制造業(yè)大數(shù)據(jù)分析和預(yù)測(cè)性維護(hù)的實(shí)踐

1、制造業(yè)大數(shù)據(jù)分析 和預(yù)測(cè)性維護(hù)的實(shí) 踐和思考傳感器/數(shù)據(jù)采集機(jī)器人云計(jì)算MES/WMS數(shù)據(jù)分析算法/ 可視化數(shù)據(jù)分析算法/可視化案例一如何“防患于未然”？設(shè)備預(yù)警系統(tǒng)報(bào)警，提前檢修設(shè)備每天產(chǎn)生10萬余條預(yù)警數(shù)據(jù)AI0.0570.0000.1700.0570.0430.0000.1000.0430.0000.0000.0000.0000.0570.0000.0430.0000.0000.0000.0000.1140.0000.0000.0000.0430.0000.0000.0000.0430.0000.0000.0000.0430.0000.2700.0000.0430.0000.0430.0

2、570.00010.4390.0570.0000.0000.00017.3990.2840.00041.8710.0000.1283.5230.000模型準(zhǔn)確預(yù)測(cè)六月份的三次設(shè)備硬件故障6/20與6/21，1349設(shè)備連續(xù)發(fā)生故障；模 型預(yù)測(cè)故障指數(shù)為41.871，遠(yuǎn)高于平均6/29，1341設(shè)備發(fā)生故障；模型預(yù) 測(cè)故障指數(shù)為10.439，遠(yuǎn)高于平均故障閾值0.0570.0000.1700.0570.0430.0000.1000.0430.0000.0000.0000.0000.0570.0000.0430.0000.0000.0000.0000.1140.0000.0000.0000.043

3、0.0000.0000.0000.0430.0000.0000.0000.0430.0000.2700.0000.0430.0000.0430.0570.00010.4390.0570.0000.0000.00017.3990.2840.00041.8710.0000.1283.5230.0001301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330 13

4、31 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 故障閾值工程師響應(yīng)速度5天之內(nèi)模型響應(yīng)速度實(shí)時(shí)如何盡量避免故障？工程師操作設(shè)備生命周期檢修流程電氣環(huán)境案例二圖像自動(dòng)畸變校正深度學(xué)習(xí)智能檢測(cè)如何盡量避免故障？設(shè)備規(guī)格與廠商運(yùn)維流程電站環(huán)境工人操作人機(jī)料法環(huán)料案例三人工檢測(cè)：漏檢率：15%檢測(cè)速度：2535秒AI 檢測(cè)：漏檢率：1%檢測(cè)速度：2秒案例四漿液質(zhì)量原材料質(zhì)量物料投放時(shí)間生產(chǎn)狀態(tài)進(jìn)風(fēng)速度排風(fēng)風(fēng)量進(jìn)風(fēng)風(fēng)量蠕動(dòng)泵轉(zhuǎn)速

5、（頻率）排風(fēng)電機(jī)頻率進(jìn)風(fēng)電機(jī)頻率滾筒轉(zhuǎn)速（頻率）排風(fēng)門3狀態(tài)排風(fēng)門2狀態(tài)排風(fēng)門1狀態(tài)噴液狀態(tài)加熱狀態(tài)蠕動(dòng)泵狀態(tài)滾筒電機(jī)反轉(zhuǎn)狀態(tài)滾筒電機(jī)正轉(zhuǎn)狀態(tài)排風(fēng)電機(jī)狀態(tài)進(jìn)風(fēng)電機(jī)狀態(tài)AI漿液質(zhì)量原材料質(zhì)量物料投放時(shí)間生產(chǎn)狀態(tài)進(jìn)風(fēng)速度排風(fēng)風(fēng)量進(jìn)風(fēng)風(fēng)量蠕動(dòng)泵轉(zhuǎn)速（頻率）排風(fēng)電機(jī)頻率進(jìn)風(fēng)電機(jī)頻率滾筒轉(zhuǎn)速（頻率）排風(fēng)門3狀態(tài)排風(fēng)門2狀態(tài)排風(fēng)門1狀態(tài)噴液狀態(tài)加熱狀態(tài)蠕動(dòng)泵狀態(tài)滾筒電機(jī)反轉(zhuǎn)狀態(tài)滾筒電機(jī)正轉(zhuǎn)狀態(tài)排風(fēng)電機(jī)狀態(tài)進(jìn)風(fēng)電機(jī)狀態(tài)利用率提升10%優(yōu)化后優(yōu)化前1500萬/年成本節(jié)約利用率提升10%優(yōu)化前優(yōu)化后人機(jī)料法環(huán)人機(jī)料法環(huán)人臉識(shí)別故障預(yù)測(cè)外觀缺陷檢測(cè)良品率智能優(yōu)化維護(hù)決策支持姿態(tài)識(shí)別預(yù)測(cè)性維護(hù)棒材計(jì)數(shù)器原材料利用率

6、智能優(yōu)化錯(cuò)誤操作診斷生產(chǎn)周期智能優(yōu)化高級(jí)排產(chǎn)各場(chǎng)景協(xié)同人機(jī)料環(huán)法機(jī)器的配置參數(shù)機(jī)器的報(bào)警數(shù)據(jù)在制品庫(kù)存數(shù)據(jù) 原材料信息工人的操作記錄數(shù)據(jù) 工人的培訓(xùn)數(shù)據(jù)溫度、濕度、壓力空氣質(zhì)量數(shù)據(jù)工藝數(shù)據(jù)生產(chǎn)計(jì)劃數(shù)據(jù) 質(zhì)量數(shù)據(jù)AI制造企業(yè)數(shù)據(jù)全鏈條打通想象一下，如果這些案例，場(chǎng)景融合基于機(jī)器視覺的缺陷智能檢測(cè)基于統(tǒng)計(jì)分析模型的設(shè)備參數(shù)智能控制錯(cuò)誤操作識(shí)別與診斷設(shè)備故障識(shí)別與診斷融合圖像及統(tǒng)計(jì)分析的缺陷智能追蹤基于機(jī)器視覺的缺陷智能檢測(cè)融合圖像及統(tǒng)計(jì)分析的缺陷智能追蹤AzureAuto MLAzureIoT Edge基于統(tǒng)計(jì)分析模型的設(shè)備參數(shù)智能控制錯(cuò)誤操作識(shí)別與診斷設(shè)備故障識(shí)別與診斷工廠用戶工廠用戶設(shè)備Traffic ManagerAzure LoadBala