)帶入M-H模

5、型隨機(jī)抽樣處理樣本數(shù)據(jù)模型檢驗(yàn)求解指數(shù)分布參數(shù)從指數(shù)分布中抽樣表示時(shí)間間隔數(shù)據(jù)分析算法MCMC算法11#TR100故障參數(shù)實(shí)驗(yàn)結(jié)果數(shù)據(jù)分析算法MCMC算法11#TR100故障參數(shù)實(shí)驗(yàn)結(jié)果數(shù)據(jù)分析算法MCMC算法11#TR100卡車5類故障發(fā)生次數(shù)泊松分布參數(shù)估計(jì)值和CSRF檢驗(yàn)值數(shù)據(jù)分析算法MCMC算法1Step1 采集數(shù)據(jù)Step2 歷史數(shù)據(jù)學(xué)習(xí)Step3 對(duì)參數(shù)曲線進(jìn)行擬合Step4 確定指數(shù)分布參數(shù)Step5 預(yù)測(cè)設(shè)備故障發(fā)生時(shí)間數(shù)據(jù)分析算法2數(shù)據(jù)預(yù)測(cè)算法實(shí)現(xiàn)1#TR100卡車的故障發(fā)生時(shí)間預(yù)測(cè)結(jié)果數(shù)據(jù)分析算法2數(shù)據(jù)預(yù)測(cè)算法實(shí)現(xiàn)0201故障次數(shù)展示故障時(shí)長(zhǎng)展示未來數(shù)據(jù)可視化VISUALIZATION OF FUTURE DATA未來數(shù)據(jù)可視化故障次數(shù)展示1未來數(shù)據(jù)可視化故障次數(shù)展示1未來數(shù)據(jù)可視化2數(shù)據(jù)時(shí)長(zhǎng)展示未來數(shù)據(jù)可視化2數(shù)據(jù)時(shí)長(zhǎng)展示結(jié)果分析RESULT ANALYSIS0201故障分布故障預(yù)控根據(jù)以上對(duì)數(shù)據(jù)的可視化處理以及預(yù)測(cè)，可以得知礦用卡車的故障情況大致上呈浴盆曲線變化情況結(jié)果分析故障分布1保養(yǎng)定檢及時(shí)維修保持清潔提升效益結(jié)果分析2故障預(yù)控參考文獻(xiàn)REFE